基于手機(jī)位置數(shù)據(jù)的四川九寨溝7.0級(jí)地震人流分析

李東平 黃樂(lè) 陳海鵬 劉倩倩

1）浙江省地震局，杭州市西湖區(qū)塘苗路7號(hào) 310013

2）杭州遠(yuǎn)眺科技有限公司，杭州 311121

0 引言

2017年8月8日21時(shí)19分46秒四川省阿壩州九寨溝縣發(fā)生7.0級(jí)地震，浙江省地震局第一時(shí)間發(fā)布震中手機(jī)人口熱力圖，并利用手機(jī)位置大數(shù)據(jù)對(duì)震區(qū)人口分布、震后人流變化進(jìn)行了分析，取得了較理想的效果。

人口時(shí)空分布是地震災(zāi)害應(yīng)急救援的重要依據(jù)。尤其是大震發(fā)生后數(shù)小時(shí)的黑箱期內(nèi)，如何快速準(zhǔn)確獲取災(zāi)區(qū)人口信息是震后災(zāi)情速判的關(guān)鍵，人口數(shù)據(jù)的精度會(huì)直接影響到災(zāi)害評(píng)估結(jié)果的準(zhǔn)確性（聶高眾等，2012；帥向華等，2014）。長(zhǎng)期以來(lái)，由于數(shù)據(jù)源的限制，準(zhǔn)確生成人口數(shù)量的空間分布一直是一個(gè)難題。目前，國(guó)內(nèi)用于地震災(zāi)害快速評(píng)估的人口數(shù)據(jù)主要是以第6次人口普查為基礎(chǔ)衍生的千米格網(wǎng)數(shù)據(jù)或鄉(xiāng)鎮(zhèn)級(jí)行政區(qū)劃的人口平均密度數(shù)據(jù)，其精度與實(shí)際災(zāi)害調(diào)查結(jié)果差距較大，滿足不了災(zāi)情速判的需求。此類(lèi)數(shù)據(jù)基本為靜態(tài)，更新時(shí)間間隔為年，不能準(zhǔn)確反映實(shí)時(shí)人口數(shù)量和位置。若能根據(jù)相對(duì)可靠的實(shí)時(shí)信息對(duì)災(zāi)害作出快速估算，則可提高應(yīng)急決策指揮和搶險(xiǎn)救災(zāi)的效率。人口空間位置表達(dá)也包含了靜態(tài)以及其空間位置的動(dòng)態(tài)變化。近年來(lái)，手機(jī)等的高普及率使得大規(guī)模持續(xù)采樣的移動(dòng)設(shè)備定位數(shù)據(jù)為估計(jì)更高時(shí)空分辨率的人口分布提供了一種新的途徑。Android系統(tǒng)因其免費(fèi)開(kāi)源、開(kāi)發(fā)維護(hù)成本低、使用簡(jiǎn)單等特點(diǎn)，已被廣泛作為移動(dòng)智能應(yīng)用的開(kāi)發(fā)平臺(tái)。近年來(lái)，GPS和北斗衛(wèi)星導(dǎo)航系統(tǒng)的定位服務(wù)在手機(jī)終端應(yīng)用中成為主流配置，智能手機(jī)普及、位置分享服務(wù)、基于位置服務(wù)、大規(guī)模分布式數(shù)據(jù)存儲(chǔ)與計(jì)算框架等的出現(xiàn)與發(fā)展，使得實(shí)時(shí)獲取精準(zhǔn)的海量手機(jī)位置信息成為可能，利用手機(jī)移動(dòng)定位估算實(shí)時(shí)人口已成為一種可操作的相對(duì)精確的方法（匡文慧等，2010；張子民等，2010）。自2013年以來(lái)，國(guó)外陸續(xù)有運(yùn)營(yíng)商開(kāi)展移動(dòng)網(wǎng)絡(luò)的位置數(shù)據(jù)分析應(yīng)用工作，美國(guó)運(yùn)營(yíng)商Verizon通過(guò)收集用戶(hù)使用過(guò)的APP、訪問(wèn)過(guò)的網(wǎng)站及所處的地理位置等信息提供商業(yè)咨詢(xún)。法國(guó)電信運(yùn)營(yíng)商O(píng)range的高速公路監(jiān)測(cè)項(xiàng)目、西班牙電信公司Telefonica的智慧足跡項(xiàng)目為用戶(hù)提供位置衍生信息。2014年11月烏鎮(zhèn)世界互聯(lián)網(wǎng)大會(huì)上，國(guó)內(nèi)移動(dòng)大數(shù)據(jù)的綜合分析展示了動(dòng)態(tài)人員流量大數(shù)據(jù)分析平臺(tái)，同年12月，移動(dòng)位置大數(shù)據(jù)在上海外灘踩踏事件應(yīng)急中為政府提供了決策信息。

