EN中文

Economic geography >

2019 , Vol. 39 >Issue 1: 82 - 87

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.01.010

Spatial-Temporal Differences in Accessibility of Pre-Hospital Emergency Medical Services in Dalian based on Traffic Flow

  • GUO Jianke ,
  • QIU Yukun , ※ ,
  • WANG Fangxiong ,
  • BAI Jiayuan
Expand
  • Marine Economics and Sustainable Development Research Center，Liaoning Normal University，Dalian 116029，Liaoning，China

Received date: 2018-03-29

  Revised date: 2018-08-17

  Online published: 2025-04-25

Fold

Abstract

The article based on the big data of traffic flow, this paper explores the impact of traffic congestion on the spatial and temporal accessibility of pre-hospital emergency medical services. The research shows that :(1) The impact of traffic congestion on the accessibility of pre-hospital emergency medical services is particularly obvious during the peak period. Compared with the average peak period, the road congestion index increases by 30.6%, the shortest accessibility time of pre-hospital emergency medical service increases by 68.4%, and the average accessibility time increases by 18.9%. Traffic congestion reduces the driving speed of ambulances by 22.8%.The accessibility of pre-hospital emergency medical services was significantly improved during the off-peak period, 54.7% and 96.9% of residents could receive timely treatment within 15 and 30 minutes.(2) In the study period, the interpolation results of pre-hospital emergency accessible time were all distributed in concentric rings, and the accessible time gradually increased from the central urban area to the peripheral area.The traffic congestion during peak hours has a significant impact on the coverage area of 15min, 20min and 30min.Under the -off-peak period, the coverage area of the 25min increased significantly, and the first-aid effect in the peripheral areas was significantly improved.Compared with the off-peak period, the coverage area of 15min was significantly increased in the evening peak period. Therefore, the public transportation special road plays a certain role in promoting the accessibility of pre-hospital emergency medical services.(3) Compared on traffic congestion factors, it can be seen that the impact of traffic congestion on accessibility is directly proportional to the transport network density and population density, that is, traffic congestion has a significant impact on areas with population density and transport network density. Ignoring factors of traffic congestion, the number of streets in C1 increased by 40%, and the total population covered by C1 increased by 39.8%.Therefore, solving the traffic congestion problem will directly improve the degree of convenience for residents in central urban areas to obtain pre-hospital emergency medical services.

Key words： emergency medical services; spatial-temporal accessibility; traffic flow monitoring; big data; traffic congestion; pubic service

Cite this article

GUO Jianke , QIU Yukun , WANG Fangxiong , BAI Jiayuan . Spatial-Temporal Differences in Accessibility of Pre-Hospital Emergency Medical Services in Dalian based on Traffic Flow[J]. Economic geography, 2019 , 39(1) : 82 -87 . DOI: 10.15957/j.cnki.jjdl.2019.01.010

