既定政府应急响应惯例与实际飓风响应协作网络之间的结构性不匹配:对灾害管理政策的启示

《Digital Government: Research and Practice》:Structural Mismatches between Prescribed Governmental Response Routines and Actual Hurricane Response Collaboration Networks: Implications for Disaster Management Policy

【字体: 大 中 小 】 时间:2026年09月19日 来源:Digital Government: Research and Practice

编辑推荐:

   摘要 危机应对协作对于及时有效地管理紧急情况至关重要。正式的指南,如事件指挥系统(ICS)和美国联邦应急管理局(FEMA)的任务分配项目,提供了标准化程序,但可能不适合需要非例行任务的大规模危机。规定指南与实际协作之间的不匹配会阻碍协调工作,并延迟对受灾人口的援助。本研究分析

  

摘要
危机应对协作对于及时有效地管理紧急情况至关重要。正式的指南,如事件指挥系统(ICS)和美国联邦应急管理局(FEMA)的任务分配项目,提供了标准化程序,但可能不适合需要非例行任务的大规模危机。规定指南与实际协作之间的不匹配会阻碍协调工作,并延迟对受灾人口的援助。本研究分析了四次美国主要飓风期间正式例行程序与实际应对网络之间的不匹配情况。我们将源自政府指南的网络与从FEMA的任务分配、工作说明书和每日情况报告中提取的网络进行了比较。结果显示,在自我中心和整体网络两个层面,规定程序与实际网络之间的相似性极低。重叠仅出现在联邦指南与自我中心层面的实际网络之间(Jaccard NodeSim:0.2–3%;EdgeSim:0.001–0.7%)以及地方指南与工作说明书网络在整体网络层面之间,后者表现出无标度拓扑结构。这些发现从实证上揭示了计划与自发的应对协作之间的结构性差距,有助于完善政策和规划,使应对程序更好地与真实危机中出现的协作动态相吻合。本研究的代码、数据和可视化成果可在 https://figshare.com/s/35f4b16d1f46ddf02730 获取。

1 引言
危机应对是一个复杂的过程,需要多个利益相关方之间协调和及时地合作,以优先确定应对活动并有效分配资源,从而最好地满足受灾人口的需求。应对协作通常涉及联邦、州和地方各级政府部门,以及非政府组织和私营部门,他们共同努力提供必要的资源和人员,以及时做出响应。政府机构已努力通过政策指导来正式化跨管辖区边界的协作,例如事件指挥系统(ICS)和FEMA的任务分配项目。虽然这些指导文件为危机应对提供了标准操作程序,但研究表明它们更适合更例行的非紧急情况,在面对需要非例行任务的重大危机时可能不那么有效。非例行任务包括对时间和潜在危险敏感的操作,如未计划的基础设施损坏修复和搜救任务。

先前研究通过卡特里娜飓风、哈维飓风和世界贸易中心灾难的经验教训强调了需要更有效的可适应的跨组织结构的必要性。然而,尚不清楚在应对实际事件时是否已实施了跨组织沟通、协调和决策过程的重大变化。需要进一步研究来评估这些变化的程度及其对危机应对能力的影响。鉴于自世界贸易中心灾难以来的一系列政策变化,这一需求尤为重要,如FEMA的重组和国土安全部的成立、2008年从联邦应对计划转变为国家应对框架以促进政府与非政府机构之间的协作,以及最近的2019年《灾难恢复改革法案》,该法案允许州和地方政府根据自身具体需求分配资源。

网络分析提供了相关的理论和方法,系统地探索应对例行之事和非例行事件之间响应机构间协调的结构方面。通过网络分析方法,众多研究考察了真实世界自然危机事件期间的协作网络,如哈维飓风、桑迪飓风、卡特里娜飓风和斯里兰卡洪水。这些研究的一个共同主题是使规定的政府应对程序更好地适应非例行应对任务。对2017年哈维飓风期间应对机构之间的推文和转发进行的时间网络分析揭示,虽然政府机构在网络中处于中心地位,但许多非政府组织,如学术机构、基于信仰的组织和私营部门机构,是向政府机构无法触及的特定社区传播信息的重要渠道。该研究与优秀的网络研究一起表明,政府指南中未规定的应对机构的参与在非例行应对网络中是频繁的,并且对应对成功至关重要。然而,将非例行活动成功融入例行网络需要格外谨慎,特别是因为这需要培训和可互操作的通信基础设施。总体而言,网络分析揭示了例行与非例行应对网络的结构指标,使研究者能够识别和协调差异,以增强例行应对网络对非例行事件的适应能力。

在本研究中,我们将政府指南与实际危机应对进行比较,评估例行应对指南在非例行应对事件中被实施的程度。为此,我们利用网络分析和自然语言处理从两个文本数据来源中提取和比较网络:(1)NRF中的紧急支持功能(ESF)附件,包含政府应对计划中规定的应对机构之间的互动;(2)FEMA的任务分配和响应者的情况报告(SITREPs),包含实际危机应对期间发生的应对机构之间的互动。我们考察了四次飓风事件(2016年马修飓风、2017年哈维飓风、2017年艾尔玛飓风和2018年迈克尔飓风)的应对网络,等级为4级及以上。选择这些事件是因为它们有广泛的覆盖范围以及众多政府、非政府、志愿和国际组织的参与。因此,我们解决以下研究问题:

研究问题:基于NRF的ESF附件与FEMA的任务分配和情况报告中应对网络的比较,例行政府应对指南在非例行紧急情况中被实施的效力如何?

本研究从三个方面为危机管理研究和实践做出贡献。首先,通过将实际危机应对中得出的协作网络与应急响应指南中概述的网络进行比较,我们可以识别规定的应对计划与真实世界应对活动之间的任何差异。这种比较可以揭示当前指南可能需要更新的地方,或需要额外培训以确保应对机构遵循规定协议的地方。其次,我们提出了一种结合自然语言处理和网络科学的可靠方法,基于危机相关文本提取机构之间的协作关系。我们的方法在命名实体识别和关系提取方面实现了高准确性,因此适合未来基于非结构化文本数据构建协作网络的任务。最后,我们的工作为危机应对实践者提供了实际意义。我们的发现可用于开发反映非例行情况中真实世界协作模式的数据驱动培训模拟。此外,我们的方法可在危机期间以近实时方式使用,监控协作模式,使应对机构能够基于当前情况做出关于资源分配和人员部署的及时决策。

2 相关工作

2.1 规定的危机应对网络
先前文献强调了危机应对中协作的重要性,涉及各机构之间正式和非正式的互动。正式协作通常遵循FEMA等组织提供的官方计划,包括NRF、ICS和国家事件管理系统(NIMS)。虽然这些指南适用于所有政府层级的应对,但应对工作通常从地方层面开始,并在必要时逐步推进到州和联邦层面。

虽然FEMA和国土安全部等联邦机构在启动应对工作和提供财政支持方面承担重大责任,但为保护其直接管辖范围内个人的应对规划和执行主要由州和地方的区域机构管理。因此,由于不同的应对计划以及由此产生的在联邦、州和地方机构之间就角色和责任达成一致方面的困难,挑战随之产生。

2.2 观察到的危机应对网络
Bier对卡特里娜飓风期间联邦协调的分析揭示,现有的政府指南存在僵化的官僚结构,阻碍了联邦机构之间的有效沟通,导致FEMA、国防部和国家警卫队现场到达延误。研究还发现,新奥尔良地方政府对卡特里娜飓风的应对严重延误,因为联邦政府要求在授权资金前提供详细的恢复计划。研究考察了世界贸易中心灾难期间危机响应者之间的无线电通信网络,发现没有正式协调角色的个体之间存在活跃通信集群。特别是,在分离的警察和响应者之间形成了自发的群体,积极协助有需要的社区。研究者利用OpenFEMA任务分配数据集构建了哈维飓风期间机构之间实际协作的网络,发现观察到的应对协作与联邦应对指南高度一致,而地方应对协作与指南最不一致。此外,不同应对管辖区层级之间的协作在联邦应对指南中记录不佳。

