英语原文共 32 页，剩余内容已隐藏，支付完成后下载完整资料
基于交通网络的医院可达性与腹地评估-以上海市区为例
王祖静、石培基
摘要：
背景:近年来，越来越多的研究者将可达性和腹地的概念应用到公共服务的选址规划中。医院作为公共服务设施的重要组成部分，对人类的健康保健具有重要意义。其空间分布和可达性的优劣直接影响到居民就医的机会和信心。传统的城镇居民就医研究方法多采用以区县为单位的人口普查数据。许多学者使用单一的交通工具来计算城市群公路的可达性，但是它不能完全反映每种路网上行程路段的确切时间。
方法:本文首先提出了如何建立人口估计模型。在此基础上，模拟了上海市中心城区的人口规模和分布。传统模型对人口模型进行了较好的验证。然后选取 25 家公立综合性医院作为结果:上海市中心城市人口呈明显的从中心向外围下降趋势。市中心具有交通便利的优点，所有区域都可以在一小时内到达。引力沿着道路从医院扩散到周围地区。内陆地区的路网面积从小到大不等，而内外距离则不同，医院服务的人群需要面积更大，平均出行时间更长。优化后的腹地所容纳的人口规模大于初始的人口规模。虽然腹地平均消耗了 3.8682 倍，理论上人们需要更多的时间才能到达相邻的医院，但是通过模拟得到的腹地优化结果达到了缩短到达时间的目的。
结论:研究结果为公共服务设施选址配置提供了理论和技术支持。提高了城市土地的集约利用，促进了城市土地的可持续发展。
关键词:道路网络;可达性;医院腹地;地理信息系统;上海市区
背景:关于区位分配的研究始于 1930 年代出版的《德国在南方原则中心》一书，这本书是由瓦尔特·克里斯塔勒写的。他首先提出了交易场所网络可以分为一定规模的六边形的理论。20世纪中叶以后，许多学者对其进行了深入的研究，其理论和实践逐步丰富[2-4]。近 30年来，研究者运用定量与定性相结合的方法，如回归[5-6]、Voronoi 图[7-9]、k 均值[10]等，对区位分配问题进行了研究。最近，计算机模拟已成为地理研究的一个不可或缺的工具[11-14]。当然，它被应用于区位分配的研究，例如，腹地划分[15]，交通可达性[16-17]，服务区优化[18-19]，以及犯罪的空间格局[20]。
医院作为公共服务设施的重要组成部分，对人类的健康保健具有重要意义。其空间分布和可达性的优点直接影响到居民就医的机会和说服力[21]。上海在医药方面处于领先地位，多年来一直位居全国前列。医学院及其附属医院为上海及其周边地区服务[22]。目前，越来越多的研究者将可达性和腹地的概念应用到公共服务的选址规划中[23]。
研究对象：将区域规划的概念有效地引入到医院腹地的区位配置中。其中，综合考虑整体实力、服务人口和交通运输。第二部分，在 ArcGIS 的支持下，采用设计的最短时间算法对研究区医院的可达性进行了分析。然后利用引力模型的优点，从引力对周围环境的影响出发，对医院进行检测。分析服务人口与可达时间的关系。并借助于 Huff 模型对各医院的腹地进行了测算。最后，我们以 10 家综合性医院为例，通过使用改进的 p 中值处理来优化它们的腹地。
传统的城市居民研究方法常常使用人口普查数据作为一个大的单位，如地区或县[24]。许多学者使用单一的交通工具来计算城市群公路的可达性，但是它不能完全反映每种路网上行程路段的确切时间。另外，利用栅格数据的空间分析方法进行城市服务区研究的相关研究[26]。由于采用权重计算成本网格图，在不去除权重的情况下，模型无法得到满意的结果。
为此，本文在城市地理信息系统框架下，第一部分建立了基于建筑体积权重的人口空间分配模型，并以上海市中心城区为例进行了实证研究。目的估算城市人口并分析其空间特征。然后以研究区域内所有公立综合医院及其分支机构为研究对象，同时考虑医院水平、服务人口和交通状况。第二部分介绍了城市腹地的概念，运用所设计的最短时间算法分析了城市腹地医院的可达性。然后利用矢量数据的空间分析方法，利用引力模型的优点，从医院对周围人群的引力影响来检测医院。并借助于 Huff 模型对各医院的腹地进行划分。最后，以 25 家综合性医院中的 10 家为典型，采用改进的 p 中值算法对腹地布局进行优化。并确定服务的最佳范围、人口和可达时间。旨在为政府和其他组织在城市和区域规划中的决策提供参考。
