探索運(yùn)營商數(shù)據(jù)在精準(zhǔn)扶貧和應(yīng)急救災(zāi)中的應(yīng)用

□尤偉杰 高 見 周 濤

[1.中國移動(dòng)通信集團(tuán)四川有限公司 成都 610041；2.電子科技大學(xué) 成都 611731；3.成都新經(jīng)濟(jì)發(fā)展研究院 成都 610094]

引言

黨的十九大以來，民生工程被放到了極其重要的位置。其中，精準(zhǔn)扶貧和應(yīng)急救災(zāi)是民生工程中兩個(gè)關(guān)鍵的組成部分。黨的十九大報(bào)告中指出“堅(jiān)決打贏脫貧攻堅(jiān)戰(zhàn)。讓貧困人口和貧困地區(qū)同全國一道進(jìn)入全面小康社會(huì)是我們黨的莊嚴(yán)承諾。要?jiǎng)訂T全黨全國全社會(huì)力量，堅(jiān)持精準(zhǔn)扶貧、精準(zhǔn)脫貧……確保到2020年我國現(xiàn)行標(biāo)準(zhǔn)下農(nóng)村貧困人口實(shí)現(xiàn)脫貧……”十九大后，國務(wù)院整合多部委原有功能后新設(shè)立了“中華人民共和國應(yīng)急管理部”，習(xí)近平總書記指出：“防災(zāi)減災(zāi)救災(zāi)事關(guān)人民生命財(cái)產(chǎn)安全，事關(guān)社會(huì)和諧穩(wěn)定，是衡量執(zhí)政黨領(lǐng)導(dǎo)力、檢驗(yàn)政府執(zhí)行力、評(píng)判國家動(dòng)員力、體現(xiàn)民族凝聚力的一個(gè)重要方面”，充分體現(xiàn)了應(yīng)急救災(zāi)工作的重要性。

然而，精準(zhǔn)扶貧和應(yīng)急救災(zāi)工作難度極大。在偏遠(yuǎn)鄉(xiāng)村地區(qū)，采集信息的手段相對(duì)匱乏，信息傳輸條件相對(duì)較差，對(duì)于村民的收入情況評(píng)估往往只能依賴填報(bào)數(shù)據(jù)甚至幾年一次的人口普查數(shù)據(jù)，存在時(shí)間滯后和數(shù)據(jù)造假的問題。農(nóng)村發(fā)生自然災(zāi)害后，對(duì)于災(zāi)區(qū)情況和受災(zāi)民眾情況的精確信息，往往會(huì)滯后數(shù)天才能被政府掌握[1]，這也給災(zāi)害援救和災(zāi)后援助工作帶來了困難。Batty預(yù)測(cè)在21世紀(jì)末，世界上絕大多數(shù)人口（大于90%）將生活在城市，可以說整個(gè)地球都被城市化了[2]。實(shí)際上，現(xiàn)在世界上已經(jīng)有超過50%的人口生活在城市，中國的城鎮(zhèn)化率也到了60%左右。在這種情況下，城市應(yīng)急事件，包括恐怖襲擊、騷動(dòng)暴亂、大規(guī)模示威游行等社會(huì)事件以及地震、暴雨、颶風(fēng)等容易影響城市的自然災(zāi)害，也成為亟待解決的重大挑戰(zhàn)。

精確感知社會(huì)經(jīng)濟(jì)狀態(tài)，掌握貧困的空間分布，定位貧困人群，實(shí)時(shí)識(shí)別突發(fā)應(yīng)急事件，及時(shí)掌握災(zāi)害地區(qū)受災(zāi)群眾的情況等，都需要對(duì)人群廣覆蓋且實(shí)時(shí)性好的感知器。移動(dòng)手機(jī)用戶在2014年就超過了全球人口（發(fā)達(dá)地區(qū)人均手機(jī)數(shù)量超過1部），是目前可利用的最好的感知器之一（有類似作用的感知器還包括社交媒體和遙感衛(wèi)星等）。因此，運(yùn)營商擁有的移動(dòng)智能手機(jī)數(shù)據(jù)完全有望在精準(zhǔn)扶貧和應(yīng)急救災(zāi)中發(fā)揮巨大作用。