1 手機(jī)位置大數(shù)據(jù)的原理

隨著智能手機(jī)的普及（谷歌發(fā)布的《The Consumer Barometer》報(bào)告顯示，中國(guó)智能手機(jī)普及率達(dá)66%）和移動(dòng)互聯(lián)網(wǎng)的發(fā)展，互聯(lián)網(wǎng)已經(jīng)進(jìn)入了移動(dòng)互聯(lián)時(shí)代。加之全球定位系統(tǒng)的發(fā)展與普及，基于位置的服務(wù)的產(chǎn)生與發(fā)展已成必然?；谖恢梅?wù)不僅為用戶(hù)帶來(lái)了便利，而且為商業(yè)智能分析、公共事務(wù)管理、學(xué)術(shù)研究等提供了新的數(shù)據(jù)源與可能性。全球的大量用戶(hù)每天都產(chǎn)生海量的信息用以共享，這些共享的信息可以通過(guò)應(yīng)用接口獲取，手機(jī)位置共享服務(wù)產(chǎn)生的地理相關(guān)數(shù)據(jù)已為GIS帶來(lái)了新的變革（吳士鋒等，2016）。以移動(dòng)網(wǎng)絡(luò)共享數(shù)據(jù)作為數(shù)據(jù)源進(jìn)行研究涉及到的最基本問(wèn)題是數(shù)據(jù)的獲取以及對(duì)其進(jìn)行分析、計(jì)算的支持平臺(tái)。人口數(shù)據(jù)估算是將地理圍欄技術(shù)運(yùn)用到消息推送中，當(dāng)用戶(hù)進(jìn)入到地理空間范圍內(nèi)時(shí)，即可獲取并統(tǒng)計(jì)用戶(hù)的位置信息，通過(guò)在不同時(shí)段、不同地區(qū)的模型模擬，就可推斷出當(dāng)前的人口數(shù)量。移動(dòng)網(wǎng)絡(luò)中共享信息體量龐大，對(duì)大量數(shù)據(jù)的存儲(chǔ)、分析都是不小的挑戰(zhàn)。由于受數(shù)據(jù)獲取難度以及數(shù)據(jù)存儲(chǔ)、分析能力的限制，針對(duì)用戶(hù)位置信息的研究多專(zhuān)注于個(gè)體移動(dòng)模式研究以及預(yù)測(cè)，其在個(gè)體移動(dòng)模式的分析，結(jié)合用戶(hù)的社交網(wǎng)絡(luò)應(yīng)用信息，對(duì)公共事務(wù)管理應(yīng)用如用戶(hù)畫(huà)像、服務(wù)推薦、市場(chǎng)預(yù)測(cè)等方面有很好的應(yīng)用效果?；诖罅繑?shù)據(jù)的支持，對(duì)更大尺度上人的活動(dòng)進(jìn)行研究，則對(duì)城鄉(xiāng)規(guī)劃、人口分布、社會(huì)經(jīng)濟(jì)指標(biāo)等更有意義。