方法
研究区：
上海位于中国的远东地区，是一个河口海岸城市，交通便利，经济发达。城市化的规模令人印象深刻。同时也容易造成空气污染、噪音和环境保护等诸多问题。研究区域为上海市中心城区，包括全国人口最密集的外环线各部分，北纬 31.7rsquo;12”-31.22rsquo;24”，东经121.20rsquo;28”-121.39rsquo;0”，面积 835.3277 平方公里(图 1)。它包括 12 个区内的 145 个分区/镇，人口占全市总人口的 68.01%。
图 1 研究区
数据
为了研究公立综合医院的总体实力，选取现有病床、现有员工、总面积、覆盖面积、高级专业岗位、总研究经费、住院人数、论文数量、省级以上科研项目、在职人员、省级以上科研奖励、硕士科室、医生科室等 12 个指标(25 个指标不包括专科医院)进行研究。建立一套公立三甲医院综合实力评价指标体系。本文选取的指标也充分考虑了综合医院的社会贡献，可以从多个方面予以尊重。原始数据收集自 2013 年各医院的统计公报。本文使用主成分分析分析法(PCA)来计算医院的总体实力。
就业人口数据来自《国家经济和社会发展统计公报》2013 年各地区。由于一些城郊乡镇是按研究区域划分的，所以我们粗略估计了它们的人口比例。
然后根据各分区/镇的人口和建筑容积计算各网格的精细人口。百度地图解释了建筑(包括住宅区、医院等)、道路网络和精确边界(2013/10/14)。这张高分辨率图片是从 1161 张百度地图截图中拼接而成的。每张截图的覆盖范围为 1.1 公里 0.68 公里。比例尺为 1:500，分辨率为 1.19 米。行政区划从国家基础地理信息中心下载，并经过精确边界核实。这些图像和数字都被进一步修正为 1980 年的西安坐标系。具体操作在“前期处理”一节中进行了说明。本文综合运用了矢量和栅格数据的空间分析方法。包括图像形态学分析，最短时间算法和线性规划处理，详细在下面的部分明确。
前期处理
城市人口的模拟与验证
城市人口空间化模型主要是将上述解释的人口数据分配到研究区域的规范化网格中。它可以实现人口数据的规模缩小。在 ArcGIS 中，我们将研究区域划分为 100100 米的鱼网作为评估单元，数量为 115248。
建筑物密度
在城市建设用地范围内，建筑物占地面积与街区面积之比称为建筑密度。我们在每个网格的每个结构中绘制建筑密度图。我们根据百度卫星地图的拼接，通过可视化的解释，追踪每一个建设用地的轮廓，这些 http://map.baidu.com 表示建设用地的面积。然后在ArcGISgeoreferences 中采用地标的经纬度数据校准综合地图。草图如下(图 2)。估算建设用地总面积 345.7424 平方公里。建筑密度的方程式如下:
BD=Aland/Area (1)
其中，Aland 是各种建筑物的区域，区域是每个网格的面积为 10000 平方米。
图 2 建筑物密度的计算
在建筑密度的基础上，总建筑面积占建设用地面积的比率称为容积率。我们根据每个网格绘制每个建筑面积比率图。基于整合后的百度地图，利用具有代表建筑面积的 MATLAB 图像分析，对每个建筑物的屋顶轮廓进行跟踪。这些建筑的总数约为 420788 座。容积率的计算公式为:
FAR=Afloor/Aland (2)
其中，浮点运算是每个网格的总建筑面积，Aland 是在公式(1)中解释的。
建筑体积(BV)
楼面面积和楼面高度的乘积称为建筑体积。在百度地图集成的基础上，利用 MATLAB 图像分析对各建筑物的阴影进行跟踪。由于两个建筑物在地图上有相同的坡度，我们在 ArcGIS中以 90 个角度提取每个阴影面的线条，得到建筑物的高度(Bmap)。
由于建筑物高度随观测天顶角、观测方位角和太阳位置的变化而变化，百度卫星地图由多幅高分辨率遥感图像拼接而成。因此，我们选择每个地区的一个典型建筑作为样本来描述。以黄浦区的政府大楼为例。草图如下(图 3):
Hi=GBreal/GBmap*Bmap i (3)
其中 GBreal 是政府大楼的真实高度，我们通过实地测量得到的。Gbmap 是政府大楼的地图高度。I 是该地区每个网格内的建筑物数量，Bmapi 是其他建筑物高度的图像长度，h 是每个建筑物的标准化高度 i。然后添加每个网格的所有 BVi。
