1.论文概述
论文主要是做基于出租车GPS数据来进行医疗资源可达性度量,然后分析医疗资源可达性分布是否均衡。
1.1 数据
论文采用的数据包括二级、三级医院,以及这些医院的供应量;各个栅格的人口数据(使用联通手机信令数据得到);出租车OD点时间及经纬度;高德API数据;
1.2 方法
1.2.1 2SFCA method
该方法是用来计算某一个demand point 的accessibility的,计算公式如下:
这个公式很简单,
S
i
S_i
Si是医院的capacity,即医院的供应量,
P
k
P_k
Pk是第k个demand point的人口数量(也就是需求量),
f
(
d
k
i
)
f(d_{ki})
f(dki)是distance decay function,其实类似于对需求的一个权重,因为随着里supply的距离的增加,栅格的需求并不是都是到这个supply去的,可能去另一个supply了,所以需要一个随距离增大递减的这样一个decay function。
本文主要是对decay function做了改进,是一种基于出租车GPS的decay function,然后用这个decay function计算了accessibility。
下图就是本文的decay function,横坐标是出租车GPS数据得到的从需求点到供应点的出租车travel time,纵坐标是频率比,也就是这个时间段的travel time的trip数量比上所有的trip数量,时间段取的是1min。
1.2.2 Measurements of inequalities
Getis–Ord Gi*
本研究使用Getis–Ord Gi来度量不均衡性,Getis–Ord Gi可以识别出统计上显著的hot spots和cold spots。
Getis-Ord General G和Moran’s I分析有一些类似,两者都是分析空间分布的相关性的,但是还是有点差别的,我理解的两者的差别是Moran’s I指数可以分析出某个指标在空间上分布是否集聚,所谓集聚就是高的和高的一起,低的和低的一起,打个实际比方,对一个班的班级成绩做分析,Moran’s I>0就是说成绩好的和成绩好的扎推在一起玩,成绩差的和差的扎堆一起玩,Moran’s I<0指的就是成绩好的和成绩差的扎堆一起玩,成绩差的扎堆和成绩好的一起玩,Moran’s I不显著就是和不和你一起玩和你成绩好不好没啥关系。而Getis-Ord General G就是具体去分析一下到底是成绩好的扎推在一块,还是成绩差的扎堆在一块玩,Getis-Ord General G>0,就是成绩好的扎堆在一起玩,成绩差的扎推就没那么明显;Getis-Ord General G<0就是成绩差的扎堆在一起玩,成绩好的扎堆就没那么明显。
GWR
除了使用简单的Getis–Ord Gi*方法,还使用GWR来衡量空间异质性。
1.3结果
具体结果的话就不阐述了,可以看下论文,和常识还是很吻合的,就是中心区可达性好,郊区可达性差,就提几点作者做的有意思的处理,以及给出结果的图,其实只要看图也就是知道结论了,也无需看具体的内容了。
- 作者在时间上划分了高峰和平峰时间段,分别分析高峰和平峰时间段的可达性。
- Getis–Ord Gi*得到的hot和cold spots。
- absolute advantage area,文章中对absolute advantage area的定义如下:Intuitively, healthcare accessibility during peak periods is lower than that during off-peak periods. Nevertheless, comparing two results, the accessibility in some grids actually increased during peak periods. We defined these areas as the absolute advantage area
- GWR模型回归结果,各个系数的空间可视化结果如下图所示:
- 作者针对各个弱势群体、比如未受教育者、小孩等,分析了对这些人群的hospital desert,这个hospital desert的识别方法是以可达性为横坐标,比如population/income之类的属性值为纵坐标,对角线左上方的就是hospital desert。
2.参考文献
Gong S, Gao Y, Zhang F, Mu L, Kang C, Liu Y. Evaluating healthcare resource inequality in Beijing, China based on an improved spatial accessibility measurement. Transactions in GIS.2021;00:1–18. https://doi.org/10.1111/tgis.12737