Scientia Geographica Sinica  2014 , 34 (5): 580-586 https://doi.org/10.13249/j.cnki.sgs.2014.05.580

Orginal Article

广州市医疗设施可达性模型中端点吸引的影响因素检验

齐兰兰1, 周素红12, 闫小培1

1.中山大学地理科学与规划学院城市与区域研究中心,广东 广州 510275
2.广东省城市化与地理环境空间模拟重点实验室,广东 广州 510275

Endpoint Attractive Factors of Medical Facilities' Accessibility: Based on GPS Floating Car Data in Guangzhou

QI Lan-lan1, ZHOU Su-hong12, YAN Xiao-pei1

1.School of Geography and Planning, Centre for Urban & Regional Studies, Sun Yat-sen University, Guangzhou, Guangdong 510275, China
2.Guangdong Key Laboratory for Urbanization and Geo-simulation, Guangzhou, Guangdong 510275, China

中图分类号:  K909

文献标识码:  A

文章编号:  1000-0690(2014)05-0580-07

通讯作者:  周素红,博士,教授。E-mail: eeszsh@mail.sysu.edu.cn

收稿日期: 2013-02-23

修回日期:  2013-12-28

网络出版日期:  2014-05-10

版权声明:  2014 《地理科学》编辑部 本文是开放获取期刊文献,在以下情况下可以自由使用:学术研究、学术交流、科研教学等,但不允许用于商业目的.

基金资助:  国家自然科学基金项目(41271166)资助

作者简介:

作者简介:齐兰兰(1981-),女,吉林省吉林市人,博士研究生,主要从事城市地理学、健康地理学研究。E-mail:arielblue@126.com

展开

摘要

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。

关键词: 广州市 ; 医疗设施 ; 可达性 ; 端点吸引 ; GPS

Abstract

Health care is an important part of the public service. Scholars from human geography, medicine, public health, sociology and other fields pay wide attention to its accessibility studies. A variety of methods have been emplyed to measure health care accessibility, including the distance or time to the nearest medical facility, the ratio of supply to demand in a certain radius, the gravity model, the kernel density method, and two-step floating catchment method to measure the relationship between supply and demand in a region. Among the different methods mentioned above, the attractiveness of the facilities is one of its core elements, which is mainly related to the amount and scope of services. The impact factors are mainly related to hospital size, rank, service population, traffic accessibility and so on. The reasonableness of these assumptions mentioned above directly affects the reliability of the results, and it is important to test these hypotheses. Current testing methods and data acquisition are limited, which make such kind of researches exile. GPS data of floating car provide a solution to the problem. This article test the indicators commonly used in medical facilities’ accessibility by introducing GPS floating car data. The indicators include endpoint characteristics such as hospital rank, size, whether or not covered by medicare, characteristics of service endpoint such as population in service areas, and environmental factors such as the number of other medical facilities, population and road accessibility, etc. Results showed that hospital size and population within 1.5 km have positive effects on the amount of attraction of the hospital. Other indicators commonly used in the accessibility models, such as hospital rank, whether or not covered by medicare, population and high-need population in the main service radius, road accessibility and population in the surrounding area, and the number of competitors are not significant in this article. Population within 1.5km has negative effects on the main service radius. Other indicators have no significant effect in the test of this paper. Data in this paper is mainly from the GPS data of floating car. Other transportations like walking and public transit and so on are not studied in this paper. The test of the indicator is mainly the reflection of the floating car mode. Despite the limitations, the method and main conclusion of this paper which depend on mass data of GPS have positive significance on deepening the research on accessibility.

Keywords: Guangzhou ; medical facilities ; accessibility ; endpoint attraction ; GPS

0

PDF (739KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

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]. , 2014, 34(5): 580-586 https://doi.org/10.13249/j.cnki.sgs.2014.05.580

QI Lan-lan, ZHOU Su-hong, YAN Xiao-pei. Endpoint Attractive Factors of Medical Facilities' Accessibility: Based on GPS Floating Car Data in Guangzhou[J]. Scientia Geographica Sinica, 2014, 34(5): 580-586 https://doi.org/10.13249/j.cnki.sgs.2014.05.580

