龐曉克 聶高眾 張昕 李華玥夏朝旭 范熙偉 魏本勇

1)中國地震局地質(zhì)研究所,北京 100029 2)浙江每日互動網(wǎng)絡科技股份有限公司,杭州 310026 3)中國地震臺網(wǎng)中心,北京 100045

0 引言

隨著近年來重大地震災害的發(fā)生,應急救援已經(jīng)成為人們關(guān)心的問題。地震應急救援是防震減災工作中的最后一道防線,要求及時高效(聶高眾等,2018)。地震后短時間內(nèi)獲取地震災情對應急指揮有重要作用,但震后的災情獲取存在黑箱期,即地震發(fā)生后無法快速獲取地震災情。地震發(fā)生后,為迅速啟動災后救援,更好地執(zhí)行災后救援響應任務,需要對地震災情迅速做出評估。

近年來,手機的普及率逐漸提高,截至2013年,我國使用人數(shù)突破11億,手機普及率高達84.9%,并且50%的城市居民都擁有智能手機,其中69%用戶每天會使用智能手機訪問互聯(lián)網(wǎng)。美國皮尤研究中心(Pew Research Center)發(fā)表的數(shù)據(jù)報告顯示,中國的智能手機普及率達到58%[注]① http://tech.sina.com.cn/mobile/n/n/2016-07-30/doc-ifxunyxy5956896.shtml。GPS和北斗衛(wèi)星導航系統(tǒng)在移動終端應用中的定位服務成為主流配置,智能手機的發(fā)展,基于位置服務、位置分享服務、大規(guī)模分布式數(shù)據(jù)存儲等技術(shù),可以實時獲取精準的海量手機位置信息,必然促使基于手機位置的數(shù)據(jù)服務的產(chǎn)生與發(fā)展。同時,基于手機位置的服務為學術(shù)研究提供新的數(shù)據(jù)源與可能性(李東平等,2017)。

基于手機位置數(shù)據(jù)可以分析手機用戶線上線下行為,結(jié)合用戶簽到信息和時間特征,挖掘用戶特征,分析用戶在某區(qū)域的興趣點,以及對新的興趣點進行推薦(吳士鋒等,2016)。該數(shù)據(jù)主要包含3類：一是冷數(shù)據(jù)畫像,主要是用戶性別、興趣、常駐地、職業(yè)和年齡等較長時間不會變化的屬性信息；二是溫數(shù)據(jù)回溯,用戶近期活躍應用的APP,近期去過的地方等具有一定時效性的行為數(shù)據(jù)；三是熱數(shù)據(jù)場景,當前地點、打開的應用等場景化明顯的精準信息。

對于地震分析來說,基于大數(shù)據(jù)分析從智能手機中獲取用戶的GPS信息、活躍WiFi數(shù)量、無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量、匯總在線設備數(shù)量、區(qū)域平均移動速度、瞬時移動速度、異常震動設備數(shù)等數(shù)據(jù),通過建模分析,將人口熱力圖方法應用于快速判定震后極震區(qū)(極感區(qū))的位置、地震影響場的方向、地震的有感范圍和不同震感范圍內(nèi)的人數(shù)統(tǒng)計以及災區(qū)主要道路震后情況分析等,以便及時輔助判定災情,為救援工作提供數(shù)據(jù)支撐,降低對人民群眾生命財產(chǎn)的危害。

2 數(shù)據(jù)準備與研究方法

2.1 手機位置大數(shù)據(jù)的原理

全球移動通信系統(tǒng)(GSM,global-system of Mobile communications,)協(xié)會將基于移動電話平臺的位置服務定義為：基于移動用戶位置信息的服務,是指利用現(xiàn)有的移動通信網(wǎng)絡資源,對手機用戶或設備進行定位,并結(jié)合完備的地理信息數(shù)據(jù)庫和信息搜索引擎,提供給用戶豐富的位置信息服務(石偉華,2006;Kühn,2004)。

2.2 數(shù)據(jù)來源與覆蓋率

本文數(shù)據(jù)來源于提供推送服務的第三方,其提供安卓推送(Android)及iOS推送軟件開發(fā)工具包(SDK,software development kit)服務,使APP快速集成云推送功能。

