CN113838562A - 基于职住分布的应急服务需求预测方法 - Google Patents

基于职住分布的应急服务需求预测方法 Download PDF

Info

Publication number
CN113838562A
CN113838562A CN202111123093.3A CN202111123093A CN113838562A CN 113838562 A CN113838562 A CN 113838562A CN 202111123093 A CN202111123093 A CN 202111123093A CN 113838562 A CN113838562 A CN 113838562A
Authority
CN
China
Prior art keywords
emergency
demand
emergency service
service demand
frequent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111123093.3A
Other languages
English (en)
Inventor
王晓宁
邹锐
崔梓钰
胡晓伟
章锡俏
包家烁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202111123093.3A priority Critical patent/CN113838562A/zh
Publication of CN113838562A publication Critical patent/CN113838562A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于职住分布的应急服务需求预测方法，属于公共事件应急资源管理领域。本发明针对现有应急服务资源的配置方式未考虑职住分布因素，导致应急服务需求预测结果与实际需求偏差较大的问题。包括：根据常发性应急物资需求量TUET和常发性应急医疗人员需求量TUED预测目标区域的常发性应急服务需求量TUES；其中常发性应急物资需求量TUET由目标区域的人口规模TOP、年龄组成系数RA和医疗物资配备基数RMT相乘的乘积确定；常发性应急医疗人员需求量TUED由目标区域的急救车数量TOA和医疗人员配备基数RMD的乘积确定。本发明应用于应急医疗服务资源的预测。