事實(shí)上，運(yùn)營商已經(jīng)開始了一些有益的工作。以中國移動(dòng)為例，其精準(zhǔn)扶貧平臺(tái)利用海量數(shù)據(jù)，努力嘗試實(shí)現(xiàn)“六大精準(zhǔn)”—扶持對(duì)象精準(zhǔn)、項(xiàng)目安排精準(zhǔn)、資金使用精準(zhǔn)、措施到戶精準(zhǔn)、因村派人精準(zhǔn)、脫貧成效精準(zhǔn)。該系統(tǒng)已在河南、湖南、重慶等7省市的55個(gè)市縣落地，覆蓋697萬貧困人口，服務(wù)近40.8萬扶貧干部。在應(yīng)急救災(zāi)方面，中國移動(dòng)匯聚整合國土資源、旅游、水務(wù)、氣象、林業(yè)、海洋漁業(yè)等六個(gè)部門的數(shù)據(jù)，結(jié)合自身海量數(shù)據(jù)，建設(shè)綜合防災(zāi)減災(zāi)救災(zāi)指揮中心監(jiān)測(cè)系統(tǒng)平臺(tái)，實(shí)現(xiàn)了山塘水庫水位報(bào)警、旅游景點(diǎn)人數(shù)分析、船只位置監(jiān)控、地震速報(bào)、火山安全監(jiān)測(cè)等功能。

總體而言，運(yùn)營商利用自身數(shù)據(jù)在精準(zhǔn)扶貧和應(yīng)急救災(zāi)中已經(jīng)做出了重要的貢獻(xiàn)。與此同時(shí)，我們也注意到，大部分平臺(tái)和系統(tǒng)僅僅具有信息化和可視化的功能。但整體而言，智慧程度不高，數(shù)據(jù)利用還很不充分。本文將介紹國內(nèi)外在利用手機(jī)數(shù)據(jù)進(jìn)行貧困感知和分析應(yīng)急突發(fā)應(yīng)急事件的監(jiān)測(cè)和分析方面的一些前沿進(jìn)展，并進(jìn)一步討論我國可以在這方面開展的一些有益工作。

一、應(yīng)用手機(jī)數(shù)據(jù)解決貧窮問題

貧困是21世紀(jì)全球發(fā)展所長(zhǎng)期面臨的難題，消除貧困是聯(lián)合國“千年發(fā)展目標(biāo)”的核心議程之一[3]。為了實(shí)現(xiàn)消除貧困的目標(biāo)，首先要精準(zhǔn)和及時(shí)地感知社會(huì)經(jīng)濟(jì)狀態(tài)，掌握貧困的空間分布，準(zhǔn)確定位貧困人群。傳統(tǒng)經(jīng)濟(jì)普查在貧困地區(qū)的操作更加費(fèi)時(shí)、耗力，導(dǎo)致對(duì)貧困狀況的感知非常滯后。隨著手機(jī)在全球的普遍使用，近年來，基于手機(jī)數(shù)據(jù)的社會(huì)經(jīng)濟(jì)水平推斷方法已經(jīng)在感知貧困區(qū)域、識(shí)別貧困人群、制定精準(zhǔn)扶貧策略等方面展現(xiàn)出巨大的應(yīng)用價(jià)值和前景[4]。

不同社會(huì)經(jīng)濟(jì)狀況的個(gè)體在手機(jī)的擁有和使用上也千差萬別，因此可以通過手機(jī)使用數(shù)據(jù)來推測(cè)個(gè)體的財(cái)富狀況。Blumenstock等人分析了盧旺達(dá)的手機(jī)使用情況，發(fā)現(xiàn)擁有手機(jī)的人都相當(dāng)富裕，而且主要是男性[5]。Wesolowski等人分析了肯尼亞手機(jī)擁有和使用情況數(shù)據(jù)，發(fā)現(xiàn)在農(nóng)村里貧困人口共享使用手機(jī)的情況非常普遍[6]。Sunds?y等人基于大規(guī)模手機(jī)使用數(shù)據(jù)構(gòu)建深度學(xué)習(xí)模型，能夠以77%的準(zhǔn)確性來區(qū)分社會(huì)經(jīng)濟(jì)水平高低的個(gè)體[7]。手機(jī)同時(shí)也記錄著與個(gè)人財(cái)務(wù)相關(guān)的數(shù)據(jù)，例如通話費(fèi)用和所購買的通話時(shí)間。Gutierrez 等人分析了科特迪瓦手機(jī)用戶的話費(fèi)充值金額變化情況，發(fā)現(xiàn)個(gè)人的相對(duì)收入水平與通話時(shí)間購買量和頻次有顯著關(guān)聯(lián)性[8]。

