基于POI數據的北京市2016—2020年醫療資源空間分布特征研究

摘 要：對北京市醫療資源空間分布格局進行分析，為科學配置醫療資源提供參考依據。該研究以北京市2016年和2020年醫療資源興趣點（POI）為數據，采用標準差橢圓、核密度估計和平均最近鄰等方法，探討其空間分布特征。結果表明，北京市2016—2020年醫療資源分布格局基本保持不變，大部分集中在東城區、西城區、海淀區、朝陽區、石景山區和豐臺區；醫療資源表現為穩定趨勢且有離散方向性。其核密度呈現出“中間高，四周低”的特征，醫療資源存在一定的不均衡現象，表現出典型的“中心-外圍”的圈層結構。其空間布局均表現為聚類狀態，到2020年有所削弱，并向市中心以外的方向擴散。

關鍵詞：醫療資源；興趣點；標準差橢圓；核密度；平均最近鄰

中圖分類號：R197 文獻標志碼：A 文章編號：2095-2945（2024）28-0119-05

Abstract： Analyze the spatial distribution pattern of medical resources in Beijing City to provide reference for scientific allocation of medical resources. This study uses points of interest （POI） in medical resources in Beijing City in 2016 and 2020 as data， and uses methods such as standard deviation ellipse， kernel density estimation and average nearest neighbor to discuss their spatial distribution characteristics. The results show that the distribution pattern of medical resources in Beijing City remains basically unchanged from 2016 to 2020， with most of them concentrated in Dongcheng Area， Xicheng District， Haidian District， Chaoyang District， Shijingshan District and Fengtai District; medical resources show a stable trend and discrete direction. Its core density shows the characteristics of "high in the middle and low in the four sides"， and there is a certain imbalance in medical resources， showing a typical "center-periphery" layer structure. Its spatial layout is in a clustered state， which will be weakened by 2020 and spread beyond the city center.

Keywords： medical resources; points of interest; standard deviation ellipse; nuclear density; average nearest neighbor

隨著我國人民群眾的生活水平不斷提高，人們的健康意識也逐步邁向了一個新臺階。醫療資源是人民群眾的生命保障，但受多種因素的影響，醫療資源存在一些分布不均衡的現象，主要是優質醫療資源匱乏[1]，這也符合了現階段我國社會主要矛盾。因此，科學分配醫療資源是目前醫療衛生事業發展需要迫切解決的問題。

興趣點（Point of Interest，POI）是由精密測繪儀器獲取的，一般包括經緯度、地址和名稱等信息[2]，具有精度高、范圍廣和實效性強等特點，一般用于資源空間、商業區域劃分等空間分析。例如，相關國外研究Lee等[3]以首爾都會區為研究對象對社交網絡分析得出的區域中心性結果與POI分布的指數進行了相關性分析；Jiang等[4]采用點位和核密度方法對北京中關村地區的企業POI進行了空間分析；Liu等[5]以麗水市148個村落為目標利用POI數據研究活力影響因素的空間變化。目前，國內佟盾等[6]基于POI數據采用標準差橢圓和地理集中指數等方法探討天津市薊州區鄉村旅游資源空間分布特征；鐘洋等[7]利用POI數據結合最鄰近及核密度等方法研究湖南省養老設施的空間分布特征；王文薈等[8]在桂林市民宿POI數據的支撐下，利用核密度分析、平均最近鄰指數和變異系數等方法分析其空間分布格局。上述學者在研究對象上多以旅游、民宿等資源點為主，醫療方面的研究相對較少；此外，大多學者均以某一時間點來探討，缺乏時段研究，會斷層資源點的關聯性及規律性。北京市分布著大量醫療資源的同時，也存在著配置不均衡的問題，所以，研究北京市醫療資源分布情況具有重要的典型性與代表性。鑒于此，本研究為探討不同時效性下的北京市醫療資源空間狀態，基于POI數據采用標準差橢圓、核密度估計和平均最近鄰等方法分析北京市2016—2020年的醫療資源空間分布特征，以期更清楚地了解不同年份下的醫療資源分布格局，為實現醫療資源公平分配、優化配置提供參考依據。

1 研究區域和數據

北京市是中華人民共和國的首都，地理位置位于東經115.7°～117.4°，北緯39.4°～41.6°，下轄16個區，它是中國政治、文化、國際交往和科技創新中心，擁有豐富的醫療資源。

本研究進行數據預處理后得到2016年的北京市醫療資源數據有27 188條，2020年有23 275條。其中，POI數據包括名稱、地址、經緯度和醫療資源類型等信息，本研究是從宏觀角度對北京的醫療資源進行空間分布特征研究，所以關注點主要是經緯度。

2 研究方法

2.1 標準差橢圓

標準差橢圓從全局出發，依據北京市的位置及結構，計算中心坐標、方位角、長短軸等參數，可以定量分析2016—2020年北京市醫療資源分布的中心和方向趨勢，以及離散程度等多個空間分布特征和演化過程[9-10]。其表達式為[1]

