EN中文

Journal of Geo-information Science >

2017 , Vol. 19 >Issue 2: 185 - 196

DOI: https://doi.org/10.3724/SP.J.1047.2017.00185

Orginal Article

Rationality Assessment of the Spatial Distributions of Urban Medical Facility

  • DING Su , 1 ,
  • CHEN Baozhang , 1, 2, *
Expand
  • 1. College of Environment and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China
  • 2. State Key Laboratory of Resources and Environmental Information System, Institute of Geographical Sciences and Natural Resources Research, Chinese academy of sciences, Beijing 100101, China
*Corresponding author: CHEN baozhang, E-mail:

Received date: 2016-04-07

  Request revised date: 2016-05-19

  Online published: 2017-02-17

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

With the development of economy and the improvement of living standards, urban residents pay more attention on health and medical facilities play a more and more significant role in public facilities. The continuous urban expansion make the distribution of medical facilities cannot meet the requirements of the size of the city. Thus, it is necessary to research on how to distribute medical resource reasonably and to fulfill residents′ requirement to the most extent. In this study, based on the spatial analysis of GIS, we established the database of urban traffic network, distribution of medical facilities and the population according to relevant statistical data for the downtown of Wuhan city. We also evaluated accessibility and equity of spatial distribution of medical facilities in Wuhan. The accessibility of medical facilities in downtown Wuhan was evaluated using the evaluation method of geographical spatial accessibility and the cost model of travel time based on traffic network. The assessment shows that the convenience to medical services is generally good in Wuhan, distributing radially around Yangtze and Hanjiang River. By introducing demand index, medical institution scale, regional population and per capita disposable income, the equity of medical service system was evaluated using the Gini coefficient, spatial correlation and spatial stratified heterogeneity. It indicated that the distribution of medical institutions in Wuhan is reasonable from the aspect of population distribution. Medical institutions are mainly distributed in the area of dense population while the distribution of medical institutions is comparatively rare in suburban area. The advice was proposedto improve the distributions of medical facilities. In suburban area where traffic is underdeveloped, medical conditions should be taken more considerations in city planning in order to improve the distribution of urban medical facilities.

Key words： GIS; medical facilities; accessibility; equity; Wuhan city

Cite this article

DING Su , CHEN Baozhang . Rationality Assessment of the Spatial Distributions of Urban Medical Facility[J]. Journal of Geo-information Science, 2017 , 19(2) : 185 -196 . DOI: 10.3724/SP.J.1047.2017.00185

1 引言

医疗设施是城市中最重要的公共设施之一,也是评价城市发展水平的重要标准。城市医疗设施空间分布的合理与否直接影响到居民生活质量。当前中国正处于城市化进程加速阶段,利用GIS空间分析技术评估城市医疗卫生等公共设施空间布局的合理性,进而为城市发展决策提供依据,具有十分重要的研究和应用价值[1]。
空间可达性和公平性测度是分析公共服务资源空间分布是否合理最常用的方法[2-4]。不同学科领域对于可达性定义存在角度差异,一般意义上可达性表示由一点到达另一点的容易程度,而空间可达性更多关注可达性的空间属性[4-6]。公平性是公共服务设施的本质属性之一,公共服务设施的空间公平性体现在其空间可达性和空间可用性2方面[2]。通过公共医疗服务设施空间可达性和公平性分析实现资源优化配置决策一直是人文地理研究的热点之一。
针对公共医疗设施空间分布合理性评估分析,近年来,国内外学者利用GIS空间分析方法做了大量工作。张琦等[1]通过对西安市高等级医院交通可达性测评,发现西安市已形成较好服务于老年人群就医出行的高等级医院交通可达性空间格局。王远飞等[7]利用GIS技术建立引力多边形的服务域分析方法,评价分析了上海市浦东新区医院空间布局。宋正娜等[4]以江苏省如东县为例改进潜能模型对当地居民就医空间可达性和缺医地区分布进行了评估。侯松岩等[8]采用GIS网络分析法,以最短可达时间和公共交通的服务频次作为评价指标,探讨了长春市各居住小区和医院之间的可达性的时空分布特征。陈晨等[9]基于交通网络中心性对长春市大型综合医院空间可达性作了评估。Alegana等[10]利用潜能模型对Namibia北部地区5岁儿童发烧时卫生设施的利用率进行了分析。Love等[11]以机会累积模型分析了Illinois地区老年人口到达医院的便捷程度。此外,近年来许多研究者在GIS空间分析技术支持下对中国不同地区医疗设施空间可达性作了评估分析,对城市发展中医疗设施优化配置起到了一定指导作用[12-15]。
本研究利用GIS空间分析方法评估武汉市医疗卫生服务设施空间分布合理性。首先,利用交通道路网、人口分布以及医疗设施空间分布信息评估了居民日常就医交通可达性;其次,通过引入医疗机构规模、区域人口等指标,利用需求指数、空间相关性及空间分层异质性等概念,对武汉市医疗服务机构空间分布公平性进行了评价。

2 研究区与数据源

2.1 研究区

武汉市是湖北省省会,地处113°41′~115°05′ E,29°58′~31°22′ N（图1）,是中国中部地区的中心城市,总面积约为8494 km2,2014年年末武汉市常住人口约为1033.80万人。武汉市下辖13个区,其中江岸区、江汉区、硚口区、汉阳区、武昌区、洪山区、青山区7个为中心城区,东西湖区、蔡甸区、江夏区、黄陂区、新洲区、汉南区6个为新城区。本研究以武汉市主城区为例,即主要为三环线以内区域,包括武昌区、青山区、汉阳区、硚口区、江汉区、江岸区、洪山区（部分）、东西湖区（部分）、蔡甸区（部分）,面积约为899.87 km2。医疗设施数据以《武汉市综合医院名录（2007年）》为基础,人口数据根据各街道人口统计数据及武汉市住宅区分布图分别得到人口数量及其空间分布数据（图1）。根据武汉市统计信息网发布的《武汉统计年鉴2014》,武汉市主城区卫生机构2764个,其中医院、卫生院242个,社区卫生服务中心126个,卫生防疫、防治机构25个,妇幼保健院、所、站17个。卫生事业床位数66 563张,比上年增加4385张,其中医院病床55 076张。卫生技术人员数72 164人,比上年增加4152人,其中医生27 386人,护师、护士31 136人。平均每千人拥有医生3.3人,拥有医院病床7.12张[16]。

2.2 数据源

本研究使用的数据包括基础地理信息数据和社会经济统计资料。其中,基础地理信息数据包括2013年武汉市1:1000基础地理信息数据和住宅分布图;社会经济统计资料包括《武汉统计年鉴2014》[16]以及武汉市各区统计年鉴和国民经济和社会发展公报。
2.2.1 道路交通数据
根据出行方式的差异和车辆在不同道路上行进速度的不同,本研究将交通网络分为6类：不能行车区域、街区道路、主要道路、快速道路、高速公路、地铁和轮渡。根据《中华人民共和国公路工程技术标准（JTGB-2003）》认为机动车在街区道路的平均速度是20 km/h,在主要道路上的平均速度是 40 km/h,轮渡的平均速度为20 km/h,步行速度设为5 km/h。行进速度为移动一个栅格所需要的时间,在街区和轮船上的行进时间为1.8 s/栅格,在主要公路上的行进时间为0.9 s/栅格,步行行进时间为 7.2 s/栅格。快速道路、高速公路及地铁的行驶速度根据其限速设置（表1）。
Tab. 1 The speed limit of each level of road