個(gè)體的社會(huì)經(jīng)濟(jì)狀況與移動(dòng)行為模式密切相關(guān)，而恰恰手機(jī)數(shù)據(jù)在分析人類移動(dòng)上有獨(dú)特優(yōu)勢(shì)。Frias-Martinez等人分析了一個(gè)拉美國家的大規(guī)模手機(jī)軌跡數(shù)據(jù)，發(fā)現(xiàn)高收入群體在城市內(nèi)的移動(dòng)范圍更大[9]。特別地，F(xiàn)rias-Martinez等人發(fā)現(xiàn)社會(huì)經(jīng)濟(jì)水平與移動(dòng)總距離和回轉(zhuǎn)半徑非常相關(guān)—他們基于此提出的模型能夠以72%的準(zhǔn)確性預(yù)測(cè)個(gè)體社會(huì)經(jīng)濟(jì)狀況[9]。類似地，基于2000萬法國手機(jī)用戶數(shù)據(jù)，Pappalardo等人分析人類移動(dòng)模式與社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r之間的關(guān)系，發(fā)現(xiàn)移動(dòng)多樣性比移動(dòng)總量更能預(yù)測(cè)人均收入、初等教育率和失業(yè)率等社會(huì)經(jīng)濟(jì)指標(biāo)[10]?；诟鐐惐葋喪锥?50萬手機(jī)用戶數(shù)據(jù)，F(xiàn)lorez等人構(gòu)建了不同收入群體的通勤網(wǎng)絡(luò)，發(fā)現(xiàn)通勤路線的多樣性與收入水平正相關(guān)，貧困人群通勤距離更遠(yuǎn)、花費(fèi)時(shí)間更多[11]。

基于手機(jī)通訊數(shù)據(jù)可以構(gòu)建社會(huì)網(wǎng)絡(luò)，進(jìn)而利用社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)推斷個(gè)體財(cái)富狀況。Leo等人分析了墨西哥手機(jī)數(shù)據(jù)與銀行信貸數(shù)據(jù)，發(fā)現(xiàn)社會(huì)網(wǎng)絡(luò)中存在個(gè)人經(jīng)濟(jì)狀況的同配關(guān)聯(lián)現(xiàn)象，能夠根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)能推斷個(gè)體經(jīng)濟(jì)階層[12]。類似地，F(xiàn)ixman等人發(fā)現(xiàn)手機(jī)通訊網(wǎng)絡(luò)有很強(qiáng)的社會(huì)經(jīng)濟(jì)同質(zhì)性，收入水平相近的個(gè)體通訊更密切，他們提出的貝葉斯方法能以71%的準(zhǔn)確性預(yù)測(cè)個(gè)體收入水平[13]。Luo等人分析了超過1億用戶的手機(jī)通訊數(shù)據(jù)，發(fā)現(xiàn)個(gè)體的經(jīng)濟(jì)狀況與其在社會(huì)網(wǎng)絡(luò)中的位置和影響力非常相關(guān)。綜合考慮個(gè)體的年齡和網(wǎng)絡(luò)位置，他們提出的復(fù)合指標(biāo)與經(jīng)濟(jì)狀況的相關(guān)性達(dá)到0.99[14]。最近，Jahani等人基于手機(jī)數(shù)據(jù)構(gòu)建自我中心網(wǎng)絡(luò)（ego network）[15]，發(fā)現(xiàn)社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)多樣性與個(gè)體收入水平具有強(qiáng)相關(guān)性[16]。

