基于运力-需求双向优化模型的医疗急救可达性测度方法

本发明涉及城市公共卫生管理、地理信息系统（gis）与空间可达性算法相结合的交叉。更具体地说，本发明涉及一种基于运力-需求双向优化模型的医疗急救可达性测度方法。

背景技术：

1、随着新型智慧城市建设的推进和公共卫生体系现代化需求的增长，精准的医疗资源空间规划已成为提升突发事件响应能力的核心环节。当前市场状况下，评估医疗资源空间可达性的主流技术多基于引力模型：如两步移动搜寻法2sfca及其衍生模型（刘昊鹏等，北京市山区与平原郊区村级医疗服务可达性评价-基于调查的2sfca研究，中国卫生政策研究2024年7月第17卷第7期，第65-74页；王璨等，基于改进ga2sfca算法的医疗设施空间布局与可达性研究-以厦门市为例，建筑与文化，2022年第6期，第101-104页），但其存在显著的技术挑战：首先，现有模型普遍存在“无限容量幻觉”，未能考量局部高密度人口产生的“排队拥挤”效应，导致中心城区大医院的急救辐射能力被严重高估；其次，在供给侧缺乏微观物理颗粒度数据，常以历史总单量或宏观床位数替代真实硬件运力（如去重车辆标识数量），无法反映系统的真实物理吞吐极限；最后，空间阻抗测算过于静态，难以耦合实际动态交通微循环和城乡分级响应差异，导致优化结果与真实供需体感存在较大偏差。综述文献（陶卓霖，程杨，两步移动搜寻法及其扩展形式研究进展，地理科学进展，2016年第35卷第5期，第589-599页）的技术归类标准，传统2sfca的扩展改良通常局限于‘距离衰减改进’、‘搜寻半径改进’、‘供需竞争考量改进’或‘出行方式改进’等单一类别。

2、现有技术中虽有部分模型（如raam理性代理人模型）提及了“拥挤惩罚”的宽泛概念，但其数学形式、作用机理和应用场景与本发明存在本质差异。raam模型依赖于微观离散代理人的效用最大化迭代选择，其惩罚项需要通过多轮计算机循环逼近收敛，在城市级百万级od矩阵下计算耗时漫长且存在不收敛风险。

技术实现思路

1、本发明提供一种基于运力-需求双向优化模型的医疗急救可达性测度方法，其通过供给侧复合运力构建与需求侧排队降维惩罚因子生成的双向协同优化，解决了传统空间可达性模型在急救资源评估中高估中心医院辐射能力、缺乏真实物理硬件约束以及脱离动态交通场景的突出问题。通过构建运力-需求双向优化机制（cdo-2sfca模型），在供给侧，获取各急救站点的历史有效出车记录数与车辆配置数量特征，引入车辆配置特征的权重系数构建复合运力，并对车辆配置数量增加所产生的运力贡献施加边际效益递减约束；在需求侧，基于高斯时间衰减函数，在异质性响应时间阈值范围内对各需求点的人口数量进行加权汇总，得到急救站点的潜在需求竞争强度，并构建相应的需求竞争修正因子。该方法将急救站点复合运力与潜在需求竞争强度共同纳入综合吸引力计算，通过选择概率、模拟需求量和站点供需比的逐级计算，获得各需求点在不同交通时段下的空间可达性结果，从而降低仅依据站点规模或静态距离评价急救服务能力所产生的偏差。本发明能够为急救服务薄弱区域识别、急救站点服务能力评价以及急救车辆与站点资源的空间配置分析提供量化依据，有助于提高院前急救资源配置评估的客观性和合理性。

2、为了实现根据本发明的这些目的和其它优点，提供了一种基于运力-需求双向优化模型的医疗急救可达性测度方法，其包括以下步骤：

3、s1、供给侧复合运力构建：获取各急救站点j的历史有效出车记录数数据whistory,j与去重车辆标识数量wamb,j，按照下式计算该站点j的复合运力：

4、其中，supply_basej表示急救站点j的复合运力；whistory,j表示该站点历史有效出车记录数；wamb,j表示提取的该站点去重车辆标识数量；α为车辆配置特征的权重系数，取值为0至1，用于对去重车辆标识数量的引力贡献实施边际效益递减约束；

5、s2、需求侧排队降维惩罚因子生成：针对每一急救站点j，基于高斯距离衰减函数g(tkj, tj)，在异质性响应时间阈值tj范围内，对所有需求点k的人口数量popk进行距离加权求和，得到该站点j的潜在需求竞争强度dj：

6、其中，dj表示站点j周边高频潜在竞争人口的加权总和，popk表示需求点k的常住人口规模；tkj为需求点到站点的动态通行时间，tj为急救站点j所属行政层级的响应时间阈值；高斯距离衰减函数g(tkj, tj)定义为：；其中，e为自然常数；当且仅当tkj≤tj时生效，否则取0；