目前擬采用消息SDK平臺的用戶數(shù)量很大,截至2017年8月,裝機的SDK用戶數(shù)達到數(shù)百億,覆蓋終端數(shù)十億,接入應用數(shù)十萬,日活用戶近十億,并發(fā)在線用戶超過數(shù)億?；跀?shù)據(jù)覆蓋量較大,我們認為應用此數(shù)據(jù)進行分析有一定可行性。

2.3 數(shù)據(jù)采集

通過用戶移動設備中的SDK,以一定時間間隔動態(tài)采集經(jīng)過用戶授權(quán)的設備位置相關(guān)信息。采集數(shù)據(jù)包含但不限于設備信息、GPS、WiFi信息、基站信息、聯(lián)網(wǎng)數(shù)據(jù)等。多種數(shù)據(jù)源通過實時匯報模塊上傳至大數(shù)據(jù)中心,通過加工處理,對各手機終端進行唯一標識。

2.4 數(shù)據(jù)類型

基于地址進行數(shù)據(jù)檢索時,當數(shù)據(jù)量非常大時,通常采用Geohash編碼進行空間檢索,相當于將全部地圖平面均分為若干矩形方格。將二維的經(jīng)緯度轉(zhuǎn)換成字符串,每一個字符串代表了某一矩形區(qū)域(圖1)。字符串越長,表示的范圍精度越高,例如5位的編碼能表示10km2范圍的矩形區(qū)域,而6位編碼能表示更精細的區(qū)域(約0.34km2)。

圖 1 Geohash編碼數(shù)據(jù)示意圖

本文使用的數(shù)據(jù)也采用Geohash編碼,受實際采集情況制約,本文地震案例使用的數(shù)據(jù)均為5位編碼,覆蓋烈度圖Ⅵ度以上區(qū)域范圍。

2.5 數(shù)據(jù)指標

移動設備聯(lián)網(wǎng)后上報采集數(shù)據(jù),云端服務器實時獲取到分布在全國不同位置的移動設備上報的數(shù)據(jù)。當一個區(qū)域發(fā)生地震時,網(wǎng)絡設施、電力設施、基站等都可能受到相應影響,因此在數(shù)據(jù)層上會產(chǎn)生一定影響。根據(jù)這些數(shù)據(jù)層特征,分析歷史震例,評估各項特征對地震判別的敏感度,選出敏感度較高、數(shù)據(jù)質(zhì)量較高的指標,間隔固定時間窗口前后取值,并用數(shù)據(jù)變化百分比作為量化突變的標準。

目前我們可獲取的主要有4種數(shù)據(jù)：活躍基站數(shù)量、活躍WiFi數(shù)量、無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量、匯總在線設備數(shù)量。

(1)活躍基站數(shù)量(station)

該數(shù)據(jù)是統(tǒng)計每個時間切片、疑似震區(qū)每個Geohash方格中的活躍基站數(shù)量,根據(jù)基站信標位置庫可以檢索指定地理范圍內(nèi)的基站數(shù)。移動設備可定時上報掃描到的基站信息。當某個時間切片、某個Geohash方格中活躍基站數(shù)量發(fā)生驟減或遠低于之前平均水平時,說明該范圍內(nèi)發(fā)生大規(guī)模基站退服,推測該區(qū)域發(fā)生地震或其他突發(fā)災害。

(2)活躍WiFi數(shù)量(wifimac)

該數(shù)據(jù)是統(tǒng)計每個時間切片、疑似震區(qū)每個Geohash方格中的活躍WiFi熱點數(shù)量,根據(jù)WiFi信標位置庫可以檢索指定地理范圍內(nèi)的WiFi熱點數(shù)。移動設備可定時上報掃描到的WiFi熱點信息。某個時間切片、某個Geohash方格中活躍WiFi熱點數(shù)量發(fā)生驟減或遠低于之前平均水平時,說明該范圍內(nèi)發(fā)生大規(guī)模無線熱點斷電,推測該區(qū)域發(fā)生地震或其他突發(fā)災害。

(3)無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量(loginmac)