式中：xi和yi是第i個要素的坐標，和是要素的平均中心，n是要素數量，θ是旋轉角度，i和i分別是要素i到平均中心的短軸和長軸方向的距離，VSDE，X和VSDE，Y分別是短軸和長軸。

2.2 核密度估計

核密度估計是建立在數據集密度的算法，用于分析要素在其周圍領域中的密度。其原理是在研究數據的密度函數上進行數據的聚類特征估計，是一種從研究數據本身估計分布特征的方法[1，11]。本研究利用該方法對北京市2016—2020年的醫療資源密度空間分布進行計算，其表達式為

fh（x）=∑k（） ， （3）

式中：fh（x）是北京市醫療資源空間面積中心點的核密度值，可以表達醫療資源的聚集狀態，其值越大，醫療資源分布越密集。k（x）是核函數，n是醫療資源的數量，h＞0是帶寬，x-Xi是點x到點Xi的距離[12]。

2.3 平均最近鄰

平均最近鄰一般用于點空間格局研究，所以能反映醫療資源相互鄰近的程度[13]，本研究利用該方法判別北京市醫療資源的集散程度，其表達式為

R==2 ， （4）

rE== ， （5）

式中：R是最近鄰點指數，ri是平均最近鄰距離，rE是理論最鄰近距離，A是北京市面積，n是醫療資源的總量，D是密度。

3 結果分析與討論

3.1 北京市醫療資源空間分布特征

運用軟件ArcGIS10.6計算出北京市醫療資源標準差橢圓參數，見表1。通過對比可知，北京市2016—2020年間醫療資源分布情況基本保持不變，大部分醫療資源集中在東城區、西城區、海淀區、朝陽區、石景山區和豐臺區。轉角由60.46°增大到60.73°，增幅較小，醫療資源表現為穩定趨勢；短軸長度增加了0.01 km，說明醫療資源有離散程度；同樣地，長軸長度也增加了0.01 km，長短半軸的值差距有所增加，醫療資源轉移有明顯的方向性。

3.2 北京市醫療資源密度分布特征

2016—2020年間，北京市醫療資源核密度分布較為凸顯，核密度高值區保持集中在東城區、西城區、海淀區東南部、朝陽區西部、石景山區東部及豐臺區北部，其余各區零星分布，呈現出“中間高，四周低”的特征，醫療資源存在一定不均衡的現象。以市中心為界形成了典型的“中心-外圍”的圈層結構，環數越多醫療資源越少，這五年來，均表現出“以面為主，以點為輔”的特點，是醫療資源的主導形態，這與張苗苗等[1]對醫療資源分布情況的研究結果相一致。雖然醫療資源整體分布特征基本保持不變，但其對應的核密度值各有不同，很大程度上是由于社會經濟在不斷發展，居民對醫療資源的配置不斷變化。

3.3 北京市醫療資源空間集散特征

本研究采用平均最近鄰分析方法探討北京市2016—2020年醫療資源的集散程度，如圖1所示，平均最近鄰的各項指數見表2。2016年，北京市醫療資源平均觀測距離為100.310 4 m，預期平均距離為465.403 5 m，其平均最近鄰比率小于1，又因p值小于0.01，說明有99%的把握認為它不是隨機的，且z得分為-247.458 013，證明北京市2016年醫療資源是呈現為聚類狀態的。同理，2020年的北京市醫療資源也表現為聚類狀態。2016—2020年間，平均最近鄰比率有所增高，且幅度較小，說明其聚類效應有所削弱，表示北京市醫療資源向市中心以外的方向擴散，這也印證了其2020年核密度高值區比2016年低的原因。

3.4 討論

首先，以往對醫療資源空間分布的研究多是表格信息化，缺少對空間可視化的表達；其次，少有學者對醫療資源布局進行時空分析，多數是旅游、商業和餐飲資源等，也僅是建立在某一時間點的研究，缺乏時段分析。李曉雪等[14]在分析我國醫療衛生資源配置現狀時表明，醫療機構空間和功能分布失衡，影響了服務供給的公平與效率。那么在北京市醫療資源相對充足的情況下，是否也像全國這樣的大環境下存在醫療資源分配不均的問題，結果表明，在北京市也存在同樣現象，可能的原因有如下幾點。第一，各個區域之間的經濟發展不平衡，人口密集度也不同，導致對醫療資源的需求不同，配置失衡；第二，對基層和郊區醫療機構投入較低，難以吸引高水平人才維持機構運行；第三，現有的行政管理措施配套跟不上，以及對民眾的健康教育工作還不到位等因素的影響，因此，也間接導致了區域內醫療服務的可及性和公平性問題。因此，本研究在POI數據的支撐下，運用軟件ArcGIS10.6，采用標準差橢圓、核密度估計和平均最近鄰等方法，探討了北京市2016—2020年醫療資源空間布局情況，旨在為進一步拓展醫療資源布局改變，給相關部門提出合理建議，從“點輻射面”的角度看，也為全國醫療資源的合理布局提供參考方案。