2 數(shù)據(jù)預(yù)處理

本項(xiàng)工作以2017年8月8日四川九寨溝7.0地震災(zāi)區(qū)為研究區(qū)域。此次地震震中為33.20°N、103.82°E，位于九寨溝核心景區(qū)。震中東距九寨溝縣城39km，距松潘縣66km，距舟曲縣83km，距文縣85km。此次地震的最大烈度為Ⅸ度，等震線長(zhǎng)軸總體呈NNW走向，Ⅵ度區(qū)及以上總面積為18295km2。我們以震中為中心，在東西長(zhǎng)500km、南北長(zhǎng)360km的范圍內(nèi)共采集了1031.99萬(wàn)條手機(jī)位置記錄、44573個(gè)空間格網(wǎng)位置數(shù)據(jù)。采集范圍覆蓋了Ⅵ度及以上區(qū)域。震中為景區(qū)，常住人口比例較小，大量的是短期居住外地游客，游客在微觀時(shí)空移動(dòng)非常頻繁，不同時(shí)段也存在著巨大的人流差異。所以，我們提取了分時(shí)段內(nèi)的人口信息，具體是從8日21：00時(shí)開(kāi)始，提取每隔1hr的數(shù)據(jù)覆蓋，共計(jì)24個(gè)時(shí)段，這樣可以比較全面地體現(xiàn)震區(qū)人員的動(dòng)態(tài)分布情況。本次工作中由于數(shù)據(jù)量龐大，精度和效率相互矛盾，采用高精度雖然可以更加詳細(xì)地表述人口分布，但是會(huì)出現(xiàn)計(jì)算量過(guò)大的問(wèn)題，而且此次地震震中位于山區(qū)，山體的遮蔽效應(yīng)對(duì)手機(jī)位置精確定位造成一定影響，如果過(guò)分追求精度反而造成一定量的重復(fù)計(jì)算點(diǎn)并影響計(jì)算效率。為了更快地對(duì)震區(qū)人口進(jìn)行分析，兼顧精度和效率，我們選取了200m格網(wǎng)的精度進(jìn)行人口分布分析。

3 基于密度分析的人口分布模擬

3.1 核密度分析原理

在200m格網(wǎng)內(nèi)，人口并不是完全均勻分布的，這就需要用數(shù)學(xué)方法進(jìn)行人口密度模擬。我們將格網(wǎng)中心看做1個(gè)點(diǎn)，該點(diǎn)的值為格網(wǎng)內(nèi)人口數(shù)，通過(guò)計(jì)算點(diǎn)值密度來(lái)表示人口密度分布。點(diǎn)密度常用的計(jì)算方法有3種：樣方密度法、核密度法和Voronoi圖密度法。樣方密度法是在被模擬地區(qū)的空間內(nèi)隨機(jī)選取若干個(gè)樣方，通過(guò)統(tǒng)計(jì)每個(gè)樣方內(nèi)的個(gè)體數(shù)，計(jì)算出每個(gè)樣方的密度，以所有樣方密度的平均值作為大面積密度。但是隨機(jī)取樣會(huì)摻入一定的主觀性，使得模擬結(jié)果偏大（禹文豪等，2015）。該方法適用于人口靜態(tài)的取樣調(diào)查，對(duì)于流動(dòng)性強(qiáng)、密度大的人口，模擬效果不好。Voronoi圖密度法是將數(shù)值點(diǎn)作為Voronoi圖發(fā)生元，計(jì)算幾何空間里的一種基于距離的平面劃分。在平面上有n個(gè)不重合種子點(diǎn)，把平面分為n個(gè)區(qū)域，使得每個(gè)區(qū)域內(nèi)的點(diǎn)到它所在區(qū)域的種子點(diǎn)的距離比到其它區(qū)域種子點(diǎn)的距離近，每個(gè)區(qū)域稱(chēng)為該種子點(diǎn)的Voronoi區(qū)域。Voronoi圖單元連接處的密度變化突兀，忽略了空間現(xiàn)象發(fā)生的連續(xù)性，對(duì)于人口分布估計(jì)也有一定局限性。

核密度方法可以解決以上問(wèn)題，核密度值隨中心輻射距離的增大而逐漸變小，考慮了點(diǎn)對(duì)它周?chē)恢糜绊懙木嚯x衰減作用。概念上每個(gè)點(diǎn)上方覆蓋著1個(gè)平滑的曲面，在點(diǎn)所在位置表面值最高，隨著距離的增加表面值減小，直到距離等于搜索半徑時(shí)值為0。輸出柵格的每個(gè)像元值為所有疊加在該像元上的表面值之和（勞昕等，2013）。由此，核密度估計(jì)法將1個(gè)點(diǎn)集轉(zhuǎn)化為表現(xiàn)出連續(xù)密度變化的表面，進(jìn)而可以將離散的點(diǎn)集轉(zhuǎn)化成平滑的密度變化圖，從而顯示出其空間分布模式。圖1為核密度計(jì)算樣例。由圖1可見(jiàn)，密度值越高，則表明該點(diǎn)的聚集程度越高。核密度分析對(duì)于人口分布的模擬有明顯的優(yōu)勢(shì)，人口分布具有集群性，距中心位置越遠(yuǎn)，人口分布密度越小。