表1 各级道路行进时间设置

道路等级 道路名称 限速/（km/h） 行进时间/（s/栅格）
高速公路 武鄂高速 100 0.36
汉蔡高速 100 0.36
机场高速 100 0.36
东风大道 70 0.51
汉施公路 70 0.51
快速公路 建一路 70 0.51
汉西路 50 0.72
二环路（发展大道） 60 0.6
三环路（中环） 80 0.45
解放大道 60 0.6
地铁 轨道交通 80 0.45
轮渡 轮渡 20 1.8
2.2.2 医疗设施分布数据
医疗卫生服务数据由武汉市卫生局发布的《武汉市综合医院名录（2007年）》查询获取武汉市各医疗机构名称、地址、床位等信息（表2）,并添加医疗设施各属性信息于空间数据中。
Tab. 2 The levels of hospital and bed numbers

表2 医院床位信息示例

医院名称 床位/个
武汉市第八医院 300
武汉经济开发区神龙医院 98
武汉市第十一医院 405
武汉市第七医院 305
石化职工医院 120
中建三局职工医院 40
铁道地位勘察设计院职工医院 110
湖北省荣军医院 400
武汉市第九医院 300
湖北省航运职工医院 70
武汉市汉口铁路医院 499
武汉市普仁江岸医院 150
2.2.3 人口数据
根据武汉市地名委员会办公室“武汉区划地名网”统计获得2007年武汉市中心城区的各街道人口统计表。以表3为例,为武汉市中心城区部分街道人口统计表。按表3标准,将武汉市中心城区划分为街道区域,并赋以人口属性数据,并计算各街道人口密度值。以武汉市住宅区分布近似为人口分布密集区进行数字化（图1）。
Tab. 3 The examples of population statistics data

表3 人口数据统计示例

街道名称 人口/万 面积/km2 人口密度/（人/km2）
关山街 28.00 35.00 8000.00
长丰 1.60 16.88 945.08
后湖街 1.63 27.31 596.10
汉阳经济开发区 1.55 8.80 1766.59
红旗街 1.90 50.00 380.00
张家港街 5.90 91.80 642.70
紫阳街 4.96 1.39 35 691.37
冶金街 6.75 4.70 14 362.55
Fig. 1 Map of the distribution of traffic and medicalfacilities in study area

图1 研究区交通与医疗设施分布图

3 研究方法

首先分别利用Voronoi图方法和最短距离法对武汉市医疗设施的地理空间可达性进行评价。其次,基于道路网络最短距离分析评估交通可达性。在可达性评估基础上,分别以医疗机构从业人员数作为医疗资源评价指标,计算以人口分布和地理分布为角度的基尼系数,以及对医疗资源分布的相关性分析。综合0-14岁和65岁以上人口比重作为就医需求指标、人口分布、行政区划面积、人均可支配收入等因子进行地理探测,找寻医疗资源配置的影响因子,最终对医疗资源配置空间合理性进行分析评估。

3.1 居民就医可达性评估方法

公共服务设施空间可达性可分为地理空间可达性和交通可达性。地理空间可达性计算不考虑交通道路状况,其结果反映了服务对象到服务实施空间距离上的可到达程度。交通可达性基于交通道路网最短距离分析,考虑了道路通行阻力,一定程度上更真实地反映了居民到达特定服务设施的可达性程度。本文基于空间分布和交通道路通行能力考虑,分别采用GIS空间分析和交通网络分析方法对武汉市医疗服务设施地理空间可达性和交通可达性进行评估。
3.1.1 地理空间可达性评估方法
Voronoi图表示空间任一对象（点）所属的多边形内的任意一点到该对象的距离小于到其他对象的距离[17],Voronoi图空间分析是一种广泛应用的GIS空间分析方法。通常将空间点对之间的距离计算简化为空间查询,结合人口分布等属性数据分析所关注设施服务承载能力。在ArcGIS空间分析工具支持下,将以医院为中心的多边形与居民点图层进行叠加运算,首先得到医院服务范围,即以医疗设施为中心生成的泰森多边形内的人口数量分布数据,进一步计算人口分布几何中心与医疗设施的最短距离。
3.1.2 基于道路网的行进时间成本可达性评估方法
地理空间的可达性评价仅考虑医院和居民点的空间直线距离,其出行成本无论路况和出行方式视为匀质的,计算中并未考虑交通网络的设置和出行阻力。随着城市快速发展,交通道路通行状况很大程度上决定了真实空间可达性。因此,本文在地理空间可达性分析基础上,进一步建立行进速度数据库,利用基于交通网络最短距离法对武汉市中心城区交通可达性进行评估。
空间可达性是指从一个区位到达服务设施的便捷程度,与起点、终点和交通条件有关,常使用距离、旅行时间或旅行成本表示[17]。为简化计算,本文采用基于交通网络栅格的成本加权距离计算栅格单元可达性。原理如图2所示,对于每个非边缘网格以网格中心作为节点（node）,将相邻的8个网格抽象为8条边（side）,将各个网格的相邻分为垂直或水平相邻与斜相邻2种[18]。垂直或水平相邻中以2个网格值相加的平均值表示该边的长度,如图2中间节点到右边节点的长度为(4+2)/2=3;斜相邻中,2个网格值的平均值乘以 2 表示该边的长度,如中间节点到左下节点的长度为 2 × ( 4 + 1 ) / 2 ≈ 3.53 。
Fig. 2 The principle of travel time cost

图2 行进时间成本原理

计算中以医疗设施为起始位置源设定为一个单独的节点,节点栅格的成本值设为0,每个“源”周围的若干个栅格与该“源”形成若干条边。如图2（b）所示。假设左下角网格作为一个“源”,通过成本加权距离的计算可以得到其他每个不同的节点到该“源”的累积总成本值和每个节点到最短路径上前一个节点的路径方向。最后,根据道路速度信息得到通过栅格所需时间综合人口密度数据获取综合成本值。
空间可达性研究中引用便捷度可以更好地表现研究区内部的可达性差异,表达出不同街道居民的就医情况。本文在交通成本计算基础上,引入式（1）的出行便捷度计算公式,评估出行就医便捷程度。
R j = ∑ i = 1 n j A i n j （1）
式中： R j 是第j个街道居民出行的便捷程度; n j 表示落在第j个街道范围内的网格个数; A i 为j街道中第i个网格的可达性。