2.3 规定与观察到的危机应对网络之间的不匹配
先前文献提供了令人信服的证据,表明规定和观察到的危机应对协作网络在结构上是不同的,或者说是不匹配的,这提出了关于规定应对指南有效性的重要问题,以及它们是否反映了真实世界危机情况中的实际协调工作。上述研究发现这两种协作结构共存,既有优势也有缺点。共存的优势包括基于规定结构的明确权威线,以及基于非正式关系和即时行动要求的协调灵活性。然而,主要挑战源于规定结构与自发生成的协作模式之间的张力,特别是关于现有成员与新成员之间权威和信任的问题。在非例行情况下,既定的层级结构可能无法总是适应现场动态且快速变化的需求。这可能导致权威冲突,已建立的机构可能难以整合新的自发生成的伙伴,如当地志愿小组或非传统响应者,他们可能缺乏正式认可但拥有关键的现场知识和资源。相关地,信任(或缺乏信任)是另一个令人关注的问题,因为缺乏既有关系和既定沟通渠道可能会阻碍积极协作和信息共享。

因此,规定结构与自发生成的协作模式之间的不匹配可能表明一种有效应对,其中危机响应者展现出超越规定指南约束的适应力和资源创造力。上述文献也表明,在不可预测的事件中,如自然危机,偏离僵化计划并适应正在发生的事件的能力至关重要。事实上,关于信息通信技术和组织创造力的研究发现,虽然信息通信技术基础设施可以促进知识共享,但创造力最重要的驱动力是员工之间的非正式人际交往。类似地,在危机应对的背景下,组织结构的灵活性允许响应者根据受灾社区需求的实时信息采取行动。或者,规定与实际互动之间的强烈一致性可能反映了对当前危机适应不当的失败,可能导致效率低下和应对活动延迟。虽然计划和指南对于准备和培训至关重要,但不应被视为不灵活的规定,而应被视为指导行动同时允许必要调整的框架。这与关于集体即兴的研究一致,该研究认为危机应对通常要求组织实时适应并在计划之外进行协调,特别是在涉及多种类型组织的复杂环境中。

事实上,官方培训指南,例如为陆军国民警卫队开发的“红斗篷”(Red Cape)危机应对培训项目,强调应对人员应接受在不确定性下做出决策并随着情况演变而适应的培训,而不是简单地遵循固定计划 [71]。总之,规定响应结构与实际响应结构之间的关系错综复杂,因此了解这两种响应结构之间错配发生的原因和方式至关重要。本研究与以往文献一致的假设是,虽然计划响应结构与实际响应结构之间的某种程度的一致性既是必要的也是预期的 [20, 27, 64],但我们可能会观察到超出既定计划的响应活动。因此,通过本研究,我们旨在实证观察在四次不同的飓风事件期间,规定响应结构与实际响应结构之间错配的 extent 和性质。在此,我们将匹配定义为规定网络与观察到的网络之间更高的结构相似性(更大的重叠),将不匹配定义为较低的相似性(有限的重叠),并使用节点级和边级网络相似性指标进行测量。最终,我们的发现可能会揭示响应计划中可以改进的领域,以帮助响应机构适应非常规事件(如飓风)的独特需求和挑战。

### 2.4 危机案例研究:四次飓风事件(2016–2018)

我们关注飓风马修(2016 年)、哈维(2017 年)、欧文(2017 年)和迈克尔(2018 年),因为它们是四次造成截然不同的响应情况的主要美国飓风。在这些事件中,我们看到了它们在登陆地点、登陆时的强度以及影响社区方式上的差异。这些差异很重要,因为它们塑造了响应的速度以及哪些合作伙伴(地方、州、联邦和非政府)参与其中。我们没有将每次飓风视为独立的比较,而是利用所有四个事件来识别在不同响应条件下,规定响应结构与观察到的响应结构之间结构匹配和不匹配的普遍模式。

2016 年飓风马修 [61] 在风暴早期达到了 5 级强度,在抵达美国前略有减弱,于 2016 年 10 月 8 日在南卡罗来纳州麦克莱恩维尔附近登陆。实际上,这意味着对美国的影响在沿海社区随时间分散(风暴的大部分停留在离岸地区),这可能会产生比单一集中登陆更大的区域协调需求。

2017 年飓风哈维 [11] 在沿德克萨斯州海岸阿兰萨斯港/罗克福特地区登陆前迅速增强为 4 级飓风,登陆时间为 2017 年 8 月 25 日。登陆后,哈维减弱但在海岸附近停滞了几天,伴随长时间的强降雨和广泛洪水。这对我们的研究很重要,因为移动缓慢的风暴会延长响应时间范围,其中协调可能需要随着多天的情况演变而更频繁地调整。

2017 年飓风欧文 [17] 在峰值强度时为 5 级飓风,随后作为 4 级飓风于 2017 年 9 月 10 日在佛罗里达州库乔群岛附近登陆。欧文随后于同一天左右以 3 级强度在佛罗里达州马可岛附近再次登陆。这场在佛罗里达州两次登陆的飓风有助于解释为什么协调通常包括跨越广泛地区的电力恢复和其他基础设施合作伙伴,而不仅仅是库乔群岛的初始位置。

2018 年飓风迈克尔 [8] 是一场 5 级飓风,于 2018 年 10 月 10 日在佛罗里达狭地墨西哥海滩和廷德尔空军基地附近登陆。由于这是一次集中在特定地区的高强度、高影响登陆,响应需求可能会迅速升级,需要快速的资源协调和基于当地的合作伙伴。

### 3 方法

本研究使用网络分析和自然语言处理来构建和比较响应机构之间的协作网络,这些网络衍生自正式响应指南(NRF 的 ESFs、州和地方响应计划)与四次主要飓风响应期间观察到的那些网络。比较基于局部指标,包括杰卡德节点相似度(Jaccard Node Similarity)、Salton 节点相似度、杰卡德边相似度(Jaccard Edge Similarity)和 NetSimile 边相似度,以及整体网络指标,如密度、平均聚类系数、平均路径长度、巨型连通分量大小和中心性指标(度、介数、紧密度、特征向量)。我们选择在局部和整体网络水平比较网络,以便捕捉可能源于不同规模交互的相似性(或差异)。局部水平分析使我们能够识别在既定网络和观察到的网络中都存在的特定连接对,表明计划中的关系正在现实情况中成功实施。这些信息可以帮助我们了解既定网络的哪些方面工作良好,哪些方面可能需要修改或适应。例如,如果某些连接始终存在于两个网络中,这可能表明这些关系对于有效响应至关重要,应在今后的规划工作中优先处理。

在整体网络水平,我们可以识别既定网络和观察到的网络之间任何结构或功能差异,这可能表明需要改变的地方。例如,如果观察到的网络比既定网络具有更高的集中化程度,这可能表明在某些危机情况下集中决策更有效。或者,如果观察到的网络比既定网络具有更短的平均路径长度,这可能表明节点之间需要更直接的沟通和协调以改善响应时间和效果。之前的研究 [4, 26] 表明,网络分析和比较的多水平方法优于单一水平的分析,因为这种方法可能揭示局部和网络因素如何相互作用和影响。危机管理研究 [48, 66] 也利用多水平网络分析在局部(即节点出现和中心性)和整体网络水平(即网络密度、平均最短路径、内聚性、集中化)比较不同的响应网络,以改进响应规划结构。