圖1 核密度計(jì)算樣例

3.2 核密度空間計(jì)算方法

在計(jì)算中，每個(gè)點(diǎn)所在位置處表面值最高，曲面與下方的平面所圍成的空間的體積等于此點(diǎn)的值，每個(gè)輸出柵格像元的密度均為疊加在柵格像元中心的所有核表面的值之和。核密度方法的計(jì)算方程為

式中，f（s）為空間位置s處的核密度計(jì)算函數(shù)；h為距離衰減閾值；n為與位置s的距離小于或等于h的要素點(diǎn)數(shù)；k函數(shù)則表示空間權(quán)重函數(shù)。式（1）的幾何意義為密度值在每個(gè)核心要素ci處最大，并且在遠(yuǎn)離ci過(guò)程中不斷降低，直至與核心ci的距離達(dá)到閾值h時(shí)核密度值降為0。核密度函數(shù)中存在2個(gè)關(guān)鍵參量，即空間權(quán)重函數(shù)k與距離衰減閾值h。大量的研究表明，空間權(quán)重函數(shù)的選擇對(duì)點(diǎn)模式分布結(jié)果的影響不大，需要注意的是距離衰減閾值的選擇。在實(shí)際中，閾值h的設(shè)置主要與分析尺度以及地理現(xiàn)象特點(diǎn)有關(guān)。較小的距離衰減值可以使密度分布結(jié)果中出現(xiàn)較多的高值或低值區(qū)域，適合于揭示密度分布的局部特征；而較大的距離衰減值可以在全局尺度下使熱點(diǎn)區(qū)域體現(xiàn)得更加明顯（禹文豪等，2015；ESRI中國(guó)信息技術(shù)有限公司，2011）。

3.3 基于核密度分析的人口分布模擬

圖2 基于手機(jī)數(shù)據(jù)的九寨溝人口模擬分布

我們采用核密度法，利用采集的手機(jī)點(diǎn)位數(shù)據(jù)模擬了東西長(zhǎng)500km、南北長(zhǎng)360km范圍內(nèi)的人口分布。圖2為基于手機(jī)數(shù)據(jù)的九寨溝人口模擬分布。由圖2可見(jiàn)，震中附近人口稀少，只有在漳扎鎮(zhèn)、九寨溝縣城、川主寺鎮(zhèn)有一定量人口分布，尤其在震中以西人口密度非常低，幾乎沒(méi)有大的居民點(diǎn)分布。人口集中在較遠(yuǎn)的東部地區(qū)，距震中比較遠(yuǎn)，其中，武都市距震中101km，廣元市距震中197km，其余僅零星沿地形溝底、交通線有少量的人口分布。我們進(jìn)一步取震中附近的極災(zāi)區(qū)，為了方便分析，對(duì)數(shù)據(jù)作三維處理。圖3為8日21時(shí)震中附近人口熱力三維圖。由圖3可見(jiàn)，震中附近21：00時(shí)九寨溝景區(qū)只有零星的人員分布，機(jī)場(chǎng)人員也不是很多，周邊塔瑪村、干海子村有一定人口，人口主要集中在漳扎鎮(zhèn)。