4 結論與對策

4.1 結論

本研究以北京市醫療資源2016年和2020年POI興趣點為數據，運用GIS空間分析方法，可視化呈現了醫療資源的分布格局，并探討了其分布的中心和方向趨勢、聚集狀態和集散程度等多項空間分布特征。研究結果如下。

1）北京市2016—2020年間醫療資源分布格局基本保持不變，大部分集中在東城區、西城區、海淀區、朝陽區、石景山區和豐臺區；醫療資源表現為穩定趨勢且有離散方向性。

2）2016—2020年間，北京市醫療資源核密度呈現出“中間高，四周低”的特征，醫療資源存在一定不均衡的現象，表現出典型的“中心-外圍”的圈層結構。

3）北京市2016—2020年醫療資源均表現為聚類狀態，且其有所削弱，并向市中心以外的方向擴散。

由于研究等方面限制，本研究尚存在一些不足之處。主要表現為：時間跨度較短，不能清晰地展現北京市醫療資源的空間差異性；其次，處理數據醫療資源POI興趣點分類還不夠明確，未能展示到底是公立幾級醫院還是私人診所等分布的具體情況。針對上述問題，后續研究應加長時間跨度，POI興趣點要具體分類。最后，未來還可以對影響醫療資源的因子進行討論，深入挖掘醫療資源的時空分布特征及其驅動關系，以期更好地布局醫療資源和調整影響其因素的權重關系，讓民眾健康及時得到保障。

4.2 對策與建議

根據本研究的成果，對北京市醫療資源的空間布局提出以下幾點對策與建議。

1）優化醫療資源空間布局模式。高效落實《北京市國土空間近期規劃（2021—2025年）》，合理分配過于集中的醫療資源，加強各區醫療資源的空間關聯性，有效民眾就醫的可達性。

2）科學配置郊區醫療資源。加大力度對郊區醫療機構的建設，提高市區周邊醫療資源的密集度，可以縮短民眾的就醫時間。

3）繼續聯動市區與郊區的醫療資源。加深各區醫療資源空間之間的緊密性，保證“醫療機構包圍居民”的現象，提升民眾就醫的方便性。

參考文獻：

[1] 張苗苗，安思遠，史清晗.基于POI數據的醫療資源空間格局與影響因素探究——以石家莊市主城區為例[J].石家莊學院學報，2023，25（6）：25-33.

[2] 許澤寧，高曉路.基于電子地圖興趣點的城市建成區邊界識別方法[J].地理學報，2016，71（6）：928-939.

[3] LEE Y， SEO D. Identifying Relationship between Regional Centrality and POI Facilities： A Case Study of Seoul Metropolitan Area[J]. ISPRS International Journal of Geo-Information，2024；13（1）：12.

[4] JIANG L， HU Z T， ZHANG L. Study on the Spatial Distribution of Enterprise Companies and Supporting Facilities in Beijing's Zhongguancun Area Based on POI Data[J]. Journal of Civil Engineering and Urban Planning，2023（5）：39-45.

[5] LIU S， GE J， BAI M， et al. Uncovering the factors influencing the vitality of traditional villages using POI （point of interest） data： a study of 148 villages in Lishui， China[J]. Herit Sci ，2023（11）：123.

[6] 佟盾，張戈，朱鳳杰.基于POI數據的鄉村旅游資源空間分布特征——以天津市薊州區為例[J].農業資源與環境學報，2024，41（1）：240-252.

[7] 鐘洋，郭昕蔚，譚思思.基于POI數據的湖南省養老設施的空間分布特征及分異成因[J].經濟地理，2024，44（2）：43-51.

[8] 王文薈，蘇振，鄭應宏，等.基于POI數據的桂林民宿空間分布及影響機制研究[J].地域研究與開發，2023，42（4）：95-99，105.

[9] 張東.烏魯木齊市夜間燈光分布及城市重心遷移特征研究[J].新疆師范大學學報（自然科學版），2021，40（2）：29-34，51.

[10] 王浩楠.基于土地利用覆被變化的寧夏生態系統服務價值與預測研究[D].北京：北京建筑大學，2024.

[11] 胡良柏.基于核密度分析與關聯規則的天水盆地黃土滑坡規律研究[J].測繪與空間地理信息，2022，45（1）：30-32，39.

[12] 鄢慧麗，王強，熊浩，等.休閑鄉村空間分布特征及影響因素分析——以中國最美休閑鄉村示范點為例[J].干旱區資源與環境，2019，33（3）：45-50.

[13] 蔡碧凡，陶卓民，葛佩佩.浙江省優良景區空間分布特征及影響因素[J].西北師范大學學報（自然科學版），2016，52（4）：99-106.

[14] 李曉雪，鄭靜晨，李明，等.我國醫療衛生資源配置現狀與政策建議[J].中國醫院管理，2016，36（11）：33-35.