7、s3、双向平滑综合吸引力计算：针对任一需求点i与任一急救站点j，按照下式计算站点j对需求点i的综合吸引力attractivenessij：；其中，attractivenessij表示急救站点j对需求点i的真实综合吸引力；分子为复合运力，为急救站点j的排队降维惩罚因子；λ为空间阻抗摩擦系数，为大于0的常数；

8、s4、供需分配与空间可达性输出：依据两步移动搜寻法框架，基于全部需求点与全部急救站点之间的综合吸引力值attractivenessij，执行供给概率分配与需求模拟流转，输出各需求点的空间可达性测度结果。

9、优选的是，其中，步骤s1之前还包括：数据清洗与实体映射步骤，具体为：

10、获取院前急救业务记录数据，基于预设的站点名称映射关系对业务记录中的急救站点名称进行标准化处理，并根据车辆标识对各急救站点对应的车辆记录进行去重；基于处理后的院前急救业务记录，确定各急救站点的历史出车量和去重车辆标识数量，并将历史出车量和去重车辆标识数量关联至急救站点空间要素图层，用于构建复合运力。

11、优选的是，其中，车辆配置特征的权重系数α与空间阻抗摩擦系数λ通过双参数全局网格寻优确定，双参数全局网格寻优包括：在α的预设取值范围[0.0, 1.0]内按预设步长（如0.1）遍历，在λ的预设取值范围[0.1, 1.5]内按第二步长遍历取值，取值包括0.1、0.3、0.5、0.8、1.0、1.2、1.5，形成多组参数组合；

12、针对每组参数组合执行步骤s1至s4，计算各急救站点模拟分配到的急救需求流量xi与各急救站点有效院前急救任务量yi之间的皮尔逊相关系数r，以及模拟分配量与真实值之间的均方根误差rmse，其中，皮尔逊相关系数r按照如下公式计算：

13、

14、均方根误差rmse按照如下公式计算：

15、

16、以皮尔逊相关系数r最大化为主要目标函数、以均方根误差rmse最小化为辅助验证指标，选取最优参数组合作为全局最优参数，用于最终的空间可达性测度；全局最优参数组合为α=0.5、λ=0.5。

17、优选的是，其中，步骤s2中，动态通行时间tkj通过将基于地图应用程序接口抓取的基础通行时间tamap,kj与对应交通场景的分时段通行时间修正量delayscenario相加得到，即tkj=tamap,kj + delayscenario；其中，delayscenario为负常数，用于剔除基础路网数据中的宏观冗余等待时间并还原急救车辆在绿波保障及微循环穿巷场景下的高时效通行轨迹。

18、优选的是，其中，分时段通行时间修正量delayscenario根据交通场景划分为早高峰时段、平峰时段、晚高峰时段和深夜期时段对应的修正值：

19、早高峰时段分时段通行时间修正量取值为-1.78分钟，综合平峰时段分时段通行时间修正量取值为-2.01分钟，晚高峰时段分时段通行时间修正量取值为-1.50分钟，深夜期时段分时段通行时间修正量取值为-1.79分钟；各时段的分时段通行时间修正量使空间阻抗矩阵具备随交通拥堵状态动态变化的弹性响应能力。

20、优选的是，其中，步骤s2中，响应时间阈值tj依据急救站点j所属行政层级动态设定：若急救站点j位于主城区，则tj设定为15分钟；若急救站点j位于非主城区的县域或远郊区域，则tj设定为35分钟。

21、优选的是，其中，还包括：消融对比验证步骤，具体为：

22、在同一动态路网环境和同一数据集下，并行构建多种退化对比模型并分别执行步骤s1至s4，

23、模型a：剥离步骤s1中的去重车辆标识数量，即强制车辆配置特征的权重系数α=0，此时supply_basej=whistory,j，无物理运力非线性约束；

24、模型b：剥离步骤s2中的需求侧排队降维惩罚因子，即强制，等价于取消所有站点因局部高密度人口产生的排队拥挤压制；

25、模型c：同时剥离前述两者，即强制车辆配置特征的权重系数α=0，且；

26、通过比较各退化模型与完整模型在全天候各时段下的皮尔逊相关系数r的阶梯式跌落幅度，量化验证供给侧复合运力与需求侧排队惩罚之间协同增强效应的非显而易见性。

27、优选的是，其中，步骤s4中，供需分配具体包括：

28、供给分配：针对每一急救站点j，将其复合运力supply_basej作为该站点的总服务能力，计算该站点j所有阈值覆盖范围内需求点i的综合吸引力之和，计算供需比率；

29、需求获取：针对每一需求点i，遍历所有在阈值tj范围内且对其具有综合吸引力的急救站点j，将该需求点处所有站点的供需比率按综合吸引力权重进行加和，得到该需求点的最终空间可达性得分；该ai值即为该需求点所在空间单元的综合急救可达性数值。

