Wie das INSIGHT Projekt #extreme @Wetterphänomene beobachtet

Social Media stehen im Mittelpunkt vieler Organisa­tionen im Bevölkerungsschutz und vieler Wissenschaften, seit sie eine große Quelle von Informationen darstellen und die Entwicklung von Anwendungssoftware mit großen sozialen Auswirkungen ermöglichen. In der letzten Zeit werden Daten aus Twitter in vielfältigen Programmen verwertet mit dem Ziel, das Katastrophenmanagement zu verbessern.

Ein Beispiel ist das EU-finanzierte INSIGHT Projekt („Intelligent Synthesis and Real-time Resonse using Massive Streaming of Heterogeneous Data“), welches das Ziel hat, die Effektivität und Effizienz von Katastrophenmanagement mit der Nutzung von Massendaten zu ergänzen. In diesem Artikel werden die Potentiale von Twitteranalysen anhand von zwei Extremwetterszenarien demonstriert.

Hochwasserbeobachtung in Großbritannien

BBK, Twitter, Tweets, Lageanalyse, Social Media

Abb. 2: Automatische Identifizierung von Gebieten, die durch den Sturm ähnlich betroffen waren.

Früherkennung von Wettervorfällen sowie die Beobachtung von betroffenen Gebieten sind Meilensteine bezüglich der Hilfeleistung und Zuweisung von Hilfsmitteln. Interessante Ergebnisse ergab eine Fallstudie über Hochwasser in Großbritannien im Januar 2014. Aus dem Hochwassergebiet wurden Tweets gesammelt, wobei die GPS „Fußabdrücke“ und die Inhalte der Tweets beachtet wurden. „Clustering“ (Gruppierung) ist eine Technik, bei der Gebiete mit ähnlichen Eigenheiten zusammengefasst werden. Mit dieser Technik ist auch die geographische Verteilung der Tweets vom gesamten Gebiet eingruppiert worden. Diese Analyse ergab die Möglichkeit, durch Twitterdaten die betroffenen Gebiete zu visualisieren und zu bewerten. Experten bestätigten die Effizienz dieser Methode, nachdem sie sie mit dem verglichen hatten, was gemäß den Informationen vom U.K. Met Office tatsächlich passierte.

Eine andere interessante Beobachtung war, dass Gebiete mit ähnlicher Extremwetterlage (wann fing es an, wann war der Höhepunkt erreicht und wann ließ es nach – s. Abb. 1) ähnliche Trends in den hochwasserrelevanten Tweets zeigten. Für diese Analyse wurden Flächen- und Zeiteigenschaften für jedes Gebiet aus den Twitterdaten entnommen, zum Beispiel: Wie viele hochwasserverbundene Tweets gibt es heute in diesem Gebiet im Vergleich zu gestern?

Beobachtung von Stürmen in ­Deutschland

Eine ähnliche Analyse ist auch für Deutschland gemacht worden. Für die Analyse ist ein Daten-Set von georeferenzierten Twitternachrichten, die den Sturm Christian bzw. St. Jude Sturm am 27. bis 29. Oktober 2013 betreffen, verwendet worden. Das Ziel war, das Potenzial der Beobachtung von einem großflächigen Phänomen durch die Analyse von sozialen Medienströmen zu evaluieren.

Von allen hochgeladenen Twitternachrichten in Deutschland in diesem Zeitraum sind die potentiell relevanten Nachrichten, selektiert durch Stichworte die Extremwetterfälle andeuten, ausgewählt worden. Nur 491 Nachrichten wurden gefunden. Diese Social Media-Strömung wurde in der Fläche sowie in der Zeit nur spärlich genutzt. Im Allgemeinen laden die Twitternutzer in Deutschland viel weniger Twitternachrichten hoch als die Nutzer in Großbritannien. Für diese Fallstudie waren Bodendaten vorhanden, die aus Informationen von Massenmedien und Erfahrungen von Wissenschaftlern bestanden. Ein durch das Projekt INSIGHT entwickeltes Visualisierungshilfsmittel wurde verwendet, um die Twitternachrichten zu analysieren und nach Fläche und Zeit einzugruppieren. Dies bedeutet, dass die Nachrichten, die nah aneinander lagen und in der gleichen Zeit hochgeladen worden waren, in der gleichen Gruppe eingruppiert worden sind. Danach wurde geprüft, ob die bemerkten Gruppen im gleichen Gebiet lagen wie das betroffene Gebiet und ob die angegebenen Zeiten übereinstimmten mit dem Zeitraum des Sturms im betroffenen Gebiet. Das Visualisierungshilfsmittel zeigte keine signifikanten Ergebnisse in Deutschland am Sonntag, den 27. Oktober 2013. Es gab nur eine kleine Gruppe von Twitternachrichten in Berlin. Die Inhalte dieser Nachrichten enthielten nur zeitweise einige der Stichworte oder sie referierten zu den Katastrophenfällen in Großbritannien und den Niederlanden.

