EN中文

Journal of Geo-information Science >

2021 , Vol. 23 >Issue 4: 604 - 616

DOI: https://doi.org/10.12082/dqxxkx.2021.200489

Evaluation Method of Medical Facilities Service Coverage in Mountainous Cities based on Map Data

  • LIAO Xinzhi ,
  • WANG Hua ,
  • ZHAO Wanmin , *
Expand
  • Chongqing university, Faculty of Architecture and Urban Planning, Chongqing 400030, China
*ZHAO Wanmin, E-mail:

Received date: 2020-08-26

  Request revised date: 2021-01-04

  Online published: 2021-06-25

Supported by

National Natural Science Foundation of China(51678086)

Project Supported by Graduate Scientific Research and Innovation Foundation of Chongqing, China(CYS20028)

Copyright

Copyright reserved © 2021
Fold

Abstract

With the continuous development of China's social economy, residents' demand for medical services is increasing. It is of great significance to analyze and evaluate the service scope of urban medical facilities to solve the contradiction between medical supply and demand and improve the level of urban health. At present, the coverage assessment of medical facilities in China mostly ignores the traffic network and population distribution, resulting in many blind areas of urban medical services. The complex terrain environment of mountainous high-density city affects the travel ability and mode of residents, and increases the difficulty of medical facilities service coverage, so it is difficult to accurately evaluate it by traditional methods. Based on the analysis and comparison of the advantages and disadvantages of the existing medical accessibility research methods, taking the main urban area of Chongqing as the experimental area, this paper attempts to adopt the optimized 2SFCA, and according to the network map data and official statistical data, establishes the medical facility accessibility analysis model based on GIS platform, The coverage of medical facilities and medical accessibility of each street and town were scientifically evaluated from three levels of city, district, and community. The results show that the improved method can deal with massive medical data, accurately simulate the scope of medical services, and output the evaluation results of full level medical facility service coverage, which is more suitable for mountainous areas with complex transportation and multi-level medical facility service coverage evaluation. The comprehensive evaluation shows that the medical facilities in the main urban area of Chongqing have the problems of uneven spatial distribution of large general hospitals and incomplete internal coverage of primary medical facilities, and the streets and towns with better medical coverage only account for 33.1% of the total. Therefore, it is suggested that the high-quality large-scale medical resources gathered in the old urban areas should be shared with the new urban areas. At the same time, according to the geographical location and technical ability, medical districts with complete levels should be established to make up for the shortcomings of primary medical services in the old urban areas, to improve the allocation of medical facilities in the main urban areas of Chongqing.

Key words： mountainous city; medical facilities; accessibility; map data; main urban area of Chongqing; GIS; POI; 2SFCA

Cite this article

LIAO Xinzhi , WANG Hua , ZHAO Wanmin . Evaluation Method of Medical Facilities Service Coverage in Mountainous Cities based on Map Data[J]. Journal of Geo-information Science, 2021 , 23(4) : 604 -616 . DOI: 10.12082/dqxxkx.2021.200489