Description

基于职住分布的应急服务需求预测方法
技术领域
本发明涉及基于职住分布的应急服务需求预测方法，属于公共事件应急资源管理领域。
背景技术
应急服务资源作为重要的公共服务产品，对于维护社会稳定、保障人民的生命安全有着重要意义。
传统应急服务设施的布设将建设成本和运输成本作为重要优化目标，使优质公共应急服务资源(如三甲医院等)的布局过于集中，致使部分应急服务资源的使用和调度需要耗费更大的经济和时间成本。应急服务资源存在的空间布局严重不均现象，使对其需求进行合理性和有效性预测提出了更高的要求，找到一种合理的方法对应急医疗资源需求进行预测以提高应急服务的响应效率显得尤为必要。
职住平衡基于在一定区域内，就业人口数和就业岗位数大致相等，居民可以就近工作、平衡发展的理念。目前规划部门用职住平衡来衡量用地平衡，认为职住平衡一定程度上反映了辖区内部功能布局和结构的平衡。职住平衡的提出为缓解通勤时间过长、城市交通拥堵以及环境污染等问题提供了解决思路。
现有的应急医疗服务预测方法大多从人口密度或者人口活动强度来考虑，由于职住分离的影响，居民的活动范围大大增加，使得存在应急医疗资源辐射人群重复或者照顾不周的问题。因此如何能根据职住分布不同相适应的配置应急服务资源是一个亟待解决的问题。
发明内容
针对现有应急服务资源的配置方式未考虑职住分布因素，导致应急服务需求预测结果与实际需求偏差较大的问题，本发明提供一种基于职住分布的应急服务需求预测方法。
本发明的一种基于职住分布的应急服务需求预测方法，包括，
根据常发性应急物资需求量TUET和常发性应急医疗人员需求量TUED预测目标区域的常发性应急服务需求量TUES；
其中常发性应急物资需求量TUET由目标区域的人口规模TOP、年龄组成系数RA和医疗物资配备基数RMT相乘的乘积确定；
常发性应急医疗人员需求量TUED由目标区域的急救车数量TOA和医疗人员配备基数RMD的乘积确定。
根据本发明的基于职住分布的应急服务需求预测方法，还包括，
根据突发性应急物资需求量SUET和突发性应急医疗人员需求量SUED预测目标区域的突发性应急服务需求量SUES；
其中突发性应急物资需求量SUET由目标区域的灾害发生频次RS、地区系数RZ、平衡系数JHR和单次应急任务物资配备基数RSA相乘的乘积确定；
突发性应急医疗人员需求量SUED由目标区域的灾害发生频次RS、地区系数RZ、平衡系数JHR和单次应急任务人员配备基数RSD相乘的乘积确定。
根据本发明的基于职住分布的应急服务需求预测方法，还包括，
根据常发性应急服务需求量TUES和突发性应急服务需求量SUES预测获得目标区域的总应急服务需求量TES。
根据本发明的基于职住分布的应急服务需求预测方法，所述人口规模TOP的计算方法包括：
TOP＝INTER(AP，P0)，
其中AP为人口增长量；P0为初始人口数值。
根据本发明的基于职住分布的应急服务需求预测方法，人口增长量AP的计算方法包括：
AP＝P0×(RAP-DP)，
式中RAP表示人口增长率，DP表示死亡率。
根据本发明的基于职住分布的应急服务需求预测方法，急救车数量TOA的计算方法包括：
TOA＝INTER(AA，A0)，
其中AA为急救车增长量，A0为急救车初始数量。
根据本发明的基于职住分布的应急服务需求预测方法，急救车增长量AA的计算方法包括：
AA＝A0×(RAA-RAD)，
式中RAA为急救车增长率，RAD为急救车折损率。
根据本发明的基于职住分布的应急服务需求预测方法，地区系数RZ的计算方法包括：
Figure BDA0003277734290000021
式中Hα为危险源密度，P0为经济损失占比，α为一号弹性系数，β为二号弹性系数。
根据本发明的基于职住分布的应急服务需求预测方法，α+β＝1。
根据本发明的基于职住分布的应急服务需求预测方法，一号弹性系数α和二号弹性系数β取值均为0.5。
本发明的有益效果：本发明对应急服务需求的预测充分考虑了职住分布因素以及城市应急医疗资源分布不均的因素，在研究应急医疗资源特性的基础上，考虑人口因素、职住分布、突发事件概率等对应急医疗配置的影响，将就业居住比率、独立指数、空间匹配度等指标纳入约束条件，进行职住分布及应急医疗服务特性分析。
本发明在对应急医疗资源做出需求预测时加入职住分布因素。除了考虑职住分布地方影响外，还加入了不同职住比例下的研究，因此，本发明同时考虑了职住分布和不同的职住分布比例的影响，提升了预测效果。以期为应急医疗资源的需求预测提供理论依据。
本发明可以应用于应急医疗服务资源的预测，为政府对应急医疗设施分配过程中的选址和规模确定提供参考。
附图说明
图1是本发明所述基于职住分布的应急服务需求预测方法的流程图；
图2是应急服务需求关联关系图；
图3是人口规模子系统图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
具体实施方式一、结合图1和图2所示，本发明提供了一种基于职住分布的应急服务需求预测方法，本发明涉及交通运输工程领域、公共事件应急资源管理领域以及系统动力学领域，包括，
根据常发性应急物资需求量TUET和常发性应急医疗人员需求量TUED预测目标区域的常发性应急服务需求量TUES；
其中常发性应急物资需求量TUET由目标区域的人口规模TOP、年龄组成系数RA和医疗物资配备基数RMT相乘的乘积确定；
常发性应急医疗人员需求量TUED由目标区域的急救车数量TOA和医疗人员配备基数RMD的乘积确定。
本实施方式可以包括以下步骤：
进行职住分布及应急医疗服务特性分析；
本发明研究分析应急医疗资源的高时效性、不可预见性等特性，结合人口因素、职住分布、突发事件概率等对应急医疗配置的影响，通过就业居住比率、独立指数、空间匹配度等指标分析职住分布情况，同时考虑不同区域职住比的差异，进行职住分布及应急医疗服务特性分析，为建立需求预测系统提供前期理论基础。