公共服务或设施的可达性长期以来被用来反映人们获得某项公共服务或者到达该设施的难易程度,主要以到达该设施的能力(多指花费的时间或者距离)或者能够到达的服务的数量与质量来衡量,关注公平性和特定界限内人口及人们行为的更佳分布,以及作为不同层级的规划和政策制定的重要变量衡量供给与需求、区位和配置、服务和覆盖范围,是地理学领域一项长期讨论的话题[1-3]。李平华和陆玉麟总结可达性的涵义与以下3点相关:交通成本,不仅指交通费用,还包括旅行时间、风险、舒适度等方面;端点区位特性,如起点和终点的人口、就业或商店数量等情况;端点的选择,是一点与多点之间还是一点与一点之间[1]

医疗服务是公共服务的重要组成部分,其可达性的研究受到来自人文地理、医学、公共卫生、社会学等领域学者的广泛关注,并已形成了多种衡量医疗服务可达性的方法,例如求距需求点最近的医疗机构的距离或者时间,考察一定搜索半径范围内的供给与需求比例(如:供给者数量与人口比例),用引力模型衡量供给和需求之间的关系,核密度方法衡量某一区域供给或者需求的强度,以及被医学地理学者认为最为有效表达可达性的两步移动搜索法,即:分别从供给和需求2次计算一定搜索半径范围内的供给和需求比例等等[4-9]。这些方法旨在寻求一个可以更好衡量人们(可以)使用医疗服务的方式,普遍涉及到对端点吸引力的一系列假设,包括来自目的地端点的特征,如医疗设施本身的规模和等级;服务地端点的特征,如服务需求的服务人口数,以及联系2个端点间的环境要素,如道路通达性等。其中,对目的地端点吸引方面,通常假设医疗设施本身的规模和等级等对可达性产生影响。多数学者假设医疗设施规模越大吸引力越大,等级越高吸引力越大,即规模大、等级高的医疗设施吸引患者的数量越多、距离越远[6, 8,10]。对服务地的端点吸引方面,可达性模型假设中除了考虑目的地端点外,考虑的另一端点即居民出行所在的起始点,通常是衡量所在地区的人口数量。几乎所有的相关文献都设定人口规模越大服务需求越大,与目的地之间形成的引力势能越大,甚至还有学者对人口数据进行处理提炼,分类研究医疗服务需求[10]。对联系2个端点间的环境要素方面,端点吸引常用的度量指标还有交通通达性问题,一般认为交通便利地区可达性高吸引力大[11,12]。对医疗设施可达性研究方法虽不同,但对设施吸引力的考察是其核心内容之一,主要涉及吸引量和服务范围,影响的因素主要涉及到医院规模、等级、服务人口、道路通达性等。众多研究对吸引量和服务范围与相应指标之间的关系达成了一定的共识,普遍认为医疗设施等级、规模、服务人口、道路通达性等对其吸引量和服务范围具有正向影响。

上述这些假设的合理性直接影响可达性分析结果的可靠性,因此检验这些假设很重要,但目前检验手段和数据获取有限,导致相关研究比较欠缺,浮动车GPS数据提供了解决上述难题的切入点。GPS数据利用及研究主要集中于交通领域,包括从GPS信息中提取出车速计算路网的实时速度以测算不同时段交通的可达性,对车辆行程时间进行预算模拟现实交通,以及在此基础上进行出行路径优化设计等[13-15],近期,GPS也用于采集个体移动信息,研究居民的出行行为,但由于成本高,样本量通常较有限,制约了其在对城市中宏观层面理论问题研究方面的应用[16-19]。海量的基于浮动车的GPS数据为研究公共服务可达性提供了重要的数据基础,其中,在医疗服务可达性研究方面,相关文献以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[6]。尽管存在一定的局限,GPS数据提供了客观的基础数据,有关GPS数据挖掘的研究已经得到发展,相关的技术手段也得到突破,使将其作为研究医疗服务端点吸引的衡量指标成为可能。本文以广州市为案例地,利用出租车GPS数据对医疗设施可达性模型中关于端点吸引力的假设进行检验,即检验医疗机构吸引量、吸引范围(距离)的影响因素,实现对经典的医疗服务可达性模型方法假设条件的思考和检验,对今后可达性模型中端点吸引的指标使用提供参考,期待引起学界对其它衡量有关服务可达性的方法的进一步研究。

