| 廣告聯系 | 簡體版 | 手機版 | 微信 | 微博 | 搜索:
歡迎您 游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

首頁

溫哥華資訊

溫哥華地產

溫哥華教育

溫哥華財稅

新移民/招聘

黃頁/二手

旅游

美東颶風: 從省錢妙招到颶風悲劇 法拉盛台階上的華人


請用微信 掃一掃 掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊 發送給朋友分享到朋友圈,謝謝!
法拉盛街景


住在法拉盛

許多在新澤西州、康州或賓州打工的人,雖然可睡在餐館的樓上或附近,但還是把紐約當成他們的家,兩周一次或一個月一次要乘車回到紐約,享受一下周末休息的時光,在法拉盛購物,聚友吃飯,把這當作是給自己“充電”。


大多數人回紐約來就租住在法拉盛地區的私人小旅館。雖然不合法,但需求實在多。不少華人房東悄悄把自己的公寓改裝成一個個用簾布隔開的房間,放進好幾個單人床,按鋪位出租。這種小旅館不敢堂而皇之地登報做廣告,只在只有華人口口相傳的網站上發信息,或只給熟悉的人其私人電話。從前一天10元、12元一個鋪位。現在什麼都漲,一個鋪位都漲到25元或30元以上一夜了,即使這樣,能訂到就算是幸運的了。

法拉盛台階上經常坐著幾位開出租車的司機。由於獲取黃色出租車的執照太昂貴,他們經常和人合開一輛出租車。兩班制的每人各開12小時,有的是三個人三班倒,人歇出租車則日夜不歇。不少人租住法拉盛民居的地下室,這種房子相對便宜,房東一般自己不住。那就給了聰明的司機和打工人一個機會:如一間地下室一個月租金三百元,那就一張床分班頭睡,上班的人讓給下班的人,租金平攤。有人坐在台階上就是等著占據那個床的人上班去了,床空下來才可以進去睡。這是他們又一個省錢的辦法。

這些地下室常常沒有窗子,缺乏陽光,也較憋悶。但為了省錢和生存,人們還是忍了。地下室的室友因環境艱苦,使他們之間有了一種共情,多年以後即使各自分開了再碰到,也會伸手幫助。如一方是在餐館裡打工的,總是趁著打烊前給前室友的塑料盒裡多裝幾個鍋貼或餃子。不知那些在國內收到美國親人寄回家的錢的人,有沒有想象過這些錢是怎樣省吃儉用存起來的。



法拉盛的“皇後區圖書館”


雖然政府起先不允許房東出租地下室。但由於紐約市住房實在緊張,怕造成更多人無家可歸,市政府同意先在布魯克林區做試點,房東在符合某些規定的情況下可以出租地下室。既然那個區能出租,其他幾個區的房東也紛紛效法。

在法拉盛有位89歲的老人,他原先是武漢的一名建築工程師,與妻子和女兒以旅游來美,滯留在紐約。老兩口沒什麼掙錢能力,靠女兒打工維持全家生計。他們為了省一半多的錢,租住了一間20平方米的地下室(也要800美元一月呢),生活極其拮據。


2021年9月1日,“艾達”颶風席卷紐約。暴雨傾盆。蒼天像裂了大口子,直接倒大水到地面。由於城市排水能力跟不上,半夜裡洶湧的倒灌水沿著樓梯奔流直下,十分鍾內水位迅速升高到兩米以上。等地下室裡面的人從睡夢中驚醒,怎麼用力也推不開門了。原來門被外面沖倒的雜物堵住了。這家人又沒有窗子可以逃逸,雖有呼救,鄰居也報了警,奈何救援車因水位高開不進去,等沖鋒舟劃到,一切都已晚了。一家三口相擁溺亡,場景慘烈。真不敢想象他們當時經歷了怎樣的絕望!

那次颶風共有13人遇難,其中在地下室溺亡的就有11人,多數是移民。玉華聽了這個故事,張開的嘴半天合不上。

小張的故事

台階上還有一位瘦高個男子姓張,戴著一副秀朗架眼鏡,看上去很斯文的樣子。他的故事只肯講給一兩個好友聽。

他是南京人,原先在單位裡是法律顧問,領導器重,說話有些分量。他的妻子是芭蕾舞演員。本來生活還算美滿,但不幸的是,他老婆得了腎病,從此告別舞台。後來她幾乎每一兩個星期就要做一次透析,不然就會死亡。由於透析費用極高,單位收益不好,承受不了,不給報銷了。那時在國營企業拿固定工資的小張哪裡出得起這錢?他的單位要進口一條流水線,就派他到美國來。他成功地買到流水線並運到南京去了,私下卻拿了約三萬元的回扣。心虛的他不敢回去了,在當時這可算是一筆巨款呢!同時他家裡還需要錢,他就留在紐約打工賺錢,然後偷偷把錢寄回家。
點個贊吧!您的鼓勵讓我們進步     好新聞沒人評論怎麼行,我來說幾句
注:
  • 新聞來源於其它媒體,內容不代表本站立場!
  • 在此頁閱讀全文
    猜您喜歡:
    您可能也喜歡:
    我來說兩句:
    評論:
    安全校驗碼:
    請在此處輸入圖片中的數字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西網為北美中文網傳媒集團旗下網站

    頁面生成: 0.0260 秒 and 3 DB Queries in 0.0010 秒