30、优选的是，其中，单次全域需求点与急救站点之间的综合吸引力矩阵计算中，全部乘除与幂运算采用矩阵向量化并行运算，在标准商用个人计算机配置下单次全域吸引力矩阵演算时间不超过40秒，完整四时段多模型交叉评估全流程总计时长不超过3分钟。

31、优选的是，其中，全天候各交通时段下，各急救站点模拟分配到的急救需求流量与各急救站点有效院前急救任务量之间的皮尔逊相关系数r均不低于0.70，且显著性水平p小于0.001。

32、本发明至少包括以下有益效果：

33、1、本发明通过供给侧复合运力构建，获取各急救站点的历史有效出车记录数与去重车辆标识数量，并引入车辆配置特征的权重系数对去重车辆标识数量的引力贡献实施边际效益递减约束，实现了对急救站点真实物理吞吐能力的精准量化，解决了传统模型以宏观统计指标替代微观硬件资产所导致的供给能力虚高问题。

34、2、本发明通过数据清洗与实体映射步骤，基于预设的站点名称映射关系对院前急救业务记录中的急救站点名称进行标准化处理，并根据车辆标识对各急救站点对应的车辆记录进行去重，从而获得各急救站点的历史出车量和去重车辆标识数量，并生成包含车辆配置特征的标准化空间要素图层，降低因站点名称不一致或重复车辆记录对空间计算结果造成的影响。

35、3、本发明通过双参数全局网格寻优，在车辆配置特征的权重系数与空间阻抗摩擦系数的预设取值范围内遍历组合，以皮尔逊相关系数最大化为主要目标函数、均方根误差最小化为辅助验证指标，选取全局最优参数组合，实现了模型参数的自适应标定，确保在不同城市规模和交通特征下均能获得最优拟合效果。

36、4、本发明通过将基于地图应用程序接口抓取的基础通行时间与对应交通场景的分时段通行时间修正量相加得到动态通行时间，其中分时段通行时间修正量为负常数，实现了对基础路网数据中宏观冗余等待时间的剔除，还原了急救车辆在绿波保障及微循环穿巷场景下的高时效通行轨迹，解决了静态路网阻抗测算脱离真实急救时效的问题。

37、5、本发明通过将分时段通行时间修正量按照全天候交通流特征划分为早高峰、综合平峰、晚高峰和深夜期四个独立取值，使空间阻抗矩阵具备随交通拥堵状态动态变化的弹性响应能力，实现了急救可达性测度在全天候各时段下的动态“呼吸”效应，解决了传统模型以单一静态阻抗替代动态时变阻抗所导致的时效失真问题。

38、6、本发明通过依据急救站点所属行政层级动态设定响应时间阈值，即主城区设定为15分钟、非主城区的县域或远郊区域设定为35分钟，实现了城乡差异化急救响应容忍度的精准刻画，解决了全局统一时间截断对非主城区急救辐射能力系统性低估的问题。

39、7、本发明通过消融对比验证步骤，在同一动态路网环境和同一数据集下并行构建多种退化对比模型，分别剥离去重车辆标识数量、剥离需求侧排队降维惩罚因子以及同时剥离前述两者，通过比较各退化模型与完整模型皮尔逊相关系数的阶梯式跌落幅度，实现了供给侧复合运力与需求侧排队惩罚之间协同增强效应的量化验证，证实了两者联合作用时拟合优度产生的显著提升，解决了单一维度改良无法突破拟合瓶颈的技术难题。

40、8、本发明通过将单次全域需求点与急救站点之间的综合吸引力矩阵计算中的全部乘除与幂运算采用矩阵向量化并行运算，实现了单次全域吸引力矩阵演算时间不超过40秒、完整四时段多模型交叉评估全流程总计时长不超过3分钟的计算效率，解决了传统依赖离散智能体迭代收敛的模型计算耗时漫长且存在不收敛风险的问题，输出的空间可达性结果可供院前急救管理部门开展急救站点服务范围比较和资源空间配置评估。

41、9、本发明通过全天候各交通时段下，各急救站点模拟分配到的急救需求流量与各急救站点有效院前急救任务量之间的皮尔逊相关系数均不低于0.70且显著性水平小于0.001，实现了模型预测分布与客观真实规律的极高线性相关性，在收敛质量和解释力上对现有技术构成了显著超越。

42、10、本发明通过供给侧复合运力构建与需求侧排队降维惩罚因子生成的双向协同优化，将复合运力作为分子、排队降维惩罚因子作为分母同时纳入双向平滑综合吸引力计算，并通过两步移动搜寻法框架执行供给概率分配与需求模拟流转，实现了对传统模型系统性高估中心医院急救辐射能力的有效降低，使全天候各交通时段下的空间可达性测度结果均具备高保真度的拟合精度与动态响应能力，为城市急救医疗资源的空间配置评估与动态调度优化提供了科学决策依据。

43、本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。