建立应急医疗需求模型系统；
结合图2，确立系统动力学系统边界并划分应急服务需求系统边界，在研究应急医疗需求系统因果回路的基础上，根据各个子系统之间的因果关系和反馈回路，将关键变量转化为模型系统图2中的水平变量，同时将其他所有变量按照预设规则，分成速率变量、常量及辅助变量，生成应急医疗需求模型系统图，建立一种考虑职住分布的应急医疗资源的需求预测模型，并用Vensim进行有效性验证。
进一步，结合图1所示，本实施方式还包括，
根据突发性应急物资需求量SUET和突发性应急医疗人员需求量SUED预测目标区域的突发性应急服务需求量SUES；
其中突发性应急物资需求量SUET由目标区域的灾害发生频次RS、地区系数RZ、平衡系数JHR和单次应急任务物资配备基数RSA相乘的乘积确定；
突发性应急医疗人员需求量SUED由目标区域的灾害发生频次RS、地区系数RZ、平衡系数JHR和单次应急任务人员配备基数RSD相乘的乘积确定。
再进一步，结合图1所示，本实施方式还包括，
根据常发性应急服务需求量TUES和突发性应急服务需求量SUES预测获得目标区域的总应急服务需求量TES。
再进一步，所述人口规模TOP的计算方法包括：
TOP＝INTER(AP，P0)，
其中AP为人口增长量；P0为初始人口数值。
再进一步，人口增长量AP的计算方法包括：
AP＝P0×(RAP-DP)，
式中RAP表示人口增长率，DP表示死亡率。
再进一步，急救车数量TOA的计算方法包括：
TOA＝INTER(AA，A0)，
其中AA为急救车增长量，A0为急救车初始数量。
再进一步，急救车增长量AA的计算方法包括：
AA＝A0×(RAA-RAD)，
式中RAA为急救车增长率，RAD为急救车折损率。
再进一步，地区系数RZ的计算方法包括：
Figure BDA0003277734290000051
式中Hα为危险源密度，P0为经济损失占比，α为一号弹性系数，β为二号弹性系数。
职住分布及应急医疗服务特性分析：
职住分布的影响分析：
职住平衡大小的测度分为数量的平衡和质量的平衡，用就业居住比率来衡量数量的平衡，用托马斯的独立指数来衡量质量的平衡，用空间匹配度来衡量职业空间聚集地和居住聚集地的关系。本发明选用独立指数进行职住分布的分析。
就业居住比率：
就业居住比率为某一区域内就业岗位数和人口数的比值，是一个静态指标。当就业居住比率值在[0.8,1.2]之间时，认为该区域是职住平衡的。
以平衡系数JHR表示目标区域内的职住比：
Figure BDA0003277734290000052
J为目标区域内岗位数，H为目标区域内人口数。
独立指数：
独立指数也叫动态职住分布比率，为研究区域内工作与居住的人和在研究区域内到外地工作的人数的比值。该指数表示在研究区域内就业与居住自给自足的能力。
Figure BDA0003277734290000053
式中BRi为区域i内独立指数，IJi为区域i内工作和居住的人口数，OHi为区域i内到外地区域工作的人口数。
空间匹配度：
空间匹配度表示居民工作地与居住地的空间匹配程度。通过调查收集交通小区尺度下的数据，在街道尺度或者更大区域上进行空间单元聚合分析，利用空间错位指数SMIij来测度较大尺度范围的值。SMI值越大，说明该聚类空间单元下居住地和工作地空间错位度越高。
Figure BDA0003277734290000061
式中SMIij表示i区域与j行业的空间错位指数；Pj表示j行业总的就业人口数；n为区域个数，；eij为i区域j行业的就业岗位数；Ej为j行业总的就业岗位数；Pij为i区域j行业的就业人口数。
应急医疗服务资源特性：
应急服务资源是突发事件应急过程中所需要的各类资源的总称。本实施方式所研究的应急服务资源属于应急医疗服务资源，主要包括医院急救车数量和医院急救医护人员数量。应急医疗服务具有以下几个特性：
(1)高时效性
应急医疗服务资源区别于一般的应急服务资源，具有很强的时效性，应急服务资源必须在规定的时间内到达指定地点。因此本实施方式在研究应急医疗服务资源配置时，考虑应急医疗资源可达性的时间约束。
(2)结构性
应急医疗服务资源是一系列配套设施，以医疗应急服务来说，应急服务需求包括急救车车辆、急诊床位数、相应的专业医生等。本实施方式研究的主要急救车数量、急救医护人员数量，在第一时间到达现场则视为本次救援成功。
(3)低经济性
应急医疗服务设施一般都是为了针对特定危险源设置，使用频率一般较低，实际效用往往较低。应急资源的首要目标是覆盖所有范围的需求点，其次是系统内部调度时间最少。在研究应急资源时虽然也考虑成本，但都是在满足前两个目标下的系统调度最优，并不单独建立利益最大化的优化模型。本实施方式借鉴这一特性，无需过多考虑经济性。
(4)同质性
不同于一般的医疗服务，患者可以根据自身的习惯、支付能力自行去选择不同的医院接受救助服务，应急服务总是优先由距离最近的医院去救援患者。因此本实施方式在建立应急服务资源需求模型时，不需要去考虑个体需求差异，可在中观层面进行研究。
(5)不可预见性
突发事件由于其复杂的演变机理，因而难以对突发事件爆发的规模、时间、进行预测，医疗应急服务应该具有较高范围的覆盖区域。本实施方式在研究突发性应急服务资源需求预测时，采用六年内灾害事故率最大值和最小值之间的随机值来衡量。
提出模型假设并划分系统边界：
1、提出系统动力学模型假设
本发明假设考虑的应急服务需求发展受到多种因素的综合影响，为了使构建的系统动力学模型更具逻辑性与直观性，对模型中一些系统关系及相关参数提出以下基本假设：
①应急服务需求是一个动态、复杂、综合、多行业交叉的系统工程，其涉及的影响因素众多，为保证模型的简洁性与相关数据的可获取性，在具体的模型构建过程中，某些次等重要的影响因素将被排除在模型之外。
②在模拟时间范围内，社会经济和人口平稳发展，全市医疗服务的发展态势良好，医护人员的水平较高，同时医院的规模短时间保持不变，长时间有缓慢增长。