BV=sum; n Afloor i*Hi (4)
图 3 建筑体积的计算
与各乡(街)区人口普查统计有关的行政区号。在前面计算的建筑体积的基础上，提出了一种基于网格的城市人口计算模型:
POPU=popu/sum; jm BV j*BVj (5)
其中，POPU 代表每个网格的人口，POPU 是《统计公报》统计的每个乡镇/分区的总人口， m 是每个乡镇/分区的网格数量。
图 4 城市人口模拟
空间化的结果显示在图 4中，在 115248个网格中，人口的最大值是 3413.3678，位于黄浦区的 淮海中路街道，绝大多数网格小于 100，累积百分比为 85.74%。黄浦江西岸人口高于浦东新区。黄浦江西岸地区与黄浦江西岸地区差距明显，内环线地区分布较大，而内外环线地区分布较小。
图 5 城市人口验证示意图
人口由居民区收集，并通过实地测量进行检查。图 5 为上海市中心城区内环路人口空间分布格局，统计单位为住宅小区。按住宅小区单位重新采样 100ー100m 尺度上的统计人口，总网格为 15677。为了验证模拟人口的准确性，本文将计算结果与内环路区域的统计结果进行了比较。结果表明，统计结果与人口统计分布基本吻合。结果表明，模拟精度可以达到 81.60%，该方法具有一定的回归分析。
结果
医院无障碍设施
可达性通常是通过矢量数据空间分析工具计算出来的，以求出最短的时间路径。我们可以准确地确定各道路等级的速度。根据《公路工程技术标准》(jtg/b01-2006)中道路交通系统的设计速度，结合研究区的实际情况，用相应的速度(v)写出各个等级(表 1)。
表 1 各州陆上交通网速度和摩擦系数
|
等级 |
水 |
其他 |
地方道路 |
次要道路 |
主要道路 |
|
速度(km/h) |
- |
20 |
30 |
60 |
80 |
|
摩擦系数(beta;) |
- |
2.2 |
2 |
1.8 |
1.6 |
无论在哪里，地形和坡度都会对速度产生重要影响，但是上海位于中东长江三角洲的冲积平原上，这里的平均海拔只有 4 米。目前我们最关心的问题是公路线路水平面的视角，短时间不考虑地形和倾斜。
网格与医院之间的行程时间由三部分组成:t = Lt1 (hi-rnkm) St (rnkm-rnkn) Lt2 (rnkn-g j)(6)其中，Lt = [(x1minus;x2 )2 (y1 minus;y2 )2]1/2/v，Lt 和 St 都如下所示。
在 ArcGIS 中，我们提取每个医院和网格的空间坐标。准备交通道路网络的覆盖范围包括城市一级道路、二级道路和地方道路。基于网格层的身份网络层获取100m以下的路网线段数量。通过计算几何工具和确定的速度计算每段的行程时间(表 1)。然后在网格中心、医院和网络覆盖上建立节点和线路拓扑。使用 Near工具分别计算公路网中网格/医院与其最近节点之间的最短线性距离。根据其他等级速度(表 1)和标记的 ID 获取时间成本(lt1/2)。然后在文件地理数据库中构建特征数据集，导入道路网络。并在此基础上建立网络数据集。通过网络分析工具分别识别网格和医院覆盖的起点和目的地。利用 OD 代价矩阵工具计算路网节点间的时间代价。然后附加最短线性距离的时间代价段和网络时间代价段。最后总结三个时间段。我们获得了 25 家医院和所有网格之间的行程时间。
在不考虑所有行车条件的情况下，不同坡度的坡道代表了相应的等时线。等时线反映了医院和周围地区之间的空间关系有多么密切(图 6)。
图 6 医院无障碍价值扩散情况
地图表明，市中心具有交通便利的优点。内环路内的所有 18867 点被迫步行到最近的医院，平均时间为 6.6169 分钟。
最远的距离是 18.3075 分钟，在 Huamu。全区最短平均到达时间为 4.4619 分钟，黄浦区最长平均到达时间为 21.3067 分钟。其中
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[410213]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
