近几年,我国灾害事故和突发事件频发趋势越来越显著,给国家带来了巨大的经济损失,给人民群众的生命和财产安全造成了极大危害。灾害发生时及时展开紧急救援,减少人员伤亡是应急救援的第一要务,合理分配救援的人力、物力是实施高效救援的前提。有序和高效地进行地理信息的统一获取、快速处理和及时提供,可以让我们充分掌握应急区域的现场情况,合理部署军队、武警等专业救援力量。根据应急指令奔赴现场开展应急救援,能提高应急救援的效率,最大限度地挽救人民群众的生命和财产安全。为了解决应急条件下如何计算受灾人口的问题,本文构建了基于手机信令数据的应急条件下受灾人口计算模型,通过对聚类算法的研究,提出了基于DBSCAN与k-means结合的聚类算法,将聚类算法应用于应急条件下受灾人口的计算,提高了应急条件下受灾人口计算的效率,并以洪涝灾害为例,将通过本文方法得到的受灾人口数据进行应用。(1)根据手机信令数据的获取方式,结合手机信令数据的时空特征,对手机信令数据进行格式处理、数据清洗等一系列预处理,得到质量较高的海量手机信令数据,并对手机信令数据进行空间化处理。(2)根据密集型点数据的处理方法,提出了基于DBSCAN与k-means结合的聚类算法,并且从运行时间、聚类质量、聚类点位精度三个方面进行分析。(3)将DBSCAN与k-means结合的聚类算法应用于应急条件下受灾人口的计算,并且对使用聚类算法计算灾区人口的结果进行分析,主要从计算时间和准确性两个方面进行分析。(4)针对现有的人口计算模型已经无法满足应急条件下计算受灾人口的需求,提出了应急条件下受灾人口的计算模型,将聚类算法、应急条件下受灾人口的计算模型作为理论支撑,设计并实现了原型系统。利用本文方法可以在灾害发生的第一时间快速、高效地对灾区的受灾人口进行估算,并将其应用于灾害救援等级评估等方面,为应急救援决策提供科学的建议。