可达性作为评价城市交通发展程度的重要手段之一，其分析结果对于城市交通网络体系的发展起到至关重要的作用。可达性的相关概念是由国外学者Hansen首次提出的，其定义可通俗地理解为空间中从某一地点到达另一地点的容易程度。由于我国对于可达性相关研究的起步较晚，目前国内学者应用可达性手段在医疗方面的分析评价大致可分为四类：①医疗机构布局的合理性评价。钟少颖、曾文、宋正娜、黄安、柳泽等利用可达性评价各级医疗机构位置分布的合理性，并指出医疗机构在空间布局上的薄弱与不足之处[1-5]。②结合实际交通情况评价医疗可达性。侯松岩、蒋海兵等将公交系统在高峰与非高峰时段的可达性进行对比分析，指出医疗设施分布与公交系统线路的不足之处[6-7]。陈建国等、徐万勇、Eleonora D'Andrea等利用GPS浮动车数据，分析交通拥堵对就医可达性影响程度，并提出优化建议[8-10]。③医疗机构服务范围的划分。程敏、曹恩溯、胡瑞山等使用可达性计算结果作为医院服务范围划分的依据，在根据划分结果指出缺医地区的同时，对医疗服务均等化问题进行深入分析并提出合理建议[11-13]。④医疗机构的选址。孔欢等、赵韡等利用可达性模型评价医院选址与布局问题，其研究不仅为可达性选址问题提供了一种新的思路，而且使可达性选址的评价步骤更加完善，为今后的就医可达性评价提供较为全面的理论支撑[14-15]。
院前急救医疗体系作为城市保障医疗体系中的关键要素，不仅能够给予患者必要的医疗援助，而且可以将患者及时转运至具有急救服务能力的最近医疗点。因此，其时空可达性对于城市急救医疗服务体系的便利化程度起到决定性影响。国内外学者对于急救医疗体系的研究方向较为不同，国外学者的研究倾向于急救服务方案的研究[16-19]，而我国学者的研究则主要集中于规划与布局方面的研究。郑进将“生存链”作为研究视角，探究我国现存急救医疗体制中的缺陷[20]。张爱华等总结并归纳了国内外急救医疗体系的发展特点，提出我国急救医疗事业的发展趋势[21]。杨晓慧、王文学、于海玲等针对急救医疗体系布局的现存问题，提出合理化建议与规划方案[22-24]。蒋袆等通过城市与郊区急救医疗服务的对比分析，探究城乡急救医疗体系的差异与现存问题[25]。近年来随着民用交通工具数量的增加，交通拥堵问题日益严重[26-30]，其对急救系统所造成的影响不容忽视。目前宋正娜、郑潮洪等虽然将交通供需问题作为分析评价医疗可达性的参考因素，却忽视了实际道路通行情况对于急救医疗可达性的影响[31-32]。
综上，本文以大连市主城区院前急救医疗服务为例，运用ArcGIS网络分析功能，将人口、交通路网和交通流量大数据相结合，测算研究区域内院前急救医疗服务的可达性水平、空间分布特征与现存缺陷，以期为大连市院前急救的规划布局与城市交通网络的优化提升提供理论支持的同时，为城市急救医疗服务的研究提供一种切实可靠的思路。

1 研究区域与数据来源

1.1 研究区域概况

大连市作为辽宁省副省级城市，总面积12 573.85 km2，位于辽东半岛南端，是东部沿海重要的经济、港口、工业、旅游城市。根据2016年《大连市统计年鉴》所公布的数据，截止到2015年末，各区市县在籍人口总数为593.6万人。其中由沙河口区、西岗区、中山区和甘井子区所组成的主城区（图1）总面积615.27 km2，包含39个街道，人口总数为214.9万人。本文选择大连市主城区作为研究区域，是因为该地区具有较长时间的发展历史，交通网络建设较为全面、交通路况相对复杂等特点在同类别研究中具有一定的代表性。
图1 大连市主城区概况图

Fig.1 Overview of the main city of Dalian

1.2 数据来源

1.2.1 居住小区数据

本文运用ArcGIS软件对大连市卫星影像图进行矢量化处理，得到交通路网与行政区划数据；利用高德地图获取研究区域内全部居住小区POI坐标数据，经过转换得到居住小区位置数据。由于小区数量较多，为提高研究的准确度，减少数据误差，故将500 m内相邻的小区进行整合，合计得到998个小区中心点样本；将上述交通路网数据与小区数据根据实际情况进行连接，得到完整的居住小区交通路网数据。

1.2.2 院前急救医疗数据

根据大连市急救中心公布的数据可知，研究区域内共有12家具有院前急救医疗服务的医院，总计部署救护车78辆，受众人口数量约为191.5万人，占全市院前急救总覆盖人口比重的32.3%。

1.2.3 路况数据

随着民用车辆数量的逐渐增多，大连市交通部门在主城区80条主干道路部署交通流量监控点172处，该监控点可全天候对交通流量与拥堵情况进行实时监测。在选取研究数据时，笔者在排除节假日与自然因素对数据的影响后，选择2016年7月5~8日的监控数据，根据大连市气象记录，该时间段内可排除天气因素所造成的影响，因此数据具有普遍性的研究意义。本文将高峰与平峰时段分为早高峰（6∶30~8∶30）、晚高峰（16∶30~19∶00）和平峰时段（9∶00~15：00）。将15 min作为时间节点，将研究区域内各路段与交通流量监控数据相匹配，计算各路段车辆实际通行速度，根据计算结果测算各路段拥堵指数。

2 研究模型

本文选择重力模型作为各街道可达性水平评价模型；选择张莉[33]等、潘竟虎[34]等在可达性测算中所运用的加权平均旅行时间模型作为高峰与平峰差异评价模型；选择国际上通用的INRIX Index指标作为评价拥堵指数评价模型。

2.1 重力模型

A i = ∑ j G j ∑ i p i d j i β / d i j β
式中：Ai为街道i（i=1，2，…，39）的可达性；j表示医院周边小区数量最多的3个医院；Gj表示街道内部拥有救护车数量前三名的医院；Pi为各街道内总人口；dij和dji分别表示从医院至小区和从小区至医院的出行时间；β表示出行阻抗系数，取值范围为（1~2），根据以往研究经验，这里β取1。

2.2 拥堵指数模型

A i j = R S i j C S i j - 1 × 100 %
式中： R S i j表示自由流速度，即路段i在第j个间隔的参考速度； C S i j表示实际运行速度，即路段i在第j个间隔的计算速度； A i j表示INRIX Index指数值。

2.3 加权平均旅行时间模型

A i = ∑ i = 1 n T i j × M i / ∑ j = 1 n M i
式中：i（i=1，…，172）为研究区域内各路段节点；j（j=1，…，998）代表998个小区中心点中的任意一点；Mi（0<Mi<5）为节点i的拥堵指数；Tij为区域中的节点i通过交通网络中通行时间最短的路线到达j的通行时间；Aij为区域R中任意一点j的可达性。

3 研究结果分析

3.1 交通拥堵因素对研究区域可达性的影响分析

根据研究结果可知，大连市主城区在6∶30~19∶00的研究时段内，交通拥堵指数均值为1.56，平均行驶速度为30.2 km/h。研究区域内主干道路设计速度为60 km/h，经笔者测算实际行驶速度最大值为47.2 km/h；高峰时段内，交通拥堵指数均值为1.88，平均行驶速度为25.2 km/h，院前急救最短与最长时间分别为12.6 min与43.9 min，平均时间为18.3 min。其中早、晚高峰的交通拥堵指数分别为1.92与1.83，平均行驶速度分别24.6 km/h与25.7 km/h；相对于高峰时段，平峰时段内交通拥堵指数均值为1.44，平均行驶速度为32.6 km/h。院前急救最短与最长时间分别为7.5 min与41.6 min，平均时间为15.4 min。由此可知，在交通较为拥堵的高峰时段内提供急救服务所需时间是平峰时段的1.2倍。
本文为了较为直观地体现居民在平峰与高峰时段接受院前急救医疗服务的情况，将院前急救医疗时间划分为6个区间：0~10 min、10~15 min、15~20 min、20~25 min、25~30 min和30~40 min。根据划分结果可知，高峰与平峰时段下，研究区域内95.93%和96.97%的居民可在30 min内得到院前急救医疗救治；交通拥堵对于可达性的影响主要体现在0~20 min区间内，高峰与平峰时段所占比例分别为63.07%和76.91%。虽然10~15 min时间内高峰累积频率略高于平峰4.23%，但平峰时段下，21.99%的居民可在10 min内解决急救医疗需求。由此可见，交通拥堵已然成为院前急救医疗的严重阻碍（图2）。
图2 急救时间累积分布图

Fig.2 Time distribution of emergency medical services

3.2 交通拥堵因素对各小区急救医疗的影响分析

将早、晚高峰数据与平峰数据分别进行空间插值处理，根据空间插值结果可知：高峰与平峰时段下，院前急救可达时间均呈圈层式分布，并由中心城区逐渐向外围地区衰减，医院数量与路网密度是导致该现象产生的主要原因；研究区域内可实现30 min内到达急救医院的小区数量占总量的比重为95%；在高峰时段下，由于早高峰拥堵指数略高于晚高峰，因此早高峰30 min圈层覆盖面积相对较小。交通拥堵所造成的影响主要体现在对于15 min、20 min和30 min可达时间覆盖面积的影响；相对于高峰时段，平峰时段下，25 min圈层覆盖面积显著增加，外围地区的急救效果得到明显改善。晚高峰时段出现15 min圈层覆盖面积大于平峰的情况，该现象与大连市着力发展公共交通事业有关，即高峰时段内市内主要道路设置公交专用道路，该措施可有效降低中心城区拥堵程度，提升急救医疗可达性水平（图3）。
图3 交通拥堵对居民综合影响

Fig.3 Effect of traffic congestion on residents

3.3 交通拥堵因素对各街道急救医疗的影响分析

交通拥堵对于急救医疗可达性的影响作为本文的重点研究内容，使用重力模型计算表1数据，分别得到研究区域内各街道考虑拥堵因素与未考虑拥堵因素的可达时间数据，由于各街道内医院数量与街道面积具有一定的差异，为了降低数据误差对研究结果的影响，笔者首先将数据进行标准化处理，再使用ArcGIS对标准化处理后的数据进行全局聚类分析（图4）。根据全局聚类分析结果，将研究区域内的街道按照可达性降序的顺序划为五类地区，即：第一类地区（C1）>第二类地区（C2）>第三类地区（C3）>第四类地区（C4）>第五类地区（C5）。
表1 各街道具体数据

Tab.1 Street specific data

街道名称 人口数据/万人 考虑拥堵时间 不考虑拥堵时间 救护车数量/辆
海军广场街道 6.3 12.64 25.27 6
老虎滩街道 4.8 15.68 31.35 12
昆明街道 3.2 8.82 17.63 8
…… …… …… …… ……
人民路街道 2.7 9.80 19.60 14
青泥洼桥街道 2.2 8.44 16.88 12
桃源街道 6.7 13.69 27.37 10
图4 拥堵与非拥堵下各街道可达性类别划分

Fig.4 Categories of accessibility considering traffic congestion and non-congestion

如图4所示，导致可达性由中心城区向外围地区逐渐减弱的原因与路网密度、医院等级与数量具有直接关系。C1地区内各街道可达性较好，该类地区位于中心城区，具有医院密度与等级较高，交通路网发达等特点；C2地区紧邻中心城区，可达性相对于C1地区稍弱；C3地区由研究区域内位于东北与东南方向的部分街道组成，虽然距离中心城区较远，但是区域内含有一定数量的医院，可达性总体一般；C4和C5地区内医院数量与路网密度明显低于周边区域，各街道可达性较差。
根据研究结果不难看出：交通拥堵因素对于路网密度和医院数量相对较高的C1地区影响较大。当忽略交通拥堵因素对于可达性的影响时，C1地区内街道数量上升40%，覆盖人口总数上升39.8%。因此，解决交通拥堵问题将直接改善中心城区居民获得院前急救医疗服务的便利化程度；交通拥堵对C2与C3地区未产生明显影响，相对于C1地区，上述两个地区受交通拥堵因素影响而降低就医可达性的人口数量仅为15.5万人，所占比例仅为8.2%；在属于研究区域外围的C4和C5地区，交通拥堵对于该地区内的可达性几乎未产生实质性影响。因此，笔者认为交通拥堵对于路网密度较高和人口较多的地区所产生的影响较大，反之则不明显。

4 结论

可达性作为地理学中分析城市交通问题的经典研究手段之一，本文将其与交通流量数据、拥堵指数模型和重力模型相结合，在测算不同时段下的大连市主城区院前急救医疗可达性的同时，探讨交通拥堵因素对于城市居民与各个街道的影响，并由此得出以下结论：
①交通拥堵对于院前急救医疗可达性的影响在高峰时段尤为明显，相对于平峰时段，各项指标值均明显降低，其中道路拥堵指数上升30.6%，院前急救医疗服务最短可达时间上升68.4%，平均可达时间增加18.9%，交通拥堵导致救护车行驶速度降低22.8%。相对于高峰时段，平峰时段内院前急救医疗服务的可达性明显提高，54.7%和96.9%的居民可在15 min与30 min内得到及时救治。尽管本文加入交通拥堵因素进行可达性测算，其结果与预期结果大致相同，但笔者认为该结果与实际仍存在一定的差距，如未考虑到车辆的路口等待时间与医疗人员将患者从楼内转移至救护车所用时间等因素对研究结果所产生的影响。
②研究时段内院前急救可达时间插值结果均呈圈层式分布，可达时间由中心城区向外围地区逐渐增加。研究发现，高峰时段下交通拥堵因素对于15 min、20 min和30 min时间圈层的影响较为显著；平峰时段下，25 min圈层覆盖面积显著增加，外围地区的急救效果得到明显改善；晚高峰时段15 min圈层覆盖面积相对平峰时段有明显增加，因此公交专用道路对于提升院前急救可达性起到一定的促进作用。
③按照可达性高低所划分的五类地区不难看出，导致可达性由中心城区向外围地区逐渐减弱的原因与路网密度、医院等级与数量具有直接关系。通过考虑与不考虑交通拥堵因素的对比分析结果可知：交通拥堵对可达性所造成的影响与该地区路网密度和人口密度成正比例关系，即交通拥堵对于人口稠密、路网密集的地区影响显著。忽略交通拥堵因素时，C1地区内街道数量上升40%，覆盖人口总数上升39.8%。因此，解决交通拥堵问题将直接改善中心城区居民获得院前急救医疗服务的便利化程度。
交通拥堵已经严重阻碍到院前急救医疗服的发展，缓解交通拥堵问题，将直接提高急救医疗服务的可达性，使患者得到及时救治。根据交通流量大数据对现存的院前急救医疗服务体系进行合理的改进，不仅能够降低交通拥堵对于可达性的影响，而且对于院前急救医疗服务体系起到一定的促进作用。虽然加入交通拥堵因素相对贴近于实际情况，但是笔者认为本文仍有不足之处，例如：未考虑各年龄段的人口对于急救医疗服务需求不同、救护车路口等待时间等问题对于可达性计算的影响。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
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.

[2]
曾文, 向梨丽, 李红波, 等. 南京市医疗服务设施可达性的空间格局及其形成机制[J]. 经济地理, 2017, 37(6):136-143.

[3]
宋正娜, 陈雯. 基于潜能模型的医疗设施空间可达性评价方法[J]. 地理科学进展, 2009(6):848-854.

[4]
黄安, 许月卿, 刘超, 等. 基于可达性的医疗服务功能空间分异特征及其服务强度研究——以河北省张家口市为例[J]. 经济地理, 2018, 38(3):61-71.

[5]
柳泽, 杨宏宇, 熊维康, 等. 基于改进两步移动搜索法的县域医疗卫生服务空间可达性研究[J]. 地理科学, 2017, 37(5):728-737.

[6]
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(5):915-925.

[7]
蒋海兵, 张文忠, 韦胜. 公共交通影响下的北京公共服务设施可达性[J]. 地理科学进展, 2017, 36(10):1239-1 249.

[8]
陈建国, 周素红, 柳林, 等. 交通拥堵对急救医疗服务时空可达性的影响——以广州市为例[J]. 地理科学进展, 2016(4):431-439.

[9]
徐万勇. 考虑交通拥堵与医疗效用的应急医疗分诊问题研究[D]. 西安: 西安电子科技大学, 2017.

[10]
D'Andrea E, Marcelloni F. Detection of Traffic Congestion and Incidents from GPS Trace Analysis[J]. Expert Systems With Applications, 2017,73:DOI:10.1016/j.eswa.2016.12.018.

[11]
程敏, 连月娇. 基于改进潜能模型的城市医疗设施空间可达性——以上海市杨浦区为例[J]. 地理科学进展, 2018, 37(2):266-275.

[12]
曹恩溯, 刘耀林, 银超慧. 基于交通网络的综合性医院可达性分析——以武汉市主城区为例[J]. 测绘与空间地理信息, 2017, 40(4):23-28.

[13]
胡瑞山, 董锁成, 胡浩. 就医空间可达性分析的两步移动搜索法——以江苏省东海县为例[J]. 地理科学进展, 2012, 31(12):1600-1 607.

[14]
孔欢, 谢晋秋, 朱贵秋. 基于GIS的长沙市主城区医院选址[J]. 绿色科技, 2016(4):176-178.

[15]
赵韡, 韩振军, 焦建彬. 基于模糊聚类筛选和交通可达性的心血管医院选址布局研究[J]. 管理工程学报, 2016, 30(3):202-208.

[16]
Masoud Swalehe, Semra Gunay Aktas. Dynamic Ambulance Deployment to Reduce Ambulance Response Times Using Geographic Information Systems:A Case Study of Odunpazari District of Eskisehir Province,Turkey[J]. Procedia Environmental Sciences, 2016,36:199-206.

[17]
Wahlen B M, Wolcke B, Schneider T, et al. Initial medical treatment by paramedics in combined first aid operations of paramedics and emergency physicians[J]. Anasthesiol Intensivmed Notfallmed Schmerzther, 2003, 38(1):27-31.

[18]
Fields W W, Asplin B R, Larkin G L, et al. The Emergency Medical Treatment and Labor Act as a Federal Health Care Safety Net Program[J]. Academic emergency medicine:official journal of the Society for Academic Emergency Medicine, 2001, 8(11):1064-1 069.

[19]
Magid D J, Rhodes K V, Asplin B R, et al. Designing a research agenda to improve the quality of emergency care[J]. Academic Emergency Medicine, 2002, 9(11):1124-1 130.

[20]
郑进. 我国院前急救人员被忽视的若干问题与对策[J]. 医学与哲学(B), 2012, 33(11):66-68.

[21]
张爱华, 陶红, 桂莉. 国内外急救医疗服务体系发展的回顾与展望[J]. 护理管理杂志, 2004(4):23-25.

[22]
杨晓慧, 任延荣, 杨百骏. 城市急救医疗服务网络的布局研究[J]. 中华医院管理杂志, 1994(11):673-677.

[23]
王文学, 俞军, 王培安, 等. 急救医疗服务网络规划和建设的探讨与实践[J]. 中华医学杂志, 2006(11):721-723.

[24]
于海玲, 关金保, 王亚东. 北京市城区院前急救网络合理布局方法的研究[J]. 中国全科医学, 2011(36): 4 214-4 216.

[25]
蒋祎, 刘亚兰, 李西同, 等. 公益性视角下重庆市急救医疗服务可及性城乡对比分析[J]. 中国全科医学, 2014(35): 4 230-4 233.

[26]
杨浩雄, 李金丹, 张浩, 等. 基于系统动力学的城市交通拥堵治理问题研究[J]. 系统工程理论与实践, 2014, 34(8):2135-2 143.

[27]
林雄斌, 杨家文. 城市交通拥堵特征与治理策略的多维度综合评述[J]. 综合运输, 2015, 37(8):55-61.

[28]
Theodore Tsekeris, Nikolas Geroliminis. City size,network structure and traffic congestion[J]. Journal of Urban Economics, 2013,76:1-14.

[29]
Patel N, Mukherjee A B. Assessment of network traffic congestion through Traffic Congestability Value (TCV):a new index[J]. Bulletin of Geography(Socio-economic Series), 2015,30:123-134.

[30]
刘有军, 田聪. 不同路网形态下城市交通拥堵特性分析[J]. 中国公路学报, 2013, 26(1):163-169,190.

[31]
宋正娜, 陈雯. 基于潜能模型的医疗设施空间可达性评价方法[J]. 地理科学进展, 2009, 28(6):848-854.

[32]
郑朝洪. 基于GIS的县级市医疗机构空间可达性分析——以福建省石狮市为例[J]. 热带地理, 2011, 31(6):598-603.

[33]
张莉, 陆玉麒. 基于可达性的中心地体系的空间分析[J]. 地理科学, 2013, 33(6):649-658.

[34]
潘竟虎, 从忆波. 基于景点空间可达性的中国旅游区划[J]. 地理科学, 2014, 34(10):1161-1 168.

Options
Outlines

/

〈 〉