Что мотивирует формирование и развитие сетей экстренного взаимодействия при экстремальных погодных явлениях: исследование на основе экспоненциальной случайной графовой модели

Почему совместная работа в шторм важна

Когда город переживает рекордные ливни, ни одно ведомство не справится с кризисом в одиночку. Пожарные, метеорологи, транспортные службы, районные добровольцы и многие другие должны координировать действия в условиях сильного временного давления. В этой статье рассматривается, что на самом деле стимулирует такое сотрудничество в хаосе экстремальной погоды — на примере двух дождевых штормов в Чжэнчжоу, Китай, в 2021 году, выступивших в роли естественного эксперимента. Сравнивая плохо скоординированный ответ в июле с гораздо более эффективной реакцией на похожий шторм в августе, авторы показывают, как формируются сети экстренного взаимодействия, почему они иногда дают сбой и как их можно быстро улучшить.

Два сильных шторма — две совершенно разные реакции

В июле 2021 года редкий ливень затопил Чжэнчжоу, вызвав серьёзные потери и общественную критику местных властей. Всего через месяц мощный ливень обрушился на почти ту же территорию, но на этот раз городская система реагирования работала гораздо слаженнее: в ней участвовало меньше организаций, но координация была более плотной и быстрой. Это редкое последовательное бедствие предоставило уникальную возможность наблюдать, как схемы сотрудничества меняются за короткое время при почти идентичных условиях. Авторы восстановили, кто с кем взаимодействовал в каждом эпизоде, опираясь на сотни официальных новостных сообщений и правительственных документов, и превратили эти связи в две карты городского сотрудничества: «июльская сеть» и «августовская сеть».

Как исследователи читали скрытую сеть

Чтобы уйти дальше простых подсчётов «кто с кем говорил», команда применила статистический инструмент — экспоненциальную случайную графовую модель. Вместо того чтобы рассматривать каждое партнёрство как отдельное событие, этот метод изучает, как возникает вся структура связей. Он позволяет проверить, например, склонны ли организации предпочитать правительственных партнёров, тяготеют ли к аналогичным типам учреждений, опираются ли на предыдущие совместные учения или образуют плотные кластеры. Модель также улавливает самоорганизационные тенденции: звездообразные паттерны вокруг мощных центров, замкнутые треугольники, где «друг друга друга становится партнёром», и открытые цепочки, где брокер связывает разрозненные группы. Сравнивая множество смоделированных сетей с реальными, авторы могли определить, какие тенденции лучше всего объясняют наблюдаемые структуры в июле и августе.

Что определяет, кто объединяется в кризисе

Исследование показывает, что важны и внешние условия, и внутренняя структура, но зачастую доминируют именно сетевые закономерности. В июле организации демонстрировали очевидные предпочтения: они чаще сотрудничали с некоммерческими группами и с органами, выполнявшими командные или координационные функции, а также с теми, кто контролировал людей или финансы. Агентства одного уровня власти и с похожими задачами также стремились соединяться, формируя привычные, комфортные кластеры. Однако эти предпочтения, основанные на атрибутах, не могли полностью объяснить внешний вид и эффективность сети. Сильнейшей силой оказалась транзитивность: организации особенно склонны вступать в сотрудничество с партнёрами, которые уже имеют общего с ними соработника, что создаёт множество плотных взаимосвязанных треугольников. Этот эффект «друга друга» способствовал доверию, быстрому обмену информацией и надёжным потокам ресурсов, тогда как длинные цепочки-«мосты» играли менее значимую роль, чем часто предполагают.

Уроки учений и практики

Предынцидентное сотрудничество оставило глубокие отпечатки в сетях. Совместные аварийные учения, проведённые до штормов, облегчали взаимодействие организаций при первом ливне. Ещё более мощным оказался свежий практический опыт: сама июльская сеть ответных действий стала сильным предиктором того, кто будет сотрудничать в августе. Когда пришёл второй шторм, агентствам уже не приходилось так сильно полагаться на совпадающие роли, типы секторов или формальные планы. Вместо этого они повторно использовали и оптимизировали партнёрства, только что проверенные в реальной обстановке, отсекая менее полезные связи и укрепляя эффективные небольшие группы. Августовская сеть была меньше, но плотнее, с более короткими путями между актёрами и большим числом кластеров — свидетельство более рациональной, эффективной структуры, построенной на недавних уроках.

Что это значит для безопасности городов

Для неспециалистов главное: успешность реагирования на шторм зависит меньше от фиксированных организационных схем и больше от живых сетей доверия и знакомости. Стабильные межсекторные микрогруппы, которые тренируются вместе, эффективно обмениваются информацией и уже доверяют друг другу, могут быть быстро приведены в действие при бедствии, поэтому «кто с кем знаком» не менее важно, чем «кто отвечает». Планы и учения по-прежнему важны, но только если их постоянно обновляют и связывают с реальными операциями, чтобы извлечённые из кризисов уроки не терялись. Целенаправленное развитие таких сетей сотрудничества до следующего экстремального погодного события позволит городским властям действовать быстрее, лучше координироваться и защищать больше жизней, когда небо снова откроется.

Цитирование: Qie, Z., Bai, N. & Sun, Y. What motivates the formation and evolution of emergency collaboration networks for extreme weather events: a research based on exponential random graph model. Humanit Soc Sci Commun 13, 461 (2026). https://doi.org/10.1057/s41599-026-06800-4

Ключевые слова: сети экстренного взаимодействия, реагирование на экстремальные погодные условия, координация при бедствиях, анализ социальных сетей, городская устойчивость