城市卒中急救网络动态可达性评价——以合肥市为例

倪建华，陈 杰，袁哲沛，陈子豪，王 杰

（1.安徽大学 资源与环境工程学院，合肥 230601；2.安徽大学 湿地生态保护与修复安徽省重点实验室，合肥 230601；3.大同大学 建筑与测绘工程学院，山西 大同 037009；4.合肥急救中心，合肥 230051）

卒中疾病的致死率和致残率极高，已成为中国居民的主要的死亡原因之一。根据2019年发布的卒中流行病学数据，中国卒中年发病率为246.8/10万，每年会有200 万患者因卒中而死（李子孝 等，2019）。在欧美等发达国家和地区，卒中引起的发病率和死亡率呈下降趋势，但中国情况不容乐观，以每年8.7%的增长率增长（许予明 等，2016）。因而中国的卒中救治工作负担重，北部和中部的农村地区尤为严重，对中国“坚持人民至上、生命至上”的价值理念实现带来严重的挑战。在卒中救治工作中，时间就是大脑。据研究，脑卒中发生后，每延误治疗1 min，患者脑部将有190万个神经细胞死亡（许鑫 等，2020）。因而，脑卒中抢救得越早治疗效果越好。国家脑防委大力推进脑卒中区域防治网络体系，建立全国卒中1 h“黄金救治圈”，并及时向社会发布卒中急救地图。

卒中急救地图又被称为救命地图，其本质是在患者、急救中心、急救车和卒中中心之间构建卒中院前急救网络，以便在卒中事件发生时做到快速的急救反应（国家卒中急救地图工作委员会 等，2019；任怡 等，2022）。在城市规划、地理学等相关领域，可达性是度量公共服务资源空间配置合理性的最有效方法之一。可达性通常是指基于交通网络从起始位置（如该位置的人）到达目的地位置（如该位置的设施） 的难易程度（Kwan et al.,2008）。可达性主要分为两大类：个人可达性和位置可达性（Geurs et al., 2004; Wang et al., 2018）。个人可达性常以时间地理学为框架，衡量个人在时空条件下开展各种服务活动的自由度，具有高度的空间位置敏感性和个人差异敏感性（陈洁 等，2015），难以应用于基于位置的措施的大规模宏观研究（Páez et al., 2010; Horner et al., 2014）。一般来说，位置可达性度量方法主要包括行程时间（或距离）、重力模型、两步移动搜索方法及其一系列扩展方法（Joseph et al., 1982; Shen, 1998; Radke et al., 2000;Wang et al., 2005; Luo et al., 2009）。基于位置的可达性评价仅需要少量粗略数据即可完成，广泛应用于发展政策相关的设计与优化，如区位评价、交通规划、设施选址等（黎雅悦 等，2022；翟石艳 等，2022）。

可达性度量方法种类繁多，但可达性的影响因素主要包括3种：人、交通系统和活动地点（陈洁等，2007；宋正娜 等，2010；王姣娥 等，2018；陶卓霖 等，2019）。在动态城市环境下，3 种影响因子均具有随时间变化而变化的典型特征。伴随着它们的动态变化，可达性也相应地具有显著的动态性特征（Tenkanen et al., 2016; Järv et al., 2018）。然而，现有可达性研究多集中在空间维度的分析与建模，忽略时变特征下城市的动态性（刘晓慧 等，2019；Chen et al., 2020；王姣娥 等，2022），其评价结果多为静态的物理可达性，与实际存在一定偏差，限制了应用的广度和深度。同时，传统方法集中于单服务设施的可达性研究，对于多设施一体化服务网络的可达性研究较少，难以评估各种社会活动的整体行为及社会群体时空可达性。

因此，本文以合肥市为研究区域，以合肥市卒中中心、急救中心、急救车、居民小区、交通网络等多源数据为基础，构建卒中急救动态网络，调用百度地图API接口，通过最邻近可达性、可达性标准差、洛伦茨曲线和基尼系数等方法，分析和评价合肥市各小区可达性动态变化规律和布局公平性随时间变化的趋势。以期对时间敏感的公共服务设施布局动态评价与优化提供理论依据。