③受政策影响，职住分布平衡指数短期内变化不大。
2、划分应急服务需求系统边界
本发明研究的应急服务系统为应急医疗服务系统，将应急医疗需求系统划分常发性应急医疗需求子系统和突发性应急医疗需求系统，二者各自的基础子系统分别为人口子系统、急救车使用子系统。各个子系统之间的结构和关联关系，运用医疗应急需求链中的概念和变量进行连接；设定系统时间边界时，考虑到历史数据的类型以及应急医疗需求对各个情景变量的敏感度，例如可将应急医疗需求系统模型的运行时间系统边界定义为2015年到2023年。
建立应急医疗需求模型关联关系图：
模型系统是生成DYNAMO方程的关键步骤，在研究应急医疗需求系统因果回路的基础上，根据各个子系统之间的因果关系和反馈回路，将关键变量转化为模型系统流图中的水平变量，同时将其他所有变量按照预设规则，分成速率变量、常量及辅助变量，并分别为这些变量确定参数大小或者参数范围。
在构建的应急医疗需求模型系统图2中，经济总量、常住人口数量、急救车保有量为主要的水平变量；经济总量增长率、人口增长率、急救车增长率等为速率变量；急救车报废率为常量，职住平衡系数等变量则为辅助变量。其中人口规模子系统如图3。
图2中的每条链均有因果关系，因果关系中可分为正反馈和负反馈，正反馈促进箭头所指向变量的增大，负反馈促进箭头所指向变量的减小。由图2可知，在设想条件下控制职住平衡系数可降低区域突发事件影响风险，从而降低该区域应急服务需求。
其中，人口增长率和职住平衡系数分别为表函数，考虑到研究区域的急救发展迫切性大小，表函数数值设置为先大后小。通过运用Vensim对数据进行多次模拟仿真分析，得出合适的参数值。
决策模型分析与建立：
根据以上对现有的应急服务系统的分析和系统动力学流图可建立以下系统动力学方程：
建立DYNAMO方程，包括两个状态方程：
TOP＝INTER(AP，P0)，
TOA＝INTER(AA，A0)。
辅助方程：TES＝TUES+SUES，
TUES＝TUET+TUED，
SUES＝SUET+SUED，
TUET＝TOP×RA×RMT，
TUED＝TOA×RMD，
SUET＝RS×RZ×JHR×RSA，
SUED＝RS×RZ×JHR×RSD；
速率变量方程：
AA＝A0×(RAA-RAD)，
AP＝P0×(RAP-DP)。
对应急服务需求反馈回路和方程中相关参数变量说明如下：
表1参数变量含义
Figure BDA0003277734290000081
Figure BDA0003277734290000091
主要模型参数标定方法：
(1)地区突发事件发生频率：
本发明所研究的突发事件是指火灾事故、交通事故和地质灾害事故，而这类事故的发生受到多种因素的影响，突发事件是在一段时间内随机发生的，而不是伴随着时间序列的变化呈现出增加或减少的趋势。将研究区域划分到交通小区后，通过比较往年历史数据，发现地区突发事件数量呈现在最大值和零之间的随机分布。
(2)地区系数：
突发事件在某一地区发生，是一个随机事件。但事故一旦发生后，同样等级的事故类型在不同地区造成的影响不同，对应急服务的需求规模也不同。将突发事件对地区进行风险划分。
提出从危险发生频次、密度及经济强弱系数方面进行城市应急服务区域风险评估。运用柯布-道格拉斯生产函数，将危险源密度，年龄系数和经济指标作为投入，将风险综合评价作为输出，构建综合易损性评价模型，用下式可得到进行区域事故应急风险综合易损性评价。
Figure BDA0003277734290000101
作为示例，α+β＝1。
作为示例，一号弹性系数α和二号弹性系数β取值均为0.5。
(3)平衡系数：
本发明中的情景变量，由独立指数来衡量，根据独立指数的计算公式，结合研究区域人力资源保障局发布的各区域就业人口数和工作数进行计算。
(4)系数权重的确定：
本发明所研究的应急服务对应的突发事件主要有火灾事故、地质灾害事故、公共卫生事故三类。针对本文的研究对象，考虑到其数据参数较少，数据量精度高的特点，采用客观赋权评价法，并采用变异系数法来计算各指标权重，通过计算参数的平均值、标准差等统计特征得到指标的权重。
考虑到评价指标体系中的各项指标的量纲不同，利用以下公式将各项指标标准化，得到各项指标的变异系数，用其值来衡量各项指标取值的差异程度。
Figure BDA0003277734290000102
式中Wm为第m项指标的标准差系数；σm为第m项指标的标准差；Am为第m项指标的平均数。
再由下式确定各项指标的权重，标准差系数越大，则该项指标的权重会越大：
Figure BDA0003277734290000103
式中wm表示权重。
有效性验证：
利用Vensim软件完成系统动力学模型的构建，对各种参数和变量的单位和范围进行确定。为了避免模型的系统结构、各变量之间的因果关系、逻辑数量关系存在错误，以致影响到预测结构，需要对模型仿真条件进行验证。
(1)内部运行检验：
Vensim系统自身带有“模型检测”和“单位检测”模块，可对所建立的模型和量纲两方面进行检查。该检测目标要求模型中各个变量的量纲合适，且能进行方程运算，保证每一个方程有实际意义。
(2)有效性检验：
模型是否能真实反映建模目标，是重点关注问题。内部检验完成后，借用系统模拟将结果与实际历史数据进行比较。由于系统动力学模型许多参数的选取主观性较强，借用灵敏度分析的方法对参数进行校正的同时对模型进行修正。由以下公式可得到灵敏度。
Figure BDA0003277734290000111
式中SL表示状态变量L的敏感度；Lt表示状态变量L；ΔLt为状态变量L在Δt时间段的变化量；Ut为状态变量L下的参数U；ΔUt为参数U在Δt时间段的变化量。
虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其它所述实施例中。