根據(jù)位置將手機(jī)通訊數(shù)據(jù)進(jìn)一步聚合，還能預(yù)測(cè)區(qū)域的社會(huì)經(jīng)濟(jì)發(fā)展水平?；?5億條科特迪瓦手機(jī)數(shù)據(jù)，Smith-Clarke等人構(gòu)建區(qū)域通訊網(wǎng)絡(luò)，發(fā)現(xiàn)通訊接收量大的區(qū)域社會(huì)經(jīng)濟(jì)水平高[17]。??epanovi?等人利用時(shí)空移動(dòng)模式來預(yù)測(cè)社會(huì)經(jīng)濟(jì)指標(biāo)，發(fā)現(xiàn)回轉(zhuǎn)半徑概率分布的空間變化能判斷區(qū)域財(cái)富狀況[18]。基于科特迪瓦手機(jī)數(shù)據(jù)，Smith等人發(fā)現(xiàn)區(qū)域內(nèi)的通訊活躍性與貧困指數(shù)強(qiáng)負(fù)相關(guān)[19]。Mao等人引入CallRank指數(shù)刻畫區(qū)域相對(duì)重要性，發(fā)現(xiàn)CallRank指數(shù)與區(qū)域的基尼系數(shù)顯著相關(guān)，電話撥出比率與區(qū)域的年收入和貧困率相關(guān)[20]。Eagle等人分析了英國手機(jī)通訊網(wǎng)絡(luò)，發(fā)現(xiàn)復(fù)合的社會(huì)網(wǎng)絡(luò)多樣性指標(biāo)與區(qū)域經(jīng)濟(jì)水平的關(guān)聯(lián)性達(dá)到0.78[21]。Blumenstock等人將盧旺達(dá)手機(jī)通話詳單與問卷數(shù)據(jù)結(jié)合，用856個(gè)用戶的數(shù)據(jù)訓(xùn)練機(jī)器學(xué)習(xí)模型預(yù)測(cè)超過150萬人的財(cái)富狀況，從而繪制出高分辨率的國家財(cái)富分布地圖（見圖1），得到的結(jié)果與政府普查數(shù)據(jù)相關(guān)性高達(dá)0.79[22]。

圖1 基于150萬手機(jī)用戶通話詳單數(shù)據(jù)預(yù)測(cè)得到的盧旺達(dá)高分辨率財(cái)富狀況地圖

二、應(yīng)用手機(jī)數(shù)據(jù)解決應(yīng)急問題

通過挖掘和分析大規(guī)模移動(dòng)手機(jī)數(shù)據(jù)，能為應(yīng)急救災(zāi)提供重要信息或者不易直接觀察的深刻洞見。從實(shí)時(shí)發(fā)現(xiàn)突發(fā)事件和精確感知受災(zāi)群眾狀態(tài)這兩個(gè)方面，具體介紹手機(jī)數(shù)據(jù)解決應(yīng)急問題的主要進(jìn)展。

手機(jī)被認(rèn)為是“性價(jià)比最高”的社會(huì)探針，很多學(xué)者相信當(dāng)人們遇到炸彈襲擊、騷亂暴動(dòng)、颶風(fēng)地震等突發(fā)事件后，手機(jī)通訊的數(shù)量和模式都會(huì)發(fā)生變化。因此，可以用手機(jī)數(shù)據(jù)來實(shí)時(shí)發(fā)現(xiàn)可能的突發(fā)事件。Dobra等人基于盧旺達(dá)地區(qū)2005～2009年的通話數(shù)據(jù)，利用手機(jī)通話頻率和手機(jī)用戶移動(dòng)頻率兩個(gè)主要維度，來實(shí)時(shí)檢測(cè)是否發(fā)生了突發(fā)事件[23]。他們將總通話量分成每天的數(shù)據(jù)單元，并將盧旺達(dá)領(lǐng)土切割成5 km2的網(wǎng)格（通過基站響應(yīng)判斷用戶的移動(dòng)），然后對(duì)比目標(biāo)時(shí)間和目標(biāo)區(qū)域的人群通話頻率和移動(dòng)頻率是否異常偏高。如果兩者都偏離常態(tài)，則被認(rèn)為有突發(fā)事件出現(xiàn)。Gundogdu等人分析了科特迪瓦地區(qū)的手機(jī)通訊數(shù)據(jù)[24]。盡管他們相信移動(dòng)軌跡也有幫助，但他們認(rèn)為通話量的數(shù)據(jù)更加重要。Gundogdu等人建立了一個(gè)更精細(xì)的馬爾科夫模型下的泊松過程來刻畫通話量的變化，并通過數(shù)據(jù)反向估計(jì)對(duì)應(yīng)時(shí)間序列中存在突發(fā)事件因素的概率。對(duì)比以前的算法，Gundogdu等人的算法精度有了大幅度的提升，特別是召回率—他們能夠成功檢測(cè)19個(gè)標(biāo)注的突發(fā)事件中的15個(gè)和11個(gè)非突發(fā)事件（節(jié)假日、演唱會(huì)等帶來非常態(tài)人群活動(dòng)但又不屬于突發(fā)應(yīng)急的事件）中的8個(gè)。

