Mehrschichtige Netzwerke charakterisieren menschliche Mobilitätsmuster nach Wirtschaftssektor für den Wintersturm 2021 in Texas

Warum diese Geschichte zum Wintersturm wichtig ist

Wenn ein großer Sturm eintrifft, verändern sich unsere Bewegungen auf Arten, die über Sicherheit oder Gefahr entscheiden können. Diese Studie untersucht, wie sich Menschen im Harris County, Texas, während des Wintersturms 2021 tatsächlich bewegten – eines Ereignisses, das großflächige Stromausfälle und Schäden verursachte. Anhand anonymisierter Mobilfunkdaten zeigen die Forschenden, welche Wege Menschen vermieden, welche sie beibehielten und wie gut sich diese Muster vorhersagen lassen. Ihr Ansatz könnte Städten helfen, sich intelligenter auf das nächste extreme Wetterereignis vorzubereiten und sicherzustellen, dass kritische Orte wie Lebensmittelgeschäfte und Tankstellen erreichbar bleiben, wenn sie am dringendsten gebraucht werden.

Menschen durch eine zugefrorene Stadt folgen

Um das Verhalten in der Sturmzeit zu verstehen, verwandelten die Autor:innen Milliarden GPS-Pings von Smartphones in eine Karte wöchentlicher Wege zwischen Nachbarschaften. Jede Nachbarschaft ist durch einen Zensus-Trakt definiert, und Wege werden gezählt, wenn Personen ihr Zuhause verlassen und einen Ort von Interesse besuchen, etwa eine Schule, ein Restaurant, eine Klinik oder ein Geschäft. Statt alle Wege gleich zu behandeln, teilte das Team sie in Schichten ein, abhängig von der Art des Ziels, und nutzte dazu ein standardisiertes Klassifikationssystem für Unternehmen. Eine Schicht erfasst Besuche von Gesundheitseinrichtungen, eine andere Schulen, wieder eine andere Restaurants und so weiter. Übereinandergelegt bilden diese Schichten eine Art „Mobilitäts-Fingerabdruck“ für die Region, der zeigt, wie verschiedene Bereiche des Alltags zur Gesamtbewegung beitragen.

Welche Wege verschwanden und welche blieben

Durch den Vergleich der Sturmwoche mit den sechs Wochen davor maßen die Forschenden, wie stark sich jede Art von Bewegung veränderte. Insgesamt sank das Reisen während der Tage mit vereisten Straßen, ausfallender Stromversorgung und behördlichen Aufforderungen, zu Hause zu bleiben, deutlich. Die Stärke des Rückgangs variierte jedoch nach Ziel. Besuche ambulanter Gesundheitsdienste, etwa Arzt- und Zahnarztpraxen sowie Ambulanzzentren, gingen am stärksten zurück – um mehr als dreißig Standardabweichungen gegenüber dem Normalniveau. Auch Wege zu Restaurants und Bars brachen stark ein, ebenso Besuche in Schulen, insbesondere Grundschulen. Im Gegensatz dazu sanken Besuche in Lebensmittel- und anderen Lebensmittelgeschäften kaum, und Fahrten zu Tankstellen stiegen tatsächlich an. Ein leichter Anstieg zeigte sich außerdem bei Baumärkten und Bauzubehörläden sowie bei Unterkünften wie Hotels, die Schutz bieten können, wenn Häuser Wärme oder Wasser verlieren.

Blick auf die Ströme zwischen Nachbarschaften

Das Team untersuchte anschließend, wie viele Wege in jeden Trakt hinein- und aus ihm herausflossen. Ausgehende Wege zählen, wie oft Bewohner eines Trakts anderswohin reisen; eingehende Wege zählen, wie viele Besucher aus anderen Trakten ankommen. Selbst in normalen Wochen sind diese Ströme sehr ungleich verteilt: Manche Trakte schicken und empfangen viele Besuche, andere nur sehr wenige. Die Autor:innen stellten fest, dass ausgehende Bewegung stark mit der Bevölkerungsgröße eines Trakts zusammenhängt, während eingehende Bewegung besser durch die Anzahl der dort vorhandenen Geschäfte oder Dienstleistungen erklärt wird. Anders gesagt: Die Bevölkerung treibt hauptsächlich die Wegedynamik nach außen, und die lokale Infrastruktur zieht vor allem Wege nach innen an. Während des Sturms sanken die Gesamtbewegungen und die Verteilungen verschoben sich nach unten, doch die grundlegenden Formen dieser Muster blieben ähnlich.

Wie vorhersagbar sind unsere Bewegungen in der Sturmzeit?

Um zu testen, wie gut sich solche Ströme vorhersagen lassen, bauten die Forschenden einfache statistische Modelle, die versuchen, eingehende und ausgehende Wege mithilfe von Merkmalen der Nachbarschaften vorherzusagen. Zu diesen Merkmalen gehörten Bevölkerungsgröße und -dichte, Einkommen, Armuts- und Arbeitslosenquoten, ethnische Zusammensetzung sowie Zählungen verschiedener Geschäftstypen. Die Modelle leisteten eine relativ gute Vorhersage, wie viele Wege Bewohner aus jedem Trakt nach außen unternahmen, sowohl in normalen Wochen als auch während des Sturms; die Genauigkeit änderte sich während der Krise um weniger als ein Prozent. Die Vorhersage eingehender Wege war schwieriger. Schon in normalen Wochen erklärten die Modelle einen geringeren Anteil der Varianz, und während des Sturms verschlechterte sich ihre Leistung weiter. Der Sturm schien durcheinanderzubringen, welche Ziele Besucher anzogen, sodass Zuflüsse in bestimmte Gebiete weniger an übliche soziale und wirtschaftliche Muster gebunden waren.

Was das für künftige Katastrophen bedeutet

In der Gesamtschau zeichnen die Befunde ein klares Bild: Bei einem schweren Wintersturm streichen Menschen viele optionale Wege drastisch, vor allem für Gastronomie, Schule und nicht dringende medizinische Versorgung, während sie sich bemühen, den Zugang zu Lebensmitteln, Treibstoff und bestimmten Vorräten zu erhalten. Wege von zu Hause nach außen folgen der Bevölkerungsstruktur und bleiben relativ vorhersehbar, aber die Wahl der Ziele wird unter Stress deutlich instabiler. Für Planer:innen und Notfallmanager:innen bedeutet das, dass es oberste Priorität haben sollte, essentielle Läden und Tankstellen funktionsfähig und erreichbar zu halten, und dass die Verlass auf normale Muster der Menschenansammlungen in einer Krise irreführend sein kann. Der hier vorgestellte Ansatz mit mehrschichtigen Netzwerken bietet eine praktikable Methode, um zu erkennen, welche Arten von Mobilität in einem Notfall am wichtigsten sind, und Maßnahmen zu entwerfen, die dem tatsächlichen Verhalten der Menschen beim nächsten Sturm entsprechen.

Zitation: Butler, M., Khan, A., Afrifa, F.O.T. et al. Multilayer networks characterize human-mobility patterns by industry sector for the 2021 Texas winter storm. npj Complex 3, 15 (2026). https://doi.org/10.1038/s44260-026-00076-0

Schlüsselwörter: menschliche Mobilität, Wintersturm, Katastrophenplanung, Handydaten, städtische Resilienz