1 研究方法

1.1 卒中急救网络构建方法

本文所述的卒中急救网络包括“居民小区—急救中心—急救车—卒中中心”服务一体化的卒中急救动态网络。当居民小区有人发出“120”卒中急救请求时，急救中心优先就近调度可用的急救车辆和急救人员，赶赴急救现场，经过适当的救助，在最短时间内将疑似卒中患者转运至最近的卒中中心，卒中急救网络流程如图1所示。整个救助过程的时间成本包括：①急救中心（站）接到呼救电话至完成急救车调度所需通行时间成本；②救护车抵达事故现场所需通行时间成本；③事故现场运往卒中中心所需要通行时间成本。通行时间成本是指在急救车交通模式下，由起点至终点（Origin-Destination，简称OD） 所花费的时间成本，单位为min。

图1 卒中急救网络流程Fig.1 Flow of stroke emergency network

卒中急救网络总通行时间成本T的计算公式为：

式中：T1为院内调度时间，即急救中心（站）接到呼救电话至完成急救车调度所需时间；T2为急救车至患者位置所需通行时间；T3为急救车将患者从患者位置运送至卒中中心所需通行时间。

1.2 可达性计算方法

在卫生保健领域，虽然已提出各种类型的可达性模型，但最邻近时间成本法为最直接而有效的可达性评价方法之一，适用于就近寻求服务的急救可达性研究。因此，采用最邻近时间成本法作为卒中急救网络性可达性评价方法。然而，传统的时间成本计算多以简单的、静态的道路网络模型为基础，与真实的时间可达性结果相差较大。

开放地理数据库是基于真实路网结构，融入公共交通更出行时间信息，建立基于“门对门”方法的路网数据模型，引入大数据的空间分析技术计算OD 时间成本，其结果的准确性较传统的计算方法更高。因此，运用百度地图API计算式（1）中T2和T3的OD时间成本，涉及到的交通模式为驾驶模式，主要技术流程如图2 所示。计算过程中主要包括3种类型的点数据：居民小区人口中心点数据、卒中中心点数据和急救车位置点数据。按照图1 所示，起点O为急救车的位置，其值班数量随时间变化而动态变化；中间位置点为居民小区，数量共计1 761 个；终点D 为卒中中心，数量共计13 个。在编程实现时，基于Javascript 语言，以JSON（JavaScript Object Notation, JS 对象标记）格式向百度地理数据库发送HTTP 请求，等待百度地理数据库响应请求并返回JSON格式结果，最后对JSON格式结果进行数据解析。通过Visual C#语言读取该OD时间成本对记录结果并排序，每个小区对应的时间成本最小值，即为该小区点到最邻近卒中中心的最短时间成本。

图2 卒中急救网络可达性计算技术路线Fig.2 Technical flow chart of accessibility calculation of stroke emergency network

图3 研究区域Fig.3 Study Area

据合肥120调度指挥中心统计，院前医疗急救调度时间T1约为2 min。因此本文的T1值设为固定值2 min。一般情况下，急救车出行模式为驾驶模式。但是，与普通的个人驾驶模式相比，执行急救任务的急救车可忽略红绿灯。因此，借助百度地图API获取红绿灯个数，并假定每个红绿灯的平均等待时间为30 s，本文在计算路网通行时间时忽略红绿灯的该时长的等待时间。

1.3 洛伦兹曲线与可达性基尼系数

在经济学领域，学者们习惯运用洛伦兹曲线图形化表达人口财富的分布累积差异。近年来，洛伦兹曲线应用领域大大拓展，不仅可以反映收入分配的不平等程度，也可以应用于人口累积中任何对象的数量评价，如生物多样性、商业建模等等（Jang et al., 2016; Liu et al., 2022）。基尼系数（Gini）是根据洛伦兹曲线所定义的判断收入分配不平等程度的量化指标。基尼系数值均位于0～1范围。最小值等于0，表示收入分配绝对平均，最大值为1，表示收入分配绝对不平均。基尼系数的数值计算公式可描述为如下形式：

