在最近发表于美国国家科学院院刊由伦斯勒理工学院计算机科学助理教授高建熙和东北大学土木与环境工程副教授王琦领导的一个团队，制定了一种预测大规模极端事件期间人类运动的方法，目的是实现更有效的应急响应。该模型还揭示了不同经济群体之间运动的巨大差异。

高说:“尽管存在许多可能的变量，但我们发现，在各种极端事件中，人类活动行为的变化呈现出一致的双曲线下降。”“我们称之为‘时空衰减’。”

一般来说，人们的动作遵循可预测的模式。当一个极端事件破坏了这种模式，科学家称之为“流动性扰动”。例如，人们可能会停止上下班，或者他们可能会改变路线，甚至疏散到避难所。这些行动障碍不仅给提供援助带来挑战，而且还会对经济、医疗和生活质量造成影响。移动性扰动的性质、程度和持续时间差别很大。

高的团队追踪了美国9000万人在六次大规模灾难期间的匿名活动，包括野火、热带风暴、冬季冻结和流行病，以建立一个统一的模型。

高教授说:“我们的模型通过整合空间和时间的异质性，揭示了变量之间潜在的一致性。”“我们发现，在极端事件发生后，流动性行为会发生多大程度的变化，以及流动性行为恢复正常的速度有多快，这些都有很强的规律性，这使我们能够预测大规模危机期间复杂的人类行为。”

高的研究小组发现，住在危机中心附近的人——归零地，或者风暴袭击的地方——会迅速限制他们的流动性。那些住得更远的人不会如此剧烈地改变他们的运动模式。这就是所谓的“空间衰减”。随着时间的推移，活动模式要么恢复正常，要么向正常靠拢，要么变得更加混乱。研究小组还通过考虑“时间衰减”来解释这些变量。

当研究小组将该模型应用于COVID-19大流行时，它揭示了经济群体之间运动的巨大差异，这可能有助于解释不同的感染率。来自富裕地区的人更有能力立即减少他们的流动性，并更长时间地保持这种变化。生活在低收入地区的人表现出更快、更大的双曲线衰退。

“换句话说，富人能够在社交上保持距离，”高说。“低收入人群被迫重返工作岗位。”

伦斯勒科学学院(Rensselaer School of Science)院长柯特•布伦曼(Curt Breneman)表示:“如果说近年来的事件教会了我们什么，那就是我们必须尽最大努力为危机做好准备。”“高博士和他的团队的这项工作可以为加强和主动的应急响应计划提供信息，以减轻未来的极端事件。它还揭示了持续存在的社会不平等现象，我们必须找到新的方法来解决这些问题。”