#### 3.0.1 数据

我们考察了在四次登陆美国的主要飓风响应期间的协作响应结构,即飓风马修(2016 年)、飓风哈维(2017 年)、飓风欧文(2017 年)和飓风迈克尔(2018 年)。我们收集了四个不同的数据集,以构建基于规定的政府响应例程和每次飓风登陆前后两周观察到的响应活动的协作网络。我们的第一个数据集由联邦、州和地方响应指南创建的正式协作结构组成。联邦响应网络是根据 FEMA 的国家响应框架(NRF),2018 年版提取的。州响应网络是根据飓风登陆州的响应文档提取的,该州因此拥有响应指挥和协调的管辖权。同样,地方响应网络基于飓风登陆的县。虽然一场飓风可能影响多个县,但根据 FEMA 的个人援助(IA)标准,我们在地方层面选择每个飓风事件考虑一个县,即飓风哈维的阿兰萨斯县,飓风欧文的门罗县,飓风马修的查尔斯顿县,以及飓风迈克尔的湾县。选择这些特定县的理由是,这些是飓风登陆的县,由于危机导致了最大的影响。通过集中于经历飓风初始和最严重影响各县,我们旨在分析最关键的地方响应工作。这些地区通常面临最迫切的协调和资源分配需求,从而在高压、非常规情况下提供更清晰的地方响应动态画面。表 1 详细列出了每个飓风事件在各管辖层级使用的响应指南。

**表 1. 用于构建规定网络的响应计划**

| 飓风事件 | 管辖层级 | 响应计划名称 |
| :--- | :--- | :--- |
| **马修** | 联邦 | NRF 的应急支持功能 (ESF) |
| | 州 | 南卡罗来纳州紧急行动计划 (SCEOP) |
| | 地方 | 查尔斯顿县政府 2016 年紧急行动计划 |
| **哈维** | 联邦 | NRF 的应急支持功能 (ESF) |
| | 州 | 德克萨斯州应急管理局计划 (TEDM) |
| | 地方 | 阿兰萨斯县、罗克福特市、弗尔顿镇紧急管理计划 |
| **欧文** | 联邦 | NRF 的应急支持功能 (ESF) |
| | 州 | 佛罗里达州综合应急管理计划 (FCEMP) |
| | 地方 | 门罗县应急管理计划 (CEMP) |
| **迈克尔** | 联邦 | NRF 的应急支持功能 (ESF) |
| | 州 | 佛罗里达州综合应急管理计划 (FCEMP) |
| | 地方 | 佛罗里达州湾县综合应急管理计划 |

我们的第二个数据集来自 OpenFEMA 数据集,这是 FEMA 发布的一个公开来源,包括联邦宣布的灾难期间联邦机构之间的工作订单、援助请求以及对请求的响应。鉴于我们的四次飓风事件是在《斯塔福德灾害救济和紧急援助法案》下联邦宣布的灾难,因此认为该数据集是合适的。两名编码员浏览了该数据集,当“assistanceRequested”列提到特定飓风时,将请求标记为属于感兴趣的飓风。例如,编码员识别出“为 FEMA 美国搜救事件支持团队(IST)部署提供 GEOINT 支持,以支持飓风马修响应期间的灾害行动”,属于飓风马修,因为它提到了飓风名称,并且发布于 2016 年 10 月 10 日,即飓风登陆后两天。为了构建我们的 FEMA-MA 数据,我们提取了向 FEMA 提出请求的联邦机构名称(在"Agency"列下)。为了构建我们的 FEMA-SOW 数据,我们利用 OpenFEMA 的"StatementOfWork"列,其中包括工作请求详情的非结构化文本。我们能够为飓风马修收集 40 个任务分配和工作说明书(SOW),飓风哈维 232 个,飓风欧文 242 个,飓风迈克尔 23 个。在本文中,我们使用“灾害”和“危机”这两个术语来表示高影响、非常规事件(即飓风),这些事件需要多个利益相关者之间进行紧急协调以进行响应和恢复(即我们多水平协作网络旨在建模的共享响应背景)。这种用法与现有的危机信息学文献一致,该文献通常同时讨论危机和灾害,并分析跨事件类型的常见协调/信息动态 [22, 23, 51]。

我们的第三个数据集包括响应机构发布的每日情况报告(SITREPs),用于向其他机构和公众更新响应工作和协调活动情况。在四次飓风事件中,我们从一些组织中收集了公开可用的 SITREPs,如泛美卫生组织、能源部、FEMA 和国家海洋和大气管理局。我们的数据集可通过 [链接已为审稿隐去] 访问。

#### 3.0.2 使用自然语言处理构建网络

我们使用 Dinh、Yang 和 Diesner [27] 开发的基于启发式的实体和关系流水线提取机构名称及其之间的关系。该方法基于命名实体识别(NER)提取实体,集成了 FlairNLP [2] 和 SpaCy [35] 的组合以实现最佳准确性。该组合方法在危机相关的 SITREPs 和社交媒体数据上进行训练和测试,准确率为 0.80,精确率为 0.91,召回率为 0.72。对于关系提取,我们应用了 Dinh、Yang 和 Diesner [27] 的算法,该算法结合了基于实体之间共现距离的特征,以及通过成分解析树和依赖解析树实现的实体之间的句法连接。该算法包括八个特征,用于使用支持向量机(SVM)分类器对实体对之间的关系与非关系进行分类,其准确率达到 0.92。我们比较了多个简约模型(朴素贝叶斯、SVM 和随机森林),发现 SVM 在分类准确性和模型可解释性之间提供了最佳的平衡。有助于准确分类关系的特征包括词共现距离(窗口大小为 1-3)、基于依赖关系的距离(窗口大小为 1、3 和 4)、成分模式(例如,代词,介词,并列连词)和依赖模式(例如,动词 - 介词 - 专有名词,动词 - 名词)。

然后,我们基于检测到的命名实体(表示为节点)及其之间的关系(表示为边)构建网络。该网络是无向且加权的,权重表示同一两个实体之间关系的频率。在构建网络之前,我们预处理了节点列表和边列表以移除特殊字符、非 ASCII 字符和网址。

#### 3.0.3 网络相似性度量

我们在局部和整体网络水平进行网络比较,以捕捉(1)哪些特定机构对进行了协作,以及(2)机构对之间的协作模式如何波及整个网络。我们使用这些网络比较指标(如下所列)来操作化结构匹配/不匹配。由此产生的相似度(及重叠)值量化了规定网络结构在观察到的网络中反映的程度:较高的值表示结构匹配度更高,而较低的值表示结构不匹配度更高。

由于这些指标是连续变量而非二元变量,我们并未采用固定阈值,而是通过比较不同飓风事件及不同数据源之间的相似度数值,来刻画匹配相对更强或更弱的位置。局部网络比较指标关注两个(或多个)网络中节点与边的定位相似性。现有的网络比较指标主要基于节点或边的重叠程度[7, 63],其重点在于比较两个网络之间共享的节点或边。其他方法还包括邻域相似度,即将一个网络中某个节点的邻居节点的相似性与该节点在另一个网络中的对应邻居进行比较[43]。在全网络层面,相似度指标涉及比较两个(或多个)网络的总体结构或拓扑。这可以通过结构性指标来实现,例如网络密度、同质性(assortativity)、全局聚类系数和平均路径长度[49, 63]。基于先前的测量方法,本研究将在局部层面使用以下四种著名指标对每一对网络进行比较:Jaccard 节点相似度、Salton 节点相似度、Jaccard 边相似度以及 NetSimile 边相似度。对于全网络指标,我们将比较上述结构性网络指标(即密度、平均聚类、平均路径长度、幂律指数)。

局部相似度指标
在局部层面,我们通过考虑同时存在于两个网络中的共同节点,计算每一对网络(G1, G2)之间的节点重叠情况。为了构建共同节点集合(N),我们采用了模糊匹配技术,使用 FuzzyWuzzy 的 Python 模块。这涉及比较每个节点对(i, j),其中 i 属于 G1,j 属于 G2,并判断其相似度是否高于 80%。若达到相似度阈值,我们选取一个单一、未缩写且拼写正确的节点标签(例如:FEMA;US Federal Emergency Management Agency = Federal Emergency Management Agency)来表示对应的节点对(i, j),并将其纳入集合 N。