該數(shù)據(jù)是統(tǒng)計每個時間切片、疑似震區(qū)每個Geohash方格中的WiFi聯(lián)網(wǎng)設備數(shù)量,根據(jù)WiFi信標位置庫可以檢索指定地理范圍內(nèi)的WiFi熱點,聯(lián)網(wǎng)的移動設備可定時上報連接狀態(tài)與所連接網(wǎng)絡,其中無線網(wǎng)絡聯(lián)網(wǎng)數(shù)據(jù)中包含WiFi熱點信息。某個時間切片、某個Geohash方格中活躍WiFi聯(lián)網(wǎng)設備數(shù)量發(fā)生驟減時,說明該范圍內(nèi)發(fā)生大規(guī)模無線網(wǎng)絡斷網(wǎng),推測該區(qū)域發(fā)生地震或其他突發(fā)災害。

(4)在線設備數(shù)量(gid)

該數(shù)據(jù)是統(tǒng)計每分鐘震區(qū)范圍中每個Geohash方格中的移動設備數(shù)量,根據(jù)多重定位方式獲取服務的移動設備位置數(shù)據(jù)。當某個Geohash方格中移動設備數(shù)量發(fā)生驟減時,說明該范圍內(nèi)大規(guī)模移動設備的數(shù)據(jù)無法正常上報,推測該區(qū)域發(fā)生地震或其他突發(fā)災害。

4種數(shù)據(jù)指標的相互關(guān)系,如圖2 所示。

圖 2 4種指標數(shù)據(jù)關(guān)系圖

3 案例分析

在歷史震例中選取了反映指標數(shù)據(jù)較好的3個地震：四川省阿壩州九寨溝地震、新疆博爾塔拉州精河地震、四川廣元市青川地震。由于人口密集程度不同,不同地區(qū)可采集到有數(shù)據(jù)上報的Geohash編碼的數(shù)量不同,分別計算每個Geohash編碼位置震后不同時刻的指標數(shù)量變化情況,每個地震選取1個變化情況明顯的位置點,分別對4種災情指標進行分析。

根據(jù)3個地震發(fā)震前1天和地震當天4種地震災情指標變化折線圖的對比,判斷地震對4種指標的影響程度,從而篩選出對地震敏感性較高的災情指標。從3個地震折線圖對比情況發(fā)現(xiàn)九寨溝地震4種災情指標均有不同程度的變化；青川地震是在線設備數(shù)量和活躍基站數(shù)量在地震發(fā)生當天與前一天差別不明顯,但是活躍WiFi數(shù)量和無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量與前1天差別較大；精河地震也是4種災情指標均有不同程度變化,相對于其他2個地震不同的是,精河地震震后指標數(shù)量均上升。根據(jù)3個地震案例推斷,災情指標數(shù)量發(fā)生變化是由地震引起的,因此也可以用指標的變化情況反向分析地震的影響狀況。

圖 3 九寨溝地震選點與震中位置示意圖

3.1 四川阿壩州九寨溝縣MS7.0地震(2017年8月8日21時19分)

九寨溝地震選取的觀測點Geohash編碼為wmcv7,該位置點位于九寨溝地震區(qū)溝口酒店區(qū)域,距震中約10km(圖3),對該位置點活躍基站數(shù)量、活躍WiFi數(shù)量、無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量、在線設備數(shù)量等4個不同數(shù)據(jù)指標震后2hr的數(shù)量變化情況繪制折線圖(圖4、5)進行分析。

對比震前1天(圖4)與地震當天(圖5)折線圖可以看出：

圖 4 2017年8月7日九寨溝地震前后震區(qū)wmcv7位置點地震災情指標變化

圖 5 2017年8月8日九寨溝地震前后震區(qū)wmcv7位置點地震災情指標變化

(1)在線設備數(shù)量呈逐步下降趨勢。 21：19分發(fā)生地震,設備數(shù)量先升高,在21：20分達到最高值,從21：20分開始下降,到21：21分時數(shù)量由113下降到55,21：21分后在線設備數(shù)量呈小幅度上下波動,但整體呈下降趨勢。

(2)活躍基站數(shù)量情況與在線設備數(shù)相似,呈逐步下降趨勢。21：19分發(fā)生地震,然后活躍基站數(shù)量先升高,在21：20分時達到最高值,從21：20分開始下降,到21：21分時數(shù)量由60下降到39,21：22分后活躍基站數(shù)量呈小幅度上下波動,但整體呈下降趨勢。

(3)活躍WiFi數(shù)量在震后有突降變化。21：19分發(fā)生地震,活躍WiFi數(shù)量先升高,在21：20分時發(fā)生突降,21：20分時數(shù)量為658,21：21分時為264,21：22分時為138,21：22分后活躍WiFi數(shù)量在較低水平小幅度穩(wěn)定波動,到22：16分,指標波動范圍為100～200,22：16分后指標主要在100左右波動。