圖3 8月8日21：00時(shí)震中附近人口熱力三維圖

為了反映地震前后的人口變化，我們將8日震后22：00時(shí)的人口密度與震前21∶00時(shí)的進(jìn)行了對(duì)比，計(jì)算了2個(gè)時(shí)段的密度差值，這樣可以比較客觀地反映地震造成的通訊中斷和人員移動(dòng)情況。圖4、5分別為震區(qū)、極震區(qū)震后與震前手機(jī)密度變化。由圖4可見(jiàn)，地震發(fā)生后震中附近九寨溝縣等高烈度區(qū)人口密度明顯下降；由圖5可見(jiàn)，距震中較遠(yuǎn)的地區(qū)人口密度沒(méi)有太大變化，總體上減少和增加處于相對(duì)平衡。在震區(qū)漳扎鎮(zhèn)（溝口）、九寨溝縣城、301省道（機(jī)場(chǎng)-漳扎鎮(zhèn)段）及周邊、301省道（九寨-文縣段）及周邊的人口密度則出現(xiàn)急劇下降，213國(guó)道（松潘到若爾蓋縣段）也出現(xiàn)了連片的手機(jī)密度大幅減少情況，可以判斷出現(xiàn)了基站退服和電力中斷的情況。在九寨溝縣去往平武縣的205省道，人口密度有一定增加，九寨溝縣城外圍人口有一定增加，說(shuō)明震后半小時(shí)已經(jīng)開(kāi)始有游客在向景區(qū)外疏散。

3.4 災(zāi)區(qū)分值段人口變化分析

地震發(fā)生后，災(zāi)區(qū)人口分布是一個(gè)動(dòng)態(tài)變化的過(guò)程，從震后基站退服影響人口數(shù)開(kāi)始，到通訊和電力搶修，再到后來(lái)的沿交通線向外疏散，人口的數(shù)量和位置一直在發(fā)生變化。

干海子村距震中較近，也是災(zāi)情較重的一個(gè)村，地震中破壞嚴(yán)重的天堂大酒店就在這個(gè)區(qū)域，震后通訊和電力受損嚴(yán)重，幾乎完全中斷，直到9日上午通訊和電力經(jīng)過(guò)搶修部分得到恢復(fù)。黃龍機(jī)場(chǎng)沒(méi)有停電，人流相對(duì)其他地區(qū)下降較緩，根據(jù)相關(guān)媒體報(bào)道，機(jī)場(chǎng)采取了一定措施，對(duì)滯留機(jī)場(chǎng)的人員進(jìn)行了疏散，部分分散到附近的賓館，少量人員機(jī)場(chǎng)過(guò)夜。圖6為機(jī)場(chǎng)、景區(qū)、干海子村人口時(shí)序變化。由圖6可見(jiàn)，9日6：00點(diǎn)以后，進(jìn)港客機(jī)和災(zāi)區(qū)集中過(guò)來(lái)的疏散人口使人流出現(xiàn)了明顯上升的現(xiàn)象。進(jìn)入9日晚間，機(jī)場(chǎng)人流又開(kāi)始下降。圖7為漳扎鎮(zhèn)人口時(shí)序變化。由圖7可見(jiàn)，漳扎鎮(zhèn)酒店區(qū)人員集中，景區(qū)游客大部分集中在這里，震后基站退服較多，在緊急維修后，人員呈凈流出狀態(tài)。

圖4 震區(qū)震后與震前手機(jī)密度變化示意圖

圖5 極震區(qū)震后與震前手機(jī)密度變化示意圖

我們統(tǒng)計(jì)了Ⅶ度區(qū)范圍內(nèi)14個(gè)鄉(xiāng)鎮(zhèn)人口的24h變化（圖8、9、10），它們分別是漳扎鎮(zhèn)、南坪鎮(zhèn)、雙河鎮(zhèn)、白河鄉(xiāng)、黑河鄉(xiāng)、郭元鄉(xiāng)、勿角鄉(xiāng)、寶華鄉(xiāng)、大錄鄉(xiāng)、陵江鄉(xiāng)、玉瓦鄉(xiāng)、馬家鄉(xiāng)、羅依鄉(xiāng)、草地鄉(xiāng)，并對(duì)14個(gè)鄉(xiāng)鎮(zhèn)進(jìn)行了大致分組。因震區(qū)人口分布極不均勻，漳扎鎮(zhèn)、南坪鎮(zhèn)人口震前大于10000人，而其他鄉(xiāng)鎮(zhèn)震前均少于1000人，其中，陵江鄉(xiāng)、馬家鄉(xiāng)、草地鄉(xiāng)震前各只有不到200人，所以，將人口大于1萬(wàn)的漳扎鎮(zhèn)、南坪鎮(zhèn)分為1組，大于450人但小于1萬(wàn)人的雙河鎮(zhèn)、白河鄉(xiāng)、寶華鄉(xiāng)、郭元鄉(xiāng)、勿角鄉(xiāng)為1組，小于450人的大錄鄉(xiāng)等為1組。

