Analyse des flux humains lors d’une catastrophe naturelle à partir de données de réseau mobile sans trajectoires : étude de cas d’un séisme

Pourquoi il est important de suivre les personnes en cas de catastrophe

Lorsqu’un séisme ou un typhon survient, les gens se déplacent : ils évacuent leur domicile, se précipitent pour vérifier l’état de leur famille ou se dirigent vers des refuges. Pour les gestionnaires d’urgence, savoir où des foules se forment ou quelles zones se vident peut sauver des vies. Mais la plupart des systèmes qui suivent les déplacements s’appuient sur des historiques de localisation individuels, ce qui soulève des problèmes de confidentialité et arrive souvent trop tard. Cette étude montre comment lire le « pouls » des mouvements humains lors d’un séisme majeur en utilisant seulement des signaux anonymes et agrégés issus des téléphones mobiles — sans suivi individuel.

Voir les foules à travers les signaux téléphoniques

Les chercheurs se sont intéressés au séisme de Dapu en 2025, dans le sud de Taïwan, un fort tremblement nocturne ayant provoqué de violentes secousses et des dommages aux bâtiments dans plusieurs quartiers. Plutôt que d’utiliser les traces GPS des téléphones individuels, ils se sont appuyés sur le nombre d’appareils effectivement connectés aux antennes cellulaires à l’intérieur de carrés de 500 par 500 mètres toutes les 10 minutes. Chaque carré enregistrait simplement un décompte de téléphones actifs, servant de proxy approximatif du nombre de personnes présentes à cet instant. Les données couvraient quatre heures autour de l’événement, de la fin de la soirée précédant le séisme jusqu’à plusieurs heures après, à travers villes, bourgs et zones rurales.

Des points épars à des motifs lissés

Les décomptes bruts dans un patchwork de cases de la grille sont bruyants et inégaux, surtout là où les antennes sont peu nombreuses. Pour y voir clair, l’équipe a d’abord converti ces nombres épars en une surface lissée, où chaque point de la carte reçoit une valeur représentant la densité probable de foule. Cela se fait au moyen d’un noyau mathématique de « lissage » qui répartit l’influence de chaque case sur son voisinage, un peu comme on floute une image pixelisée. Le résultat est une image continue des concentrations de population et de leur évolution toutes les 10 minutes, tout en conservant l’anonymat et l’agrégation des données téléphoniques sous-jacentes.

Transformer les cartes de foule en flèches de mouvement

Savoir où se trouvent les gens ne suffit pas ; la planification d’urgence dépend aussi de leurs destinations. Pour estimer la direction, les chercheurs ont adapté un outil classique de la géographie connu sous le nom de modèle gravitationnel — normalement utilisé pour décrire les mouvements de personnes ou de biens entre villes. Dans leur version, les zones peuplées agissent comme des « aimants » plus puissants pour les zones voisines, et la force d’attraction décroît avec la distance. En comparant les surfaces de foule lissées d’un pas temporel au suivant, et en appliquant cette règle de type gravitationnel dans une fenêtre locale, ils ont calculé un champ de flèches montrant où les gens se déplaçaient probablement et avec quelle intensité. En répétant l’opération dans le temps, on obtient un film de flux invisibles : des flèches qui rayonnent, attirent ou changent de direction au fil de l’évolution de la situation.

Comment les gens ont réagi au séisme de Dapu

Appliquée au séisme de Dapu, la méthode a révélé des changements nets et rapides dans les mouvements humains. Avant le choc, les flux autour des centres urbains montraient une diffusion extérieure douce, typique de l’activité nocturne tardive. Juste après le séisme, de nombreuses flèches ont inversé leur direction, pointant vers les centres-villes, les quartiers denses et les abris officiellement désignés. Ce basculement a été le plus marqué dans les zones urbaines soumises à des secousses modérées à fortes, où plusieurs bâtiments ont été endommagés, et plus faible dans les zones rurales peu peuplées. En comptant combien de cellules de la grille présentaient de grands changements de direction, l’équipe a observé un pic net de perturbation des mouvements dans les 20–30 premières minutes, puis un retour progressif vers la normale en environ deux heures. Les zones affectées différemment par les secousses ont montré des temporalités et des intensités de réaction distinctes, avec davantage de déplacements dans les zones densément peuplées soumises à des secousses modérées.

Ce que cela signifie pour les urgences futures

Pour les non-spécialistes, le message principal est que l’on peut apprendre beaucoup sur la réaction des populations aux catastrophes sans suivre une seule personne. En combinant des décomptes anonymes issus des réseaux mobiles avec des outils mathématiques adaptés, ce cadre transforme de simples relevés d’activité téléphonique en cartes montrant où les gens convergent, où ils s’en vont et à quelle vitesse les schémas se stabilisent. En situation d’urgence réelle, de telles cartes pourraient signaler des quartiers où des rassemblements inattendus se forment, où des évacuations sont en cours ou où les réseaux de communication ont pu faillir. Ces informations pourraient aider les autorités à diriger les équipes de secours, ouvrir ou fermer des voies, et planifier la capacité des refuges, tout en respectant la vie privée et en exploitant des données déjà collectées par les opérateurs mobiles.

Citation: 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

Mots-clés: séisme, mobilité humaine, données de réseau mobile, intervention en cas de catastrophe, flux de population