Utilizando Twitter para medir el impacto de un terremoto casi en tiempo real

En Twitter sabemos que la velocidad de los Tweets puede llegar a ser tan rápido como el de un terremoto y teníamos la curiosidad de saber la exactitud de esta correlación. Por ello, decidimos colaborar con investigadores de Stanford para crear mapas de terremotos (ShakeMaps) más precisos gracias a los Tweets que se generan.

Los mapas de terremotos (ShakeMaps) proporcionan mapas en tiempo casi real del movimiento de tierra y la intensidad tras terremotos significativos. Estos mapas son utilizados tanto por organizaciones locales y nacionales, públicas y privadas, para la gestión de crisis post-terremoto, proveer de información científica y gestionar futuros ejercicios de planificación y socorro en casos de terremoto.

Actualmente, los ShakeMaps los produce el U.S. Geological Survey (@USGS). Minutos más tarde de un terremoto, esta organización crea un ShakeMap combinando la información de los sensores sísmicos, ecuaciones de predicción de movimiento de tierra y factores de corrección geológica. Estos mapas son actualizados continuamente mientras llega la información, incluyendo datos de usuarios como los que se recaban con encuestas de preguntas tipo ‘¿lo has sentido?’ a personas mediante encuestas online.

Para mejorar la precisión de los ShakeMaps, decidimos analizar los Tweets geolocalizados que contenían las palabras ‘terremoto’ y ‘tsunami’ en diferentes idiomas y que se habían generado los 10 minutos siguientes a terremotos de magnitud 6 o más en Japón entre 2011 y 2012. Encontramos que el modelo de mapa con menos errores son los que incluyen una combinación de información geológica del terremoto y la información generada en los Tweets: como las condiciones locales, la distancia al epicentro y el número de Tweets en un radio establecido.

La Figura 1 muestra la actividad de Tweets tras un terremoto significativo. De esta información, pudimos generar 8 señales únicas basadas en Tweets incluyendo: el número de Tweets, media de indicios, media de caracteres utilizados, media de la palabra clave ‘terremoto’ como primera mención, media de número de exclamaciones, media de número de guiones y la media de algunos signos en japonés. Con estas señales, creamos diferentes modelos, incluyendo una regresión lineal simple, una regresión elástica neta y otro tipo de regresiones. Para más información puedes leer este informe (en inglés) que presentaremos en el National Conference on Earthquake Engineering.

Referencias:
Rapid Estimate of Ground Shaking Intensity by Combining Simple Earthquake Characteristics with Tweets
Mahalia Miller, Lynne Burks, Reza Zadeh
Décima conferencia Nacional de USA sobre Ingeniería de Terremotos