綜上所述,可以發(fā)現(xiàn)4種指標中活躍WiFi數(shù)量最大。從圖5 可以看出,震后4種指標數(shù)量都下降,在線設備數(shù)量、活躍基站數(shù)量和活躍WiFi數(shù)量在震后先上升,1min后開始下降,無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量在震后瞬時下降,且變化率達到0.89,根據(jù)4種指標震后下降情況可以知道,在九寨溝地震中無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量反應最靈敏,其次是活躍WiFi數(shù)量,但該指標存在數(shù)據(jù)延遲情況。

3.2 四川廣元市青川縣MS5.4地震(2017年9月30日14時14分)

青川地震選取的觀測點Geohash編碼為wmdwj,該位置點距震中約29km(圖6),對該位置點活躍基站數(shù)量、活躍WiFi數(shù)量、無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量、在線設備數(shù)量等4個不同數(shù)據(jù)指標震后2hr的數(shù)量變化情況繪制折線圖(圖7、8)進行分析。

圖 6 青川地震選點與震中位置示意圖

對比震前1天(圖7)與地震當天(圖8)折線圖可以看出：

圖 7 2017年9月29日青川地震前后震區(qū)wmdwj位置點地震災情指標變化

圖 8 2017年9月30日青川地震前后震區(qū)wmdwj位置點地震災情指標變化

(1)在線設備數(shù)量在14：14分發(fā)生地震后,雖然數(shù)量下降,但是在震后3min時又開始增加,隨后在線設備數(shù)量呈上下波動趨勢,與震前波動幅度差別不大,說明震后數(shù)量的下降是正常波動現(xiàn)象,并不是受地震影響,因此推斷該地震對在線設備數(shù)影響不大。

(2)活躍基站數(shù)量在14：14分發(fā)生地震后,雖然數(shù)量下降,但是在震后2min時又開始增加,隨后在線設備數(shù)量呈上下波動趨勢,與震前波動幅度差別不大,說明震后數(shù)量的下降是正常波動現(xiàn)象,并不是受地震影響,因此推斷該地震對活躍基站數(shù)影響不大。

(4)無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)在震后瞬時發(fā)生突降,地震發(fā)生時數(shù)量為6,14：15分到14：27分內(nèi)沒有數(shù)據(jù),可能是因為數(shù)據(jù)沒有上報,也可能是因為在這段時間內(nèi)無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量為0。之后在14：28分時出現(xiàn)1個,并且持續(xù)了10min；隨后數(shù)量增加恢復至震前水平。

綜上所述,可以看出活躍基站數(shù)量和在線設備數(shù)量在震后雖然出現(xiàn)短暫下降現(xiàn)象,但很快又恢復至震前水平,因此可以判斷指標數(shù)量的下降是正常波動,并不是地震造成的,說明該地震對這2種指標的影響較?。换钴SWiFi數(shù)量在震后下降,并在1個多小時內(nèi)都處于較低水平,可以推斷活躍WiFi數(shù)量的下降主要是受地震的影響；無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量在震后瞬時指標數(shù)消失,在14：28分時才出現(xiàn),并且原因不明確,因此該次地震中無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)不能在震后快速反映影響情況。綜上可得出,該次地震活躍WiFi數(shù)量反映地震情況最好。

3.3 新疆博爾塔拉州精河縣MS6.6地震(2017年8月9日7時27分)

精河地震選取的觀測點Geohash編碼為tzfvw,該位置點距震中約34km(圖9),對該位置點活躍基站數(shù)量、活躍WiFi數(shù)量、無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量、在線設備數(shù)量等4個不同數(shù)據(jù)指標震后兩2hr的數(shù)量變化情況繪制折線圖(圖10、11)進行分析。

圖 9 精河地震選點與震中位置示意圖

對比震前1天(圖10)與地震當天(圖11)折線圖可以看出：

圖 10 2017年8月8日精河地震前后震區(qū)tzfvw位置點地震災情指標變化

圖 11 2017年8月9日精河地震前后震區(qū)tzfvw位置點地震災情指標變化

(1)7：27分發(fā)生地震后,在線設備數(shù)量在震后3min內(nèi)持續(xù)增加,7：27分時數(shù)量為12,7：30分時數(shù)量為25,隨后數(shù)量開始波動,但震后波動數(shù)量普遍高于震前水平。