如何分辨同樣有大規(guī)模人群非常態(tài)活動(dòng)的突發(fā)和非突發(fā)事件是一個(gè)有現(xiàn)實(shí)意義的問題。例如恐怖分子炸彈襲擊區(qū)域的人群和明星演唱會(huì)附近的人群有什么不同嗎？Gundogdu等人就承認(rèn)這是一個(gè)棘手的問題。Bagrow等人對(duì)比了8個(gè)突發(fā)事件和8個(gè)非突發(fā)事件前后手機(jī)通訊模式的不同[25]。他們發(fā)現(xiàn)突發(fā)事件之后手機(jī)通話量會(huì)立刻激增，幾乎沒有時(shí)延，到達(dá)峰值后會(huì)很快按指數(shù)下降到正常值，其明顯偏離正常態(tài)的時(shí)間較短。反過來，節(jié)假日、重大演出等非突發(fā)事件手機(jī)通話量也會(huì)上升，但是上升比較緩慢且往往持續(xù)更長(zhǎng)的時(shí)間。他們還注意到，突發(fā)事件中手機(jī)通話量的增加部分很大程度上來源于平時(shí)在這個(gè)時(shí)間段不怎么使用手機(jī)的人，因此這個(gè)特點(diǎn)可以被很好利用起來分辨一次通話量異常是否對(duì)應(yīng)為突發(fā)事件。當(dāng)然，這需要遠(yuǎn)遠(yuǎn)多于群體分析的計(jì)算量。他們進(jìn)一步細(xì)致地分析發(fā)現(xiàn)，突發(fā)事件發(fā)生后，接收到突發(fā)事件區(qū)域用戶電話的用戶有遠(yuǎn)遠(yuǎn)超出尋常的概率會(huì)在接下來的一段時(shí)間內(nèi)打回電話。這個(gè)現(xiàn)象既無法在非突發(fā)事件中觀察到，也沒有辦法用社會(huì)互惠性加以解釋[26]。

盡管很多人群的突然聚集并不是來源于突發(fā)事件，但是通過手機(jī)數(shù)據(jù)了解這種聚集也是很有幫助的。例如，景區(qū)、演唱會(huì)、球場(chǎng)、博覽會(huì)等地人員聚集太多，有可能導(dǎo)致?lián)頂D踩踏等惡性事件[27]。又比如，突然聚集的人群可能為某些傳染病突然大爆發(fā)提供了溫床[28]。最近，F(xiàn)inger等人就通過手機(jī)數(shù)據(jù)發(fā)現(xiàn)塞內(nèi)加爾在朝圣的時(shí)候會(huì)出現(xiàn)超大規(guī)模人群聚集（見圖2），而這種聚集很可能是導(dǎo)致2005年塞內(nèi)加爾霍亂疫情突然激增的主要原因[29]。

圖2 塞內(nèi)加爾朝圣時(shí)期的人群聚集。

手機(jī)數(shù)據(jù)也可以用于及時(shí)了解災(zāi)害，特別是造成嚴(yán)重影響的自然災(zāi)害發(fā)生之后受災(zāi)地區(qū)民眾的情況[30]。呂欣等人研究了2010年海地地震前后190萬手機(jī)用戶的移動(dòng)軌跡數(shù)據(jù)[31]。他們發(fā)現(xiàn)震中地區(qū)太子港有23%的人口在災(zāi)后遷移并居住在其他城市，然后經(jīng)過近一年的時(shí)間，這些人中的大部分逐漸回到了原居住地（見圖3）。不僅是因?yàn)?zāi)遷移的人數(shù)，而且遷移人員的去向，都可以通過手機(jī)數(shù)據(jù)實(shí)時(shí)獲得，而民政部門要獲得精確的數(shù)據(jù)所需要的費(fèi)用和時(shí)間都要高得多。類似的技術(shù)已經(jīng)開始在中國應(yīng)用。四川九寨溝地震區(qū)域剛好是旅游區(qū)，震后的一項(xiàng)主要工作是人員疏散和撤離景區(qū)。根據(jù)運(yùn)營商數(shù)據(jù)顯示，地震發(fā)生時(shí)九寨溝景區(qū)及周邊區(qū)域人員數(shù)量在8萬人左右，經(jīng)過24小時(shí)的疏散，銳減到2萬人左右，有6萬人左右撤離災(zāi)區(qū)。