Jaccard 节点相似度。我们通过使用标准化的成对 Jaccard 指数[62]来评估节点重叠的程度,这是一种基于距离的相似度度量。该指数量化了两个网络 G1 和 G2 之间共享节点的比例,相对于两个网络中节点的总数。计算 G1 和 G2 之间节点重叠 Jaccard 相似度指数的公式如下:
JacNodeSim(G1,G2)=|NG1∩NG2||NG1∪NG2|, (1)
其中 NG1 是 G1 中节点的集合;NG2 是 G2 中节点的集合。Jaccard 相似度值为 1 意味着两个节点完全相同,具有相同的共同邻居,而值为 0 则意味着两个节点没有共享的共同邻居。

Salton 节点相似度。与 Jaccard 指数类似,Salton 相似度[56]衡量两个节点拥有共同邻居的程度。Salton 与 Jaccard 的主要区别在于,Salton 相似度使用两个节点的几何平均数(乘积的平方根)来对 NG1G2 进行归一化,而不是使用两个节点的算术平均数。Salton 相似度值为 1 意味着两个节点完全相同,具有相同的共同邻居,而值为 0 则意味着两个节点没有共享的共同邻居。
SaltonNodeSim(G1,G2)=|NG1∩NG2||NG1|?|NG2|, (2)
其中 NG1 是 G1 中节点的集合;NG2 是 G2 中节点的集合。

Jaccard 边相似度。我们还使用成对 Jaccard 指数[62]计算 G1 和 G2 的边重叠情况。边重叠通过比较 G1 和 G2 的邻接矩阵来检测。用于边重叠的 Jaccard 指数意味着两个网络之间边的交集除以 G1 和 G2 中边的并集。G1 和 G2 边重叠的 Jaccard 相似度指数公式为:
JacEdgeSim(G1,G2)=|EG1∩EG2||EG1∪EG2|, (3)
其中 EG1 是 G1 中边的集合;EG2 是 G2 中边的集合。边重叠的计算要求两个网络必须具有某些重叠的节点[63],因此只有当 JacNodeSim(G1,G2)>0 时才会进行计算。

NetSimile。该指标测量边结构的相似度,而不需要节点对应关系(即拥有相同的节点)。具体来说,它通过利用七个节点级和边级特征,为两个网络各自生成一个特征向量,然后基于 Canberra 距离[7]比较两个特征向量之间的距离。以下节点级特征是从节点 i 的自我网络(egonetwork)中提取出来,用于计算 NetSimile 的:边数、邻居数量、自我网络向外发出的边数。此外,还从节点 i 提取了四个边级特征:度中心性、聚类系数、两跳邻居的平均数量、平均聚类系数。通过对所有节点进行汇总得到特征向量后,两个特征向量通过以下公式进行比较:
Canberra(G1,G2)=∑i=1n∣G1i?G2i∣|G1i|+|G2i| (4)
其中 G1 和 G2 是从两个网络导出的 n 维特征向量。G1i 表示向量 G1 的第 i 个元素,G2i 表示向量 G2 的第 i 个元素。基于该公式,Canberra 距离捕捉了两个特征向量之间的差异程度,其中较低的 Canberra 距离表示两个网络之间具有更高的相似度。这是一个适用于基于节点级和边级特征比较两个网络的合适指标。

全网络相似度指标
在全网络层面,我们将计算那些不需要节点对应关系的结构和拓扑指标[63]。这些指标适用于识别网络组织方式以及不同节点在更大范围内如何相互作用的结构性相似之处。以下指标来自社会网络分析文献中的标准操作性定义[45, 59, 67],为每个网络计算得出,用于全网络比较(描述见表5):

表2. 联邦、州和地方预设网络的网络描述性统计(已移除自环和孤立节点)

| | 联邦 | 州 | 地方 |
|---|---|---|---|
| | 南卡罗来纳州 | 德克萨斯州 | 佛罗里达州 |
| | 查尔斯顿县 | 阿兰萨斯县 | 门罗县 |
| | 湾县 | | |
| 节点数 | 38 | 86 | 38 |
| | 132 | 139 | 274 |
| | 358 | | |
| 边数 | 635 | 136 | 767 |
| | 324 | 331 | 872 |
| | 292 | 072 | 15 |
| 密度(δ) | 0.90 | 0.37 | 0.96 |
| | 0.28 | 0.20 | 0.65 |
| | 0.23 | 0.13 | |
| 平均聚类(C) | 0.92 | 0.84 | 0.98 |
| | 0.90 | 0.03 | 0.89 |
| | 0.82 | 0.89 | |
| 平均路径长度(L) | 1.15 | 1.76 | 1.04 |
| | 1.90 | 3.88 | 1.35 |
| | 1.94 | 2.57 | |
| 社区数量(CNM) | 7 | 5 | 14 |
| | 11 | 3 | 4 |
| | 6 | | |
| 连通分量数量 | 1 | 1 | 1 |
| | 1 | 1 | 1 |
| | 1 | 3 | |
| 最大连通分量大小 | 635 | 136 | 767 |
| | 324 | 331 | 872 |
| | 292 | 072 | 191 |
| 平均度中心性 | 33.42 | 31.79 | 35.42 |
| | 35.35 | 2.69 | 116.96 |
| | 9.63 | 7.41 | |
| 幂律指数(α) | 8.74 | 2.47 | 7 |
| | 6.60 | 4.21 | 2.99 |
| | 8.83 | 2.62 | 9.16 |

表3. 每次飓风事件按数据源划分的观测网络描述性统计(已移除自环和孤立节点)

| | Matthew | Harvey | Irma | Michael |
|---|---|---|---|---|
| | FEMA-MA | FEMA-SOW | SITREPs | FEMA-MA |
| | FEMA-SOW | SITREPs | FEMA-MA | FEMA-SOW |
| | SITREPs | FEMA-MA | FEMA-SOW | SITREPs |
| 节点数 | 157 | 110 | 57 | 201 |
| | 127 | 59 | 42 | 106 |
| | 97 | 91 | 52 | 93 |
| | 20 | | | |
| 边数 | 141 | 50 | 42 | 341 |
| | 92 | 024 | 62 | 94 |
| | 126 | 94 | 54 | 214 |
| | 537 | 33 | | |
| 密度(δ) | 0.13 | 0.06 | 0.008 | 0.10 |
| | 0.02 | 0.02 | 0.05 | 0.01 |
| | 0.01 | 0.13 | 0.13 | 0.01 |
| 平均聚类(C) | 0.0 | 0.64 | 0.64 | 0.0 |
| | 0.48 | 0.65 | 0.0 | 0.57 |
| | 0.66 | 0.0 | 0.65 | 0.55 |
| 平均路径长度(L) | 1.87 | 2.32 | 3.52 | 1.9 |
| | 2.86 | 3.37 | 1.95 | 2.65 |
| | 3.26 | 1.87 | 1.93 | 3.25 |
| 社区数量(CNM) | 1 | 1 | 1 | 92 |
| | 1 | 17 | 53 | 11 |
| | 16 | 1 | 18 | 44 |
| 连通分量数量 | 1 | 4 | 7 | 31 |
| | 1 | 1 | 13 | 71 |
| | 534 | 15 | 35 | |
| 最大连通分量大小 | 141 | 474 | 072 | 191 |
| | 86 | 454 | 141 | 263 |
| | 442 | 91 | 44 | 5661 |
| 平均度中心性 | 1.87 | 4.23 | 8.01 | 1.93 |
| | 3.61 | 12.20 | 1.95 | 5.08 |
| | 9.28 | 1.87 | 3.66 | 4.58 |
| 幂律指数(α) | 6.68 | 4.04 | 3.65 | 7.79 |
| | 2.91 | 6.28 | 12.31 | 2.21 |
| | 2.93 | 6.68 | 4.24 | 2.91 |