3.2 居民就医公平性评价方法

在公平性评价中,以医疗机构从业人员比重及床位数作为医疗资源规模指标,利用洛伦兹曲线计算基尼系数评价医疗资源配置的公平性。根据全局莫兰指数计算结果评价武汉市医疗机构分布是否存在空间自相关性。利用人口年龄结构计算居民对医疗设施的需求指数,综合需求指数、各区面积、人口数、人均可支配收入以及医疗设施床位数和从业人员数等指标利用Geodetector综合评价医疗设施布局的公平性程度及其影响因子。
洛伦兹曲线和基尼系数广泛应用于公共服务设施空间公平性衡量。洛伦兹曲线是将不同地区所占资源的平均值按照从小到大的排序,然后按照人口累积百分比和相应的人口占有的资源累积的百分比绘制的曲线,每一点表示一定比例的人口所占有的资源总量。基尼系数是建立在洛伦兹曲线的基础上,表示资源分布公平性的定量指标,如式（2）所示。
G = 1 - S 1 5000 （2）
式中：G为基尼系数;S1按式（3）计算。
S 1 = 1 2 ∑ i = 1 n Y i + Y i + 1 h i + 1 （3）
式中：n为单位数;Yi为资源累积比;hi+1表示相应的人口或面积累积百分比,i= 1,2,3,…,n为按每单位平均占有的资源量从小到大排列的序列。基尼系数的与公平性的标准,采用经济学中收入分配公平性基尼系数的标准认为,基尼系数<0.3为比较公平,0.3-0.4之间为正常状态,>0.4为警戒状态,0.6以上为危险状态[19]。
全局莫兰指数从整体上分析医疗设施空间分布的聚集情况,医疗设施的空间分布是否存在空间自相关的现象。全局莫兰指数的计算公式如式（4）所示。
Moran's I = ∑ i = 1 n z i ∑ k = 1 n z i 2 （4）
式中： z i 为医疗设施的床位数属性与其平均值的偏差 ( x i - X ̅ ) ;n为要素总数。Moran′s I∈[-1,1], 当Moran′s I的绝对值越大,空间相关性越强。当Moran′s I值为正,要素分布成空间正相关,否则为空间负相关[20-21]。
Geodetector的评价指标power值称为探测力值,该指标体现了探测因子对于医疗设施分布的影响程度,其计算模型如下：
P D , G = 1 - 1 δ G 2 ∑ i = 1 m n D , i δ D , i 2 （5）
式中： P D , G 为探测因子D的探测力值;D为影响因子;G为医疗资源规模指数; n D , i 为影响因子空间类型分区个数; δ D , i 2 为影响因子的第i个空间类型分区; δ G 2 为研究区医疗资源规模总体离散方差[22-24]。

4 可达性与公平性评价结果

4.1 可达性评价结果

分别利用基于空间地理位置的Voronoi图及最短距离法以及基于交通网络的行进时间成本法对武汉市医疗机构的可达性进行评价。
4.1.1 地理空间可达性评价结果
利用Voronoi图法将人口数据和医疗机构泰森多边形进行叠加,根据人口密度数据及泰森多边形面积计算得到医疗机构各服务区内的人口总数如图3所示,其统计数据如表4所示。
Tab. 4 The statistics of the spatial distribution of population

表4 空间人口分布统计

统计指标 人口数/人
40~7357 7358~15 428 15 429~25 143 25 144~40 239 40 240~70 993
区域面积/% 22.64 18.82 22.06 16.43 20.05
图3中多边形代表医院的服务区范围,多边形颜色体现医院服务区范围内的人口总量。由图3医院服务区及服务人口情况分布及表4的人口分布统计可看出,在医疗机构分布密集的地区,医疗机构的服务区范围较小,分布稀疏的地方服务区范围较大。武汉市各医疗机构的服务人口数量大部分集中在40~15000人范围内,占总面积的41.46%,主要分布在三环以内的城市中心地区,大部分医院的人口压力相对较小。三环外郊区医院服务人口数量多,由于该地区医院分布稀疏,医院服务范围大,占总面积的20.05%。青山区人口数量大,医院分布相对较少,离市中心距离较远,故该区医院服务人口数量较大。
Fig. 3 Map of the spatial distribution of population served by medical institutions in Wuhan

图3 武汉市医疗机构服务人口数量空间分布图

作为Voronoi图地理空间可达性结果对比,同时采用空间最短距离法评估地理空间可达性。首先根据人口分布以及医疗设施数据集计算居民点到附近医疗设施的最短距离,并利用克里格空间插值的方法得到连续评价医疗设施空间可达性的连续分布（图4）。表5列出了街道平均到达附近医疗设施最短距离空间分布频率。由图4的空间距离上来看,以长江和汉江相交地区为中点,居民点到医院的最短距离大小随着向外扩展而变大。居民地到达医院的距离在1 km范围内的区域占大部分。表5的统计数据表明,居民地到达医院的距离在 1 km范围内的区域约占总面积的60.67%,由于居民区与医院主要集中在沿长江、汉江地区,外围地区二者分布相对较少,到达医院最短距离小的街道集中分布在沿长江和汉江地区。该区域人口密集,居民点到医院距离小于1 km的区域惠及人口占总人口的约65.09%。综合图3、4,武汉市中心城区医疗设施分布在人口密集的地区,经济发展比较好的区域医疗设施分布密集,医院服务范围较小,服务人口压力相对较小。靠近郊区医院分布密度减小,尤其是规模较大的医院大多分布在经济发展较好的中心城区,所以郊区周边的医院服务范围大,人口压力相对大于中心城区。居民点分布与就医距离趋势一致,多数居民能够享受近距离的医疗服务。
Fig. 4 The spatial distribution of shortesthome-to-hospital distance

图4 居民点到医院的最短距离空间分布

4.1.2 基于道路网的行进时间成本可达性评估结果
研究区武汉市中心城区的总面积为467.40 km2,将其划分为10 m×10 m的栅格。每个像元面积为100 m2,相对于整个研究区域而言非常小,故像元可视为这个区域网格中的匀质点。栅格的值代表行进成本,表示移动一个栅格所需要的时间,由该点处所属交通道路类型的行进时间和人口密度综合决定。交通道路类型的行进时间由行进时间数据库获取。人口密度根据人口数据库赋值。二者等权重叠加得到综合阻力行进成本栅格。以医院位置图层作为源,使用ArcToolbox中的成本距离工具,计算到各位置到达医院所需的时间信息。由 式（1）计算获取各街道居民平均时间,其次利用GIS分区统计工具得到各街道平均行进时间分布图（图5）。
Fig. 5 The distribution of time cost for hospitalizing

图5 就医行进时间分布

Tab. 5 The frequency distribution of the hospital shortest distance

表5 医院最短距离空间分布频率统计

统计指标 距离/km
0.27~0.31 0.31~0.49 0.49~0.66 0.66~0.82 0.82~1.02 1.02~1.48 1.48~2.45
街道数/个 10 17 17 10 10 10 4
区域面积/% 1.81 7.25 15.30 16.66 19.65 24.97 12.26
人口/% 5.87 10.88 16.31 11.42 20.61 33.19 1.30
由图5可看出,7类就医可达性分布以长江和汉江的交汇处为中心,沿岸地区人口稠密,可达性并不是十分高,向外围扩展,可达性逐渐提高。三环以外区域,可达性降低。可达性高的区域主要分布在医疗机构密集的地区。其中,以硚口区、江汉区、江岸区、汉阳区沿江地区,武昌区沿江地区,洪山区南部地区的可达性程度高。由于武汉市人口密集区域的交通堵塞情况比较严重,导致人口密集的地区（如硚口区）沿长江沿岸的可达性并没有人口相对稀疏的地区可达性高,故三环以内处在沿江人口密集区中间部位的区域可达性最高。由于三环以外医院分布稀少,所以该地区可达性较低。由统计图5可达性分布（表6）发现,武汉市大部分地区的可达性在2等级,出行时间在0.21~0.54 h之间,同时该区段的惠及人口最多。出行时间在1 h之内的地区占总地区的59.36%,惠及人口69.5%。表明武汉市居民就医便捷程度相对比较高,大多数居民区附近有医疗机构分布,医疗机构布局较为合理。
Tab. 6 The statistics of spatial distribution of the hospitalizing time cost

表6 就医时间成本空间分布统计

统计指标 时间/h
0~0.21 0.21~0.54 0.54~0.89 0.89~1.28 1.28~1.72 1.72~2.30 2.30~3.74
分类等级 1 2 3 4 5 6 7
区域面积/% 5.89 27.81 25.66 18.26 12.16 7.72 2.50
人口/% 10.45 32.35 26.70 17.16 9.25 3.55 0.53
Tab. 7 The statistics of the spatial distribution of average traffic time of the streets

表7 街道居民出行便捷度空间分布统计

统计指标 时间/h
0.20~0.33 0.33~0.45 0.45~0.59 0.59~0.73 0.73~0.98 0.98~1.29 1.29~1.80
街道数 5 16 18 11 18 9 4
街道面积/% 2.27 9.38 19.27 5.56 37.61 6.94 18.97
由图6可看出,武汉市就医便捷度整体上以长江和汉江为中心,向四周呈放射状分布。人口密集的沿江分布的街道由于交通状况的关系使就医便捷程度并未达到最高水平,向外围拓展区域可达性高于人口密集地区,三环外的郊区由于医疗设施分布少,可达性低。统计结果（表7）表明,就医时间在0.20-0.98 h的街道面积占总面积的81.17%,说明大多数街道的平均就医出行时间在1 h之内。其中就医便捷程度高的街道分布于江汉区、江岸区、硚口区、武昌区和汉阳区。由于这些地区属于武汉市经济发展水平较高地区,很多医院分布于此,居民区也分布密集,故平均就医便捷程度高。以三环线为界,三环线以外的区域包括蔡甸区、江夏区的就医便捷度最低,到达医疗机构的最短时间需要平均时间超过1 h。由于本次医疗机构的统计数据大多数以规模比较大的公立一、二、三级医院为主,这些医院大多数分布在三环以内的市区之中,故三环外区域的就医时间数值较大。
Fig. 6 Map of the average traffic time of the streets

图6 街道平均行进时间分布图

4.2 公平性评价结果

本文利用基尼系数评价武汉市医疗机构按人口分布和地理分布的公平性,进而通过计算医疗机构床位属性的全局莫兰指数得到武汉市医疗机构的分布状况是否存在空间自相关性。综合需求指数、人口分布、行政区划面积、人均可支配收入等指标,是利用Geodetector工具探测医疗资源配置规划时应首先考虑的影响因子。
4.2.1 基尼系数评价结果
本文利用各区统计的医疗机构从业人员数量比重,计算各区医疗机构从业人员的累积构成比,分别与人口累积构成比和区划面积累积构成比绘制成洛伦兹曲线。根据洛伦兹曲线分别计算按人口和地理分布的基尼系数。此外,利用人口年龄比例数据近似表达人口就医需求指数,由于0-14岁及65岁以上年龄段人口为就医需求较高群体,故通过统计各行政区划0-14岁及65岁以上人口比重,将二者等权重相加得到各区人口总的需求指数（式（6））。
N = ∑ i = 1 n N i （6）
利用洛伦兹曲线方法分别分析医疗机构从业人员数累积比与人口累积比及面积累积比的关系及其拟合曲线（图7）。按人口分布洛伦兹曲线的拟合曲线与公平线所围图形面积之差即为该指标的基尼系数近似值,计算得到医疗机构从业人员数按人口分布的基尼系数为0.072,同理得到按地理分布的基尼系数为0.655。由基尼系数小于0.3为公平,大于0.6为不公平可知,武汉市中心城区医疗资源从人口分布角度是公平的,但按地理分布医疗资源配置不合理。
Fig. 7 Lorenz Curve of equity index

图7 洛伦兹曲线法公平性评价指标图

根据洛伦兹曲线和基尼系数得到的武汉市医疗资源配置人口公平系数和地理分布公平系数可知。人口公平系数为0.072,小于0.3,属于资源配置合理的范围。地理分布系数0.655,大于0.6属于危险状态,属于不合理分布。换言之,武汉市医疗机构按人口分布合理,医疗机构集中分布在人口密集地区,主要集中于长江和汉江的交界地带,即江汉区、硚口区、武昌区、青山区的沿江地带,人口分布密集但区划面积为相对较小的区域;按地理分布不合理,城郊地区面积大的地区医疗机构分布较少,如洪山区区划面积较大,包括人口密集的街道及远离中心城区的城郊地区,医疗设施集中分布于人口密集的地区,城郊地区医疗设施分布较少,医疗设施数量与区划面积并非正相关关系。综上所述,武汉市医疗机构按人口分布合理,医疗资源分布状况能够满足大部分居民的需求,但从地理分布的角度而言,武汉市的医疗资源配置并不合理,城郊地区居民享受的医疗资源少于中心城区居民。
4.2.2 空间相关性评价
利用ArcMap中的空间自相关工具计算武汉市医疗设施床位属性的全局莫兰指数,得到Moran's I 指数为0.0824,z得分2.6094,p值0.0091。根据零假设原则,当p值小于0.05,z得分大于1.96时,可以认为要素的分布是非随机的,由此可得武汉市医疗机构的分布是非随机的,具有一定的空间相关性。Moran's I 指数为正,说明武汉市医疗设施分布与其床位数呈正比,但相关性较小。综上所述,武汉市医疗机构的分布呈现一定的聚集特征,医疗设施分布较为密集的地区,医院内设置的病床数有越多的趋势。这进而说明医疗设施密集区域分布的是武汉市医疗资源规模较大的医疗机构,综合基尼系数分析结果,规模较大的医疗设施密集分布于人口密集的行政区划内,保证了多数居民得到医疗资源服务。
4.2.3 空间分层异质性评价
本文利用Geodetector工具,以武汉市各行政区划内医疗机构的床位数和医师数占总体的比重等权相加作为Y值,即医疗资源规模指数;各行政区划需求指数、人口比例、人均可支配收入及面积作为X值,根据数据分布特点,将X值进行离散化处理 （表8）,计算得到各影响因子的power值如表9所示,power值越大,则该影响因子的影响程度越大。可知武汉市各区内需求指数最大程度的影响了医疗资源的配置,其次是人口分布。根据风险探测器的结果（表10）显示,人均可支配高的地区医疗资源指标较人均可支配地区低的地区高。表11结果显示,2个因素差异性为Y,在α=0.05水平上有显著性差异。此结果呼应了上述武汉市医疗资源按地理分布基尼系数的计算结果,在经济发展较好的中心城区,医疗资源配置程度高于城郊地区。
Tab. 8 Input data of Geodetector

表8 地理探测输入数据

Y（医疗资源
规模指数）		 X1
（需求指数）		 X2
（人口数）		 X3（人均可
支配收入）		 X4
（面积）
0.1178 4 4 5 2
1.0865 3 2 5 1
0.7331 4 2 5 2
0.5037 3 2 5 2
0.8562 5 5 5 2
1.0340 2 1 5 2
0.3284 3 5 5 2
0.1918 1 2 1 3
0.1845 2 2 1 5
0.2949 4 3 1 5
Tab. 9 P-value of impact factors

表9 影响因子power值

影响
因子		 X1
（需求指数）		 X2
（人口）		 X3（人均可
支配收入）		 X4
（面积）
Power值 0.8862011 0.83663 0.1061468 0.600608
Tab. 10 The results of risk detector of per capita disposable income

表10 人均可支配收入风险探测结果

人均可支配收入分级 医疗指标均值
1 0.223743
5 0.665655

5 武汉市医疗设施分布合理性评价

5.1 武汉市就医可达性评价结果

通过以上基于地理空间可达性评价法和基于交通网络的最短距离法2种方法对于武汉市中心城区的就医便捷度的评价结果来看,2种方法的评价结果基本一致。总体而言,武汉市就医便捷程度以长江和汉江的交界地区为中心,向四周呈放射状分布。中心地区就医便捷度较高,住宅区到达医疗设施大多处于1 h路程范围内;向外围就医便捷度逐渐降低,住宅区到达医疗设施的路程增大。人口分布和就医便捷程度的分布基本一致,人口密集区域医疗设施分布相对人口分布稀疏地区多,医疗设施能够较好满足居民就医需求。基于交通网络行进时间成本法对于武汉市就医可达性的评价结果表明,三环以内至人口密度最大的中心城区以外区域就医可达性最高,其次是中心城区,由于中心城区人口分布密集程度大,交通拥堵,行进时间增大,就医可达性程度由此降低。三环以内至中心城区以外区域医疗设施分布广泛,人口密集程度相对较小,交通同行状况较好,所以居民就医便捷度最高。三环以外地区经济发展水平低,人口分布稀疏,医疗设施分布较少,就医便捷度最低。根据2种方法对于武汉市中心城区的居民就医便捷度的评价结果可以看出,2种方法均能得到效果较为一致的结果。基于地理空间可达性评价法的操作简单,医院服务人口也能很清楚由图3表示。但没有考虑到交通网络对于可达性评价的影响,所以可达性结果与实际情况有些许出入。基于交通网络行进时间成本法考虑到交通网络的影响,并加入了人口分布因子,中心地区人口密集程度大,交通拥堵现象严重,在一定程度上延长了居民的出行就医的时间,所以基于交通网络行进时间成本法能够更加真实再现实际就医情景。但相较基于地理空间可达性评价法操作相对繁琐,对人口的分布也不能直观的体现在图中。

5.2 武汉市医疗设施空间公平性评价结果

依次通过基尼系数分析、空间相关性分析及空间分层异质性分析得到以下结论：武汉市医疗资源配置与人口分布保持一致,人口密集地区医疗机构分布呈现聚集状态,同时医疗资源规模较人口稀疏地区大;医疗机构集中分布于需求指数高的地区,0-14岁及65岁年龄段人口比例较大地区就医需求指数高,医疗资源充足。但是,武汉市医疗机构从地理分布角度不合理,医疗机构集中分布,行政区划面积大的蔡甸区、黄陂区和江夏区等医疗设施较少。综上所述,武汉市医疗设施分布趋势与地区经济发展水平相一致。经济发展水平高的中心城区人口聚集,医疗设施集中分布;经济发展水平低的城郊地区人口稀疏,医疗资源规模较小。总体而言,武汉市医疗资源配置比较合理,能够较好地满足大部分居民的就医需求,但应该增加城郊地区医疗设施的建设,以提高该地区居民就医公平性指数。
Tab. 11 Statistical difference of per capita disposable income between different categories

表11 人均可支配收入不同区域医疗资源指数的统计学差异

差异 1 5
1
5 Y

6 结论

就医可达性和公平性评价是医疗机构布局规划的重要根据,其评价涉及诸多空间问题。本课题研究以ArcGIS为主要平台,借助Excel及Geodetector软件对公平性的计算处理,得到研究区域——武汉市中心城区的医疗设施可达性和公平性评价。本研究主要采用2种方法分别对武汉市医疗设施的可达性进行评价。利用基于地理空间法和基于交通网络最短距离法的评价结果基本一致。2种方法对于评价结果都存在着各自的优势和劣势。公平性的评价分别利用基尼系数分析、空间相关性分析和空间分层异质性分析的结果,相互比较补充得到武汉市医疗机构公平性评价及其影响因子。
本研究仍存在如下不足：
（1）由于大部分资料并未公开,所以资料的精度并不是很高,很难找到武汉市精确的街道区划信息和整个城区的矢量数据,所以研究主要以中心城区为主。研究数据中包含了不完整区域,包括蔡甸区、黄陂区和江夏区,所以该区域的可达性和公平性指标尚且存在问题。
（2）公平性评价中涉及人口年龄结构,此部分数据的获取途径只能通过各区的年鉴或各区第六次全国人口普查公报的数据。但各区的数据并不完整,同一年的数据同样也不完整,所以人口年龄数据存在较大的误差。
（3）医疗机构的位置信息是通过网络上公布的医疗机构名称和地址,并利用百度地图进行定位。由于统计年代的不同,很多医院的名称和地址与实际情况不符,加之医疗机构的统计不完整,所以仅能以所能查到确定位置的医疗机构作为代表进行可达性的评价。
（4）软件的处理结果同样存在误差,由于数据量的繁多,导致一些操作无法进行。通过利用其他方式代替不能进行的操作有可能会产生误差,能预见的误差积极利用别的方法避免,但不可预见的误差则成为本次研究中不尽完美的地方。
（5）可达性的评价很重要的评价因素之一是交通路况,获取准确的交通路况的信息能够提高可达性评价结果精度。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张琦,李同昇,史荣.服务老年人群的城市高等级医院交通可达性测评——以西安市三级甲等医院为例[J].陕西师范大学学报:自然科学版,2016(1):96-101.针对老年人群的就医出行特征引入了公交出行阻抗的概念,在GIS技术支持下设计了以服务老年人群为出发点的城市高等级医院交通可达性测评模型,并应用该模型侦测了西安市三级甲等医院的交通可达性.结果表明:医院与其服务对象之间的交通联系方式是保证可达性测评针对性及有效性的重要决定因素;为了在城市交通规划中落实"以人为本"原则应该对服务老年人群的高等级医院交通可达性进行准确的专门测评;得益于"公交都市"战略的实施,西安市已形成较好服务于老年人群就医出行的高等级医院交通可达性空间格局,制约医院交通可达性提升的成因可归结为禁锢型、拮抗型和磨合型,城市规划管理者在谋划破解医院低可达性问题时需结合不同的成因类型采取相应的行动对策.

DOI

[ Zhang Q, Li T S, Shi R.Evaluation on the accessibility of high order urban hospitals for the aged: A case study of the first-level hospitals in Xi′an city[J]. Journal of Shaanxi Normal University(Natural Science Edition), 2016,1:96-101. ]

[2]
林康,陆玉麒,刘俊,等.基于可达性角度的公共产品空间公平性的定量评价方法——以江苏省仪征市为例[J].地理研究,2009,28(1):215-224.<p>随着社会经济的快速发展和人民生活水平的提高,提供良好优质的公共产品服务,加快推进社会主义和谐社会建设,是当今政府的题中应有之义。其中, 空间可达性是公共产品服务的核心内容之一,而这正是地理学最具优势的研究领域。本文基于所开发的公共产品空间布局决策支持系统,以仪征医院空间布局为例,从定量角度深入探讨了不同布局方案所产生的空间效应,为优化公共产品的空间布局提供了非常有说服力的科学依据,同时也从方法论角度进行了公共产品空间布局量化研究的有益尝试。</p>

[ Lin K, Lu Y Q, Liu J, et al.Assessment of fair space of public product based on accessibility: A case of Yizheng city[J]. Geographical Research, 2009,28(1):215-224. ]

[3]
Smoyer-Tomic K E, Hewko J N, Hodgson M J. Spatial accessibility and equity of playgrounds in Edmonton, Canada[J]. Canadian Geographer, 2004,48(3):287-302.Evaluer l'equite spatiale des equipements urbains publics, implique la comparaison entre la...

DOI

[4]
宋正娜,陈雯,车前进,等.基于改进潜能模型的就医空间可达性度量和缺医地区判断——以江苏省如东县为例[J].地理科学,2010(2):213-219.潜能模型广泛应用于就医空间可达性评价,现有模型综合了医疗设施服务能力、居民点人口数量、医疗设施与居民点之间的出行阻抗。在此基础上通过考虑＂医疗设施不同等级规模对居民就医选择行为的影响＂对模型进行修正。结果表明,改进的潜能模型能够更为合理地评价就医空间可达性,准确揭示居民实际所能获取的医疗资源,结合医疗资源配置相关标准,则能有效判定缺医地区,为政府相关部门规划决策提供依据。

[ Song Z N, Chen W, Che Q J, et al.Measurement of spatial accessibility to health care facilities and defining health professional shortage areas based on improved potential model: A case of Rudong County in Jiangsu Province[J]. Scientia GeographicaSinica, 2010,2:213-219. ]

[5]
陈洁,陆锋,程昌秀.可达性度量方法及应用研究进展评述[J].地理科学进展,2007,26(5):100-110.<p>可达性一直是地理学、土木建筑工程设计、交通运输经济学等学科的研究热点。已有的各 种可达性度量方法目前已广泛应用于交通网络与城镇发展研究、交通基础设施的区域经济效应 评价、选址分析、园林景观规划、社会文化等多个研究领域。随着应用需求的持续加大和技术研究 的不断深入, 可达性度量方法也在快速发展, 其度量体系正在形成。本文首先从两个层面对可达 性的涵义进行全面阐述; 在此基础上, 从网络特性的角度对拓扑法、距离法、累积机会法、等值线 法、重力模型法、平衡系数法、时空法、效用法等目前常用的可达性度量方法进行系统分类, 并且 从可达性影响因素入手对各种度量方法进行综合比较与评述; 然后, 针对不同的应用领域, 对各 种度量方法的应用研究现状进行详细论述与剖析; 最后, 对可达性研究的发展方向进行深入讨论 与展望。</p>

DOI

[ Chen J, Lu F, Cheng C X.Advance in accessibility evaluation approaches and applications[J]. Progress in Geography, 2007,26(5):100-110. ]

[6]
刘钊,郭苏强,金慧华,等.基于GIS 的两步移动搜寻法在北京市就医空间可达性评价中的应用[J].测绘科学,2007,32(1):60-65.传统上用行政区内每千人病床数等指标来评价就医的空间可达性,并未考虑医院(供给)与人口(需求)的空间分布差异性及两者可跨越行政区界的潜在相互作用。基于GIS的移动搜寻法使用较小普查单元的人口数据,解决了内在的人口空间分布问题;移动搜寻域可以跨越行政区界,更合理地考虑病人与医院潜在的相互作用。本文通过北京市就医空间可达性的实证研究,展现了基于GIS的两步移动搜寻法在公共服务空间可达性评价方面的重要作用。

DOI

[ Liu Z, Guo S Q, Jin H H, et al.Application of GIS-based two-step floating catchment area method in measurement of spatial accessibility to hospitals in Beijing[J]. Science of Surveying and Mapping,2007,32(1):60-65. ]

[7]
王远飞,张超.GIS和引力多边形方法在公共设施服务域研究中的应用——以上海浦东新区综合医院为例[J]. 经济地理,2005,25(6):800-803.服务域分析是公共设施布局和规划中的重要方法,GIS技术为设施 区位和服务域研究提供了重要的分析环境.文章以地理学区位分析理论中的空间相互作用模型为基础,提出了基于引力模型的设施服务域分析--引力多边形方法; 并在GIS分析环境,建立了以Huff模型为例的引力多边形服务域算法.通过上海浦东新区综合医院服务域的实例研究,展现了引力多边形方法在公共设施服务 域和区位分析中的重要作用.

DOI

[ Wang Y F, Zhang C.GIS and gravity polygon based service area analysis of public facility: A case study of hospitals in Pudong new area[J]. Economic Geography, 2005,25(6):800-803. ]

[8]
侯松岩姜洪涛.基于城市公共交通的长春市医院可达性分析[J].地理研究,2014,33(5):915-925.城市公共交通的可达性体现了公共交通系统的发展水平,该研究为制定城市公共交通规划、优化社会服务设施空间布局等城市发展问题提供了有利的科学支撑。借助ArcGis软件,采用网络分析法,生成了长春市公共交通网络图;以最短可达时间和公共交通的服务频次作为评价指标,将非高峰和高峰时段作为时态的划分依据,探讨了长春市各居住小区和医院之间的可达性的时空分布特征。结果表明:长春市居住小区的平均可达时间等级整体水平较高,且非高峰时段优于高峰时段;居住小区的平均可达时间等级在空间上分异显著,呈现出不连续的圈层式分布;可达时间等级越高的居住小区,周边的公共交通服务频次等级越高,但两个等级间并不存在完全的一致性,且高峰时段的公交服务频次明显高于非高峰时段;各医院在非高峰时段的时间可达性较好,而在高峰时段有了较为显著的下降,不同等级医院的平均可达时间各不相同,但其差异并不显著。在上述分析的基础上,进而探讨了长春市公共交通存在的问题及原因,并提出了优化建议。

DOI

[ Hou S Y, Jiang H T.An analysis on accessibility of hospitals in Changchun based on urban public transportation[J]. Geographical Research, 2014,33(5):915-925. ]

[9]
陈晨,修春亮.基于交通网络中心性的长春市大型综合医院空间可达性研究[J].人文地理,2014(5):81-87.交通网络中心性是测度交通网络及社会经济活动可达性的有效手段。从交通网络中心性视角,结合可达时间研究长春市中心城区大型综合医院空间可达性。大型综合医院邻近度和中间性与距离（到人民广场路网距离）均呈负相关,在距人民广场最近处二者大致相等且最高,随着距离的增加,邻近度超过中间性。距人民广场4740—5799米处中间性超过邻近度并形成高值分布区,7862—8400米处二者均降到最低。约33.3%的大型综合医院空间可达性最好,其集中分布于以人民广场为中心的城市中心。空间可达性最差的大型综合医院约占总数的24.1%,多分布于城市边缘。空间可达性较差的大型综合医院为数不多,且多分布于城市周边。但高邻近度、高中间性、可达时间较长的大型综合医院主要分布于安达街沿线。高邻近度、低中间性,可达时间较短的大型综合医院则多分布于火车站前与新民大街沿线等城市中心位置。

[ Chen C, Xiu C L, Spatial accessibility of large general hospital in Changchun city center based on street network centrality[J]. Human Geography, 2014(5):81-87. ]

[10]
Alegana V A, Wright J A, Pentrina U, et al.Spatial modeling of healthcare utilization for treatment of fever in Namibia[J]. International Journal of Health Geographics, 2012,11(1):1-13.This study uses data from the Malaria Indicator Survey (MIS) of 2009 on treatment seeking for fever among children under the age of five years to characterize facility utilisation. Probability of attendance of public health facilities for fever treatment was modelled against a theoretical surface of travel times using a three parameter logistic model. The fitted model was then applied to a population surface to predict the number of children likely to use a public health facility during an episode of fever in northern Namibia.Overall, from the MIS survey, the prevalence of fever among children was 17.6% CI [16.0-19.1] (401 of 2,283 children) while public health facility attendance for fever was 51.1%, [95%CI: 46.2-56.0]. The coefficients of the logistic model of travel time against fever treatment at public health facilities were all significant (p < 0.001). From this model, probability of facility attendance remained relatively high up to 180 minutes (3 hours) and thereafter decreased steadily. Total public health facility catchment population of children under the age five was estimated to be 162,286 in northern Namibia with an estimated fever burden of 24,830 children. Of the estimated fevers, 8,021 (32.3%) were within 30 minutes of travel time to the nearest health facility while 14,902 (60.0%) were within 1 hour.This study demonstrates the potential of routine household surveys to empirically model health care utilisation for the treatment of childhood fever and define catchment populations enhancing the possibilities of accurate commodity needs assessment and calculation of disease incidence. These methods could be extended to other African countries where detailed mapping of health facilities exists.Understanding population health care utilisation and defining the catchment sizes of health providers are important for efficient planning and resource allocation [1,2]. Utilisation is a function of access to health services and is affected by geographical accessi

DOI PMID

[11]
Love D, Lindquist P.The geographical accessibility of hospitals to the aged: a geographic information systems analysis within Illinois[J]. Health Services Research, 1995,29(6):629-651.ABSTRACT This article uses geographic information systems and their related tools to empirically measure and display the geographic accessibility of the aged population to hospital facilities within Illinois. Geographic accessibility of Illinois' aged population is measured from each of the state's 10,796 census block groups to the state's 214 hospital facilities. Block group demographic compositions and centroids are obtained from 1990 census files. Hospital coordinates are obtained by the authors. Of five alternative measures of accessibility considered, empirical estimates are obtained for two: choice set and minimum distance. Access to both general hospitals and the subset having specialized geriatric facilities is measured with special attention to differences in accessibility between the aged within metropolitan statistical areas (MSAs) and those outside MSAs. Cumulative accessibility distributions and their summary statistics provide a basis of comparison among subgroups. DATA COLLECTION AND EXTRACTION: Geographic information systems (GIS) and their related tools are used as a means of efficiently capturing, organizing, storing, and retrieving the required data. Hospitals and census block groups are geocoded to specific locations in the database, and aspatial attributes are assigned to the hospitals and block groups. The GIS database is queried to produce shaded isarithm and point distribution maps that show the location of hospitals relative to surrounding aged populations. The vast majority of Illinois' aged population is within close proximity to hospital facilities. Eighty percent (1,147,504 persons) of the aged in Illinois are within 4.8 miles (7.7 km) of a hospital and 11.6 miles (18.7 km) of two hospitals. However, geographic accessibility differences between the aged living in MSAs and those living outside MSAs to hospitals offering geriatric services are substantial; but there is no evidence that the aged's geographical accessibility to hospitals is less favorable than that of the general population. Detailed accessibility measures permitted by geographic information system technology call into question the continued use of crude empirical accessibility measures.

DOI

[12]
许昕,赵媛.基于GIS技术的镇江市中心城区医疗机构空间分布研究[J].南京师范大学学报:工程技术版,2015(4):58-65.以镇江市最新一轮行政区划与医疗机构相关数据为基础,运用ARCGIS和SPSS软件,通过构建医疗机构的优势度模型,对镇江市中心城区医疗机构的空间分布特征进行分析.结果显示,镇江市医疗机构空间分布以老城区(润州区)为中心,优势度向外围区域递减,且优势度高分值区呈现南北延伸的分布形态;七里甸街道和和平路街道优势度指数偏低,表明镇江市基本医疗服务还不能很好地满足边缘区居民的服务需求,有待进一步提高.

DOI

[ Xu X, Zhao Y.Spatial distribution of medical institutions in Zhenjiang: A geographical analysis based on GIS[J]. Journal of Nanjing Normal University (Engineering and Technology Edition), 2015,4:58-65. ]

[13]
付加森,王利,赵东霞,等.基于GIS医疗设施空间可达性的研究——以大连市为例[J].测绘与空间地理信息,2015(4):102-105.基于可达性相关理论,以GIS网络和空间分析技术为基础,运用改进的潜能模型和两步移动搜寻法,对大连市各社区人口和医院进行叠加分析,将标准化的可达性数值进行插值处理,使之空间可视化,探究了大连市中山区、西岗区、沙河口区人口和二级以上医院空间分布现状,并对大连市医疗可达性进行了评价。结果显示：大连市医疗设施北部集中,总体分布不均。西岗区医疗可达性总体状况良好;中山区人口分布密集区,医疗可达性较好;沙河口区可达性较差,亟待提高。两步移动搜索法能更有效反应区域医疗可达性的空间分异。

[ Fu J S, Wang L, Zhao D X, et al.Accessibility evaluation in public health care facilities based on GIS: A case study of Dalian[J]. Geomatics& Spatial Information Technology, 2015,4:102-105 ]

[14]
谢小华,王瑞璋,文东宏,等.医疗设施布局的GIS优化评价——以翔安区医疗设施为例[J].地球信息科学学报,2015,17(3):317-328.开展现有医疗设施布局的分析与评价,对解决公众医疗需求与医疗服务供给的矛盾,以及政府部门决策具有重要意义。本文在厦门市第一次全国地理国情普查试点的背景下,以翔安区医疗设施为研究对象,在地理国情普查数据结果的基础上,结合卫生等专业部门的统计数据,从医疗设施的现状、服务水平和空间布局优化3个角度,构建了医疗设施布局的评价指标体系。从医疗卫生角度分析医疗资源现状特征;基于GIS网络分析开展医疗设施服务水平的分析与评价;利用GIS"位置分配模型"对医疗设施空间布局进行优化。最后,本文对医疗设施布局提出改善建议和措施。研究结果表明:(1)翔安区医疗资源总量不足,分布不均衡;(2)城乡医疗设施差异明显,医疗服务水平不高;(3)翔安区需新增4家医院,5家卫生院才能满足居民就医需求。本研究可以为今后翔安区医疗设施布局决策提供借鉴和参考,为医疗设施布局评价提供一个可行的方法。

DOI

[ Evaluating the medical facilities layout based on GIS: An application of Xiang′an district[J]. Journal of Geo-Information Science, 2015,17(3):317-328. ]

[15]
于珊珊,彭鹏,田晓琴,等.基于GIS的长沙市医院空间布局及优化研究[J].长沙大学学报,2012,26(2):90-94.随着城市的快速发展,城市居民对公共服务设施的需求日益增长.公共服务设施是城市功能正常运行的重要组成部分,因此对公共服务资源空间配置的公平性和有效性问题成为诸多学者研究的焦点.以长沙市为研究区域,以市区内医院空间布局和优化选址作为研究对象,通过GIS软件,利用两步移动搜寻法对医院空间的可达性进行评价.随后在评价的基础上,利用多准则决策分析模型结合GIS相关工具,对医院的空间布局进行优化选址.结果表明,长沙市现有医院过于集中分布于老城区,医疗设施整体分布缺乏均衡性,城市新兴地区和城郊严重缺乏医疗设施.而通过优化选址得到的结果,可以为今后长沙市医疗设施合理布局提供科学参考.