1 引言

2020年突如其来的新冠疫情所引发的全球性公共卫生危机,极大地影响城乡社会经济正常发展与居民健康生活。早发现、早隔离[1]的救治措施是进行科学防疫的关键,覆盖完整、均衡布局的分级医疗体系[2]则是防疫救治的重要基础。医疗设施服务覆盖的合理性与均好性不仅关乎社会公平与民生保障[3],更关乎特殊时期城市的应急能力：一方面,基础性医疗设施空间布局的均衡与高效,可满足居民大量日常性医疗需求;另一方面,医疗单元的合理级配与全面覆盖,可有效降低城区间的无效流动,对于后疫情时代的分区差异化防控具有重要意义[2]。
医疗设施服务覆盖评估的关键在于医疗可达性的测度[4]。可达性是指到达某一地点的难易程度,受交通条件、出行成本、出行方式等因素的影响[5],主要应用于城市规划[6,7]、道路交通[8]、公共服务[9]等领域。相关研究多借助GIS进行测算与空间表达,目前应用较广的方法主要分为以下2类：
（1）脱离交通网络与居民分布,做简单的缓冲区分析[10],将空间上的医疗设施覆盖情况与建成区进行比对。如《重庆市主城区医疗卫生设施布局规划（2015—2020）》[11]中对医疗设施进行的服务覆盖分析。此方法优点是快捷方便,多适用于交通组织规整的平原地区,但对于地形复杂的山地城市,若未基于实际交通网络进行精准测算,结果将存在较大误差。
（2）考虑居民需求与出行阻抗,构建相关定量模型。如累积机会法[12]、最小距离模型[13]、重力模型[14]等,其中运用较多的代表性方法为两步移动搜寻法（2SFCA）[15]。该方法从供给侧和需求侧2次测度：① 以医院为中心的区域之内进行搜索,将其覆盖的社区标识出来;② 以覆盖的社区为中心点,搜索最大覆盖阈值内的医院数量与可达成本[16]。基于该方法,国外相关学者,从单纯的距离阈值[17]出发,结合交通方式[18]、医师数指标[19]、人口指标[20]、人种族群[21]等非空间指标,对医疗设施服务阈值进行设定,测算不同社会条件下的医疗设施空间覆盖度。国内的评估主要以医疗设施空间格局[22]、服务半径[23]、分布均衡性[4]等内容为切入点,综合考虑患者不同出行方式[22]与不同服务半径[24,25]下的城市就医可达性。不过,两步移动搜寻法在实践操作中仍存在缺陷。由于医疗设施服务范围与社区行政边界难以保持一致,当以医院为中心进行搜寻时,若社区仅有部分区域进入搜寻范围,反向测度时将难以判断该医院是否纳入以社区为中心的搜寻范围内。此外,两步移动搜寻法对大数据的处理能力较弱,当相邻医院的搜寻范围重叠时,难以批量统计落在搜寻域内的目标属性值。在已有研究中,两步移动搜寻法多以城市三级医院为对象进行研究,以降低数据量。在面对大量的基层社区医院时,难以完整地对医疗设施配置进行全面评估。
可以看到,对医疗设施可达性的研究,多从“供给”和“需求”2个方面[26]分析不同类别公服设施的服务能力、出行成本与人群需求[27],其统计测度采用的关键数据类别包括2类,一类是服务供给数据,一类是出行成本数据。① 服务供给数据,即公服设施的类别、服务能力、空间位置等信息。随着地图大数据的发展,可采用更为智能与科学的研究方式,避免实地走访、问卷调查等传统方式中数据获取困难、易出现缺漏的缺点,全层级、多方位地评估海量医疗设施服务供给状况。其中,POI数据作为地图平台审核后发布的记录了城市公共设施等级、功能信息的点状空间数据,凭借其覆盖的全面性与时效性,可通过对不同属性公共服务POI数据加权叠加,分析城市生活便利度指数[28],社区生活圈[29]、全层级的公共可达性[30]等,在城市公共设施可达性研究中得到了广泛运用。② 出行成本数据,作为衡量可达性的基础数据[31],一般基于GIS平台构建交通网络模型以服务等时圈的方式测度,但常因交通数据缺失,而难以保证模型的精确性[32]。随着互联网的发展,研究者可从OSM等网络地图平台上获取最新且可靠的交通网络数据进行建模[33],或直接利用API接口调用地图平台计算出行成本[34],得到准确的路线与时间信息。
目前,我国医疗设施服务覆盖的评估还相对粗放,出行成本数据的测量往往未基于实际交通网络进行测度[11],致使医疗服务存在不少覆盖盲区。山地城市由于地形环境的阻隔与限定,山地城市紧凑的布局方式与立体多维的交通体系,会较大地影响居民出行方式与能力,相对粗放的医疗设施服务覆盖评估方式,难以准确评估山地城市医疗设施覆盖状况与服务质量,进一步放大医疗服务覆盖盲区。针对上述问题,本文以重庆市主城区这一典型山地城市为例,在综合分析重庆市卫健委等权威机构相关数据的基础上,采用时效性更佳的地图交通数据与医疗POI数据,并考虑山地地形拮抗因素,再依托GIS平台建立山地交通模型的同时,利用API接口调用地图平台校核模型,再基于该交通模型分级、分类地进行医疗设施可达性研究,与城市建成区居住人口的分布比对评估,输出全层级医疗设施覆盖评估结果,以期对城市医疗卫生设施的规划配置提出更为精准的优化建议。

2 研究方法

2.1 研究方法构建与改良

本文研究方法,延续两步移动搜寻法分供给侧和需求侧进行两步搜寻的思路,并针对上述2种思路的缺憾进行调整改良,以满足山地城市医疗设施全层级覆盖评估：① 针对简单缓冲区模拟医疗设施服务范围在山地环境失真的问题,本次研究构建较为精准的山地交通网络,精确模拟不同层级的医疗设施覆盖范围;② 针对两步移动搜寻法的上述缺点,借鉴城市公共服务设施加权叠加的研究方式,从机会累积的角度入手,对分级医疗设施服务范围进行权重赋值叠加,得到各街镇医疗服务加权覆盖评分后,继续探究其与街镇人口的匹配度。相比传统方法,此研究技术路径能直接操作海量数据源（图1）,主要分为以下2步：
图1 医疗设施服务覆盖评估研究技术路线

Fig. 1 Research technology path of medical facility service coverage assessment

（1）在医疗设施供给侧,基于山地交通网络,根据不同就医情景下的出行方式,搜索各级医院服务阈值内的可达性覆盖面,测度医疗卫生设施对城区的覆盖情况。该模型如式（1）所示。
X = ∑ j = 1 n A j α ∙ G j ∙ C j + ∑ k = 1 m A k β ∙ G k ∙ C k + ∑ i = 1 p A i β ∙ G i ∙ C i
式中：X为医疗设施服务可达性叠加;A为医疗设施服务覆盖范围;α代表步行;β代表车行;G为距离衰减系数;C为各级医疗设施权重系数;j为社区级医疗设施,n为社区级医疗设施数量;k为片区级医疗设施,m为片区级医疗设施数量;i为市域级医疗设施;p为市域级医疗设施数量。
（2）在城乡居民需求侧,将医疗设施空间可达性评估数据落位到具体街镇社区,得到社区内医疗服务加权覆盖面积与社区实际投影面积的比值得分,再将该得分与各街镇人口密度比值的区位熵作为需求侧的评估指标[32]。该指标可落位到具体行政管理单元,方便未来医疗设施的合理规划与实施建设。该模型如式（2）、式（3）所示。
Y = ∑ f = 1 F X f S f
P f = Y f N f ∑ f = 1 F Y f / N f F
式中：Y表示机会累计的街镇医疗设施加权覆盖评分;X为医疗设施服务可达性叠加;P表示街镇居民就医可达性区位熵;f代表具体的街镇;F代表划入研究范围的街镇数量;N表示人口密度;S代表面积。