1 数据与方法

1.1 数据来源与处理

本文的案例地为广州市中心城区,包括越秀区、荔湾区、白云区、海珠区、天河区、黄埔区,即广州市原老八区,原因在于医疗机构和出租车行驶数据主要集中于该区域。基础数据包括广州市基础空间数据、医疗机构数据、第六次人口普查数据和浮动车行驶数据。具体如下:

1) 广州市基础空间数据

以1∶10 000的广州市基础地理信息数据库为基础(2009年),该数据库包含了行政区划、道路、绿地、水系、街道和社区边界等基础信息,通过空间配准六普社区边界地理信息数据对行政区划数据进行了配准和更新,并提取本文需要的行政区划、道路、社区等空间和属性信息。

2) 医疗机构数据

本文医疗机构数据来源于广州市卫生局提供的截至到2012年7月的广州市医疗卫生机构信息统计资料。包括医疗机构名称、性质、所属行政区域等。资料中医疗机构性质分为综合医院、中医医院、中西医结合医院、妇产科医院、妇幼保健院、各专科医院、社区卫生中心、社区卫生站、综合门诊部、专科门诊部等68个细类。鉴于本文将采用出租车数据反映医疗机构的吸引特征,即乘坐出租车到医疗机构,规模较小的医疗机构不能反映特征,另外考虑的是居民基本医疗服务的特征而非特殊需求如美容等特殊需求,因此本文采用综合医院作为医疗设施研究对象。广州市共有综合医院127个,其中市区内(不含增城市、从化市)121个,本文研究区域内93个,使用ArcGIS10软件建立医疗机构分布图。

3) 第六次人口普查数据

本文所采用的第六次人口普查数据来源于广州市统计局。包含人口数据汇总表和社区边界图。

4) 出租车行驶数据

本文选取广州市出租车GPS2009年5月11日(星期一)和5月12日(星期二)的数据,避开节假日和周末出行产生的干扰。从Oracle数据库中提取出这2 d出租车运行的记录,采集时段为0∶00~24∶00,反映了出租汽车2个完整运营日的出行情况。原始数据中共有4 716.77万条位置记录。根据出租车运营状态提取出租车起讫点(OD)79.92万条,去除错误数据后,有效OD对记录共计69.91万条。将OD记录导入ArcGIS软件中,删除O点或D点在研究区域以外的记录,这样,最终保留OD记录66.84万条。

为了识别众多出租车行驶记录中哪些目的地是到达各个医院的,本文借助ArcGIS软件对医疗机构做50 m、100 m、150 m、200 m的多重缓冲,计算出租车行驶终点处于缓冲区范围内的数量分别为7 054、5 885、2 698、2 283个。终点数量在100~150 m时骤降,可以理解为到医院的乘客主要在医院周围100 m以内下车,与实际人们乘坐出租车下车步行距离较为符合,因此本文选择出租车行驶终点在医疗机构100 m缓冲区内的作为出行目的地是到达医疗机构的(其中会有干扰项,但鉴于本文用于医疗机构间横向比较,所以忽略干扰)。计算落在各医疗机构100 m缓冲区范围内的出租车终点(即出租车OD点中的D点)总数,所含D点最多的1 354个,最少的0个,平均为215个。本文认为缓冲区内D点数量特别少的,这些D点作为目的地为该医疗机构的偶然性大,因此将D点数量在50个以下的医疗机构排除,剩余58个医疗机构,吸引OD点对为1.88万对。通过这些医疗机构吸引OD点特征检验医疗设施的端点吸引力。

1.2 检验方法

借鉴以往研究对服务设施端点吸引考虑的因素[6,8,10-12],本文以医疗设施端点特征包括医院等级、规模等,服务端特征如人口规模,环境要素如医院所处区位包括周围人口数量、交通便利程度和机构竞争情况等来反映医疗设施端点吸引强度为指标建立医疗设施可达性回归模型,并检验各指标与医疗设施端点吸引力的关系,即端点吸引量和服务范围(距离)之间关系。