Claims (10)

1.一种基于职住分布的应急服务需求预测方法，其特征在于包括，
根据常发性应急物资需求量TUET和常发性应急医疗人员需求量TUED预测目标区域的常发性应急服务需求量TUES；
其中常发性应急物资需求量TUET由目标区域的人口规模TOP、年龄组成系数RA和医疗物资配备基数RMT相乘的乘积确定；
常发性应急医疗人员需求量TUED由目标区域的急救车数量TOA和医疗人员配备基数RMD的乘积确定。
2.根据权利要求1所述的基于职住分布的应急服务需求预测方法，其特征在于还包括，
根据突发性应急物资需求量SUET和突发性应急医疗人员需求量SUED预测目标区域的突发性应急服务需求量SUES；
其中突发性应急物资需求量SUET由目标区域的灾害发生频次RS、地区系数RZ、平衡系数JHR和单次应急任务物资配备基数RSA相乘的乘积确定；
突发性应急医疗人员需求量SUED由目标区域的灾害发生频次RS、地区系数RZ、平衡系数JHR和单次应急任务人员配备基数RSD相乘的乘积确定。
3.根据权利要求2所述的基于职住分布的应急服务需求预测方法，其特征在于还包括，
根据常发性应急服务需求量TUES和突发性应急服务需求量SUES预测获得目标区域的总应急服务需求量TES。
4.根据权利要求3所述的基于职住分布的应急服务需求预测方法，其特征在于，
所述人口规模TOP的计算方法包括：
TOP＝INTER(AP，P0)，
其中AP为人口增长量；P0为初始人口数值。
5.根据权利要求4所述的基于职住分布的应急服务需求预测方法，其特征在于，
人口增长量AP的计算方法包括：
AP＝P0×(RAP-DP)，
式中RAP表示人口增长率，DP表示死亡率。
6.根据权利要求5所述的基于职住分布的应急服务需求预测方法，其特征在于，
急救车数量TOA的计算方法包括：
TOA＝INTER(AA，A0)，
其中AA为急救车增长量，A0为急救车初始数量。
7.根据权利要求6所述的基于职住分布的应急服务需求预测方法，其特征在于，
急救车增长量AA的计算方法包括：
AA＝A0×(RAA-RAD)，
式中RAA为急救车增长率，RAD为急救车折损率。
8.根据权利要求7所述的基于职住分布的应急服务需求预测方法，其特征在于，
地区系数RZ的计算方法包括：
Figure FDA0003277734280000021
式中Hα为危险源密度，P0为经济损失占比，α为一号弹性系数，β为二号弹性系数。
9.根据权利要求8所述的基于职住分布的应急服务需求预测方法，其特征在于，
α+β＝1。
10.根据权利要求9所述的基于职住分布的应急服务需求预测方法，其特征在于，
一号弹性系数α和二号弹性系数β取值均为0.5。
CN202111123093.3A 2021-09-24 2021-09-24 基于职住分布的应急服务需求预测方法 Pending CN113838562A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111123093.3A CN113838562A (zh) 2021-09-24 2021-09-24 基于职住分布的应急服务需求预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111123093.3A CN113838562A (zh) 2021-09-24 2021-09-24 基于职住分布的应急服务需求预测方法