2.2 研究方法检验与对比

为检验改良后方法的效能,本文构建一个简单场景与传统两步移动搜寻法进行对比检验（默认场景中各社区人口密度一致）。根据结果,对比图2（a）与图2（c）,传统方法未能对医疗设施的服务半径做出等级化的设定,且搜寻过程易出现社区仅部分进入覆盖范围的情况,难以判断是否将该社区计入服务统计范畴;而改良后的评估方法,能模拟各等级医疗设施不同阈值的等时圈,并根据其医疗服务能力加权叠加,得到综合的医疗设施服务可达性评估。与此同时,对比图2（b）与图2（d,）传统方法以是否覆盖社区中心点作为计入覆盖的标准,导致A、C社区的可达性明显有误,A社区更靠近高等级医疗点,但由于社区中心未被二级医疗点服务范围覆盖,而未能计入相关医疗服务。改良后的方法,规避了传统搜寻中的争议点,将全层级的医疗设施空间可达性评估数据落位到具体的街道社区街镇,以居民就医可达性区位熵作为评估指标,其结果更能精准地反映医疗服务供给与各街镇居民的医疗服务满足情况。
图2 与传统两步移动搜寻法的对比

Fig. 2 Compared with the traditional 2SFCA

3 实验区概况、数据来源与处理

3.1 实验区概况

重庆地处西南,是我国典型的山地城市之一,缙云山、中梁山、铜锣山、明月山4条山脉由南向北依次嵌入主城建成区内,长江、嘉陵江自西向东在渝中半岛交汇,构成重庆主城“一岛两江,三谷四脉”山水格局与多中心组团的空间形态。本文主要探讨城市医疗设施的空间布局,故选取重庆市主城区作为实验区,包括渝中区、沙坪坝区、南岸区、大渡口区、江北区、九龙坡区、渝北区（部分）、巴南区（部分）、北碚区（部分）（图3）。根据《2019年重庆市卫生健康统计年鉴》[35]显示,重庆市主城区医疗卫生机构总数为4622家,其中,医院数量为398家,基层医疗卫生机构（含社区卫生院、诊所、药房等）数量为4186家,专业公共卫生机构为38家。
图3 重庆市主城区建设组团分布[36]

注：BB指北碚组团,XY指西永组团,ST指水土组团,CJ指蔡家组团,GYQ指观音桥组团,RH指人和组团,LJ指礼嘉组团,YL指悦来组团,KG指空港组团,TJT指唐家沱组团,SPB指沙坪坝组团,YZA指渝中组团,DYS指大杨石组团,XP指西彭组团,JS指界石组团,YZ指鱼嘴组团,LX指龙兴组团,NP指南坪组团,LJT指李家沱组团,CY指茶园组团,DDK指大渡口组团。

Fig. 3 Distribution map of construction groups in main urban area of Chongqing

3.2 数据来源与处理

本文使用数据主要包括3类：① 重庆市社会经济数据,来源于重庆市历年统计年鉴、《重庆市城乡总体规划（2007—2020）》[21]与2020年自然资源部公布的GLC30地表覆盖数据等;② 交通网络数据,来源于开源地图网站（http://www.openstreetmap.com）;③ 重庆市医疗设施数据,通过地图POI兴趣点获取,获取时间为2020年5月2日。数据获取与整理过程如下。
3.2.1 重庆市主城区交通网络数据获取与搭建
本文依据《城市道路工程技术规范GB51286-2018》[37]、《公路工程技术标准JTGB01-2014》[38],考虑到重庆市主城区交通条件的复杂性,将城市交通体系划分为：高速路（立交）、主干路（立交）、一级次干路（立交）、二级次干路（立交）、三级次干路、支路、步行街、台阶等,并参考规范设计时速进行赋值与运算（表1）。
表1 交通网络数据转换与赋值

Tab. 1 Traffic network data conversion and assignment

类型 车行网络 车行/步行网络 步行网络
重分类 高速路
（立交）		 主干路
（立交）		 一级次干路
（立交）		 二级次干路
（立交）		 三级次干路 支路 步行道 台阶
原始数据分类 Motorway
Motorway-link		 Trunk
Trunk-link		 Primary
Primary-link		 Secondary
Secondary-link		 Tertiary
Tertiary-link		 Living-street
Track
Residential
Service
Unclassified
Path
Road		 pedestrian
Cycleway
Footway		 steps
车速/(km/h) 80
(40)		 60
(30)		 50
(30)		 45
(20)		 40 30 - -
步行/(m/min) - 90 90 90 90 90 90 50
此外,为合理搭建山地城市交通网络,本文分 3步提升网络的精确性：① 将捕获数据导入GIS,构建网络模型;② 考虑到单行道、步行出行、地铁出行的情况,在模型中添加设置相关规则;③ 由于山地城市道路交通状况相对复杂,特调用百度地图API的10:00与22:00采集数据取均值进行模拟,与构建的GIS交通网络进行对比、校核与调试,最终调试结果反映此次交通网络具有较高的精准度（图4、图5）。
图4 重庆市主城区交通网络构建

Fig. 4 Construction of traffic network in main urban area of Chongqing

图5 重庆市主城区交通网络校核

Fig. 5 Testing of traffic network in main urban area of Chongqing

3.2.2 医疗设施数据获取与整理
不同的医疗设施具有不同的服务能力与服务阈值,需对医疗设施进行合理分级。现实生活中,我国医疗设施被划定为城市医院（综合医院、专科医院）与基层卫生服务设施两层服务结构。本文在延续该结构的基础上,考虑到医疗设施自身的技术实力与城市居民面对不同病情的不同出行选择,剔除非病理性治疗机构,将数据整合为社区级（社区医院等）、片区级（综合、专科医院）、市域级（三甲医院等）3类不同服务能力的医疗设施进行分析。本文捕获的医疗卫生POI数据有5099条（比统计年鉴数据稍多,经核实,这是由于网络数据对基层数据覆盖更全,并且网络数据会将大型医院位置拆分为医院门诊、住院部等多个点,后续计算需将其整合为一个单位）,整理分级之后共有数据量1732条,从图4中看出,社区级医疗设施均匀分布在城市建成区;片区级医疗设施较为集中的分布在南北轴上;市域级医疗设施集中分布在渝中区与沙坪坝区（表2、图6）。
表2 医疗设施POI数据转换

Tab.2 Traffic network data conversion and assignment

新分类 市域级 片区级 社区级 剔除
原始分类
（数量/个）		 疾病预防机构（9）
三级甲等医院（26）
急救中心（5）
脑科医院（1）		 二级综合医院（360）
骨科医院（14）
妇科医院（16）
精神病医院（10）
各区传染病医院（4）
其他专科医院（79）
 诊所（1053）
卫生院（155）		 医药保健销售（2119）
医疗保健服务（1086）
整形美容等（262）
合计/个 41 483 1208 3367
图6 重庆市主城区医疗数据POI分级结果

Fig. 6 Results of POI classification of medical data in main urban area of Chongqing

3.2.3 医疗设施的服务阈值与权重
不同等级规模的医疗设施的服务能力与阈值各异,能否准确合理地设置各级医疗设施服务阈值与叠加分析权重,是可达性评估成败的关键[23,24,25]。
（1）医疗设施服务阈值设定
服务阈值的设定,《城市居住区规划设计标准（GB50180-2018）》[39]规定社区医疗设施布局,需满足15 min社区生活圈需要,即步行1 km可达。《重庆市主城区医疗卫生设施布局规划（2015—2020）》[11]将服务阈值设置为三级医院5 km、二级医院3 km、一级医院1 km。相关研究[13,37]则将其为低等级1.5 km、高等级3 km。上述分级方案皆基于距离成本进行赋值,但在实际运作中,医院承担许多急救病症抢救任务,如广州、上海等城市要求救护服务在市区需7~10 min之内到达,郊区需15~20 min到达;加之不同等级道路在相同时间有着不同服务半径,以距离成本作为度量就稍有不妥。
因此,本文以更为精确的时间为度量标准,将医疗设施服务阈值设定为社区级（步行10~15 min,约1 km服务距离）和片区级（车行5~7 min,约3 km服务距离）。市域级医疗设施由于其特殊性,阈值常被设定为研究范围边界到设施点的平均时间距离[15],但由于重庆主城区不像北京等平原城市、中心城区边界内基本都为城市建成区,其内部山地众多,城市跨山发展,建设用地分散,使中心城区面积过大,在采用该方法时,测算出的服务阈值过大,导致评估结果较难反映出各街镇间的差异。故以公共服务设施的均等化布局为主要依据,将各街镇到达最近设施点的平均时间作为市域级医疗服务阈值。同时,为反映就医意愿在距离上的衰减,以高斯函数[15]为距离衰减函数,对医疗服务进行分段测度,以每段的最高分,作为该段评分。其中,社区级与片区级设施服务半径较短,分两段进行测度;市域级医疗设施分3段进行测度。距离衰减函数如式（4）所示。
G d ab = e - 1 2 × d ab d 0 2 - e - 1 2 1 - e - 1 2 d ab ≤ d 0 0 d ab > d 0
式中： d 0 为医疗设施服务阈值; d ab 为供给点a到需求点b的距离。
（2）医疗设施服务权重设定
叠加权重的设定,从居民选择的角度出发,以医疗设施接诊服务能力与居民到达医疗设施的距离成本为依据进行计算,医疗服务叠加权重计算如式（5）、式（6）所示。
C g = R g R i + R j + R k
R g = E g × B g - β
式中：g∈{i, j, k};C为某等级医疗设施权重;R为某等级的医疗服务能力;E为某等级医疗设施接诊服务能力（年均接诊人次）;B为街镇中心到达最近某等级医疗点的平均距离;β为距离阻抗系数,由社会条件、居民生活水平、社会结构等因素影响,已有研究多取1或2[40],考虑到医疗救助的紧迫性,在这里取值2,以最小阻抗进行计算。
根据《2019年重庆市卫生健康事业统计年鉴》[35]中各级医疗设施年均接诊人次,各级设施叠加分析权重如表3所示。
表3 医疗设施分析权重

Tab. 3 Analysis weight of medical facilities

医疗设施等级
市域级 片区级 社区级
平均最近就医距离/km 10.6 5.2 2.9
年均接诊人次/万人
 100 30 5
叠加分析权重/% 29 48 23

4 结果及分析

本次研究首先分析供给端医疗设施的等级化服务范围,与GLC30中的建设用地范围进行对比,并以此为依据分析需求端的街镇医疗设施累积加权覆盖评分与街镇居民就医可达性区位熵。前者反映各级医疗设施是否存在医疗机构扎堆过剩的情况,后者反映了居民就医需求满足情况,共同为后续医疗设施布局的优化调整提供支撑。区位熵结果可分为5个等级：极低（<0.50）,相对低（0.50~1.00）,中（1.00~1.50）,高（1.05~5.0）和极高（>5）。

4.1 社区医疗设施服务覆盖评估

社区医疗设施数据包括社区诊所、卫生院等基层医疗设施。由于社区医保的限制,居民就医往往首选当地社区,因此将社区卫生院的服务范围限定在所属街镇,对超出范围的部分进行裁剪。评估方式为步行0~10 min与10~15 min的两段测评,覆盖强度分别为1与0.5,对应为1 km步行生活圈（图7）。
图7 重庆市主城区社区级医疗设施覆盖评估

Fig. 7 Coverage evaluation of community level medical facilities in main urban area of Chongqing

在供给端,图7（a）反映10 min步行圈层覆盖面积为252.1 km²,10~15 min步行圈层覆盖面积为251.7 km²,二者合计503.8 km²。但对建设用地的覆盖仅为37.6%,重叠面积为382 km²,其中的较大缺口主要集中在最近几年开发的西永、蔡家、悦来、鱼嘴等组团;此外,在社区医疗设施相对集聚的内环内,各区的交界位置也存在不少社区医疗覆盖的真空地带。说明此前单纯模拟缓冲区的测算方式,在山地城市环境下,易出现实际出行时间超出测算阈值的情况,导致覆盖不全,影响社区生活圈的品质与构建。
在需求端,图7（b）中内环以内的街道得分高出内环以外拓展的城市新区,说明社区医疗设施分布上有一定的集聚性。在图7（c）中,59.8%的街道与55.6%的乡镇处于低值区,这部分街镇人口占比为51.3%;同时,累积覆盖评分与区位熵的匹配度较低,说明社区级医疗的配建并未完全契合人口分布情况,内环附近城市新区的表现,相比渝中、沙坪坝等老城区的表现更好,其原因在于人口密度的差距与新旧城市医疗配建标准的改变。

4.2 片区医疗设施服务覆盖评估

片区医疗设施,包含妇科医院、骨科医院、眼科医院等专科医院和技术能力相对一般的二级综合医院等,其服务对象主要为所在辖区居民。评估方式为0~5、5~7 min的车行覆盖测评,覆盖强度分别为1与0.4,对应为3 km的覆盖半径（图8）。
图8 重庆市主城区片区级医疗设施覆盖评估

Fig. 8 Coverage evaluation of district level medical facilities in main urban area of Chongqing

图8(a)反映,内环内与内环外的巴南区、北碚区的老城区基本实现了5 min片区医疗设施的全覆盖,新兴的悦来、鱼嘴组团则是覆盖欠佳。从覆盖面积上看,5 min车行圈层覆盖面积为511 km²,5~7 min车行圈层覆盖面积为321 km²,合计为832 km²,对建设用地的覆盖为58.8%,重叠面积为621.6 km²,空白区域主要为新开发的东部槽谷地区。
从图8（b）可知,与社区级医疗相比,片区级医疗分布集聚性更强,东西两侧覆盖较少,内环内的累积覆盖评分明显高于内环外的新城拓展区。图8（c）的测算结果,进一步反映了这一点,区位熵在1.5以上的区域几乎皆分在主城核心区与中部槽谷上。2次测度的匹配度相对较高,反映出片区医疗设施的供给与人口集聚程度息息相关。此外,低值街镇占到70.4%,低值区人口占比为60.2%,说明片区医疗在重庆主城区部分街镇有着充足的供给,但在近来拓展的城市新区与部分城市老区却存在较大空白,尤其这部分新区已经有较多的居住人群,医疗需求正日益上涨。

4.3 市域医疗设施服务覆盖

市域医疗设施,包含三甲医院、脑科医院、急救中心等面向全市进行医疗服务的技术水平较高的相关设施,评估方式为0~9、9~12、12~15min的车行覆盖测评,覆盖强度为1、0.6与0.3,对应为各街镇到市域医疗设施的平均距离（图9）。
图9 重庆市主城区市域级医疗设施覆盖评估

Fig. 9 Coverage evaluation of regional medical facilities in main urban area of Chongqing

从覆盖区域上来看,图9（a）中等时圈覆盖范围集中在渝中区、沙坪坝区、九龙坡区、江北区西部与渝北区南部地区,巴南区、大渡口区覆盖区域较少,且均无三级综合医院。9 min覆盖面积为313 km²,9~12min覆盖面积为258 km²,12~15 min覆盖面积为225 km²,对建设用地的覆盖为45.9%,重叠面积为485.9 km²,仍有大部分建设区都未能覆盖。
图9（b）呈现出两极化结果,内环内与北碚老城得分较高,在内环外与北部新区等地则出现大量空白,约有30%的街道和85%的乡镇累积覆盖得分低于0.3,说明市级综合医院并未能在空间上有效覆盖。在图9（c）的测评上,63%的街镇皆位于低值区,涵盖约58.5%的人口。其次,通过2次测评的对比分析,市域级医疗设施服务覆盖的空间特征可分为3类：① 高品质地区,主要分布在渝中组团、大杨石组团与北碚组团等地。这类地区三级医院众多,医疗服务互相重叠,医院通常被商业或其他公服设施包围,居住区相对较少,人均医疗资源供应量十分充足。② 一般品质地区,主要分布在沙坪坝组团、观音桥组团、大渡口组团等地区。这类地区到达市域级医疗设施的时间成本较低,居住区分布众多,人口密集、居民对于医疗服务的需求很高,但设施相对较少,导致市域级医疗设施往往负荷严重。这部分区域同时也是城市建设开发较早的区域,用地条件紧张,未来用地要求较大的市域级医疗设施建设也面临较大困难。③ 低品质地区,主要为外围的人和组团、礼嘉组团与巴南组团等,这些地区作为未来城市发展的主力区域,目前人口较为分散,几乎没有市域级医疗设施,医疗短缺最为严重。

4.4 分级诊疗服务覆盖综合分析

综合上述分析,结合各级医疗设施在实际运营中承担的患者流量与距离成本,设置相应的权重,叠加计算后,得到医疗设施可达性的综合分析（图10）。
图10 重庆市主城区医疗设施覆盖综合权重评估

Fig. 10 Comprehensive weight evaluation of medical facilities coverage in main urban area of Chongqing

从图10（a）、图10（b）可看到,重庆市医疗设施分布,受制于自然地理条件,与重庆市主城区多中心组团式的建设布局相适应,基本构成“一主多副”的医疗卫生结构,但旧城与新城以及老城内部的医疗设施服务覆盖差异较大,两极化明显,面临的问题与情况也不甚相同：社区级医疗设施覆盖盲区成片分布于城市新区、零散分布于老城内部;片区级医疗设施在老城区内部扎堆集聚,两侧新区却较大缺损;市域级医疗设施则未能跟上城市建设的步伐,大部分地区就医困难。并且目前的医疗覆盖状况与人口分布（图10（c））也存在一定出入,应分区域制定适应性的提升策略。
以渝中区为核心的母城圈层,高等级医疗设施配置最完善,但却存在基层医疗覆盖不全与设施老化的问题。其医疗设施的建设升级,应在既有基础上,注重服务效率与能力的提升,并重点优化基层社区级医疗设施,重建、扩大或合并服务能力不达标的基层医疗卫生设施;针对建设用地紧张地区,可促使片区级医疗机构与康复,护理等专业医疗机构具备社区医疗服务能力,以优化整体布局。
内环内与内环附近的江北区、沙坪坝区、九龙坡区、南岸区和北碚区,人口稠密,具备一定的医疗设施服务能力,但社区级与市域级医疗设施存在不同程度的缺损。未来需与城镇化建设相耦合,规划布置全覆盖的社区级医疗设施,并适当建设升级城市大型医疗卫生机构,或助力有条件的区级医院升级发展成大型综合或专科医院,减少居民就医出行成本。
主城拓展的北部新区、西永片区、鱼嘴片区等新区,由于山水环境阻隔,其医疗设施缺口较大,需建立完善的分级医疗设施体系。考虑到新区培育与居民进驻的时序性,可先着重于完善社区与片区级医疗卫生服务,增大医疗设施覆盖面;待新区培育趋近成熟,再着力推进老城区优质医疗资源向资源薄弱地区转移,补充建设实力较强的大型综合医院,形成完整的医疗单元。

5 结论与展望

医疗设施作为特殊的公共服务设施,其均等化研究对于城市人居环境的提升具有极其重要的意义。但过往相关研究或脱离实际交通网络、或仅以大型医院作为研究对象,对于自然条件与道路交通环境复杂的山地城市,适用性有限,导致分析评估结果难以满足全层级医疗设施的整体评测。本文试图借助地图服务中的交通网络与POI数据,将医疗设施落位至多层级的城市空间单元,运用改良的两步移动搜寻法,进行较为准确与科学的模拟,其分析运算结果相较于一般的搜寻法更为可靠：① 运用交通网络,规避常规方法对复杂地形环境的忽略;② 运用累积加权得分面积与人口密度比的区位熵作为评估街镇的可达性标准,更为精准的反映街镇的就医可达性指标;③ 以行政边界为度量元素与社区医疗服务边界,研究分级医疗设施布局体系,更契合实际情况与管理实施。
通过以上改良后的两部移动搜寻法对于重庆市主城区医疗设施服务覆盖的评估结果来看,其医疗卫生设施服务存在大型综合医院空间分布不均、基层医疗设施内部覆盖不全的问题,即大型、专业医疗机构集中分布在老城区,发展空间不足,服务范围有限;社区医疗卫生设施覆盖范围不达标,“重病入院,小病入社区”服务模式尚未形成。因此,主城区医疗设施布局配置的优化即需考虑区域间的整体协同布局,也需考虑各级设施分工联动。① 需配合城市建设的步伐,重点优化老城地区基层医疗设施,并将老城地区富余的高等级医疗资源向新城地区输出;② 应依据地理区位关系与技术服务能力,划分多个医疗片区,组建资源共享、分工协作的医联体,为居民提供一体化全流程的救助服务。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
黄征学, 潘彪, 滕飞, 等. 从疫情防控看大城市如何健全应急管理系统[J]. 中国发展观察, 2020(3):86-88,72.

[ Huang Z X, Pan B, Teng F, et al. How to improve the emergency management system in big cities from the perspective of epidemic prevention and control[J]. China Development Observation, 2020(3):86-88,72. ]

[2]
钱振澜, 王竹, 裘知, 等. 城乡“安全健康单元”营建体系与应对策略——基于对疫情与灾害“防-适-用”响应机制的思考[J]. 城市规划, 2020,44(3):25-30.

[ Qian Z L, Wang Z, Qiu Z, et al. Construction system and strategy of “safety and health unit” in urban and rural areas: Based on a response mechanism of “prevention-adaption-utilization” for coping with plagues and disasters[J]. City Planning Review, 2020,44(3):25-30. ]

[3]
刘静, 朱青. 城市公共服务设施布局的均衡性探究——以北京市城六区医疗设施为例[J]. 城市发展研究, 2016,23(5):6-11.

[ Liu J, Zhu Q. Research of equalizing layout of public service facilities: Take health facilities of central six districts of Beijing for example[J]. Urban Development Studies, 2016,23(5):6-11. ]

[4]
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.

[ 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. ]

[5]
Mayhew S. A dictionary of geography[M]. Oxford: Oxford University Press, 2006.

[6]
Chen B Y, Yuan H, Li Q Q, et al. Measuring place-based accessibility under travel time uncertainty[J]. International Journal of Geographical Information Science, 2017,31(4):783-804.

[7]
Kibambe Lubamba J P, Radoux J, Defourny P. Multimodal accessibility modeling from coarse transportation networks in Africa[J]. International Journal of Geographical Information Science, 2013,27(5):1005-1022.

[8]
Benenson I, Ben-Elia E, Rofé Y, et al. The benefits of a high-resolution analysis of transit accessibility[J]. International Journal of Geographical Information Science, 2017,31(2):213-236.

[9]
Lucas K. Transport and social exclusion: Where are we now[J]. Transport Policy, 2012,20:105-113.

[10]
Neutens T, Accessibility, equity and health care: Review and research directions for transport geographers[J]. Journal of Transport Geography, 2015,43:14-27.

[11]
重庆市卫生和计划生育委员会. 重庆市主城区医疗卫生设施布局规划(2015-2020)[Z]. 2015.

[ Layout planning of medical and health facilities in Chongqing (2015-2020)[Z]. Chongqing Health and Family Planning Commission, 2015. ]

[12]
湛东升, 谢春鑫, 张文忠, 等. 基于累计机会可达性的北京城市公共服务设施复合功能识别[J]. 地球信息科学学报, 2020,22(6):1320-1329.

[ Zhan D S, Xie C X, Zhang W Z, et al. Identifying mixed functions of urban public service facilities in Beijing by cumulative opportunity accessibility method[J]. Journal of Geo-information Science, 2020,22(6):1320-1329. ]

[13]
Zhang Q, Northridge M E, Jin Z, et al. Modeling accessibility of screening and treatment facilities for older adults using transportation networks[J]. Applied Geography (Sevenoaks, England), 2018,93:64-75.

[14]
Xia N, Cheng L, Chen S, et al. Accessibility based on Gravity-Radiation model and Google Maps API: A case study in Australia[J]. Journal of Transport Geography. 2018,72:178-190.

[15]
王明杰, 余斌, 卓蓉蓉, 等. 分级诊疗政策背景下的乡村医疗服务空间可达性研究——以山东省新泰市为例[J]. 地域研究与开发, 2019,38(5):136-141.

[ Wang M J, Yu B, Zhuo R R, et al. Spatial accessibility of rural medical services under the background of graded treatment system: A case study in Xintai City of Shandong Province[J]. Areal Research and Development, 2019,38(5):136-141. ]

[16]
申悦, 李亮. 医疗资源可达性与居民就医行为研究进展[J]. 科技导报, 2020,38(7):85-92.

[ Shen Y, Li L. Progress of research on medical resource accessibility and residents' health seeking behavior[J]. Science & Technology Review, 2020,38(7):85-92. ]

[17]
Radke J, Mu L. Spatial decompositions, modeling and mapping service regions to predict access to social programs[J]. Geographic Information Sciences, 2000,6(2):105-112.

[18]
Wang F, 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.

DOI PMID

[19]
Ngui A N, Apparicio P. Optimizing the two-step floating catchment area method for measuring spatial accessibility to medical clinics in Montreal[J]. BMC Health Services Research, 2011,11:166.

DOI PMID

[20]
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.

PMID

[21]
Bissonnette L, Wilson K, Bell S, et al. Neighborhoods and potential access to health care: The role of spatial and aspatial factors[J]. Health and Place, 2012,18(4):84-853.

[22]
刘倩, 李诚固, 申庆喜, 等. 长春市医疗设施空间格局与演变特征[J]. 经济地理, 2017,37(7):139-145.

[ Liu Q, Li C G, Shen Q X, et al. Spatial evolution character of medical facilities in Changchun City[J]. Economic Geography, 2017,37(7):139-145. ]

[23]
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.

[ Xie X H, Wang R Z, Wen D H, et al. 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. ]

[24]
钟少颖, 杨鑫, 陈锐. 层级性公共服务设施空间可达性研究——以北京市综合性医疗设施为例[J]. 地理研究, 2016,35(4):731-744.

[ Zhong S Y, Yang X, Chen R. The accessibility measurement of hierarchy public service facilities based on multi-mode network dataset and the two-step 2SFCA: A case study of Beijing's medical facilities[J]. Geographical Research, 2016,35(4):731-744. ]

[25]
聂艺菲, 冯长春. 基于分级诊疗的就医可达性研究——以潍坊市中心城区为例[J]. 北京大学学报(自然科学版), 2020,56(2):307-314.

[ Nie Y F, Feng C C. Research on accessibility of medical treatment based on grading treatment: A case study of Weifang City center area[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2020,56(2):307-314. ]

[26]
徐璐. 上海市基本医疗机构分布空间公平性度量[J]. 规划师, 2016,32(z2):24-29.

[ Xu L. Spatial equity analysis of basic medical institutions, Shanghai[J]. Planners, 2016,32(z2):24-29. ]

[27]
Siegel M, Koller D, Vogt V, et al. Developing a composite index of spatial accessibility across different health care sectors: A German example[J]. Health Policy. 2016,120(2):205-212.

DOI PMID

[28]
吴先赋, 李永树, 王金明, 等. 基于POI数据的成都市区生活设施空间格局分析[J]. 测绘地理信息, 2019,44(3):122-126.

[ Wu X F, Li Y S, Wang J M, et al. Spatial pattern analysis of living facilities in Chengdu urban area based on POI data[J]. Journal of Geomatics, 2019,44(3):122-126. ]

[29]
庄晓平, 陶楠, 王江萍. 基于POI数据的城市15 min社区生活圈便利度评价研究——以武汉三区为例[J]. 华中建筑, 2020,38(6):76-79.

[ Zhuang X P, Tao N, Wang J P. The evaluation of the convenience of 15-minute community life circles based on POI data: Taking three districts of Wuhan as an example[J]. Huazhong Architecture, 2020,38(6):76-79. ]

[30]
艾廷华, 雷英哲, 谢鹏, 等. 等时线模型支持下的深圳市综合医院空间可达性测度分析[J]. 地球信息科学学报, 2020,22(1):113-121.

[ Ai T H, Lei Y Z, Xie P, et al. Quantifying spatial accessibility of shenzhen's hospitals by the isochrone model[J]. Journal of Geo-information Science, 2020,22(1):113-121. ]

[31]
García-Albertos P, Picornell M, Salas-Olmedo M H, et al. Exploring the potential of mobile phone records and online route planners for dynamic accessibility analysis[J]. Transportation Research Part A: Policy and Practice. 2019,125:294-307.

[32]
Rong P, Zheng Z, Kwan M, et al. Evaluation of the spatial equity of medical facilities based on improved potential model and map service API: A case study in Zhengzhou, China[J]. Applied Geography, 2020,119:102192.

[33]
Socharoentum M, Karimi H A. A comparative analysis of routes generated by Web Mapping APIs[J]. Cartography and geographic information science, 2015,42(1):33-43.

[34]
Páez A, Moniruzzaman M, Bourbonnais P, et al. Developing a web-based accessibility calculator prototype for the Greater Montreal Area[J]. Transportation Research Part A: Policy and Practice, 2013,58:103-115.

[35]
重庆市统计局. 重庆市卫生健康统计年鉴2019[M]. 北京: 中国统计出版社, 2019.

[ Chongqing city bureau of statistics. Chongqing Health Statistical Yearbook-2019[M]. Beijing: China Statistics Press, 2019. ]

[36]
重庆市人民政府. 重庆市城乡总体规划(2007-2020)[Z]. 2011.

[ Urban rural master plan of Chongqing (2007-2020)[Z]. Chongqing Municipal Government, 2011. ]

[37]
中华人民共和国住房和城乡建设部. 中华人民共和国国家标准:城市道路工程技术规范GB51286-2018[S]. 北京: 中国建筑工业出版社, 2018.

[ Ministry of Housing and Urban-Rural Development of the People's Republic of China. National Standard (Mandatory) of the People's Republic of China: Technical code far urban road engineering.GB 51286-2018[S]. Beijing: China Architecture & Building Press, 2018. ]

[38]
中华人民共和国交通运输部. 公路工程技术标准JTG B01-2014[S]. 北京: 人民交通出版社, 2015.

[ Technical standard of highway engineering. JTG B01-2014[S]. Beijing: China Communications Press, 2015. ]

[39]
中华人民共和国住房和城乡建设部. 中华人民共和国国家标准:城市居住区规划设计标准GB 50180-2018[S]. 北京: 中国建筑工业出版社.

[ Ministry of Housing and Urban-Rural Development of the People's Republic of China. National Standard (Mandatory) of the People's Republic of China:Standard for urban residential area planning and design.GB 50180-2018[S]. Beijing: China Architecture & Building Press.

[40]
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.

[ 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. ]

Options
Outlines

/

〈 〉