圖6 機(jī)場(chǎng)、景區(qū)、干海子村人口時(shí)序變化

圖7 漳扎鎮(zhèn)人口時(shí)序變化

圖8 大于450人但小于1萬(wàn)人的鄉(xiāng)鎮(zhèn)（沿國(guó)道的鄉(xiāng)鎮(zhèn)）人口時(shí)序變化

震后由于基站退服、停電等原因，人口數(shù)急劇減少。此次震后通訊搶修非常迅速，應(yīng)急通訊車(chē)進(jìn)入震區(qū)后，震后通訊得到部分恢復(fù)，8日午夜24：00時(shí)左右隨著通訊恢復(fù)，人口數(shù)開(kāi)始緩慢地增長(zhǎng)，在9日凌晨06：00時(shí)左右，從景區(qū)疏散的人口和進(jìn)入災(zāi)區(qū)的救援力量疊加，由圖8可見(jiàn)，沿省道的幾個(gè)鄉(xiāng)鎮(zhèn)白河鄉(xiāng)、勿角鄉(xiāng)、寶華鄉(xiāng)、雙河鎮(zhèn)、郭元鄉(xiāng)等人流出現(xiàn)急劇增長(zhǎng)，在9日17：00時(shí)左右，這幾個(gè)鄉(xiāng)鎮(zhèn)的人口開(kāi)始回落，到19：00基本穩(wěn)定。人口少的鄉(xiāng)鎮(zhèn)基本不沿省道，由圖9可見(jiàn)，其人口變化一致性較好，基本為震后人口急劇減少，8日午夜24：00時(shí)左右開(kāi)始穩(wěn)定緩慢增長(zhǎng)，基本可以反映出震后通訊和電力逐步恢復(fù)的過(guò)程。由圖10可見(jiàn)，漳扎鎮(zhèn)、南坪鎮(zhèn)震后人口都急劇減少，8日午夜24：00左右開(kāi)始恢復(fù)，其中，南坪鎮(zhèn)是縣政府所在地，到9日凌晨01：00時(shí)左右，基站大部分恢復(fù)，此后一直為緩慢增長(zhǎng)的過(guò)程，從震前的19495人增加到24hr后的20146人，增加的人應(yīng)該主要為進(jìn)入的救援力量和景區(qū)撤出的人口。漳扎鎮(zhèn)是極災(zāi)區(qū)，大部分區(qū)域都是Ⅸ度、Ⅷ度區(qū)，與其他鄉(xiāng)鎮(zhèn)不同的是，在通訊部分恢復(fù)后一直是人員流出的狀態(tài)，特別是9日7：00～17：00人口流出加速，截至 9日21：00時(shí)漳扎鎮(zhèn)人口由28569人變?yōu)?209人，除救援力量外，滯留人員已經(jīng)基本疏散。

圖9 小于450人的鄉(xiāng)鎮(zhèn)人口時(shí)序變化

圖10 大于10000人的鄉(xiāng)鎮(zhèn)人口時(shí)序變化

表1 九寨溝縣基站退服統(tǒng)計(jì)

3.5 災(zāi)區(qū)基站退服情況的模擬

歷次大地震極災(zāi)區(qū)都出現(xiàn)了移動(dòng)通訊基站退服的現(xiàn)象，如2008年汶川8.0地震造成四川移動(dòng)3429個(gè)移動(dòng)通信基站退服，2010年玉樹(shù)7.1級(jí)地震時(shí)當(dāng)?shù)匾苿?dòng)通信基站退服率達(dá)到70%以上，2013年蘆山7.0級(jí)地震時(shí)303個(gè)基站退服，2014年魯?shù)?.5級(jí)地震時(shí)61個(gè)移動(dòng)通信基站退服。一般認(rèn)為，在Ⅷ度以上區(qū)域才會(huì)出現(xiàn)基站退服（程明超等，2017），此次九寨溝7.0級(jí)地震震后，極災(zāi)區(qū)最高烈度為Ⅸ度，并且也出現(xiàn)了通訊中斷的情況，其中，九寨溝縣范圍內(nèi)出現(xiàn)大面積基站退服和光纜中斷①四川省通信管理局，2017，四川省通信管理局九寨溝7.0級(jí)地震通信保障速報(bào)，表1為九寨溝縣基站退服情況。由表1可見(jiàn)，縣域內(nèi)43.74%的基站存在退服現(xiàn)象。