2 基于浮动车GPS数据的医疗设施端点吸引量和服务范围特征

2.1 医疗设施端点吸引量特征

综合医院区位及其吸引的D点数量分布如图1a所示。这58个机构主要位于中心城区,荔湾区东北部、越秀区、海珠区西北部、白云区南部、天河区西南部。其中吸引出行数量最多的是广东省人民医院,对应的D点有1 354个,其次是中山大学附属第一医院,对应D点1 000个,58个机构中吸引出行最少的是广州市白云区人民医院,对应D点50个。利用核密度分析法分析医疗机构吸引O点的空间集聚和分布特征,鉴于主干道间距一般为700~1 000 m,为了不将其它主干路上的O点同时纳入搜索半径影响分析结果,将核密度计算的搜索半径定位500 m,象元输出大小定为50 m。分析表明,医疗机构吸引的O点集聚区主要位于旧城中心区,包括荔湾区东北部、越秀区、白云区南部沿机场路和白云大道一带、天河区西南部和海珠区西北部,这些地区是广州市的老城区,人口密集的地区(图1b)。

图1   所选医院吸引出租车出行的D和O点分布

Fig.1   Points D and O of taxi attracted by the hospitals

2.2 医疗设施端点服务范围特征

参照统计学中箱型图的分界点计算方式,将每个医疗机构吸引的所有OD直线距离顺序排列,采用下四分位数即累积约占总体75%的距离数作为该医疗机构主要服务半径。研究发现,主要服务半径最大的是金康医院,为7.2 km,最小的是中山大学附属第二医院,为2.5 km。58个综合医院相对应的主要服务半径和服务人口情况如图2所示。可见,服务范围与吸引量并不成一一对应关系。

图2   所选医院主要服务半径及半径内人口数量

Fig.2   Major service radius of the hospitals and population within it

3 医疗设施吸引量和服务范围的影响因素检验

3.1 影响因素检验指标选择

3.1.1 医疗设施端点特征

医疗设施端点特征指标包括:① 医院规模。本文选取医院的床位数和医务人员数作为衡量医院规模的指标。② 医院等级。卫生管理部门通过对医疗机构的一系列硬件指标诸如床位数、科室设置、人员数、建筑、设备等对医院进行分等定级,共分3个级别(① 《医疗机构基本标准(试行)》,卫生部,1994年)。③ 是否医保定点单位。《中国卫生服务调查研究第四次家庭健康询问调查分析报告》中得出,有医疗保障的居民两周患病就诊率要高于没有保障的居民,对多数享有医保的患者来说,是否为医保定点单位是患者选择该医疗机构就医的非常重要的原因[20]。因此本文同样检验是否为医保定点单位对医院吸引力的影响,将医保定点医院设为1,非定点医院设为0。

3.1.2 服务端特征

服务端特征指标包括:① 主要服务半径范围内人口规模。参照统计学中盒须图的分界点计算方式,将每个医疗机构吸引的所有OD直线距离顺序排列,采用下四分位数即累积约占总体75%的距离数作为该医疗机构主要服务半径,选取医院主要服务半径范围内人口数量来衡量服务端人口规模。具体为以医院所在位置为核心,做相应距离的缓冲,然后计算落在此范围内的人口数,若某社区有部分面积在此范围内部分在此之外,则假定社区人口均质分布,在服务半径范围的人口数利用该社区人口密度与在服务半径内的面积乘积计算。② 主要服务半径范围内高需人口规模。选取前文界定的医院主要服务半径范围内65岁以上老人数和6岁以下儿童数作为医疗服务高需求人口。具体操作方法同主要服务半径范围内人口规模。

3.1.3 环境要素

将OD直线距离以每0.5 km为区间,计算这些医疗机构吸引客源的距离与出行数量分布情况(图3)。与一般情况下的服务设施利用距离衰减不同,医疗机构浮动车OD吸引数量先上升,再下降。0~0.5 km、0.5~1 km、1~1.5 km这3段距离范围内出行数量一直在增长,0.5~1 km的出行量比0.5 km以内的增加了近2倍,这可能是由于乘坐出租车一般存在门槛距离,0.5 km约为步行10 min左右的距离,这一距离内人们出行倾向于乘坐出租车的意愿不大,随着距离增大患者乘坐出租车出行而到的医院数量上升;出行数量在1~1.5 km达到最高,也即在此距离范围人们乘坐出租车前往目的地的人数最多,而后缓慢下降,呈现较明显的距离衰减趋势,即随着距离的增加,人们选择到某医疗卫生机构就医的几率降低,这较符合人们对服务设施利用的一般规律。鉴于此,本文选择1.5 km半径作为医院周边环境衡量的范围尺度。

