通过分析飓风哈维期间人们去药房、宗教中心和杂货店等重要场所的访问模式，德克萨斯农工大学的研究人员开发了一个框架，以近乎实时地评估自然灾害后社区的恢复情况。他们说，从他们的分析中收集到的信息将有助于联邦机构在受灾社区中公平分配资源。
“自然灾难事件对邻近社区的影响可能会非常不同，”扎克里土木与环境工程系(Zachry Department of Civil and Environmental Engineering)副教授、城市恢复力项目(Urban Resilience)主任阿里·穆斯塔法(Ali Mostafavi)博士说。人工智能实验室。因此，我们需要确定哪些地区能够比其他地区恢复得更快，哪些地区受到的影响更大，这样我们就可以向更需要资源的地区分配更多的资源。”
研究人员在英国皇家学会出版的《界面》杂志上发表了他们的发现。
传统上用来量化社区如何从自然造成的挫折中恢复过来的指标称为弹性，它被定义为社区恢复到灾前状态的能力。因此，要衡量恢复力，诸如资源的可及性和分配、社区内居民之间的联系以及社区对不可预见灾难的准备水平等因素都是至关重要的。
获得估计弹性所需数据的标准方法是通过调查。审议的问题包括，企业或家庭如何以及在多大程度上受到自然灾害和恢复阶段的影响。然而，Mostafavi说，这些基于调查的方法虽然非常有用，但需要很长时间来进行，调查结果在灾难发生几个月后才可获得。
穆斯塔法维说:“对于分配资金的联邦机构来说，对于那些在恢复过程中落后的社区来说，实际上需要更快、更接近实时的恢复信息。”“我们认为，解决方案是寻找新的数据来源，而不是调查，可以在以前没有调查过的规模上，为社区恢复提供更细粒度的见解。”
穆斯塔法和他的合作者转向了社区层面的大数据，特别是由公司收集的信息，这些公司通过匿名的手机数据来跟踪访问一个区域内的地点。特别值得一提的是，研究人员与一家名为SafeGraph的公司合作，获取了哈维飓风前后德克萨斯州哈里斯县居民的位置数据。作为第一步，他们确定了与医院、加油站和商店等设施的位置相对应的“兴趣点”，这些设施可能会因飓风而改变游客流量。
接下来，研究人员挖掘了大数据，获得了飓风之前和飓风期间每个景点的访问次数。对于哈里斯县的不同社区，他们计算了访问恢复到灾前水平所需的时间和总体恢复力，也就是说，基于飓风导致访问次数的百分比变化，计算了每个兴趣点的综合恢复力。
他们的分析显示，恢复力低的社区也经历了更多的洪水。然而，他们的结果也表明，影响的程度不一定与恢复有关。
穆斯塔法维说:“人们很容易想当然地认为，受影响越大的企业复苏速度越慢，但事实并非如此。”“有些地方的游客数量大幅下降，但恢复得很快。但另一些受影响较小但需要更长的时间才能恢复，这表明时间和总体恢复力在评估一个社区的恢复方面都很重要。”
研究人员还指出，另一项重要发现是，与遭受洪水的地区距离较近的地区也受到了影响，这表明洪水的空间影响范围超出了洪水泛滥地区。
Mostafavi说:“虽然我们的研究重点是哈维飓风，但我们的框架也适用于任何其他自然灾害。”“但作为下一步，我们希望创建一个智能仪表板，可以近乎实时地显示不同地区的恢复速度和影响，并预测未来暴雨后访问中断的可能性和恢复模式。”