(2)活躍基站數(shù)量與在線設備數(shù)量情況相似,在7：27分發(fā)生地震后,數(shù)量在震后3min內(nèi)持續(xù)增加,7：27分時數(shù)量為11,7：30分時數(shù)量為26,隨后數(shù)量開始波動,但震后波動數(shù)量普遍高于震前水平。

(3)活躍WiFi數(shù)量在7：27分發(fā)生地震后3min內(nèi)持續(xù)增加,7：27分時數(shù)量為160,7：30分時數(shù)量為292,隨后數(shù)量開始波動,震后0.5hr后數(shù)量稍微減少,但依然高于震前水平。

(4)無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量在7：27分發(fā)生地震后3min內(nèi)持續(xù)增加,7：27分時數(shù)量為18,7：30分時數(shù)量為43,隨后數(shù)量開始波動,但震后波動數(shù)量普遍高于震前水平。

綜上所述,可以發(fā)現(xiàn)4種指標數(shù)量在震后均為增加,折線圖(圖8、9、10、11)反映情況差別不大；4種指標中,活躍WiFi數(shù)量最大。該地震后3min內(nèi)4種指標數(shù)量均持續(xù)增加,計算震后3min與震時的數(shù)量變化率,發(fā)現(xiàn)無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量變化率最大,同時4種數(shù)據(jù)雖然都呈上升趨勢,但根據(jù)折線圖(圖8、9、10、11)可以看出,無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)量在震后更穩(wěn)定,波動趨勢最小。

該次地震震后數(shù)據(jù)指標均為上升趨勢,造成該現(xiàn)象的原因可能是地震發(fā)生時間為早晨,人們處于睡眠狀態(tài),本底噪聲較低,并且選擇的分析點不在震中附近,對人們影響相對不大,地震一發(fā)生,人們有所感應后,首先拿出手機查看情況,導致震后數(shù)據(jù)指標均上升。

4 結(jié)論

(1)通過對3個地震案例進行分析可以發(fā)現(xiàn),四川省阿壩州九寨溝MS7.0地震和新疆博爾塔拉州精河MS6.6地震的震級較大,震后4種地震災情指標均有明顯的突變現(xiàn)象；四川廣元市青川MS5.4地震的震級較小,在線設備數(shù)量和活躍基站數(shù)量基本變化不大。說明震級越大,地震災情指標判別地震效果越好。

(2)4種地震災情指標中活躍WiFi數(shù)和無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)在震后反應效果最好,活躍WiFi數(shù)的數(shù)量最多,反應靈敏,但是有延遲匯報的情況,實時性一般；無線網(wǎng)絡聯(lián)網(wǎng)設備數(shù)反應最為靈敏,數(shù)量相對活躍WiFi數(shù)較少,但該指標實時性較好。

(3)通過對新疆博爾塔拉州精河地震進行分析發(fā)現(xiàn),并不是所有地震發(fā)生后地震災情指標數(shù)量都會下降,沒有人員傷亡的地震,震后網(wǎng)絡活躍度可能增強,該現(xiàn)象可能與地震發(fā)生時間有關(guān),例如精河地震的發(fā)生時間為早晨,人們處于睡眠狀態(tài),本底噪聲較低,地震發(fā)生后數(shù)據(jù)指標上升,所以指標數(shù)量增加也可以反映地震的異常情況。

(4)基于手機位置數(shù)據(jù)對地震應急有很大用處,通過對其更深入的研究,未來可能對極震區(qū)、影響場方向以及道路堵塞等震后需要快速評估的問題都有所幫助,例如根據(jù)選取的敏感性指標,計算震后與震前數(shù)據(jù)的變化率,進行差值分析,變化率最高的部分是否與烈度圖極震區(qū)擬合,以此來確定極震區(qū)；以及判斷影響場方向,猜測數(shù)據(jù)變化率相似的點的分布方向有可能與實際影響場的分布方向一致,以此通過指標數(shù)據(jù)確定影響場方向。因此,通過對手機位置數(shù)據(jù)的研究與挖掘,可以延伸更豐富的應用,更好地為地震應急工作服務。