Wie am Tag davor gab es am 28.10.2013 eine Gruppe in Berlin, aber die Nachrichten referierten nicht zu der Lage in der Stadt. Eine ähn­liche Gruppe trat auch in München auf. Die Gruppe in Frankfurt enthielt überwiegend Nachrichten über durch den Sturm verursachte Flugverspätungen oder Turbulenzen beim Landen auf dem Flughafen. Die übrig gebliebenen Gruppen und deren Entwicklung korrespondieren zum Weg des Sturms über Deutschland: Der betraf erst West-Deutschland und bewegte sich in nordöstliche Richtung nach Schleswig-Holstein, Niedersachsen und Hamburg, wo die größte Gruppe gefunden wurde. Am nächsten Tag war der Sturm vorbei. Eine kleine Gruppe trat noch in Hamburg auf: diese Nachrichten bezogen sich auf den Sturm am Tag zuvor.

BBK, Twitter, Tweets, Lageanalyse, Social Media

Abb. 3: Zeitverlauf von Tweet-Gruppen, die mit dem Sturm Christian verbunden sind. (Bilder: BBK)

Erkenntnisse

Diese Fallstudie zeigt die Möglichkeit von den Hilfsmitteln des Projektes INSIGHT, um signifikante Gruppen in einer dünnbesetzten Social Media-Strömung aufzuspüren. Es betont auch die Notwendigkeit, die georeferenzierten sozialen Mediendaten behutsam zu nutzen, wenn man diese Daten beim Suchen nach Extremvorfällen oder betroffenen Gebieten verwendet.

Erstens, die Position der Twitternachrichtenquelle kann trügerisch sein, weil die Twitternutzer auf Vorfälle reagieren, die irgendwo anders passieren. Zweitens, die Gruppen von Twitternachrichten treten meistens in dichtbevölkerten Gebieten auf. Die Größe der Gruppen kann verbunden sein mit der Größe der Bevölkerung in einem Gebiet. Dadurch ist es möglich, dass der Ernst der Lage im betroffenen Gebiet nicht signifikant ist.

Die Erfahrungen im Projekt INSIGHT zeigen das große Potential von Social Media im Katastrophenmanagement. Allerdings ist dies nur eine Informationsquelle. Moderne Städte und Länder nutzen mehrere Datenquellen wie Sensoren, Verkehrsmittel, Mobilfunk, etc. Die Zukunft von Lagebeobachtung im Katastrophenfall liegt in der Analyse und der Kombination von heterogenen Datenströmen.

Relevante Veröffentlichungen

  • Saravanou A., Valkanas G., Gunopulos D., Andrienko G., „Twitter Floods when it Rains: A Case Study of the UK Floods in early 2014“, SWDM‘ 15 (WWW’15 Workshop)
  • Andrienko, G. Andrienko, G. Fuchs, S. Rinzivillo, HansDieter
  • Betz, “Real Time Detection and Tracking of Spatial Event Clusters”, ECML/PKDD, 2015, Demo

Aufmacherbild: Meist betroffene Gebiete, wobei verschiedene Tweets genutzt wurden (totale Anzahl an Tweets, totale Anzahl von hochwasserrelevanten Tweets, hochwasserrelevante
Tweets-Ratio (SNR)). Rechts, eine Karte mit den tatsächlichen Niederschlägen. (Bild: BBK)

Sylvia Steenhoek, Gennady Adrienko, Natalia Adrienko, Ioannis Katakis, Antonia Saravanou, George Valkanas, Dimitrios Gunopulos, George Fuchs, Hendrik Stange

Anschrift der Verfasser:
Akademie für Krisenmanagement, Notfallplanung und Zivilschutz
Ramersbacher Straße 95
53474 Bad Neuenahr-Ahrweiler
Tel: 0228/99550-5221
E-Mail: insight@bbk.bund.de