式中：G表示基尼系数；Xk和Xk-1分别表示k个和k-1 个群体收入变量的累积百分比（X0=0，Xn=1）；Yk和Yk-1表示k个和k-1个群体人口变量的累积百分比（Y0=0，Yn=1）。在本文中，X表示可达性变量的累积百分比，其他变量的含义与式（2）相同。

本文引入洛伦兹曲线和基尼系数研究不同时刻研究区卒中中心布局公平性水平。当可达性基尼系数低于0.2 表示布局完全公平，0.2～0.3 表示布局比较公平，0.3～0.4表示布局公平性相对合理，0.4～0.5表示布局公平性较差，0.5 以上表示布局存在严重不公平。

2 研究区域与数据

2.2 数据

合肥市基础地理数据来源于中国科学院资源环境科学与数据中心②http://www.resdc.cn，合肥市卒中中心数据来源于中国卒中急救地图，合肥市急救车位置及属性信息数据来源于安徽急救网。合肥市卒中中心和急救车空间布局如图4-a 所示，其中“全天”指24 h 待命的急救车辆；“白班”指从T 06:00—24:00的值班急救车辆；“夜班”指从T 24:00—06:00的值班急救车辆。研究区内的小区位置及居民小区数据来源于安居客房产网③www.anjuke.com，小区总个数为1 761个，其空间分布如图4-b所示。

图4 合肥市卒中中心和急救车（a）和居民小区（b）空间分布Fig.4 Spatial distribution of stroke centers and ambulances (a) and residential districts(b) in Hefei

2.1 研究区域

合肥市是安徽省省会，国务院批复确定的中国长三角城市群副中心城市，国家重要的科研教育基地、现代制造业基地和综合交通枢纽。合肥市下辖4个区：蜀山区（含经济技术开发区）、庐阳区、包河区和瑶海区（含新站区）、4个县，代管1个县级市，总面积为11 445.1km2，建成区面积为528.5 km2，常住人口为946.5万人，城镇化率为76.33%①https://www.hefei.gov.cn/mlhf-x/mjrk/index.html。经调查，合肥市市区急救服务由合肥市急救中心统一调度，急救服务受交通流和急救车开放时间影响较大，而下属县或县级市的急救服务由各自独立调度，受到的影响很小。因此，以合肥市主城区为研究区域，行政区划图如图3所示。

3 结果与分析

3.1 卒中急救网络动态可达性分析

由高德大数据平台和百度地图智慧交通平台统计结果，研究区内早高峰通常出现于T 07:00—09:00，其中T 08:00 左右的平均速度为一天中的最低值。晚高峰出现于T 17:00—19:00，其中于T 18:00 左右为晚高峰时段平均速度的最小值。上午平峰以T 10:00为例，下午平峰以T 12:00和15:00为例。凌晨T 24:00 左右为一天中道路通畅，为低峰期。因此，本文选择此6 个重要时刻（即T 08:00、10:00、12:00、15:00、18:00和24:00）为研究时刻，计算在6个时刻的各个居民小区的急救网络可达性，结果如图5所示。

图5 各时刻卒中急救网络可达性空间分布（a.T 08:00；b.T 10:00；c.T 12:00；d.T 15:00；e.T 18:00；f.T 24:00）Fig.5 Spatial distribution of accessibility of stroke emergency network at 8:00(a), 10:00(b), 12:00(c), 15:00(d), 18:00(e), and 24:00(f)

对于早高峰时刻（以T 08:00 为例），由图5-a可知，合肥市市中心附近小区的卒中网络可达性总体较好，各小区通行时间大多在30 min以下。经统计反发现，通行时间＜30 min以内的小区数量多达1 382个，占小区总数的78%。其中位于急救中心和卒中中心附近的小区可达性最好，共有137个小区的通行时间＜15 min。但蜀山区东侧、庐阳区南侧、瑶海区东侧、包河区东侧和南侧的小区可达性较差，通行时间在30～45 min，该时段小区数量为364个。还有部分小区可达性极差，通行时间在60 min以上，主要分布于经济技术开发区北区和蜀山区西侧，该地区位置偏僻，交通不便且离急救车和卒中中心距离非常远。晚高峰时刻（以T 18:00 为例）居民小区可达性和早高峰时期情况类似（图5-e）。

