Chen, Q., Wang, B., & Crooks, A. (2024). Community resilience to wildfires: A network analysis approach by utilizing human mobility data. Computers, Environment and Urban Systems, 110, 102110.

1. Introduction

• 연구 목적: Human mobility 데이터를 활용하여 산불에 대한 장기간 resilience 연구
• Resilience triangle

2. Methodology

출처: https://doi.org/10.1016/j.compenvurbsys.2024.102110

2.1. Study area

• Mendocino complex (MC), Camp wildfires
• January 2018 – December 2019

2.2. Data collection

• Safegraph human mobility by Census Block Group

2.3. Centrality measurement

2.3.1. Outlier detection

• Mahalanobis distance

2.3.2. Degree centrality analysis

• 흐름에 의해 재난에 영향을 주거나 받을 수 있는 기회를 의미
• In-degree centrality에 집중하여 resilience 측정
• 연구 질문
  • Degree centrality가 언제 가장 낮고, 증가하기 시작하는지
  • Degree centrality가 원래대로 돌아올 수 있는지, 새로운 normalcy를 보이는지
  • 다른 CBD 사이에 유사성이 있는지

2.4. Resilience triangle detection

• Degree centrality 결과 활용, 날짜별 scaled average degree centrality 그래프화
• vulnerability, robustness 계산

 

2.5. Dynamic time warping clustering

• Degree centrality 결과 활용, CBG별 패턴 변화의 유사성 분석

 

2.6. Regression analysis

• 종속변수: Degree centrality
• 독립변수: 9가지
  • home CBG에서 target CBG까지 평균 거리
  • 3km 이내 이동한 사람의 비율
  • 산불 지역 내에 속하는 target CBG
  • target CBG의 중위 소득
  • " 중위 남성 연령
  • " 중위 여성 연령
  • " full-time workers
  • " 학사 이상 학력 비율

3. Results and discussion

• Fig. 6

  

  출처: https://doi.org/10.1016/j.compenvurbsys.2024.102110

  
  
  • 산불 발생 직후, 즉각적인 human mobility 감소 나타남. 이후 가장 낮은 지점에 도달한 뒤, 점차적으로 원래대로 복구되거나 새로운 normalcy 형성
  • DTW clustering을 통해 세 가지 클러스터 형성
• Fig. 7, Table 3
  • resilience triangle로 면적이 작은(회복력이 좋은) 클러스터 분석
• Table 4
  • 회귀 분석으로 degree centrality에 영향을 미치는 독립변수 분석