表4. 基于响应管辖权(预设网络)和数据源(观测网络)在每次飓风事件中每一对网络的 Jaccard 节点相似度(JacNodeSim)和边级相似度指数(JacEdgeSim)

| 事件 | 数据源 | 联邦 | 州 | 地方 | 联邦 | 州 | 地方 | 联邦 | 州 | 地方 | 联邦 | 州 | 地方 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| | | JacNodeSim | | | SaltonNodeSim | | | JacEdgeSim | | | NetSimileEdgeSim | | |
| Matthew | FEMA-MA | 9 (21%) | 0 | 0 | 9 (38%) | 0 | 0 | 8 (0.6%) | 0 | 0 | 25.90 | 25.06 | 14.82 |
| | FEMA-SOW | 11 (11%) | 0 | 0 | 11 (20%) | 0 | 0 | 13 (0.7%) | 0 | 0 | 22.91 | 17.35 | 18.63 |
| | SITREPs | 8 (1%) | 2 (0.2%) | 0 | 8 (4%) | 2 (1%) | 0 | 2 (0.02%) | 0 | 0 | 20.91 | 18.23 | 21.45 |
| Harvey | FEMA-MA | 10 (21%) | 0 | 0 | 10 (36%) | 0 | 0 | 9 (0.7%) | 0 | 0 | 25.62 | 21.50 | 24.10 |
| | FEMA-SOW | 12 (7%) | 2 (1%) | 0 | 12 (16%) | 2 (3%) | 0 | 11 (0.3%) | 1 (0.04%) | 0 | 24.50 | 23.28 | 21.46 |
| | SITREPs | 18 (2%) | 14 (2%) | 0 | 18 (11%) | 14 (8%) | 0 | 14 (0.6%) | 1 (5.62e-05%) | 0 | 20.96 | 22.42 | 20.13 |
| Irma | FEMA-MA | 20 (33%) | 0 | 0 | 20 (51%) | 0 | 0 | 19 (1%) | 0 | 0 | 24.74 | 24.34 | 20.27 |
| | FEMA-SOW | 20 (16%) | 2 (2%) | 0 | 20 (32%) | 2 (2%) | 0 | 24 (1%) | 0 | 0 | 22.59 | 19.76 | 16.15 |
| | SITREPs | 11 (1%) | 2 (0.2%) | 2 (1%) | 11 (6%) | 2 (1%) | 2 (1%) | 6 (0.03%) | 0 | 0 | 22.05 | 18.53 | 17.52 |
| Michael | FEMA-MA | 6 (13%) | 0 | 0 | 6 (25%) | 0 | 0 | 5 (0.04%) | 0 | 0 | 25.90 | 26.49 | 19.22 |
| | FEMA-SOW | 8 (13%) | 0 | 0 | 8 (23%) | 0 | 0 | 3 (0.2%) | 0 | 0 | 23.06 | 20.87 | 13.43 |
| | SITREPs | 12 (2%) | 5 (0.9%) | 13 (3%) | 12 (9%) | 5 (2%) | 13 (8%) | 1 (0.001%) | 0 | 1 (0.002%) | 22.71 | 21.96 | 18.05 |

密度表示网络中现有边占所有可能边总数的比例。它使用公式 (2m)/(n(n?1)) 计算,其中 n 是节点数量,m 是边的数量。平均聚类系数衡量了网络中节点形成局部邻域的趋势。它通过将网络中三角形的比例除以给定网络大小的最大可能三角形数来计算。平均路径长度量化了网络中所有节点对之间的平均最短距离。在加权网络中,使用 Dijkstra 算法迭代计算每个节点到其他所有节点的最短路径。巨型连通分量指网络中最大的连通子图,其中所有节点都可以相互到达。为了确定巨型连通分量,我们识别网络中的所有连通分量,并选择节点数量最多的一个。社区检测用于识别彼此之间连接比其他节点更紧密的节点组。我们使用 Clauset 等人[21]的模块化最大化算法,结合使用 Python 中 NetworkX 软件包对连通分量进行广度优先搜索,以检测网络的社区结构。

度中心性衡量每个节点与其他节点之间拥有的边的数量。我们通过将其除以网络的最大度(即 n?1)来归一化度中心性。介数中心性量化了经过每个节点的最短路径数量,从而表明其连接其他节点的潜力。由于计算复杂性,我们使用 1000 个节点的随机样本估计介数中心性。随后该指标通过 (1/((n?1)(n?2))) 进行归一化,其中 n 是定向网络中的节点数量。接近中心性评估了一个节点在网络中访问其他节点的平均可达性。它作为源节点与其他所有 (n?1) 个节点之间平均最短路径长度的倒数来计算。特征向量中心性衡量了一个节点基于其与高连接节点的关系的重要性。该算法对每个节点进行迭代,直到特征值 λ 在邻接矩阵 A 中达到最大值时过程完成。

幂指数表明网络的度分布符合幂律分布的程度。使用 Python 软件包"powerlaw",我们计算网络的最优 α 指数。α 值在 2 到 3 之间表明网络的度分布适合幂律拟合,α 取值范围为 1 到 ∞。

4 结果
4.1 预设协作网络
表 2 展示了基于联邦的协作网络的结构特征。与 NRF(国家响应框架)一致,该网络包含 38 个代表 38 个组织的节点,由 635 条边相互连接。网络表现出高密度(δ=0.90)和高平均度中心性(≈33.42),表明广泛的互连性,每个组织在 ESF(应急支援功能)层级内与大约 33 个其他组织相连接。它显示出小世界拓扑,表现为高平均聚类系数(C=0.92)和低平均路径长度(L=1.15),表明存在去中心化的互动。此外,度分布(α=8.74)表明协调在各子集中均匀分配,而非由少数组织主导。总体而言,拓扑和描述性特征与基于联邦的协作网络的目标一致,促进了危机期间跨不同支持功能的协调。

州级协作网络,特别是南卡罗来纳州和佛罗里达州,与联邦网络相比更具层级性。佛罗里达州的网络显示出最高的节点和边数,涵盖了各类组织,包括非政府和行业协会,如 Volunteer Florida(佛罗里达志愿者组织)和 Florida Municipal Electric Association(佛罗里达市政电力协会)。低密度(δ=0.28)表明与德克萨斯州网络相比,连接较为松散,并包含四个不同的社区。最大社区主要由州级组织构成,而最小社区则包含专注于小企业和支持融资协会的组织。南卡罗来纳州的响应网络与佛罗里达州相似,而非德克萨斯州。其低密度(δ=0.37)和五个社区凸显了模块化结构,州政府部门和克莱姆森大学的院系发挥重要作用。克莱姆森大学的参与体现了研究机构与政府组织之间的合作。相反,德克萨斯州的响应网络因其规模更大、密度更高(δ=0.96)以及小世界特征而突出。高聚类系数(C=0.98)表明连接密集但可能冗余,导致平均路径长度较小(L=1.04)。德克萨斯州的网络涉及几乎所有组织共同合作,鉴于负责危机响应的组织数量少于南卡罗来纳州和佛罗里达州,这是必要的。

在构成地方预设网络的四个县中,查尔斯顿县的响应网络涉及的组织最多。使用[21]的算法检测出十一个社区,其中一个由县内的医疗中心组成,而最小的社区则专注于资源支持功能。阿兰萨斯县的响应网络拥有的独特组织数量最少,但密度最高(δ=0.65),表明所有实体之间的积极合作。检测出三个社区,其中一个以指挥和控制功能为中心,另一个以人类服务为中心。门罗县的响应网络包含四个社区,其中最大的社区涉及县级和非政府组织。幂律度分布(α=2.62)表明存在两个枢纽节点,而大多数组织的连接有限。湾县的响应网络显示出六个社区,其中最大的社区由参与指挥、行动、规划和后勤功能的实体组成。该网络不符合幂律(α=9.16)或小世界拓扑(C=0.89, L=2.57),呈现出不同拓扑的组合。

4.2 观测协作网络
观测响应网络的结构和拓扑特征因用于构建网络的数据源不同而有所差异(表 3)。在四次飓风事件中,基于 FEMA 任务分配(简称 FEMA-MA)的网络最小,其次是基于 FEMA 工作声明(简称 FEMA-SOW)的网络。