圖3 海地地震后人口移動(dòng)數(shù)據(jù)。

呂欣等人研究了地震后海地的災(zāi)民并沒有出現(xiàn)所謂的“混亂”，實(shí)際上災(zāi)民行為的可預(yù)測(cè)性在經(jīng)過短時(shí)間的降低后變得比平時(shí)還高。Kenett和Portugali[32]認(rèn)為這一發(fā)現(xiàn)實(shí)際上從某個(gè)側(cè)面印證著名的“H?gerstrand理論”[33]—人們絕大多數(shù)時(shí)間都生活在某種重復(fù)的常規(guī)狀態(tài)中（受空間、經(jīng)濟(jì)、社會(huì)、心理等限制）。如果長(zhǎng)時(shí)間脫離常規(guī)狀態(tài)，人們會(huì)試圖回到原來的常態(tài)或者重建一種新常態(tài)，然后繼續(xù)過“有規(guī)律的生活”[34]。

三、結(jié)論與討論

本文對(duì)手機(jī)數(shù)據(jù)結(jié)合深度挖掘分析算法在精準(zhǔn)扶貧和應(yīng)急救災(zāi)中的可能應(yīng)用進(jìn)行了回顧?？傮w而言，我們堅(jiān)信運(yùn)營商的數(shù)據(jù)（最好在進(jìn)一步整合一些其他關(guān)鍵部門數(shù)據(jù)[35]）可以在這兩個(gè)重大民生工程中發(fā)揮巨大作用。我們也注意到了運(yùn)營商已經(jīng)做出的一些有益嘗試，但這種嘗試只是應(yīng)用了大量數(shù)據(jù)的簡(jiǎn)單統(tǒng)計(jì)分析，距離真正的智慧化以及給出深刻洞見以支撐高效正確決策，還有很長(zhǎng)的距離—當(dāng)然，這也是全球共同面對(duì)的困難和挑戰(zhàn)！

在精準(zhǔn)扶貧方面，運(yùn)營商已經(jīng)建立了比較好的信息化系統(tǒng)和業(yè)務(wù)平臺(tái)，例如“渝扶通”扶貧大數(shù)據(jù)平臺(tái)能夠?qū)崿F(xiàn)對(duì)貧困對(duì)象、扶貧干部、扶貧工作等基礎(chǔ)數(shù)據(jù)的收集和更新，包括貧困程度、主要致貧原因、貧困戶屬性、家庭照片等。這類數(shù)據(jù)如果能夠結(jié)合動(dòng)態(tài)的移動(dòng)手機(jī)數(shù)據(jù)，有望在定位貧困人群和量化扶貧前后效果方面做得更精確。進(jìn)一步地，對(duì)一個(gè)城市數(shù)據(jù)之間關(guān)聯(lián)的深度分析，也可以幫助在其他城市建立更準(zhǔn)確地從移動(dòng)手機(jī)數(shù)據(jù)到貧困程度之間的模型。

在應(yīng)急事件發(fā)現(xiàn)方面，原來的專家規(guī)則，特別是僅僅關(guān)注重點(diǎn)區(qū)域的人員數(shù)量的閾值模型，很容易造成誤報(bào)（報(bào)警但實(shí)際沒有突發(fā)事件）和漏報(bào)（有突發(fā)事件但沒有報(bào)警）。運(yùn)營商和政府應(yīng)該學(xué)習(xí)先進(jìn)的分析算法，大幅度提高預(yù)測(cè)的精準(zhǔn)度。在援災(zāi)救災(zāi)方面，也需要通過數(shù)據(jù)了解災(zāi)區(qū)人員流動(dòng)和救災(zāi)人員及物資所在位置，以提高援災(zāi)救災(zāi)的效率。特別地，手機(jī)數(shù)據(jù)可以用于檢測(cè)政策是否產(chǎn)生效果，譬如Morales和Pastor就注意到墨西哥洪災(zāi)預(yù)警的信號(hào)發(fā)出來之后，涉災(zāi)區(qū)域的群眾根本不為所動(dòng)（從手機(jī)通訊和移動(dòng)模式上看不到異常），直到洪水到了，災(zāi)民才作出反應(yīng)，結(jié)果造成重大損失[36]。這種對(duì)政策效果的定量分析和評(píng)估對(duì)于提高我國政府決策和治理能力特別重要。