Publications (1)

Publication Number Publication Date
CN113838562A true CN113838562A (zh) 2021-12-24

Family

ID=78970110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111123093.3A Pending CN113838562A (zh) 2021-09-24 2021-09-24 基于职住分布的应急服务需求预测方法

Country Status (1)

Country Link
CN (1) CN113838562A (zh)

Similar Documents

Publication Publication Date Title
Sun et al. A bi-objective robust optimization model for disaster response planning under uncertainties
Herrera-Restrepo et al. A multi-perspective dynamic network performance efficiency measurement of an evacuation: A dynamic network-DEA approach
CN101441745A (zh) 一种实现铁路应急救援能力综合评价的方法
Gao et al. Urban expansion using remote-sensing data and a monocentric urban model
Šetinc et al. Optimization of a highway project planning using a modified genetic algorithm
Alexander Sensitivity analysis in complex decision models
Hatami-Marbini et al. An emergency medical services system design using mathematical modeling and simulation-based optimization approaches
Wang et al. Model of multi-period emergency material allocation for large-scale sudden natural disasters in humanitarian logistics: Efficiency, effectiveness and equity
de la Puente-Gil et al. True power consumption labeling and mapping of the health system of the Castilla y León region in Spain by clustering techniques
Chai et al. Safety evaluation of urban rail transit operation considering uncertainty and risk preference: A case study in China
CN107145995A (zh) 生产环境安全性预测方法、装置和系统
CN117272850B (zh) 配电网安全运行调度弹性空间分析方法
Sun et al. A novel group decision making method for airport operational risk management
CN113838562A (zh) 基于职住分布的应急服务需求预测方法
Karakaya et al. A biobjective hierarchical location-allocation approach for the regionalization of maternal-neonatal care
CN113936782A (zh) 考虑职住分布的应急医疗资源配置优化方法
Lin et al. Analysis and Prediction of Overloaded Extra‐Heavy Vehicles for Highway Safety Using Machine Learning
CN115689290A (zh) 房地产市场地块开发空置监测预警分析方法
CN114386788A (zh) 一种工业互联网发展情况的评估评价方法及系统
CN114091955A (zh) 基于新能源云平台的新能源消纳预警分析方法及系统
CN114240226A (zh) 一种安全风险指数评价系统
Daberkow et al. Response time and the location of emergency medical facilities in rural areas: a case study
Zhao et al. Identification of the critical hospitals in the urban post-disaster healthcare system based on the network modeling and multi-criteria decision-making
Pei et al. Surrogate model-assisted seismic resilience assessment of the interdependent transportation and healthcare system considering a two-stage recovery strategy
KR102380377B1 (ko) 자치단체의 보통교부세의 보정수입 중 정산분 반영의 합리성을 제고하는 내생변수 관리 시스템 및 운용방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination