EN中文

Journal of Geo-information Science >

2018 , Vol. 20 >Issue 8: 1111 - 1122

DOI: https://doi.org/10.12082/dqxxkx.2018.180157

Analysis of Spatial-temporal Characteristics of Resident Travel for Hospitals Based on Taxi GPS Data

  • CHEN Zhuoran , 1, 2 ,
  • HUANG Chong , 1, * ,
  • LIU Gaohuan 1 ,
  • LIU Qingsheng 1 ,
  • LI He ,
  • WANG Qiang 1, 2 ,
  • LI Xinyang 1, 2
Expand
  • 1. State Key Laboratory of Resources and Environment Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
*Corresponding author: HUANG Chong, E-mail:

Received date: 2018-03-30

  Request revised date: 2018-04-28

  Online published: 2018-08-24

Supported by

National Natural Science Foundation of China, No.41471335,41771436.

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Urban medical services have a great impact on the quality of life of urban residents and play an extremely important role in the field of public services. In recent years, with the rapid development of China's urbanization, large amounts of large data have been produced in the daily life of urban residents. Based on these massive data, the analysis of residents' medical travel characteristics is of great significance to optimize and improve the layout of urban medical resources. With the help of spatial location data of Beijing's main medical institutions and data of the taxi GPS movement trajectory, the space-time statistical analysis method is used to study the spatial and temporal characteristics of residents' medical travel by the taxi. The results show that using the OD (Origin-Destination) network structure characteristics of the hospital, the service scope of different hospitals and the spatial and temporal distribution pattern of the audience can be identified. The medical network of the hospitals in the urban area, especially within the forth ring, is dense and compact, and the medical density is high, while outside the forth ring and about suburbs, the medical network is sparse and scattered. The result in some degree shows that the geographical location of medical resources affects the residents' medical tendency. This study used the floating car GPS data to carry out the research on the spatial and temporal behavior patterns of residents' medical treatment, which can provide decision-making support for the supply and demand analysis and optimal allocation of urban medical resources.

Key words： taxi GPS data; hospital; Beijing; spatiotemporal characteristics; OD network

Cite this article

CHEN Zhuoran , HUANG Chong , LIU Gaohuan , LIU Qingsheng , LI He , WANG Qiang , LI Xinyang . Analysis of Spatial-temporal Characteristics of Resident Travel for Hospitals Based on Taxi GPS Data[J]. Journal of Geo-information Science, 2018 , 20(8) : 1111 -1122 . DOI: 10.12082/dqxxkx.2018.180157

1 引言

城市公共医疗设施是城市生活中重要的基础设施之一,是保障城市居民基本生活质量和评估城市社会经济发展状况的重要标准[1]。随着中国城市化进程的加快,利用各类城市大数据和GIS分析手段来研究城市医疗服务设施配置的合理性,以及城市居民获取公共医疗服务的规律特征,可以为城市经济发展以及相应的公共基础服务设施的配套建设提供决策支持,对提高城市医疗资源的管理水平具有十分重要的研究意义和实际价值。
通常用公共服务或设施的可达性来反映用户获取相关公共服务或者前往相关公共设施的难易或便捷度,主要衡量手段一般是获得该服务的时间或距离成本以及获得服务的数量和质量等,从而为公共服务的区位和配置、服务承载能力以及衡量供给和需求等政策制定提供支持,为人们提供更好的公共服务[2,3,4]。刘钊等[5]基于GIS的两步移动搜索算法,合理考虑了病人与医院潜在的相互作用,通过北京市就医空间可达性方面的研究,展现了两步移动搜索在公共服务空间可达性评价方面的积极作用。丁愫等[1]基于交通网络和医疗机构空间分布特征,利用出行时间成本评估武汉市医疗服务可达性。宋正娜等[6]在考虑医疗服务设施的等级规模的基础上,改进了潜能模型,评估了出行就医的空间可达性,并判断了缺乏医疗服务能力的地区。Mcgrail等[7]、陶海燕等[8]、Wang等[9]假设医疗设施规模越大吸引力越大,即医疗设施吸引的患者数量越多、距离越远。几乎所有相关文献都假定人口规模和服务需求成正比,还有学者对人口数据进行处理,进而研究医疗服务需求[9]。
上述这些假设普遍应用于公共资源的可达性研究,获得了一定的效果,但是这些假设的合理性在一定程度上可能会影响可达性分析结果的可靠性,而且目前相关的检验手段和数据获取方式有限。随着现代通信技术、定位技术和计算机技术的发展,海量、易获取的浮动车GPS数据提供了解决上述难题的切入点。浮动车GPS数据的应用主要集中于交通领域,包括路径选择优化,交通状况检测,交通路网的实时速度估计等[10,11,12]。尽管存在一定的局限性,但是海量、相对易获取GPS数据,能够真实反映公共就医的出行记录,为公共服务研究提供了客观的研究基础数据。
基于浮动车的GPS数据为研究公共服务提供了重要的数据基础。其中,在医疗服务可达性研究方面,Mcgrail等[13]以GPS数据反映道路网实时状态,以此预测不同时段不同路段的车速,改进原有可达性计算中车速的设定方式。齐兰兰等[14]引入出租车GPS数据,对医疗设施端点特征指标、服务端特征指标、环境要素指标等进行检验,衡量这些指标对医疗设施端点吸引量和主要服务范围的影响作用。Yang等[15,16]利用北京和苏州的出租车GPS数据,建立了BBI（Bypass Behavior Index）指数衡量居民就医时的择医行为（Hospital Bypass Behaviour）,认为病人的选择性绕过行为是与医疗服务的质量相关的。Kong等[17]以北京市为例,利用出租车轨迹数据,从空间联系（Spatial Interaction）的角度,运用K-Means算法分析公共医疗设施与居民需求之间的联系。
本文利用出租车GPS数据,通过提取乘客的上下车位置构建居民就医的OD（Origin-Destination,上车点-下车点）网络,并利用分时统计方法、核密度分析和标准差椭圆工具来分析北京市居民出行就医的时空特征,探究居民就医的出行规律,为实现城郊医疗资源协同发展以及为城市的社会经济发展提供决策支持。

2 研究区概况与数据源

2.1 研究概况

北京作为中华人民共和国首都,是全国的政治、文化、科技中心,地处华北平原,被河北省所包围、毗邻天津,位于39.4~41.6°N和115.7~117.4°E之间。北京市面积达16 000 km2,目前全市建设了 6条城市环城高速路,下辖16个区级行政区域：西城区、东城区、朝阳区、丰台区、海淀区、石景山区、房山区、昌平区、门头沟区、通州区、顺义区、大兴区、平谷区、密云区、怀柔区、延庆区等。本文研究区域主要为北京市城区及周边郊区。

2.2 数据源

本研究采用的基础数据包括北京市主要医疗机构的空间位置数据、北京市出租车GPS轨迹数据,以及北京市行政区划和道路网数据等。
2.2.1 北京市主要医院数据
本研究利用百度兴趣点（Point of Interest,POI）服务获取了北京市600多家医疗机构的空间位置数据,包括综合医院、专科医院、体检机构、诊所药店、疗养院以及美容院等特殊服务类医院等。由于本研究采用出租车OD数据研究居民获取基本医疗服务的出行特征,因此过滤掉了一些规模较小的、提供特殊医疗服务如美容等类型的医疗机构;同时,考虑到出租车的停车地点（即D点位置）应该落入医院的缓冲半径,才能说明该乘客可能前往该医院就医,故而最终筛选出了477家医院作为研究对象,如图1所示。医疗机构的坐标位置数据是利用因特网公开的北京市医疗机构名称,通过百度地图POI服务批量获取。
Fig. 1 Selected hospitals in the study area

图1 研究选取的400余家医院

2.2.2 出租车GPS轨迹数据
本研究收集了2016年11月1日-3日的出租车GPS轨迹数据。该数据集包括了北京市某出租车公司12 700多辆出租车全天候运营的1.6亿多条记录,GPS数据接收周期为30 s左右。创建了出租车GPS数据库,关系数据表如表1所示,主要数据字段包括GPS记录唯一标识、出租车辆唯一标识、车辆接受GPS信号时的经纬度坐标、车辆的运行状态以及GPS信号接收时间戳信息等属性。此外,还应剔除掉坐标位置不在北京市范围内的记录。
Tab. 1 Part of the taxi GPS records

表1 部分出租车GPS记录

地址 车辆标识符 经度/° 纬度/° 运行状态 GPS接收时间戳
1 096*** 116.12 39.84 2 2016-11-01 00:00:13
2 164*** 116.65 40.31 2 2016-11-01 00:00:13
3 035*** 116.17 39.83 1 2016-11-01 00:00:13
4 153*** 116.56 40.10 1 2016-11-01 00:00:13
5 102*** 116.03 39.77 2 2016-11-01 00:00:13
6 585*** 116.49 40.04 1 2016-11-01 00:00:13

3 研究方法

本研究技术路线如图2所示。首先从原始的出租车GPS轨迹数据中提取出OD数据,然后为每一个医院设置缓冲半径过滤出D点落在医院缓冲区内的OD记录,最后创建居民出行就医的OD数据库,同时构建就医出行的OD网络。基于该OD数据集,利用核密度和标准差椭圆分析工具分析医院的O点分布时空特征。
Fig. 2 The flow chart of the study

图2 技术路线

3.1 提取OD数据对

出租车作为城市中居民载客出行的重要运输媒介之一,其上装载的GPS设备能够以一定的周期记录车辆运行的坐标位置和状态,从而能够获得乘客的上车地点和下车地点[18]。原始出租车GPS数据是以连续轨迹数据形式存储,本文研究需要用到用户的上车位置和用户下车位置数据。每一条原始GPS记录都包含了运行状态字段,当该字段从0变为1时,说明乘客在此时的位置上车;从1变为0时,说明乘客在此时的位置下车。据此可以从原始GPS数据中提取乘客出行时的上下车数据即OD数据。
由于本文研究的是居民乘坐出租车前往医院就医这一事件,因此还需要对下车点进行过滤处理。本文利用GDAL（Geospatial Data Abstraction Library）软件包[19]为每一个医院点创建缓冲区,GDAL是一个开源的地理空间数据处理工具,支持多种数据文件格式。如果D点的位置落在缓冲区内,则认为乘客前往医院。因此,采用合适的缓冲半径以确保得到有效OD数据至关重要。参考前人研究[17,20-21]中选取的缓冲半径,本文选取了半径为500、250、200、150、100和50 m共6个距离进行缓冲区分析实验,发现500 m和250 m的缓冲区半径太大,导致大量非就医出租车被选入;而100 m和50 m的缓冲半径过小,导致许多就医出租车漏选。为验证百度地图POI服务获取的医院位置点坐标落于医院何处,本研究对三甲、二甲和一级医院各自随机选择了10家医院,对照在百度地图上医院定位点和大门的大致方位,在Google Earth的高分辨率遥感影像上确定定位点和大门位置,发现POI医院点坐标一般不在医院大门位置,而是医院内某幢标志性建筑如门诊大楼的坐标位置。这个位置距离医院的正门大多在100~150 m以内,因此本研究最终选取200 m作为医院缓冲区半径。

3.2 构建居民就医二分网络

在现实生活中,许多复杂系统都可以建模成一种复杂网络进行分析。一个包含有若干个不同元素及其相互关系的系统,可以视作一个复杂网络,网络的节点代表系统中的元素,网络的边则代表着元素之间的交互联系。复杂网络理论广泛应用于生态、经济、社会等方面,如交通网络、商业关系网络、社交网络等[22,23]。
本文研究的就医网络属于一类特殊的复杂网络-二分网络：网络中的节点分为两类,网络中的连边只可能关联2个不同类型的节点,即同类型的节点之间不会有边相联接。在现实生活中,很多网络系统都具有这样的二分性质,如电影-演员网络、科学家-论文网络等。本文创建的居民出行就医二分OD网络,如图3所示,图中节点分为乘客上车的起始点和前往的医院节点。
Fig. 3 Resident medical OD network

图3 居民就医OD网络

3.3 就医居民空间分布特征

（1）核密度估算
核密度分析主要用来计算点要素或者线要素在其周围空间的密度大小。该方法考虑了地物要素在空间邻近相关的特性,可以直观表达出乘客上车点即O点的密度分布变化情况。核密度方法的计算过程首先以点要素为中心,用给定的搜索半径建立一个圆面,然后统计在该圆面内点要素的数量并除以圆的面积。在中心点处的密度值最大,离中心点的距离越远相应的密度值越小,直至在半径处的密度值为零。核密度计算公式[24]如式（1）所示。
D x = 1 n h ∑ i = 1 n K d x , x i h （1）
式中：K( )为核密度函数;h为搜索半径;d（x, xi）为估计点要素到样本点要素的距离;n为搜索半径内的点要素数量。
（2）标准差椭圆分析
标准差椭圆[25]分析可以揭示居民乘出租车就医的空间分布整体特征,直观表现出空间上的各向异性特征。标准差椭圆的计算过程是,首先对空间上的所有要素的位置求平均值得到平均中心（ x ¯ , y ¯ ）,然后以该平均中心为起点对所有要素对象的x坐标和y坐标计算标准差,从而确定标准差椭圆的长短轴。通过建立标准差椭圆可查看要素的空间分布是否具有方向性。标准差椭圆的计算公式如式（2）-（6）所示。
式中： SD E x 表示椭圆的x轴, SD E y 表示椭圆的y轴;xi和yi是要素i的空间坐标;（ x ̅ , y ¯ ）代表所有要素平均中心的坐标;n为研究区内所有要素对象的总数; tan θ 是椭圆的偏移角度; x ˜ i 和 y i ˜ 是要素对象与平均中心的差值; σ x 和 σ y 是x轴和y轴的标准差。

4 结果分析

4.1 居民出行就医时间特征分析

基于构建的OD网络,利用分时统计方法,统计了居民出行就医的频次、时间耗费成本,比较了各时段的就医OD网络的结构特征
4.1.1 可达时间分布
本文计算居民出行就医所耗费的时间成本,并将其划分为5段：0-15 min,15-30 min,30-45 min,45-60 min,60 min以上。同时,按照划分的等级统计各时间段的居民就医频率,结果如图4所示,其中横坐标表示居民乘坐出租车前往医院就医的时间花费,纵坐标表示可达时间的频率。从图中可看出,居民乘坐出租车的就医出行时间是一个长尾分布,即短途就医的比例较高,其中就医出行时间在30 min以内的超过总体的70%,出行时间在半个小时以上的少于30%。这说明居民就医倾向于附近的医疗服务设施,总体上北京市的医疗可达性较高,居民就医较为方便。
Fig. 4 The distribution of time spent on traveling for hospitals

图4 居民乘坐出租车就医的可达时间分布

4.1.2 不同时刻就医频率分布
以2 h为间隔,划分为12个时间段,分析居民在不同时间段的就医出行频率,如图5所示。图中横坐标表示一日中的时间段,如0:00-1:59表示0-2时之间。纵坐标表示某时间段内居民乘坐出租车就医的次数占当天总数的频率。
Fig. 5 Frequency of resident travel for hospitals at different time periods

图5 不同时段居民就医频率

从图5可知,2016年11月1-3日的居民就医模式表现一致,主要是因为这3天都是工作日。工作时段和非工作时段的居民出行频率有明显区别,这很大程度上是由医院科室的工作时间所决定的。在8:00-18:00的工作时段居民就医出行基本处于高频状态,对应医院各科室的正常工作时间;在非工作时段,居民的出行频率则相对较低,同时凌晨时段 （0:00-6:00）和夜晚时段（18:00-24:00）的出行频率有所不同,凌晨时段居民出行频率很低,而傍晚之后居民出行频率虽然逐渐降低,但是依然高于6%。这可能是由于夜晚居民突发急病需要前往医院急诊就医,而夜晚的急诊科室相对较少,对于不是突发性的严重疾病,深夜看急诊的必要性不大。
4.1.3 医院OD网络
将居民出行就医的OD网络按照2 h间隔分别制图（图6）。由图6可知,不同时段的OD网络的形态结构有所不同。尤其是0:00-5:00凌晨时段OD网络十分稀疏,居民就医频率较低,而且网络的直径较大,就医成本较高;其他时段的OD网络则比较密集,且主要集中在五环以内的城区、网络直径较小,就医出行成本较低,市内居民就医较为便利;有部分的网络边连接了五环外的偏远郊区和市内医院,郊区居民绕过了邻近的本地医院而选择市内医院就医,反映市区和郊区医疗资源发展的不均衡性。另外,在上述OD网络中,除了2:00-7:00时段,有部分网络边起始于北京首都国际机场附近。首都国际机场作为连接北京和其他地区的主要交通枢纽之一,有一定量的旅客从其他地区来北京就医,说明北京市具备较为优良的医疗服务资源,也从一定程度上揭示了地区公共服务发展的差异性。
Fig. 6 Hospital OD network of 2-hour time interval

图6 2h时段居民就医OD网络

4.2 居民出行就医空间特征分析

利用核密度估计和标准差椭圆工具对OD数据进行分析制图（图7）,揭示居民乘车就医的空间分布特征。从图7可看出,2016年11月1-3日居民乘坐出租车就医的O点空间分布模式基本一致,稍有不同的是2日在西四环附近,核密度值较高,说明当日该地区的居民就医比较密集。从标准差椭圆分析,1日、2日、3日以及这3天总的OD数据分布特征基本一致,整个椭圆主要覆盖了四环以内的大部分区域,椭圆长轴方向主要是东北至西南方向;从核密度估计角度来看,密度值较大的区域主要是二、三环的东北部分,西城区大部分以及三环的西南地区,此外北京首都国际机场区域附近的密度相对较高,可能是因为首都国际机场作为北京市沟通外界地区的枢纽,承担了一部分外地旅客来京就医的中介功能。四环以外的地区核密度值较低。
本文从400多家医院中选取几家具有代表性的医院,包括首都医科大学宣武医院、首都医科大学附属复兴医院、首都医科大学附属朝阳医院（本部）、北京北海医院、北京市朝阳区中医医院,以及分布在北京五环以外的部分郊区医院。上述医院在本研究中的节点度数较大,即居民乘坐出租车前往就医的频次较高,能够在一定程度上降低节点度数较低所引起的居民就医的随机性误差。此外,选取的样本医院分属不同等级,前三家医院属于较为知名的三级医院,而北京北海医院属于一级综合医院,北京市朝阳区中医医院属于二级中医医院,选取的样本医院包括3个不同等级的中西医医院。本文创建以这些医院为目的地的就医OD网络,利用核密度估计和标准差椭圆工具对这些医院的乘客上车点进行分布制图,如图8所示,从而揭示居民前往不同医院就医的分布特征。
Fig. 7 Spatial distribution of resident travel for medical treatment

图7 居民出行就医的空间分布图

从图8可看出,复兴医院、朝阳医院、宣武医院的网络比较密集,集中分布于城市五环之内,但是仍然有一部分的O点分布在五环以外郊县地区,说明部分患者出于“认专家”、“托三甲”的习惯,花费较高的时间和距离成本选择市内医院就医。北京北海医院和朝阳区中医医院虽然医院的等级规模较低,但是处于市中心地带,该地区人口密集、交通便利,因此就医居民同样较多、OD网络比较密集,服务范围主要覆盖四环以内的地区,说明医院的地理位置是决定居民就医倾向的重要因素之一。由于郊区人口密度较低、交通条件相对落后,上述郊区医院的网络相对分散、稀疏,医院节点度数较低,从而进一步说明医疗资源的地理位置影响了居民的就医倾向;此外,郊区医院本身的等级规模和知名度较低,也是导致其就医网络稀疏的原因之一。
Fig. 8 OD network and spatial distribution of resident travel for medical treatment

图8 居民前往不同医院就医的OD网络及空间分布

从标准差椭圆分析,上述医院的椭圆长轴方向基本一致,但是覆盖范围有所不同：宣武医院覆盖了三环以内的大部分区域以及西四环部分地区;复兴医院的覆盖范围较小,囊括了西城区、东城区北部以及四环以内北部区域;朝阳医院覆盖了五环以内的东北部区域;北海医院的椭圆相对较小,主要覆盖了东西城区的大部分和少量的海淀和朝阳区;朝阳中医医院的椭圆则基本覆盖了整个东城区、西城区的东部和朝阳区西部少量地区;而本文中的郊区医院就医人数较少、分布比较分散,主要包括了北四环附近地区、东四环以内的少部分地区以及五环以外的东北和西南地区。较小的椭圆代表了医院的服务范围相对集中在医院的周边地区,较大的椭圆则说明就医人群相对比较分散。
核密度分析结果表明,宣武医院和复兴医院核密度值较高的地区比较集中,且主要集中在西城区,不同的是宣武医院的高密度值区域分为较大的两块和较小的两块,且偏向于西城区南部,而复兴医院的高密度值区域呈现一个反L型,集中位于西城区的西北部分;朝阳医院的密度分布则相对比较分散,低密度区域散乱地分布在五环内外区域,高密度区域集中分布在东二环到东四环之间及附近区域。本文选择的郊区医院主要分布在五环外的北部、西部、西南部以及东部地区,因此相应的核密度分布具有相应的规律,高密度地区分布在相似的区域,另外一些中等密度地区分布在北四环、东四环线等主干道交通便利的区域,总体上市内的密度值分布较低。此外,各医院的高密度区域一般是以医院为中心邻近分布,各医院对居民就医的吸引范围大多局限在周遭地区。但是,由于市内集中了较好的医疗资源,导致城市周边地区的医疗资源发展不均衡,郊区居民就医的便利性以及对优势医疗资源的获取能力也会由于交通状况导致的较高时间成本和距离成本而受到一定程度的限制。

5 结论与讨论

北京市拥有全国领先的医疗资源优势,各类医疗机构上万家,其中大小医院有600多所。本文以北京市主要医疗机构数据为基础,结合出租车GPS数据,通过百度POI服务选择400多所医院作为研究对象,同时从中选择了部分OD记录较多的典型医院进行具体分析。采用核密度估计和标准差椭圆分析方法,研究了北京市居民乘坐出租车就医出行的时空分布特征。
从整体上,北京市居民出行就医可达性较好,乘出租车就医平均耗费时间低于15 min的占45% 左右,低于30 min的占70%以上。
从空间分布上,市区尤其是四环以内的就医密度较高,四环以外的地区密度较低。市内医院的就医网络密集、紧凑,服务范围主要覆盖市内的周边地区,同时也少量覆盖了五环外的郊区。郊区医院的服务范围主要局限在郊区周边地区,就医网络稀疏、分散。
医疗资源的地理位置影响了居民的就医倾向,市内某些医院虽然医疗等级低,但是得益于良好的地理位置,相比于郊区医院,就医网络密集、核密度值较高,也凸现了郊区的缺医现象比较严重,存在较多的郊区患者花费了较多的时间成本前往市内医院就医的情况。针对郊区缺乏突出医疗资源的特点,应该协调发展市郊的医疗资源水平,通过鼓励市内三级医院等优势资源在郊区建立分院,或者合作办院的方式向医疗缺乏地区输出高质量的医疗服务,也可以从一定程度上缓解市内医院“挂号难”等问题,鼓励居民就近获取合适、满意的医疗服务。
受数据获取限制,本研究在案例分析上仅使用了3 d的某出租车公司的运营数据,数据量略显不足。同时,本研究只考虑了出租车出行模式下的就医情况,没有考虑步行、私家车、地铁、公交车或者相关混合出行方式,构建的医院OD网络只能占全北京市居民就医OD网络的一部分。本研究更着重于利用浮动车GPS数据进行就医特征模式挖掘的方法应用探讨,若能够进一步获取更为全面的出行数据,有望识别出更加接近实际的居民就医规律特征。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
丁愫,陈报章.城市医疗设施空间分布合理性评估[J].地球信息科学学报,2017,19(2):185-196.随着经济发展和人民生活水平的不断提高,城市居民对健康的重视程度不断的增加,医疗设施作为城市中不可或缺的公共设施发挥着越来越重要的作用。城市的不断扩张导致医疗机构的分布已不能适应当前的城市规模,如何能够将有限的医疗资源进行合理的分配,并能在最大程度上满足居民的需求成为当下研究热点。本研究基于地理信息系统（GIS）空间分析技术,根据统计资料建立武汉市中心城区交通网络、医疗机构分布、人口等数据库,分别从可达性和公平性角度评价武汉市医疗设施的空间分布合理性,并利用地理空间可达性评估法和基于交通网络行进时间成本法分别对武汉市中心城区医疗设施可达性进行评价。就医可达性评估显示,武汉市居民就医便捷程度总体上较好,并以长江和汉江的交界地区为中心,呈四周放射状分布。通过引入需求指数、医疗机构规模、区域人口、人均可支配收入等指标,利用基尼系数、空间相关性和空间分层异质性评价医疗服务设施空间分布公平性。结果表明,武汉市医疗机构分布按人口分布合理,医疗机构主要集中分布在人口密集的主城区;地理分布上城郊地区医疗机构相对稀少。最后,依据可达性和公平性评价结果,对武汉市医疗设施布局提出合理化建议。在城市规划发展中,应更多考虑改善郊区等交通欠发达区域居民的就医条件,从而完善城市医疗设施分布。

DOI

[ Ding S, Chen B Z.Rationality assessment of the spatial distributions of urban medical facility[J]. Journal of Geo-information Science, 2017,19(2):185-196. ]

[2]
李平华,陆玉麒.可达性研究的回顾与展望[J].地理科学进展,2005,24(3):69-78.lt;p>可达性是指利用一种特定的交通系统从某一给定区位到达活动地点的便利程度。可达性反映了区域与其他有关地区相接触进行社会经济和技术交流的机会与潜力。本文综合了可达性的主要定量评价方法,并对各种方法的优缺点进行了比较,总结了近期可达性评价方法的进展与动态。随后分别在区域和国家尺度与城市内部尺度上总结了可达性在区域经济发展研究、城市土地利用、社会服务设施提供、城市社会问题等各方面的应用。相对来讲,国内关于可达性的研究尚不丰富。最后,本文阐述了目前可达性研究中的问题,并对未来研究进行了展望。</p>

DOI

[ Li P H, Lu Y Q.Review and prospectation of accessibility research[J]. Progress in Geography, 2005,24(3):69-78. ]

[3]
Ertugay K, Duzgun S.GIS-based stochastic modeling of physical accessibility using GPS-based floating car data and Monte Carlo simulation[J]. International Journal of Geographical Information Science, 2011,25(9):1491-1506.

DOI

[4]
姜海宁,谷人旭,陆玉麒,等.江苏省民用机场可达性及其服务能力评价[J].地理科学,2010,30(4):521-528.There have been seven civil airports distributed in Nanjing, Wuxi, Changzhou, Nantong, Xuzhou and Lianyungang in Jiangsu Province, which was called "'7’civil airport" layout.With the rapid development of transport capacity, the scale and quantity of civil airports is being improved. Based on this background, construction of two new civil airports in Huaian and Yangzhou, both of which located in Jiangsu Province had been carried out. Therefore, the layout of "‘7+2’civil airport "would be come into being in Jiangsu Province. In order to make a quantitative study about civil airports and service capability in Jiangsu Province, this paper firstly mainly used the Spatial analyst module functions of AarGIS to do a empirical research about accessibility of civil airport in Jiangsu Province based on the highway network structure and calculations of optimal road routes and time to civil airports of Jiangsu Province, which generated accessibility diffusion graph and service area map before and after the formation of the "‘7+2’civil airport". Then a comparison and analysis of the graph and chart was made and analyzed, and the result showed that the overall accessibility of existing civil airports in Jiangsu Province was fairly good basically. However, as to the regional distribution, the accessibility diffusion graph took on a laver structure taking civil airports as the center. Currently the accessibility time of 88.5% of Jiangsu Province area was within 1.5 h, but the internal difference was also obvious. The accessibility of civil airports in southern Jiangsu was much better, while it was still much worse in the inland area of northern Jiangsu, because there was no civil airport. The size of service area of civil airport in Jiangsu Province was large in the north and small in the south. When the layout of "‘7+2’ civil airport" were formed, it would greatly improve the accessibility of civil airport in the inland area of north Jiangsu, and the size of service areas was reduced with different degree, and the proportion of better accessibility area was higher obviously, while the proportion of worse accessibility area tended to go down. And then,an approximate calculation about the potential service capability of civil airports which were classified as three grades was made combined with some related factors, such as population, GDP, per capita GDP, per capita disposable income and civil airport grade. The service capability of Nanjing civil airport which belonged to the first class had absolute priority in the layout of "‘7+2’ civil airport "in Jiangsu Province, and the civil airports of Wuxi,Changzhou and Xuzhou belonged to the second class, and the rest of civil airports belonged to the third class. Finally, the problems and shortage existing in the civil airports in the different grades combined with economy and accessibility were analyzed, and some corresponding optimization measures were brought forward. Furthermore, it would provide theoretical basis for the distribution, efficiency improvement and balanced development of civil airport, which would have great theoretical and practical significance.

[ Jiang H N, Gu R X, Lu Y Q, et al.Assessment of accessibility and service capability of civil airports in Jiangsu province[J]. Scientia Geographica Sinica, 2010,30(4):521-528. ]

[5]
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):61-63.

[ Liu Z, Guo S Q, Jin H H, et al.Application of the 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):61-63. ]

[6]
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,2010,30(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 study of Rudong county in Jiangsu province[J]. Scientia Geographica Sinica, 2010,30(2):213-219. ]

[7]
Mcgrail M R, Humphreys J S.Measuring spatial accessibility to primary care in rural areas: Improving the effectiveness of the two-step floating catchment area method[J]. Applied Geography, 2009,29(4):533-541.

DOI

[8]
陶海燕,陈晓翔,黎夏.公共医疗卫生服务的空间可达性研究——以广州市海珠区为例[J].测绘与空间地理信息,2007,30(1):1-5.

[ Tao H Y, Chen X X, L X. Research on spatial accessibility to health service : A case study in the Haizhu district of Guangzhou[J]. Geomatics & Spatial Information Technology, 2007,30(1):1-5. ]

[9]
Wang F H, Luo W.Assessing spatial and nonspatial factors for healthcare access: Towards an integrated approach to defining health professional shortage areas[J]. Health & Place, 2005,11(2):131-146.

[10]
董敬欣,吴建平,郭继孚.基于GPS/GIS 数据的路网层次划分研究——北京的实践[J].城市规划,2005,29(10):70-74.

[ Dong J X, Wu J P, Guo J F.Assessment of road network based on GPS/GIS data: A practice in Beijing[J]. City Planning Review, 2005,29(10):70-744. ]

[11]
邓中伟,季民河.上海市出租汽车出行时空分布规律研究[J].城市交通,2012,10(1):68-74.

[ Deng Z W, Ji M H. Spatiotemporal distribution of taxi services in shanghai[J]. Urban Transport of China, 2012,10(1):68-74. ]

[12]
胡继华,程智锋,詹承志,等.基于时空路径的城市公交时间可靠性研究[J].地理科学,2012,32(6):673-679.时间可靠性是公交重要的时空特性之一,提高公交时间可靠性有助于提高公共交通吸引力。基于时间地理学,从时空过程的角度对公交时间可靠性进行了研究。利用公交时空路径,提出一种城市公交时间可靠性的评价方法,该方法包括单程准时度、单程准时稳定度、站点准时度、站点准时稳定度4 个指标。然后利用广州公交GPS数据对各指标进行计算。结果表明,公交时间可靠性随着线路长度增大和站点数增加而降低,随着用地类型的不同而变化,其中商业用地内的时间可靠性最大,并且时段不同,可靠性也有较大差异,其中早高峰的时间可靠性最低,从而验证了所提出评价方法的有效性。

[ Hu J H, Cheng Z F, Zhan Z C, et al.Time reliability of urban public transportation using space-time path[J]. Scientia Geographica Sinica, 2012,32(6):673-679. ]

[13]
Mcgrail M R, Humphreys J S.Measuring spatial accessibility to primary care in rural areas: improving the effectiveness of the two-step floating catchment area method[J]. Applied Geography, 2009,29(4):533-541.

DOI

[14]
齐兰兰,周素红,闫小培.广州市医疗设施可达性模型中端点吸引的影响因素检验[J].地理科学,2014,34(5):580-586.lt;p>引入出租车GPS数据对医疗设施端点特征指标、服务端特征指标、环境要素指标等进行检验，衡量这些指标对医疗设施端点吸引量和主要服务范围的影响作用。结果显示医疗服务利用符合距离衰减规律，1.5 km内人数最多，超过1.5 km，随距离增加出行人数逐渐减少；医疗设施吸引量受医院规模、所在地区人口数量的正向影响，主要服务范围受到所在地区人口数量的负向影响，其他指标影响不显著。</p>

[ Qi L L, Zhou S H, Yan X P.Endpoint attractive factors of medical facilities' accessibility: Based on GPS floating car data in Guangzhou[J]. Scientia Geographica Sinica, 2014,34(5):580-586. ]

[15]
Yang G G, Song C, Shu H, et al.Assessing patient bypass behavior using taxi trip origin-destination (OD) data[J]. ISPRS International Journal of Geo-information, 2016,5(9):157.Many patients prefer to use the best hospitals even if there are one or more other hospitals closer to their homes; this behavior is called “hospital bypass behavior”. Because this behavior can be problematic in urban areas, it is important that it be reduced. In this paper, the taxi GPS data of Beijing and Suzhou were used to measure hospital bypass behavior. The “bypass behavior index” (BBI) represents the bypass behavior for each hospital. The results indicated that the mean hospital bypass trip distance value ranges from 5.988 km to 9.754 km in Beijing and from 4.168 km to 10.283 km in Suzhou. In general, the bypass shares of both areas show a gradually increasing trend. The following hospitals exhibited significant patient bypass behavior: the 301 Hospital, Beijing Children’s Hospital, the Second Affiliated Hospital of Soochow University and the Suzhou Hospital of Traditional Chinese Medicine. The hospitals’ reputation, transport accessibility and spatial distribution were found to be the main factors affecting patient bypass behavior. Although the hospital bypass phenomena generally appeared to be more pronounced in Beijing, the bypass trip distances between hospitals were found to be more significant in Suzhou.

DOI

[16]
杨格格,宋辞,裴韬,等.北京对外交通枢纽乘客OD时空分布特征[J].地球信息科学学报,2016,18(10):1374-1383.lt;p>对外交通枢纽对城市内部的客流交通有重大影响,研究其乘客在市内的OD分布对优化设计地面接驳线路、沿线站点等有重要意义。本文基于北京出租车GPS数据,选取具有代表性的3类对外交通枢纽（机场、火车站、汽车客运站）,采用标准差椭圆分析、核密度估计以及分时点统计等方法,研究了北京对外交通枢纽乘客OD时空分布特征。结果表明：（1）机场、火车站客流量远大于汽车客运站,其中首都国际机场与北京西站的对外出行客流量最大,南苑机场和北京北站的对外出行客流量较少;（2）机场乘客主要分布在四环以里大部分地区以及五环以里部分地区,时间上主要分布在除凌晨1-4时的各个时间段;火车站乘客主要分布在四环以里区域,时间上主要分布在6-21时;汽车客运站乘客主要分布在各客运站周边区域,时间上主要集中在6-17时;（3）北京南站与北京西站、北京站间的客流联系较多,可考虑开通北京南站与二者间的地面接驳专线。此外,抵离首都国际机场、南苑机场的乘客主要分布区域与新开通的机场往返市区的巴士线路站点较为一致,说明采用出租车数据进行乘客OD分析可为决策部门进行相关交通规划提供依据。</p>

DOI

[ Yang G G, Song C, Pei T, et al.2016. Passengers' OD temporal-spatial distribution characteristics of the external traffic hubs in Beijing. Journal of Geo-information Science, 2016,18(10):1374-1383. ]

[17]
Kong X, Liu Y, Wang Y, et al.Investigating public facility characteristics from a spatial interaction perspective: A case study of Beijing hospitals using taxi data[J]. ISPRS International Journal of Geo-information, 2017,6(2):38.

DOI

[18]
Si Y, Weng J, Chen Z, et al.Taxi travel purpose estimation and characteristic analysis based on multi-source data and semantic reasoning: A case study of Beijing[C]. International Conference on Web Information Systems Engineering. Springer, Berlin, Heidelberg, 2013:474-492.

[19]

[20]
王汉东,乐阳,李宇光,等.城市商业服务设施吸引力的空间相关性分析[J].武汉大学学报·信息科学版,2011,36(9):1102-1106.利用武汉市出租车轨迹数据,根据服务设施的空间可达性,采用加权两步移动搜寻法计算服务设施的吸引力大小,并通过计算全局自相关指标分析服务设施吸引力在整体上的空间聚集特征,在此基础上分析服务设施吸引力的局部空间相关性。实验结果表明,武汉市服务设施吸引力整体上呈现显著的空间聚集特征,在商业繁华中心地带服务设施吸引力具有局部自相关性。

[ Wang H D, Yue Y, Li Y G.Spatial correlation analysis of attractiveness of commercial facilities[J]. Geomatics and Information Science of Wuhan University, 2011,36(9):1102-1106. ]

[21]
Yue Y, Wang H D, Hu B, et al.Exploratory calibration of a spatial interaction model using taxi GPS trajectories[J]. Com-puters Environment & Urban Systems, 2012,36(2):140-153.Model calibration is the cornerstone of spatial interaction models in many geographic, transportation and marketing analysis. Conventional questionnaire approaches that collect data for model calibration are both labor-intensive and time-consuming, and generally show a poor response rate. This study takes advantage of increasingly available vehicle GPS trajectory data to conduct spatial interaction model calibration. A Huff model for retail trading area analysis was used as an example. Model calibration and parameter validation were conducted based on over 63,000 taxi GPS trajectories for seven major shopping centers in Wuhan, a large city in China. The results were positive and in general showed satisfactory descriptive and predictive capability. This study demonstrated the feasibility of using the emerging technology to calibrate spatial interaction models (and also showed the potential for use in other related studies). The main advantage of using these new data sources is that they allow efficient use of increasingly available positioning data, which is easier to collect than conventional customer surveys, and usually with larger data sizes. It also allows inferences to be made about distance-decay rates based on accurate computation of travel time and distance. This could save both time and expense in many related areas of research, while achieving high quality model calibration results.

DOI

[22]
Saberi M, Mahmassani H S, Brockmann D, et al.A complex network perspective for characterizing urban travel demand patterns: Graph theoretical analysis of large-scale origin-destination demand networks[J]. Transportation, 2016,44:1-20.

[23]
Joubert J W, Axhausen K W.A complex network approach to understand commercial vehicle movement[J]. Transportation, 2013,40(3):729-750.AbstractWe introduce complex network analysis and use a commercial vehicle observed trip as a proxy for a business relation between two facilities in its activity chain. We extract facility locations by applying density-based clustering to GPS data of commercial vehicle activities. The network among the facilities is then extracted by analysing the activity chains of more than 25,000 commercial vehicles. Centrality metrics prove useful and novel in identifying and locating key logistics players. Transport planners and decision makers can benefit from such an approach as it allows them to design more targeted initiatives and policy interventions.

DOI

[24]
余晓平,裴韬.手机通话网络度特征分析[J].物理学报,2013,62(20):542-552.

[ Yu X P, Pei T.Analysis on degree characteristics of mobile call network[J]. Acta Physica Sinica, 2013,62(20):542-552. ]

[25]
董丞妍,罗明良,昌小莉,等.汶川及芦山地震余震分布的空间尺度效应[J].地震学报,2015,37(1):113-124.基于GIS点格局方法,从余震点分布的不确定性以及烈度区与点空间距离格局的关系角度研究了汶川及芦山余震点格局.结果表明：余震在较小尺度内接近随机分布且关联效应明显;在较大尺度内余震聚集分布,空间距离关联仍呈幂律关系,无标度区间的上下限与不同烈度区的长短轴间存在关联.汶川、芦山余震形成东北西南向矩形的热点、次热点分布区,区域内最邻近指数为0.99,0.76;映秀Ⅺ度、芦山Ⅸ度烈度区内最邻近指数分别为1.02和0.95,显示余震点在强烈度、高聚集区内趋向随机分布.余震点距离关联特征表明：汶川余震在13.5-20 km和30-43 km区间,芦山余震在7-14.5 km区间内关联程度显著;汶川余震在66-82 km、225-236 km、317-321.5 km区间以及芦山余震在15.5-22 km、23-32.5 km、33.5-43.5 km区间仍呈幂律关系.该结果与汶川地震Ⅺ-Ⅸ度、芦山地震Ⅸ Ⅶ度烈度分布区域的长短轴存在一定关联,321.5 km和40 km与两次地震主破裂面长度也较为吻合.对比核密度估计与地震烈度图可以看出：带宽越小,核密度面积与较高烈度区域的一致性越大;随着带宽的扩大,核密度面积与烈度区的差异也越大.

DOI

[ Dong C Y, Luo M L, Chang X L, et al.Spatial location behavior of aftershocks of Wenchuan Ms8.0 and Lushan Ms7.0 earthquakes[J]. Acta Seismologica Sinica, 2015,37(1):113-124. ]

Options
Outlines

/

〈 〉