对于上午平峰时刻（以T 10:00 为例），较T 08:00时刻的卒中网络可达性水平有所改观。如图5-b 所示，通行时间大多＜30 min，该通行时间范围的小区数量为1 604 个。通行时间＜15 min的小区数量升至222 个。另外，通行时间在30～45 和＞60 min 时段的小区数均有所下降，与T 08:00 空间分布位置总体近似，但分布范围有所减少。可以看出，上午平峰时刻可达性整体要优于高峰时刻。相对于高峰时刻，平峰时刻的可达性值总体更小，较低时间成本的小区数量有所增加。2 个时间点的值班急救车辆没有发生变化，主要是因为T 08:00是工作日的早高峰时刻，是全天中城市居民出行最为集中的时刻，驾驶模式下也是全天中交通最为拥堵的时间节点。

对于下午的平峰时刻（以T 12:00和15:00 为例），2 个时刻可达性情况相当，通行时间在30 min以内的小区数量分别为1 650 和1 613 个，较T 10:00 均略有增加，但增幅不大，空间分布格局相似，但分布范围略有扩大，结果如图5-c和d所示。另外2个时段（即30～45、45～60 min）的可达性有变好的趋势。可以看出，在居民小区卒中急救网络服务获取方面，白天的4 个时刻（即T 08:00、10:00、12:00和15:00），T 12:00的可达性较其他3个时刻具有较大的优势，该时刻也是一天中交通最为畅通，急救车和卒中中心医疗资源的可获得性最佳的时刻。

对于夜间低峰时刻（以凌晨T 24:00为例），值班急救车数量较白天明显减少，由白天的32辆减少至25辆，减少车辆主要位于自东向西的市区中部狭长区域（图5-f）。25 辆夜间值班车中，仅有1 辆为夜间增加的值班车辆，其空间位置位于急救车较为密集的市中心区，而市中心急救车空间分布较为集中。结果可以看出，合肥市全域可达性总体达到黄金“1 h”服务标准，但仍存在市中心急救资源过于聚集，与人口需求空间发展不均衡等问题。夜间值班车辆的变化对于研究区的全局卒中急救网络可达性的影响较少。但对于局部区域，如瑶海区中部、经济技术开发区南区的北部和蜀山区的可达性影响较大，该区域夜间值班车辆的锐减使急救车资源匮乏的局势更加紧张。

为了进一步比较各时刻的可达性离散程度差异，综合以上述6个时刻的卒中急救网络可达性结果，计算6 个时刻的可达性标准差，结果如图6 所示。可以看出，可达性标准差空间差异非常显著。市中心大面积区域标准差变化较小，主要是因为市中心区域的急救中心和卒中中心非常密集，虽然也有小部分区域（如长江西路和南一环附近）受交通流影响较大，但总体而言，该区域绝大部分小区人口分布较为集中，卒中急救网络时间成本较小，受时间变化影响也较小。变化较大的区域主要分布在老城区以外的东部和西部地区，最主要的原因是受到夜间急救车值班数量变化的影响，与T 24:00 的可达性变化情况吻合。因此，政府或规划部门应重点加大夜间时段该区域的急救资源投入或重新调整急救资源值班时间，以缓解研究区内急救资源供应和需求之间的矛盾。

图6 6个时刻（T 08:00、T 10:00、T 12:00、T 15:00、T 18:00、T 24:00）可达性标准差空间分布Fig.6 Spatial distribution of accessibility standard deviation of stroke emergency network in 6 moments (8:00, 10:00, 12:00,15:00, 18:00, and 24:00)