通過(guò)對(duì)比地震前后基于手機(jī)的人口數(shù)量的減少，可以估算出大致的基站退服比例和分布范圍。我們?cè)谡饏^(qū)劃分了1.5km×1.5km的格網(wǎng)，統(tǒng)計(jì)每一個(gè)格網(wǎng)中震前、震后人口數(shù)的變化量R

式中，N為震前人數(shù)；K為震后人數(shù)；R為變化量（退服率），R值越大，代表退服率越高，地震災(zāi)害越嚴(yán)重。由于震后個(gè)別地區(qū)會(huì)出現(xiàn)人員聚集的情況，導(dǎo)致個(gè)別的單元格內(nèi)震后手機(jī)數(shù)增加，在計(jì)算中R會(huì)因此為負(fù)數(shù)，但總體上還是由震中向外手機(jī)數(shù)逐漸減少。此次地震計(jì)算所得R最大值為85.9%，主要分布在干海子村和漳扎鎮(zhèn)，可見(jiàn)這2個(gè)區(qū)域?yàn)?zāi)情最嚴(yán)重，可能其部分區(qū)域出現(xiàn)了基站全部退服的情況。由于手機(jī)仍舊可以通過(guò)衛(wèi)星、WIFI、藍(lán)牙等其他通訊手段提供位置信息，所以，退服率一般不會(huì)為100%。我們?cè)诔蓤D過(guò)程中，為了方便分析剔除了R＜0格網(wǎng)，也就是人口增加的格網(wǎng)，并將增加的數(shù)值平均分配到周?chē)噜彽母窬W(wǎng)，與最終烈度調(diào)查結(jié)果疊加。圖11為基于手機(jī)數(shù)量變化的基站退服模擬分布圖。由圖11可見(jiàn)，其結(jié)果與后來(lái)的實(shí)地調(diào)查結(jié)果非常接近，手機(jī)減少50%以上的網(wǎng)格基本都分布在Ⅶ度區(qū)內(nèi)，整體略有向西北溢出的情況。距震中較遠(yuǎn)的東部人口密集地區(qū)，手機(jī)數(shù)呈現(xiàn)普遍的輕微減少的情況，這與夜間隨著時(shí)間推移部分人關(guān)機(jī)的情況吻合。本次數(shù)據(jù)對(duì)基站退服情況模擬得非常好，完全可以采用手機(jī)人口減少比例來(lái)推斷基站退服，進(jìn)而推斷出極災(zāi)區(qū)的分布范圍（聶高眾等，2012；鄧硯，2005）。

圖11 剔除干擾、基于手機(jī)數(shù)量變化的基站退服模擬分布圖

在烈度圖正式公布后，我們也計(jì)算了不同烈度區(qū)在震前、震后的根據(jù)手機(jī)模擬的人口變化情況，同時(shí)為了剔除由于夜間關(guān)機(jī)對(duì)退服的影響，我們還計(jì)算了7日同時(shí)段、同地區(qū)的手機(jī)人口變化情況，在計(jì)算最終結(jié)果時(shí)，將7日的數(shù)據(jù)作為基數(shù)減去，因此，可以得出8日真實(shí)的退服情況。表2為基于手機(jī)人口數(shù)據(jù)的基站退服模擬。由表2可見(jiàn)，Ⅵ度區(qū)退服率為18.35%，而7日退服率為19.09%，退服率反而減少了1.03%，也就是說(shuō)，震后該區(qū)域，手機(jī)關(guān)機(jī)率比前一天減少，一部分人受到此次地震影響，關(guān)機(jī)比以往推遲。同樣方法，剔除基數(shù)后最終計(jì)算Ⅶ度區(qū)有28%退服，這與傳統(tǒng)認(rèn)為的在Ⅷ度區(qū)才會(huì)出現(xiàn)通訊基站退服的觀點(diǎn)相悖。在Ⅷ度、Ⅸ度區(qū)，我們認(rèn)為受地震影響強(qiáng)烈，在22：00時(shí)關(guān)機(jī)的人數(shù)較少，統(tǒng)一將基數(shù)人為定為5%，這樣Ⅷ度、Ⅸ度區(qū)最終結(jié)果分別為52.40%、61.24%，震后手機(jī)減少受多種情況的影響，但是基站退服是最主要的因素，所以，以上結(jié)果基本可以客觀反映不同烈度區(qū)的基站退服率。

