2013年6月2日 星期日

日本使用Twitter 即時蒐集災情資訊之作法~~

前篇談到南投仁愛20130602地震,許多網友透過Facebook即時回報了一些山區的崩塌狀況,未來如何透過網路的力量即時掌握災情,我相信是政府防災體系未來必須正視的方向。

這是今年(2013年)5月29-30日,日本砂防學會年會研討會中發表的一篇報告,由日本富士通公司開發,利用網友在Twitter上發布的內容,來主動蒐集與研判災情的系統
或許可以作為台灣發展類似系統的參考。



圖1是去年8月中,京都宇治地區豪雨時(災情詳參20120814宇治市一夜暴雨雷聲未歇、 20120814京都府宇治市水災勘災報告),這個系統主動蒐集分析到的內容,依時間排序的範例。內容有的有附照片,有的有附坐標。

圖1

圖2是說明,如何由眾多訊息中,篩選較可信的資料之方式。首先由發布人的居住地推論此為那一個縣(或鄰近縣)的災情,再將非第一人稱目擊之訊息排除(亦即排除轉寄等訊息),並配合該地區實際監測之資料(如雨量)及類似訊息之數量是否有激增之狀況,研判是否確有災情發生。
圖2

圖3 是這個系統的主畫面(抱歉,沒照清楚),總之以水災為例,它的主要畫面有三大塊,(1)降雨即時監測資料  (2)由Twitter篩選出來的內容,及相關訊息數量的時序變化情形。 (3)相關地區已發布之警戒及監測畫面。
圖3


圖4是以前述之去年8月宇治豪雨災情為範例,右上圖是說由降雨雷達監測到有豪雨發生,右下則是說明在Twitter也監測到在京都府(宇治市屬於此)地區,與豪雨相關的討論串有激增的情形。
圖4

圖5,此系統在當天上午6:00時,由雨量資料及Twitter內容分析,已判斷已有淹水事件發生。
圖5

圖6在說明,此淹水事件,一直到上午9:00才有正式有媒體(NHK)報導出來。所以,如善用本系統,可以提早掌握災情。
圖6

 圖7是此系統又測試了2012年8月10日~19日在日本近畿地區,媒體有報導的12個淹水事件。在此12件中,本系統成功檢知了10件。另本系統判斷有15件淹水發生(即表中有塗色部份),實際媒體有報導災情發生的也有10件。
所以,目前看來,此方式是可行的。
圖7 

註一:日本人用Twitter比Facebook普遍許多,這點和台灣完全不同。
註二:其實在台灣應該去找ptt的訊息比較快吧~~ XD

3 則留言:

匿名 提到...

第一個 檢索的關鍵字有哪些? 第二個錯誤的率除標準,除了相對位置、雨量關係、重複次數? 第三個 確認災情的機制為何?當接受災情的時候,中央是否有及時跟地方連繫? 第四個 應用程度,取得的災情資料可否作為防救災資源調配的依據? 如果沒有任何防救災單位採用? 其價值何在? 第五個 誤報率有多高?如果誤報產生的時候,中央災害應變中心是否要成立?地方災害應變中心是否要成立?如果誤報的頻率很高,是否有放羊孩子的情況產生? 請解答

cychen59 提到...

一、看起來目前只有針水災,所以如圖二的關鍵字為「浸水」「冠水」。
二、簡報中並未提到錯誤的率除標準,只是反向由雨量、訊息數量等之相關性作判斷。
三、呵~~這只是研討會中上百篇PAPER中的其中一篇,既然是研討會,大多還在研究(發)階段,目前是否已正式使用,我想應該是還沒有吧~~
四、同上。
五、同上。
以上,呵~~ 不敢說是解答啦,畢竟我不是作者,如有興趣可洽作者「株氏會社富士通研究所 武田邦敬」~~~

研討會的價值,在於分享新的想法,一如我寫網誌的用意~~ :)

hcc0406 提到...

之前有看過透過文字挖掘來蒐集過濾網路資訊,在文字挖掘的模式中有所謂的文字情感分析,也稱為情緒極性計算,已成為一個在文字挖掘社群中蓬勃發展的探索趨勢。研究網路上論壇的熱點發覺和使用情感分析和文字挖掘方法進行預測。首先,創建了一種算法來自動分析文字情緒性,並獲得每一段文字的價值。其次,是以K–means(分群演算法)和支持向量模式(SVM)相結合,而發展出非監督姓文字挖掘的方法,來過濾並取得有用的網頁資訊。