DOI

[ Yu S S, Peng P, Tian X Q, et al.Research of hospital space layout and optimization in Changsha city based on GIS[J]. Journal of Changsha University, 2012,26(2):90-94. ]

[16]
武汉市统计局.武汉统计年鉴2014[M].北京:中国统计出版社,2014.

[ Wuhan city bureau of statistics. Editorial department of Wuhan statistical yearbook-2014[M]. Beijing: China Statistics Press, 2014. ]

[17]
周廷刚,郭志达.基于GIS的城市绿地景观空间结构研究——以宁市为例[J].生态学报,2005,123(5):901-907.

[ Zhou T G, Guo Z D.GIS-based study on spatial structure of urban greenbelt landscapes: Taking Ningbo city as an example[J]. ActaEcologicaSinica, 2005,123(5):901-907. ]

[18]
黄杏元,汤勤.地理信息系统概论(第一版)[M].北京:高等教育出版社,1989:207-210.

[ Huang X Y, Tang Q.Introduction to Geographical Information System.(The first edition)[M]. Beijing: higher education press, 1989:207-210. ]

[19]
曹书平. 农村医疗资源的空间可达性分析[D].重庆:西南大学,2009.

[ Cao S P.The spatial accessibility analysis of rural medical resource[D]. Chongqing: southwest university, 2009. ]

[20]
肖卫东. 中国种植业地理集聚的空间统计分析[J].经济地理,2014,34(9):124-129.基于1980—2012年中国29个省区的农作物总播种面积数据,运用空间统计方法考察和分析了中国省域种植业的空间依赖性和空间异质性,进一步探索了种植业的地理集聚特征和变化趋势。研究发现,中国种植业在整体和局部区域上都表现出了显著的正向空间自相关性,其空间分布呈现非随机的地理集聚格局,种植业的省际空间关联性和异质性非常明显,具有强烈的省际空间溢出效应;种植业呈现明显的"中心—外围"空间分布模式,并且其高—高集聚核心区域明显扩大。

[ Xiao W D.Spatial statistics analysis of China′s planting geographic agglomeration[J]. Economic Geography, 2014,34(9):124-129. ]

[21]
肖光恩,陆应松.外商在华直接投资地区非均衡增长的测度及其决定因素[J]. 武汉大学学报·哲学社会科学版,2011(6):16-21.运用增长不平等指数和空间相关 指数,对外商在华投资地区非均衡增长进行测度,测度的结果表明:在1995年到2009年间,不仅外商在华直接投资地区非均衡增长的事实非常显著,而且外 商在华直接投资地区非均衡增长的状态在时间上具有稳定性。究其原因,中国对外开放政策实践的地域性和时序性是影响外商在华直接投资地区非均衡增长的首要因 素。同时,中国基础设施、人力资源、劳动力流动的地区非均衡分布和地理区位差异,对外商在华直接投资地区非均衡增长也产生了重要影响。

[ Xiao G E, Lu Y S, Unbalanced growth of foreign direct investment in China region measurement and determinants research[J]. Wuhan University Journal (Philosophy & Social Sciences), 2011,6:16-21. ]

[22]
Wang J F, Li X H, Christakos G, et al.Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region, China[J]. International Journal of Geographical Information Science, 2010,24(1):107-127.Physical environment, man-made pollution, nutrition and their mutual interactions can be major causes of human diseases. These disease determinants have distinct spatial distributions across geographical units, so that their adequate study involves the investigation of the associated geographical strata. We propose four geographical detectors based on spatial variation analysis of the geographical strata to assess the environmental risks of health: the risk detector indicates where the risk areas are; the factor detector identifies factors that are responsible for the risk; the ecological detector discloses relative importance between the factors; and the interaction detector reveals whether the risk factors interact or lead to disease independently. In a real-world study, the primary physical environment (watershed, lithozone and soil) was found to strongly control the neural tube defects (NTD) occurrences in the Heshun region (China). Basic nutrition (food) was found to be more important than man-made pollution (chemical fertilizer) in the control of the spatial NTD pattern. Ancient materials released from geological faults and subsequently spread along slopes dramatically increase the NTD risk. These findings constitute valuable input to disease intervention strategies in the region of interest.

DOI

[23]
丁悦,蔡建明,任周鹏,等.基于地理探测器的国家级经济技术开发区经济增长率空间分异及影响因素[J].地理科学进展,2014,33(5):657-666.建设国家级经济技术开发区(经开区)是中国扩大对外开放和促进区域发展的重要政策。历经30年多发展,国家级经开区已遍布全国,其个体间的发展差异也由于不同的动力机制而日趋显著。认识和探讨国家级经开区经济增长率的空间分异及其核心影响因素,对因地制宜制定发展策略、引导开发区高效发展具有重要意义。运用变异系数和地理探测器方法,分析2010年国家级经开区经济增长率的空间分异,并探测了其核心影响因素。结果表明:①总体上,国家级经开区经济增长率在东中西三大区差异显著,呈现出高低高的U型格局;②个体上,国家级经开区经济增长率在三大区内部存在不同分异特征,其中西部分异度最大、东部次之、中部最小;③探测因子决定力显示,主导三大地区国家级经开区经济增长率的核心要素明显不同;在所选出的5大核心影响因素中,中西东三大区呈现出由开发区内在因子主导向城市和区域性外在因子主导的转变趋势;④国家级经开区经济增长率及核心影响因素在三大区间的分异特征,一定程度上反映了开发区生命周期阶段性的演变规律。由此建议:近期内,中西部国家级经开区仍应聚焦于改进其自身发展要素;而从长远看,城市性和区域性的外部因子对经开区的影响将变得日益重要,亦即是经开区的未来发展将越来越依赖于与其所在城市和区域的有效融合。

DOI

[ Ding Y, Cai J M, Ren Z P, etc. Spatial disparities of economic growth rate of China′s National-level ETDZs and their determinants based on geographical detector analysis[J]. Progress in Geography, 2014,33(5):657-666. ]

[24]
李晓龙. 我国流行性乙型脑炎时空分布特征及相关地理气候因素研究[D].北京:中国疾病预防控制中心,2014.

[ Li X L, Study on Spatial-temporal distribution and related geographic and climatic factors of Japanese encephalitis in mainland China[D]. Beijing: Institute for Viral Disease Control and Prevention Chinese Center for Disease Control and Prevention, 2014. ]

Options
Outlines

/

〈 〉