基于SITREPs构建的网络规模在三种数据源中最大。整个网络的凝聚力指标,包括密度、聚类系数和平均路径长度,均表明FEMA-MA网络呈现星型结构(即所有边集中围绕一个中心节点)。事实上,这些网络都以FEMA为中心节点,这与任务分配(Mission Assignments)的报告结构相符,即所有机构都必须就工作令和请求向FEMA报告。与此相关的是,星型结构还意味着各节点之间的聚类程度很低甚至为零,因为节点仅与中心节点相连。因此,中心节点具有最高的度中心性,但与中心节点相连的其他节点度中心性较低,导致网络平均度中心性偏低。因此,这种结构解释了所有FEMA-MA网络中节点之间的平均度中心性偏低的现象,即平均而言,一个节点仅连接另一个节点。幂律指数与星型结构也相符,表明与无标度网络拓扑拟合不佳。

FEMA-SOW网络在所有四起事件中的规模均持续大于FEMA-MA网络,同时显示出更高的聚类系数和更长的平均路径长度(表3)。与这些结构差异相一致,FEMA-SOW网络在所有飓风事件中的平均度均更高(MA:1.87–1.95;SOW:3.61–5.08),聚类系数也显著更高(MA:C=0;SOW:C=0.48–0.65)。尽管每份工作说明书(Statement of Work)都包含在特定的任务分配内,但FEMA-SOW中呈现的协作信息与FEMA-MA中所述的协作信息有显著差异,且更为细致。例如,在马修飓风的情况中(如图2所示),任务分配仅显示DOD与FEMA之间的一条边,而工作说明书则揭示了FEMA与佐治亚州之间、以及福特戈登与里士满县之间的额外边。这些额外的边存在的原因是有关于"供应行军床[商业物资]"的讨论。

图1。哈维飓风:基于(a)任务分配、(b)工作说明书和(c)SITREPs的既定网络与观测网络的重叠情况。节点和边的颜色:联邦重叠;州级重叠;地方重叠;无重叠。

图2。马修飓风:基于(a)任务分配、(b)工作说明书和(c)SITREPs的既定网络与观测网络的重叠情况。节点和边的颜色:联邦重叠;州级重叠;地方重叠;无重叠。

SITREPs网络规模相较于其他两种网络类型最大。尽管这些网络的密度较低,但高聚类系数和高平均度中心性表明网络相对凝聚,具有与FEMA-SOW网络相似的子群结构。两种网络类型在拓扑上也相似,其幂律指数表明对幂律度分布的拟合度相对良好。这意味着,尽管FEMA-MA网络在拓扑上呈星型,FEMA是唯一中心节点,而SITREPs和FEMA-SOW网络则呈现枢纽-辐条拓扑,即存在一组中心节点(枢纽)连接到许多度中心性较低的节点(辐条)。鉴于幂律度分布在现实世界网络中更为常见,这表明SITREPs和FEMA-SOW更能反映飓风响应期间实际发生的协作活动。

4.2.1 网络重叠

本节将研究结果分为三个部分,以突出既定网络与观测网络之间的结构相似性和差异:既定网络与观测网络之间的一致性:节点层面分析;既定网络与观测网络之间的差异:边层面分析;以及整体网络结构比较。

I. 既定网络与观测网络之间的一致性:节点层面分析。在局部和整体网络层面的网络比较显示,既定的政府响应程序与观测到的响应协作网络之间的相似性极小(如图1–4所示)。当存在相似性时,它们通常出现在联邦正式响应指南与实际响应网络之间,如图中的蓝色节点和边所表示。在节点层面,Jaccard和Salton指数均显示,联邦机构在实际响应网络中提及的频率最高,其次是州级机构,然后是地方机构。在马修飓风的工作说明书网络中,既定网络与观测网络之间存在18个节点(及边)的重叠。这种重叠表明,某些联邦机构,如FEMA、美国海岸警卫队、国防部、环保署和美国农业部,按照指南持续参与响应工作。然而,这些联邦机构之间的联系仅限于与FEMA的直接连接,表明在实践中它们之间的协作有限。此外,观测网络还捕捉到了非联邦指挥链中正式成员的自发性组织和社区。例如,在马修飓风中,工作说明书揭示了FEMA(联邦)与佐治亚州(州级)以及福特戈登(地方)与里士满县(地方)之间的额外协作,这些在任务分配中均未出现。这些自发的协作凸显了危机响应的动态特性,即非既定实体,无论来自政府哪个层级,都发挥着重要作用。

图3。艾尔玛飓风:基于(a)任务分配、(b)工作说明书和(c)SITREPs的既定网络与观测网络的重叠情况。节点和边的颜色:联邦重叠;州级重叠;地方重叠;无重叠。

图4。迈克尔飓风:基于(a)任务分配、(b)工作说明书和(c)SITREPs的既定网络与观测网络的重叠情况。节点和边的颜色:联邦重叠;州级重叠;地方重叠;无重叠。

II. 既定网络与观测网络之间的差异:边层面分析。既定网络与观测网络之间最显著的差异体现在边的层面上,表明实际互动与正式计划之间的差异。基于工作说明书的观测网络、基于SITREPs的观测网络与既定网络在所有政府层级上的边重叠均极少。这种差异表明,一些预期需要互动的组织在实践中很少彼此沟通。例如,在哈维飓风的SITREPs网络中,得克萨斯州公共安全部与地方级别的应急行动中心(如"泰勒EOC"和"康罗EOC")建立了连接,而这些在州级既定指南中并未列出。同样,在艾尔玛飓风的SITREPs网络中,尽管存在"佛罗里达州紧急管理司(FDEM)"和"环境保护部(FDEP)"等节点,但未发现任何边重叠。这些组织在响应指南之外建立了连接,表明现实世界的协作模式超出了正式规定的范围。尽管节点和边的重叠度较低,但基于SITREPs和SOWs的观测网络为了解政府管辖范围之外的实际协作提供了有价值的见解。例如,对马修飓风的SITREPs网络的分析揭示了非政府组织和国际响应机构之间(如"泛美卫生组织""海地卫生部"和"牙买加国家紧急行动中心")的重要协作边。这些互动在既定网络中未被捕捉,但在响应工作中起到了重要作用。SOWs与FEMA任务分配源自同一数据集,包含了一些任务分配未涵盖的机构。例如,在哈维飓风的SOWs网络中,我们发现"FHA疏散联络小组"与FEMA之间存在多次协作活动,这些在任务分配或联邦应急支持功能计划中均未提及。此外,"波多黎各IMAT/JFO"与环保署、FEMA和FDEM等各种联邦和州级机构之间的联系在应急支持功能计划中也不存在。

基于四起飓风事件的综合发现,特别是基于SITREPs的网络,这种不匹配主要是由政府外、信仰_based组织和国际组织的积极参与所驱动的,这些组织在联邦、州或地方既定文件中并未得到一致认可或提及。在艾尔玛飓风的SITREPs网络中以及哈维飓风的SITREPs网络中,私营部门和公用事业公司在提供援助方面表现活跃。例如,在艾尔玛飓风的SITREPs中,"佛罗里达电力与照明公司""杜克能源"和"坦帕电力"被反复记录停电数量和恢复时间线,横跨佛罗里达多个州,并注明"佛罗里达州有30,000名公用事业人员,佐治亚州有6,000人",这些通过私营部门"互助"安排运作,位于既定响应结构之外。值得注意的是,艾尔玛飓风的SITREPs还记录了加拿大公用事业队伍通过在亚特兰大与FEMA第四区域协调中心协调,支持佛罗里达电力恢复,这是一种国际响应联系,在SOW文件中并未出现。在哈维飓风的SITREPs网络中,我们也观察到能源领域的私营部门互助层:"CenterPoint Energy从Westar Energy、Duke Energy、KCP&L和阿拉巴马电力调用了超过800个互助资源",通过"东南部电力交易所"和"中西部互助小组"进行协调。