图3   广州市主要医疗机构吸引出租车出行数量与距离关系

Fig.3   The relationship between the volume and the distance of floating cars attracted by the hospitals

具体指标包括:① 医院周边人口数。选取医院1.5 km半径内居住的人口数。操作方法同主要服务半径内人口。② 医院周边道路长度。选取医院1.5 km半径内道路长度作为周边交通条件衡量。对于各医院选取的面积一致,此变量也可以近似代表医院周边道路网密度。③ 医院周边服务竞争。选取医院1.5 km半径内其他医院数量作为该医院所处区位的竞争环境。

3.2 医疗设施吸引量影响因素检验

医疗机构吸引量呈现非正态分布,不宜对其直接进行回归分析。本文对其进行数据转换使其符合正态分布,具体方法参照幂变换法[21]。经过计算,对医疗机构吸引量取0.2次幂进行转换(推导过程略),转换后的数据符合正态分布。因变量为医疗机构吸引量的0.2次幂,自变量为医疗机构床位数(张),医务人员数(人),医院等级,是否医保单位,主要服务半径内人口总数(万人)和高需人口数(万人),1.5 km半径范围内人口数量(万人)和高需人口数量(万人),1.5 km半径范围内路网长度(m),1.5 km半径范围内其他综合医院数量(个)。由于幂指数函数是增函数,因此转换后的数据顺序不变,自变量对因变量影响的正负方向也不变。采用SPSS逐步回归方法进行模拟,设置双尾显著性概率为0.05,建立线性回归模型,并检验自变量之间共线性,存在共线性的变量取模型显著性更好的纳入回归方程中,由于床位数与医务人员数存在共线性,1.5 km内人口数量和1.5 km内高需人口数量存在共线性,模型取显著性更好的医务人员数和1.5 km内人口数量,结果如下:

C=52.79+0.181 P1 +2.189 P2 (adj R2=0.484) (1)

式中,C为医疗机构吸引量,P1为医务人员数,P2为医院1.5 km内人口数。

公式(1)中医疗机构的医务人员数和医疗机构1.5 km内人口数量进入了回归方程,其它可达性模型中常采用的指标在本文数据中未能得到验证。医务人员数和医院1.5 km内人口数量对医疗机构吸引量产生正向影响。1.5 km内人口数量与1.5 km内高需人口存在共线性,但高需人口影响的代表性并未有超过总人口数,本文的结果显示总人口数和高需人口数影响相似;而床位数与医务人员数也存在共线性,因此在一般的可达性模型构建中采取一个指标即可以大致反映医院规模。

3.3 医疗设施服务范围影响因素检验

以医疗机构主要服务半径为因变量构建回归模型,自变量为医院床位数(张)、医务人员数(人)、医院等级、是否医保单位、1.5 km半径范围内人口数量(万人)、高需人口数量(万人)、1.5 km半径范围内路网长度(m)、1.5 km半径范围内其他综合医院数量(个),模型构建方法与前文医疗机构吸引量方法相同,结果如下:

R=5.12-0.012t (adj R2=0.410) (2)

式中,R为医疗设施主要服务半径,t为医院1.5km内人口数。

由公式(2)可以看到,只有医院1.5 km内人口数进入了回归方程,对医疗机构主要服务半径产生负向影响,即医疗机构所在地区(半径1.5 km)人口越多,其主要服务半径越小,其它医疗可达性模型中常采用的指标在本文模型构建中未得到显著性验证。

4 结论与讨论

本文利用浮动车GPS数据对广州市综合医院吸引的OD出行进行了识别,对以往医疗设施可达性模型中常采用的反映端点吸引力的指标进行检验,结论如下:

1) 各主要医疗机构集中分布地区即医疗服务提供集聚的地区同样也是医疗服务需求集聚的地区。医疗服务利用符合距离衰减规律,1.5 km内人数最多,而后随距离增加出行人数逐渐减少。

