Nov, 2023

应用因果模型研究气候变化引起的人类迁徙模式

PDF
TL;DR本文提出了一种创新方法，通过建模和不平衡评估工具的组合，来解决与危机管理相关的移民危机问题。通过利用深度学习进行预测，并通过贝叶斯网络集成因果推理，此方法使得能够评估社会技术景观中的不平衡和风险，为明智的决策提供了重要见解。通过这个框架，可以分析关键系统，了解移民水平的波动如何影响它们，从而促进有效的危机治理策略。
mass migrationcrisis induced by climate changesocial infrastructuredeep learningcrisis governance strategies
发现论文，激发创造
  • 模拟认知偏差对移动转型的影响

    本文研究气候变化导致的人类适应问题，以日常出行（工作上下班）为例，通过设计简易互动模拟器，探讨人类认知偏差在出行方式选择中的作用，报告了三个模拟器及其应用，旨在引发人们对未来出行方式的思考，目前正在进行用户调查以评估其影响。

    Feb, 2023

  • 多尺度移动网络与传染病大规模传播

    本文研究人类移动性在感染病毒建模中的重要性，并通过分析 29 个国家的移动数据和构建重力模型，以及将短程通勤流纳入全球疫情结构化流行病模型中，证明通勤流的引入会影响到疫情在近距离群体中的传播，但对全球模式的影响相对较小。

    Jul, 2009

  • 气候变化因果关系的概率

    本文提出了用基于因果反事实理论的方法来研究气候变化与人类活动的联系，绘制温度变化的轨迹可以有效地推断相关温室气体排放是否由人为引起，并有望通过这种方法更好地评估气候变化因果关系的概率。

    Nov, 2017

  • 异质社会系统中疾病传播的因果推断

    通过新提出的潜在影响点过程模型 (Latent Influence Point Process，LIPP) 来量化传染病在人口密集地区的内部动态对事件发生的反馈（触发区域性爆发疫情的前期病例存在的可能性），并研究了昆士兰州 15 年的登革热病例，发现爆发主要由州间全局扩散所驱动，而密集地区的疫情受到前期流行病的缓慢而持续的反馈，而边缘区域的疫情则受到快速但不稳定的反馈。该模型揭示了不同组之间的直接和间接扩散过程以及基于接触和向量传播疾病的概率因果关系。

    Jan, 2018

  • 21 世纪重大疾病爆发建模：因果方法

    通过统计分析和数据填补技术，我们发现全球发展指标与疾病爆发之间的因果关系，同时识别出最重要的与疾病爆发相关的发展领域。

    Sep, 2021

  • 气候影响建模框架

    这篇论文介绍了一种基于云技术的模块化框架，能够实现气候影响模型的部署和操作，以评估自然灾害等气候影响对社会和企业的风险，具有互动性，可扩展性和灵活性。其中，洪水模型被用作一个示例来演示该框架的操作。

    Sep, 2022

  • 一种因果发现方法：学习城市形态如何塑造跨洲可持续流动性

    全球可持续性要求低碳城市交通系统，通过充足的基础设施、低碳交通方式的部署和出行行为转变来塑造；为了适当地实施基础设施的改变，必须理解建成环境对交通的区域特定因果关系机制的影响。本研究使用因果发现和可解释机器学习框架，利用三大洲六个城市的高分辨率出行数据来检测城市形态对市内交通的影响，并发现距离市中心、人口统计数据和密度间接影响其他城市形态特征；通过考虑因果关系，发现不同城市的具体影响力基本相似但存在差别。此外，城市的扩张程度和工作的覆盖范围对交通排放是最有影响力的因素，凸显了紧凑城市发展及相关好处的重要性。不同城市的城市形态效应的差异需要更全面的 6D 度量标准定义。我们的研究是使用因果发现方法进行就地分析城市形态对移动行为影响的起点，对城市规划者和各大洲的市政当局具有重要价值。

    Aug, 2023

  • 一个用于完全可解释的出行行为分析的深度因果推理模型

    CAROLINA 是一个明确模拟旅行行为因果关系、提高预测准确性并保持可解释性的深度因果推论模型，通过深度学习和传统离散选择模型相结合，在虚拟现实行人过街行为、伦敦的出行偏好行为以及合成数据等案例研究中展示了我们提出模型在揭示因果关系、预测准确性和评估政策干预方面的有效性，结果表明能够减少行人压力水平的干预机制会导致等待时间缩短的人数增加 38.5%，而在伦敦减少出行距离会导致可持续出行方式的增加 47%。

    May, 2024

  • 评估人道援助对粮食安全的影响

    气候变化引起的干旱给脆弱地区的粮食安全带来严重威胁，需要紧急的人道援助。本文介绍了一个用于非洲之角地区的因果推断框架，旨在评估现金援助对粮食危机的影响。我们的贡献包括确定粮食安全系统内的因果关系，协调全面的数据库，并估计人道主义援助对营养不良的因果效应。我们的结果显示没有显著影响，可能是由于样本容量有限、数据质量不佳以及因我们对食品安全等多学科系统的有限理解而导致的不完美因果图。这凸显了需要加强数据收集，与领域专家一起完善因果模型，以实现更有效的未来干预措施和政策，提高人道援助的透明度和责任。

    Oct, 2023

  • 气候变化对农业土地适宜性的影响：可解释的基于机器学习的亚欧案例研究

    通过机器学习方法预测气候变化对农业土地适宜性的风险，以应对全球范围内的粮食短缺和社会冲突。

    Oct, 2023