在迈克尔飓风的SITREPs网络中,信仰_based组织在非政府层中表现突出。例如,"第一五旬节教堂""圣约翰天主教堂"和"圣安德鲁浸信会教堂食品银行"被列为"食物和水分发站点"。此外,"墨西哥海滩"的"浸信会教堂"被注明为"提供医疗服务",而"福奇大道的圣约翰天主教堂"则被列为提供免费破伤风疫苗。这些组织在支持食物、水和基本医疗需求方面发挥了关键作用,但它们未被认定为关键组织,即使在地方既定结构中也是如此。

除了美国大陆范围内的观测响应联系外,我们还在艾尔玛飓风的SITREPs网络中观察到值得关注的国际协作,包括人道主义组织(如联合国儿童基金会、世界粮食计划署、人道事务协调厅、粮食及农业组织、国际红十字会与红新月会联合会)与多个国家红十字会协会(如安提瓜和巴布达、圣基茨、英属维尔京群岛)之间的协作。这些参与者作为活跃的合作者出现在观测网络中,支持物流、健康、粮食安全和保护等功能,但它们在既定网络中并不存在。

同样,在马修飓风的SITREP网络中,我们发现了"泛美卫生组织/世卫组织"与国际组织如无国界医生("Médecins Sans Frontières")、"乐施会"和"乐施国际救援机构"(Cooperative for Assistance and Relief Everywhere)之间的频繁协调提及。该网络还包括多个国家红十字会协会(如加拿大、西班牙、海地和牙买加红十字会)以及加勒比开发银行,在海地、牙买加、古巴、巴哈马和 Dominica 之间进行协调;这是一个美国任务分配和工作说明书未能捕捉到的国际响应网络。

III. 整体网络结构比较。除了节点和边层面的分析外,整体网络层面的拓扑和结构分析显示,既定的联邦和州级网络与观测到的响应网络之间相似性极小。唯一的显著相似性出现在马修飓风和迈克尔飓风中FEMA-SOW网络与其各自地方响应网络之间,以及SITREPs网络与艾尔玛飓风地方响应网络之间。这些地方网络与实际响应网络相似,因为它们也呈现出无标度拓扑并具有相似的平均度中心性,尽管网络规模较小。相比之下,州级和联邦网络非常密集且强连接,这可能无法准确代表现实世界的响应活动。

总之,研究发现表明,尽管既定网络勾勒出正式的互动关系,但实际危机中的观测响应网络展现了一种更具动态性和适应性的协作模式,涉及各种非既定实体。这凸显了响应指南需要更加灵活,并包容非传统响应者,以改善危机管理和协调。

5 讨论

本研究通过比较基于国家响应框架(NRF)应急支持功能附录和FEMA任务分配及局势报告的响应网络,考察了常规政府响应指南与非常规紧急事件实际响应之间的匹配程度。我们的发现中的一个关键见解是,代表正式响应指南的既定网络与反映灾难期间实际协作模式的观测网络之间相似性极小。这一发现对政策与实践的含义是,既定指南应更加灵活和适应性强,以适应非常规情况的动态特性。反过来,决策者可以利用我们的发现来识别实际响应偏离既定计划的方式和地点,并将这些知识纳入指南中,使其反映危机响应的现实情况。

节点层面重叠的分析显示,与州级和地方机构相比,联邦机构在观测网络中被提及的频率更高。这表明联邦机构在响应工作中具有更强的存在感和参与度。然而,尽管存在一些重叠节点,但观测网络中提及的、未包含在指南中的节点之间缺乏连接。

这表明,尽管某些机构在预设网络中被提及,但它们与政府指导方针中规定的其他机构之间的合作却是有限的。例如,如图 2 所示的马修飓风基于情况报告(SITREPs)的响应网络中,尽管美国国际开发署(USAID)被列入预设指南中,但它并未与任何联邦组织建立连接。相反,其连接主要与“巴哈马红十字会”、“牙买加红十字会”以及“格林纳丁斯国家应急管理局”相关。鉴于美国国际开发署在协调外国政府应对飓风破坏方面发挥的关键作用,这一发现是意料之中的。

此外,结果强调了任务分配(Mission Assignments)结合工作说明书(SOWs)和情况报告(SITREPs)在捕捉联邦机构间合作方面的重要性。任务分配与预设网络显示出最高的绝对重叠度,表明与 SOWs 和 SITREPs 相比,任务分配与常规响应指南的对齐程度更高。另一方面,SOWs 和 SITREPs 捕捉到了任务分配中未反映的合作情况,这表明需要全面的文档记录才能捕捉到机构间合作的全部范围。这一发现如表 4 和图 1–4 所示,均表明预设网络与观测网络之间的重叠可能由文档类型所塑造,而这反过来又反映了哪些组织被正式定位为有权请求和接收资源。对于迈克尔飓风,任务分配(MAs)和 SOWs 的重叠几乎完全集中在联邦层面(JacNodeSim 指标:6–8 个联邦节点;0 个州级节点;0 个地方节点),这是意料之中的,因为 MAs 和 SOWs 反映了获取联邦任务指派和采购能力的途径(例如,通过联邦应急管理局(FEMA)机制请求、授权、资助和记录工作的能力)[30]。因此,源自这些渠道的网络重叠倾向于偏向那些在联邦层面联系紧密且可能拥有更多资源的组织,而许多州/地方层面及面向社区的参与者则更一致地出现在 SITREPs 中,但由于较少整合到联邦资金/任务结构中,它们可能拥有较少的资源。例如,我们发现源自 SITREPs 的观测响应网络,尤其是针对马修飓风和尔玛飓风的数据,包含了超越政府管辖范围的协作信息。非政府组织(NGOs)和非美国本土的响应机构成为突出的合作伙伴,这表明了跨境合作和非政府伙伴关系在危机响应中的重要性。这些结果反映了一种运作现实:地方辖区和非政府组织是响应活动的核心,即使它们在像 MAs 或 SOWs 这样的联邦任务结构中并未得到同等程度的体现。这种模式还表明,合作的记录及支持往往是不均衡的:资源更丰富且与联邦有联系的参与者更有可能出现在 MA/SOW 的联系中,而许多在操作上至关重要的参与者(例如地方机构、非政府组织和社区组织)则在基于 SITREP 的协调中更为显眼。此外,还发现了州与县之间的协作,这强调了地方层级协调的重要性,而这些协作可能并未在预设网络中被明确捕捉。与此同时,跨层级的合作(例如州组织与地方组织之间)在我们的重叠分析中更难检测,因为预设网络是每次仅构建一个管辖层级(仅联邦、仅州或仅地方)。因此,许多在实际中发生的州 - 县联系(并出现在 SITREPs 等观测来源中)可能不会被检测为与单一层级预设网络的重叠,尽管它们代表了响应期间的跨层级协调。

总体而言,这些发现表明,当前的危机响应政策或许可以通过修订获益,以更好地使预设的响应结构与实地观测到的协作对齐,尤其是通过 SITREPs 所反映的协作。基于上述发现,我们提出了针对当前响应指南的三个改进领域。首先,响应指南可能需要更新,以纳入政府各级机构以及非政府机构、商业实体和志愿者组织在实际行动危机响应中提供的关键角色和资源 [6, 34, 53]。例如,在迈克尔飓风期间,我们发现联邦应急管理局(FEMA)与佛罗里达州内的多个地方和专业组织进行了广泛合作,例如与佛罗里达州律师协会青年律师分会合作设立“灾害法律服务热线”,以及将第一五旬节教堂作为“食物和水分配点”。FEMA 与巴拿马县(Panama County)和墨西哥海滩(Mexico Beach)等其他县的应急响应部门也有频繁的关联提及,这意味着 FEMA 的合作努力扩展到了多个地方辖区,促进了危机期间更加本地化和以社区为中心响应方法。然而,这些努力并未在任何预设计划或任务分配中被提及。相反,最为显著的是联邦层面 FEMA 与能源部(DOE)之间的关系,以及州层面与佛罗里达应急管理部(FDEM)之间的关系。这些差异对地方级和非政府机构有直接影响,预设计划中缺乏正式认可可能会阻碍这些机构未来与政府机构开展合作,也会限制它们为其努力所能获得的财政支持。对于改进与这些政府外部机构的协调,我们的建议是建立一个多方利益相关者工作组,其中包括当地企业、志愿者团体、非传统响应人员以及政府机构的代表。该工作组可以负责识别各实体的独特优势和资源,以及任何潜在的合作挑战或障碍。基于这些信息,工作组可以制定明确的指南,说明如何将这些实体整合到整体响应工作中,例如通信协议、角色与职责以及培训要求。

