Analyse menschlicher Ströme während einer Naturkatastrophe unter Verwendung trajektorienfreier Mobilfunkdaten: eine Fallstudie zum Erdbeben

Warum es wichtig ist, Menschen in Katastrophen zu verfolgen

Wenn ein Erdbeben oder Taifun auftritt, bewegen sich Menschen: sie evakuieren Wohnungen, eilen, um Angehörige zu überprüfen, oder suchen Schutzunterkünfte auf. Für Einsatzleiter kann das Wissen, wo sich Menschenmengen bilden oder welche Gebiete sich entleeren, Leben retten. Die meisten Systeme, die Bewegung verfolgen, beruhen jedoch auf persönlichen Standortverläufen, was Datenschutzbedenken aufwirft und oft zu spät kommt. Diese Studie zeigt, wie sich der "Puls" menschlicher Bewegung während eines schweren Erdbebens allein anhand anonymisierter, aggregierter Signale von Mobiltelefonen ablesen lässt — ganz ohne individuelle Nachverfolgung.

Menschengruppen durch Telefonsignale erkennen

Die Forschenden konzentrierten sich auf das Erdbeben von Dapu 2025 im Süden Taiwans, ein starkes Nachtbeben, das in mehreren Bezirken starke Erschütterungen und Gebäudeschäden verursachte. Anstatt GPS-Spuren einzelner Telefone zu nutzen, stützten sie sich darauf, wie viele Geräte alle zehn Minuten aktiv mit Mobilfunkmasten innerhalb von 500-mal-500-Meter-Quadraten verbunden waren. Jedes Quadrat zeichnete einfach die Anzahl aktiver Telefone auf und diente damit als grober Proxy für die Anzahl der sich zu diesem Zeitpunkt dort aufhaltenden Personen. Die Daten deckten einen Zeitraum von vier Stunden um das Ereignis ab, vom späten Abend vor dem Beben bis einige Stunden danach, über Städte, Gemeinden und ländliche Gebiete hinweg.

Von verstreuten Punkten zu glatten Mustern

Rohzählungen in einem Flickenteppich aus Rasterfeldern sind störanfällig und ungleichmäßig, besonders dort, wo Mobilfunkmasten dünn gesät sind. Um das sinnvoll darzustellen, wandelte das Team zunächst die verstreuten Zählwerte in eine glatte Fläche um, bei der jeder Ort auf der Karte einen Wert erhält, der die wahrscheinliche Dichte der Menschen widerspiegelt. Dies geschieht mit einem mathematischen "Glättungs"-Kernel, der den Einfluss jedes Rasters auf seine Nachbarschaft verteilt, ähnlich wie das Unschärfen eines pixeligen Bildes. Das Ergebnis ist ein kontinuierliches Bild davon, wo Menschen konzentriert sind und wie sich diese Konzentrationen alle zehn Minuten ändern, wobei die zugrundeliegenden Telefondaten weiterhin anonymisiert und aggregiert bleiben.

Aus Menschenkarten Bewegungsvektoren ableiten

Zu wissen, wo sich Menschen aufhalten, ist nur die halbe Geschichte; für das Krisenmanagement ist entscheidend, wohin sie sich bewegen. Um Richtungen zu schätzen, passten die Forschenden ein klassisches Instrument aus der Geographie an, das als Gravitationsmodell bekannt ist — normalerweise verwendet, um zu beschreiben, wie Menschen oder Güter zwischen Städten wandern. In ihrer Version wirken Gebiete mit mehr Menschen wie stärkere "Magnete" für nahegelegene Bereiche, und die Anziehungskraft nimmt mit der Entfernung ab. Durch den Vergleich der geglätteten Bevölkerungsflächen von einem Zeitfenster zum nächsten und die Anwendung dieser gravitationsähnlichen Regel innerhalb eines lokalen Fensters berechneten sie ein Feld von Pfeilen, das zeigt, wohin Menschen vermutlich unterwegs waren und wie stark. Die Wiederholung dieses Vorgangs über die Zeit ergab einen Film unsichtbarer Ströme: Pfeile, die ausstrahlen, anziehen oder ihre Richtung ändern, während sich die Lage entwickelt.

Wie Menschen auf das Dapu-Erdbeben reagierten

Auf das Dapu-Beben angewandt, förderte die Methode klare und rasche Veränderungen in der menschlichen Bewegung zu Tage. Vor dem Stoß zeigten die Strömungen um Stadtzentren eine sanfte Ausbreitung nach außen, typisch für späte Abendstunden. Gleich nach dem Erdbeben kehrten viele Pfeile ihre Richtung um und zeigten nach innen zu Stadtzentren, dicht besiedelten Vierteln und offiziell ausgewiesenen Schutzräumen. Dieser Richtungswechsel war in städtischen Gebieten mit moderaten bis starken Erschütterungen, wo viele Gebäude beschädigt wurden, am stärksten und in dünn besiedelten ländlichen Zonen schwächer. Indem das Team zählte, wie viele Rasterzellen große Richtungsänderungen zeigten, fand es einen scharfen Anstieg störender Bewegungen in den ersten 20–30 Minuten, der sich innerhalb von etwa zwei Stunden allmählich wieder normalisierte. Verschiedene Erschütterungszonen zeigten unterschiedliche Zeit- und Intensitätsmuster der Reaktion, wobei sich mehr Menschen in mäßig erschütterten, dicht besiedelten Bereichen bewegten.

Was das für zukünftige Notfälle bedeutet

Für Nichtfachleute ist die Kernbotschaft, dass wir viel darüber lernen können, wie Menschen auf Katastrophen reagieren, ohne eine einzelne Person zu verfolgen. Durch die Kombination anonymisierter Mobilfunkzählungen mit intelligenten mathematischen Werkzeugen verwandelt dieses Framework einfache Telefonaktivitätsaufzeichnungen in Karten, die zeigen, wo Menschen zusammenströmen, wo sie weggehen und wie schnell sich Muster stabilisieren. In einem realen Notfall könnten solche Karten Viertel markieren, in denen sich unerwartet Menschenmengen bilden, in denen Evakuierungen im Gange sind oder in denen Kommunikationsnetze ausgefallen sein könnten. Diese Informationen könnten Behörden helfen, Rettungsteams zu leiten, Straßen zu öffnen oder zu sperren und Unterkunftskapazitäten zu planen — alles unter Wahrung der Privatsphäre und mit Daten, die Mobilfunknetze bereits erheben.

Zitation: Huang, MW., Lin, CY., Ke, MC. et al. Analysis of human flow during a natural disaster utilizing trajectory-free mobile network data: a case study of earthquake. Sci Rep 16, 5275 (2026). https://doi.org/10.1038/s41598-026-36255-1

Schlüsselwörter: Erdbeben, menschliche Mobilität, Mobilfunkdaten, Katastrophenreaktion, Bevölkerungsströmung