表2 基于手機(jī)人口數(shù)據(jù)的基站退服模擬

4 結(jié)論

（1）手機(jī)人口熱力數(shù)據(jù)時(shí)效性較好，數(shù)據(jù)準(zhǔn)確度高，可用于地震應(yīng)急實(shí)際工作中。此次九寨溝7.0級(jí)地震在手機(jī)位置數(shù)據(jù)的支持下，實(shí)時(shí)獲取了震中區(qū)的人口分布模擬數(shù)據(jù)。經(jīng)過(guò)數(shù)十次大小地震的檢驗(yàn)，數(shù)據(jù)模型已經(jīng)比較成熟，后期經(jīng)過(guò)各個(gè)渠道的驗(yàn)證，本次數(shù)據(jù)接近實(shí)際人口情況。手機(jī)位置數(shù)據(jù)能夠滿足地震發(fā)生后數(shù)小時(shí)內(nèi)在實(shí)際受災(zāi)情況無(wú)法得到確切信息的時(shí)間內(nèi)為政府救災(zāi)提供可靠依據(jù)的需求。

（2）智能手機(jī)使用率與人口估計(jì)偏差具有顯著的關(guān)聯(lián)。九寨溝地震災(zāi)區(qū)存在極端情況，部分西北部山區(qū)、南部山區(qū)人口極少，而且人員構(gòu)成差距明顯，西北部山區(qū)主要是60歲以上老人和兒童，智能手機(jī)使用率較低，人口值被低估。震中附近漳扎鎮(zhèn)和九寨溝縣城人口較密集，漳扎鎮(zhèn)主要為游客，智能手機(jī)使用率較高，如果使用統(tǒng)一模型則會(huì)出現(xiàn)震前數(shù)據(jù)一定程度上被高估。本次對(duì)漳扎鎮(zhèn)和山區(qū)人口的模擬則采用了不同模型。

（3）核密度方法可以比較客觀地模擬人口熱力分布。核密度分布模型對(duì)人口分布模擬較好，其方法相對(duì)其他方法更適用于人口群體分布和流動(dòng)特征，在對(duì)震前溝口地區(qū)微觀人口分布模擬過(guò)程中，很容易得出漳扎鎮(zhèn)宋城演藝區(qū)人口最集中、其次是天堂口廣場(chǎng)九寨溝喜來(lái)登大酒店附近的結(jié)論，根據(jù)各方面信息反饋，情況符合實(shí)際。

（4）基站退服引發(fā)了大量的人口“假消失”現(xiàn)象。此次地震震級(jí)大，達(dá)到了7.0級(jí)，震中最大烈度為Ⅸ度，極災(zāi)區(qū)出現(xiàn)了供電中斷和基站退服情況，直接導(dǎo)致我們獲取的手機(jī)數(shù)據(jù)在震后出現(xiàn)斷崖式下降，大量的人口在震后突然“假消失”，越接近震中，這種現(xiàn)象越明顯。在通訊和電力得到搶修后，手機(jī)位置數(shù)據(jù)開(kāi)始緩慢上升，判斷基站退服率對(duì)于第一時(shí)間估算極災(zāi)區(qū)有很大指示作用。

（5）基于手機(jī)的人口數(shù)據(jù)在未來(lái)地震應(yīng)急中大有可為，其不僅可震時(shí)估計(jì)人口的分布情況，而且利用其包含的豐富屬性信息，我們還可對(duì)震中人口來(lái)源地、人口矢量移動(dòng)、交通線滯留情況等作詳細(xì)分析，這是以往地震應(yīng)急中所無(wú)法想象的。因此，通過(guò)對(duì)手機(jī)數(shù)據(jù)的挖掘可以延伸更豐富的應(yīng)用，更好地為地震應(yīng)急服務(wù)。