其次,与我们的第一个建议相关,应该建立正式的伙伴关系,并随之配套资金机制,以支持积极参与危机响应的非政府组织和地方组织。正如我们基于 SITREPs 的网络所示,这些实体通常提供关键的地面资源和支持,但可能缺乏必要的资金和正式认可,以在危机响应和恢复的后期阶段维持其努力。正式的伙伴关系还可以提高机构之间连接的效率。目前,预设网络,特别是在州级层面(例如,图 2 中德克萨斯州的网络)表现出高密度和聚集性,导致了显著的重叠和有限的新连接。我们预计,通过纳入联邦、州和地方机构之间的直接连接,类似于四次飓风响应中基于 SITREPs 的网络和基于 SOW 的网络中所观测到的枢纽辐射式(hub-and-spokes)结构,预设网络将能更好地适应非常规情况。除了正式的伙伴关系外,针对这些新增伙伴关系的资金机制也应得到改善,以确保所有涉及的实体都能获得财政支持,并有能力继续与政府机构开展协作。一个实际的例子来自哈维飓风基于 SOWs 的网络,该网络揭示了各种非联邦实体与 FEMA 之间至关重要的协作活动。例如,一项显著的合作涉及部署华盛顿保护团(Washington Conservation Corps)的资产(包括人员)到位于得克萨斯州登顿(Denton, TX)的 FEMA 国家处理服务中心,以支持哈维飓风后幸存者的登记和接收(如下引文 1)。确保这些实体能够获得必要的资金,可以增强华盛顿保护团等组织未来与政府响应机构有效协作的能力。

引文 1:部署华盛顿保护团资产(包括人员)到位于得克萨斯州登顿的 FEMA 国家处理服务中心,以支持哈维飓风后幸存者的登记/接收。
引文 2:所有地方、州及非国防部(DoD)的国家资产均已耗尽或没有能力满足此要求 [所有拖车已部署以支持向幸存者分配关键物资]。

同一网络中的另一个关键例子见于引文 2,它强调了对超出响应计划中规定的政府实体之外的增强资金机制的需求。这句话表明,政府机构在满足幸存者需求方面可能会耗尽能力,例如分配拖车以运送基本物资。在这种情况下,利用地方组织以及其他非政府实体(如引文 1 中的华盛顿保护团)并为其提供额外资金,可以帮助减轻政府实体的负担。

第三,模拟真实危机场景的训练和演练应得到更新并定期进行,以实践协作并识别计划响应结构中的潜在缺口 [22, 38, 55, 71]。这与 Kapucu 和 Van Wart [38] 强调持续学习和适应必要性的行动呼吁相一致,这些演练可以帮助机构基于从过去非常规事件(甚至可能是永不发生的事件)中学到的教训来完善其响应策略。与此相关,与非政府合作伙伴(包括当地企业、志愿者团体和其他非传统响应人员)共同进行的更新演练,可能有助于建立信任并确立清晰、协调的响应协议 [46, 47]。与此相关,并基于 Roud [55] 关于危机响应中集体即兴创作的研究,我们关于结构错配的发现表明,模拟演练应包含要求政府机构参与者与他们通常不合作的伙伴进行协调的情境。例如,演练可以要求与公用事业互助合作伙伴(例如修复团队和区域公用事业网络)进行协调,或利用宗教组织作为食物、水和基本医疗服务点,并与联合国机构、泛美卫生组织/世界卫生组织(PAHO/WHO)等非政府组织合作提供大规模照料支持。结合美国陆军研究所的“红披风”(Red Cape)危机响应训练指南 [71],我们期望这些模拟演练的可操作步骤是明确练习(1)“在必要时重新确定优先级”,以及(2)“利用所有可用资产”,因为运作现实是,随着新需求/情况的出现,响应工作会扩展到预设指南之外。在实践中,这意味着政府响应机构可能需要快速调整任务优先级(例如电力恢复、大规模照料、基本健康服务),并引入预设计划之外的可用合作伙伴,以满足紧急的地方需求 [25, 27, 70]。

总之,本研究中提出的发现和建议表明了寻找平衡的重要性:既要遵守既定计划和协议,又要保持适应性并响应每次危机的特定需求和挑战。当前的危机响应计划可以通过修订获益,以反映并纳入实际危机期间观测到的实地协作,例如地方组织(包括非政府组织、公用事业公司以及宗教组织)广泛参与提供超出政府能力的人员配置和响应服务。

6 结论与未来工作
在本研究中,我们利用预设的政府响应常规流程以及来自不同来源的观测非常规响应网络数据,分析并比较了应对四场重大飓风期间协作网络的结构和拓扑特征。我们的发现表明,实际响应网络根据数据来源的不同,呈现出多样的结构和拓扑特征,其中 FEMA-MA(任务分配)网络在拓扑上呈星形,而 FEMA-SOW(工作说明书)和 SITREPs(情况报告)网络则呈枢纽辐射式拓扑。我们还在地方层面和全网络层面发现,预设的政府响应常规流程与观测响应网络之间的相似度极低,仅在马修飓风和迈克尔飓风中,FEMA-SOW 与地方响应网络之间存在显著相似性,以及在尔玛飓风中,SITREPs 与地方响应网络之间存在显著相似性。其次,我们的研究设计和发现也强调了在分析危机响应期间观测到的协作网络时,考虑多种数据来源的重要性。每个数据来源可能提供不同类型的协作信息;例如,在 SITREPs 网络中,存在非政府组织与企业之间的协作活动,而这些活动在基于 FEMA 的网络中并未被捕捉到。这些发现表明了考虑多种数据来源以全面理解危机响应期间协作的重要性,并强调了正式响应计划与实际实地协作之间需要更好地对齐,以增强响应规划和有效性。

本项研究存在若干局限性,将在未来工作中加以解决。首先,我们的发现局限于这些网络之间的结构差异和相似性,但我们目前尚无法确定特定的网络结构是否会导致更有效或较无效的响应。为了改进我们的网络比较并捕捉更多可能因预设网络每次仅指定一个管辖层级而错过的重叠,我们将纳入由领域专家标注的额外训练数据。具体而言,我们将通过与危机响应人员合作,验证我们发现的实用性,并评估推断出的网络是否反映了真实的响应过程。

我们目前正在与帕斯科县应急响应中心合作,并获取了他们在 2022 年飓风伊恩期间的情况报告(SITREPs),以将我们的网络模型与实际操作文档进行交叉验证。我们的研究还受到数据的限制,这些数据专门针对飓风应对,因此可能会限制我们的发现对其他类型自然灾害的普遍适用性。我们旨在纳入 OpenFEMA 数据集中也包含的其他类型危机,例如地震、野火和洪水。向其他类型危机的扩展还将使我们能够验证观察到的结构模式在不同危机场景下是否一致。为了扩大我们研究结果的适用范围,我们还将分析美国以外各种国际背景下类似的危机应对框架。这将涉及考察其他国家类似危机管理机构的角色,例如加拿大公共安全部、印度国家灾害管理局和澳大利亚国家紧急管理局。这些比较案例将使我们能够验证我们的发现和建议在不同的政府结构和危机管理政策下是否同样成立。最后,我们旨在除局部和整体网络结构外,通过还分析子群体结构来揭示不同网络间是否存在共享社区,从而纳入网络相似度的额外度量指标。这种方法将使我们能够识别跨多个数据源协作的机构集群,并考察为何这些特定的集群存在,而其他集群则不存在。

致谢

我们感谢 Yi-Yun Cheng 博士对本手稿草稿提出的宝贵反馈。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号