3.2 不同时刻的总体布局公平性水平

为了从市域全局上反映卒中急救网络的布局公平性水平，绘制了上述6个时刻的可达性洛伦茨曲线，并计算了对应的可达性基尼系数。由图7可以看出，T 15:00 和24:00 的可达性基尼系数分别为0.395 和0.338，均属于布局“相对合理”的范围。但T 15:00 的基尼系数值与“较差”水平的临界值0.4 仅相差0.005，空间布局公平性不容乐观。T 24:00 的洛伦茨曲线更靠近绝对平均曲线，其基尼系数值也是6个时刻中的最低值。可以推断，虽然夜间值班急救车的数量明显下降，但并未对总体可达性造成巨大影响，而此时交通状态为6个时刻中的最佳状态，因此T 24:00为合肥市全域内6个时刻中空间布局最公平的时刻。

图7 6个时刻的洛伦茨曲线和相应的基尼系数Fig.7 Accessibility Lorenz curve and accessibility Gini coefficient in 6 moments

由于T 10:00 的交通更为畅通，且此时所有急救车均正常运行，因此T 10:00 的基尼系数较早高峰和晚高峰时刻较小，稍大于布局公平性差异警戒线0.4，属于布局公平性“较差”的范围，为0.404。T 12:00的急救网络设施资源并没有发生变化，但基尼系数较T 10:00 有所增大，主要是受午高峰交通流的影响。但总体而言，午高峰持续时间较短，受交通流影响强度较弱。

由图7可知，T 08：00和18：00的可达性基尼系数值非常接近，分别高达0.511 和0.505，洛伦茨曲线重合度也较高。在人口累计百分比等于70%前，2个时刻的可达性值增幅非常缓慢。至人口累计百分比为70%时，可达性值仅为20 min。随着人口累计百分比进一步增大，洛伦茨曲线上升趋势才凸显出来。2个时刻的基尼系数值也为6个时刻中最大的2个值，属于布局“严重不公平”的范围。主要是因为T 08:00和18:00分别为早高峰和晚高峰的时间节点，急救车均正常值班，而交通拥堵因素对于研究区布局公平性影响更大，为6个时刻中布局最不公平的2个时刻，T 08:00尤为显著。据统计，上午T 06:00—11:00之间发病率最高（古贱秀 等，2021），正是交通早高峰时段。因此，对时间极为敏感的急救设施急救设施布局与规划进行考量时，城市规划者或研究者也应考虑疾病发病规律这一重要影响因素。

4 结论与讨论

针对传统可达性研究忽略城市动态性和多设施一体化服务网络的整体可达问题，本文构建了多设施为目标的卒中急救动态网络，通过百度地图API估算1 天中6 个重要时刻的动态交通成本，分析和评价城市可达性动态变化规律和可达性布局公平性变化。结果表明：1）时间变化对于城市急救网络可达性和空间布局公平性有显著影响，早晚高峰时刻的可达性受交通流影响呈较大波动。T 08:00 和24:00分别为研究区内6个时刻中空间布局最不公平和最公平的2个时刻。2）全域可达性总体达到黄金“1 h”服务标准，通行时间＜30 min 的小区占小区总数的75%以上。但仍存在市中心急救资源过于聚集，与人口需求空间发展不均衡等问题。研究区内急救车资源的动态调整并未对研究区内的可达性造成较大影响。3）在时间敏感的卒中急救可达性研究中，本文提出的依精细急救网络模型和时间变化的可达性估算方法结果更加准确可靠。政府或规划部分应加大研究区郊区急救资源的投入，并合理调整急救车、卒中中心等卒中急救资源的时空部署，以有效缓解城市内部急救资源供需矛盾。

值得进一步思考的是，本文没有考虑城市居民在时空纬度上的活动性，即人口的移动性。事实上，来自不同社会群体的城市居民随时随地都会进行复杂的社会活动，对城市设施可达性评价也会产生重要影响。另外，针对脑卒中疾病，1 天内的发病时间存在较强规律性（周奕男 等，2020），针对这一规律提出合理的布局优化方案也是未来可达性研究以及急救设施时空优化研究的重要方向。因此，在未来要充分考虑时间、空间和系统各个维度，构建适宜的城市急救车动态配置模型，为动态城市环境下急救车动态配置和重定位提供优化策略和治理框架。