2) 医疗机构服务吸引量受医院规模、所处地区(1.5 km半径内)人口数量包括高需人口数量的正向影响,即医院规模越大,所在地区人口或者高需人口越多,吸引量越大。其它在可达性模型构建时常用的代表医疗机构吸引力的指标,如医院等级、是否医保定点单位、主要服务范围内人口规模及此范围内高需人口规模、周边道路通达性以及是否存在服务竞争对象等在本文中未显示显著。

3) 主要服务半径受所处地区人口数量(包括高需人口数量)的负向影响,其它在可达性模型构建时常用的代表医疗机构吸引力的指标,如医院规模、等级、是否医保定点单位、周边道路通达性及是否存在服务竞争对象等在本文中未显示显著。

医疗服务可达性是卫生领域和公共服务领域长期以来关注的话题,为了更好地掌握地区的医疗服务供给和需求情况以及判别缺医地区,不断有新的方法提出和改进,然而很多方法本身蕴含一定的假设或者对现实情况的常识性判断,这些假设或判断的验证有助于在理论上进一步完善可达性的研究。本文数据来源于出租车出行的GPS数据,对居民就医时步行、公交等其他交通方式出行并未进行研究,因此对以往可达性模型中常用的指标检验也主要是对出租车出行模式下的医疗设施可达性的反映。尽管具有一定的局限性,本文基于海量GPS数据挖掘的研究方法和主要研究结论对进一步深化有关可达性的研究有一定的借鉴意义。未来若进一步结合其它出行方式,将可以更客观全面地反映实际人流吸引所反映的医疗设施可达性和吸引力的影响因素。

致 谢:感谢华南理工大学博士生李鹏、中山大学硕士生郝新华对本文数据处理提供的技术建议。

The authors have declared that no competing interests exist.


参考文献

[1] 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.

[本文引用: 2]     

[2] 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.

[3] 姜海宁,谷人旭,陆玉麒,.

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.

[本文引用: 1]     

[4] Guagliardo M F.

Spatial accessibility of primary care:concepts, methods and challenges

[J].International Journal of Health Geographics,2004,3(1): 3-13.

[本文引用: 1]     

[5] Luo W, Wang F H.

Measures of spatial accessibility to health care in a GIS environment: synthesis and a case study in the Chicago region

[J].Environment and Planning B-planning & Design,2003,30(6):865-884.

[6] 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.

[本文引用: 3]     

[7] 宋正娜,陈雯,车前进,.

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.

[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.

[本文引用: 2]     

[9] 薛德升,蔡静珊,李志刚.

广州市城中村农民工医疗行为及其空间特征——以新凤凰村为例

[J].地理研究, 2009, 28,(5):1341~1351.

[本文引用: 1]     

[10] 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.

[本文引用: 3]     

[11] 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):1600~1607.

[本文引用: 1]     

[12] 王远飞.

GIS与Voronoi多边形在医疗服务设施地理可达性分析中的应用

[J].测绘与空间地理信息, 2006, 29(3):77~80.

[本文引用: 2]     

[13] 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.

[本文引用: 1]     

[14] 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.

[15] 胡继华,程智锋,詹承志,.

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.

[本文引用: 1]     

[16] Murakami E,Wagner D P.

Can using global positioning system (GPS) improve trip reporting?

[J]. Transportation Research Part C-emerging Technologies.1999,7(2):149-165.

[本文引用: 1]     

[17] Wolf J.

Using GPS data loggers to replace travel diaries in the collection of travel data [D].

Georgia: Georgia Institute of Technology,2000.

[18] Forrest T,Pearson D.

Comparison of trip determination methods in household travel surveys enhanced by a global positioning system

[J].Transportation Research Record: Journal of the Transportation Research Board, 2005,1917(1):63-71.

[19] 柴彦威,申悦,马修军,.

北京居民活动与出行行为时空数据采集与管理

[J].地理研究,2013, 32(3): 441~451.

[本文引用: 1]     

[20] 卫生部统计信息中心.2008中国卫生服务调查研究:第四次家庭健康询问调查分析报告[M].北京:中国协和医科大学出版社,2009:51~65.

[本文引用: 1]     

[21] 田俊.

数据正态性简易判断方法及偏态数据幂变换法

[J].中国公共卫生,2003, 19(12):132~134.

[本文引用: 1]     

/