CN114118512A - 基于动态人口数据模型的群体化公共医疗设施配置方法 - Google Patents
基于动态人口数据模型的群体化公共医疗设施配置方法 Download PDFInfo
- Publication number
- CN114118512A CN114118512A CN202111030965.1A CN202111030965A CN114118512A CN 114118512 A CN114118512 A CN 114118512A CN 202111030965 A CN202111030965 A CN 202111030965A CN 114118512 A CN114118512 A CN 114118512A
- Authority
- CN
- China
- Prior art keywords
- urban
- population
- data
- unit
- hierarchical
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013499 data model Methods 0.000 title claims abstract description 11
- 238000003745 diagnosis Methods 0.000 claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 12
- 230000002068 genetic effect Effects 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 230000011664 signaling Effects 0.000 claims description 5
- 238000013016 damping Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 12
- 238000011161 development Methods 0.000 abstract description 7
- 238000010276 construction Methods 0.000 abstract description 4
- 230000007774 longterm Effects 0.000 abstract description 4
- 239000000203 mixture Substances 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 14
- 230000006399 behavior Effects 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供基于动态人口数据模型的群体化公共医疗设施配置方法,涉及社会资源配置技术领域,采用数据库单元,城市动态人口测算单元,层次需求平衡性测算单元和层次设施智能配置单元进行整个系统的组成,城市动态人口的精细测算,结合分级诊疗体系的发展特点进行城市公共医疗设施的远期配置方案和模拟优化,从时空的角度对城市动态的公共医疗设施配置提出建设方案,便于改善当前规划中对于公共医疗设施配置的滞后性和粗略性,基于动态人口的公共医疗设施,提出了基于LSTM的城市群时空人口预测模型,改善了原有人口预测模型忽略了时间及空间依赖的问题,模拟了城市群发展过程中城市的联动过程,便于城市中医疗设施的合理配置。
Description
技术领域
本发明涉及社会资源配置技术领域,具体为基于动态人口数据模型的群 体化公共医疗设施配置方法。
背景技术
分级诊疗是应对重大公共卫生事件的一大利器,在设施配置问题中考虑 远期的动态人口变化是十分重要的,而其中的根本问题是如何有效模拟城市 在发展过程中人口的动态变化过程。
根据中国专利号为“CN111582764A”公开了一种不同层级同类服务均衡 配置的模式化方法,基于分析不同类型设施对人口规模和服务范围的敏感度 得到的空间配置模式,所述空间配置模式包括无差别空间全覆盖模式、分层 全覆盖模式和分层互补全覆盖模式,本发明通过创新不同层级同类公共服务 设施均衡配置原理与模式,通过分析不同类型设施对人口规模和服务范围的 敏感度,探索了公共服务设施的分层配置和空间布局原理,提出无差别空间 全覆盖模式、分层全覆盖模式和分层互补全覆盖模式3种空间配置模式,分别适应基础教育设施“一生一学位”、医疗服务“社区首诊、双向转诊”两 级体系、文化体育养老设施上下层级功能兼容的特点,提高资源利用效率。
上述专利文件仅仅针对当下的城市人口规模情况和进行空间资源配置, 无法对未来空间流动进行预测进行合理配置,现有研究仍是以单层级的设施 评价为主,无法适应分级诊疗体系对公共医疗设施的评价要求,且大多数研 究未考虑居民对设施使用的行为特征,同时,在缺乏动态人口数据基础时, 很难从远期角度对公共医疗设施的真实配置需求做出评价,无法根据城市的 地理位置,流动人口和空间数据进行医疗设备的配置和预测的合理分布,不 利于实际使用。
发明内容
解决的技术问题
针对现有技术的不足,本发明提供了基于动态人口数据模型的群体化公 共医疗设施配置方法,解决了无法根据城市的地理位置,流动人口和空间数 据进行医疗设备的配置和预测的合理分布的问题。
技术方案
为实现以上目的,本发明通过以下技术方案予以实现:基于动态人口数 据模型的群体化公共医疗设施配置方法,包括数据库单元,城市动态人口测 算单元,层次需求平衡性测算单元和层次设施智能配置单元,
所述数据库单元,用于对城市内地理位置,人口数量,GDP,医疗设施等 进行数据统计与整理,为城市动态人口测算单元提供测算基础;
所述城市动态人口测算单元,以数据库单元内部的数据为基础,基于空 间之间的依赖关系,通过改进的LSTM模型计算城市群中每个城市的人口增长 值,为层次需求平衡性测算单元提供测算基础;
所述层次需求平衡性测算单元,以数据库单元内部的数据和城市动态人 口测算单元动态分析的数据为基础,通过改进基尼系数对分级医疗设施的可 达性,设施空间的平衡性和时空可达性进行测算;
所述层次设施智能配置单元,以数据库单元内部的数据,城市动态人口 测算单元动态分析的数据和层次需求平衡性测算单元测算的数据为基础,对 分级的公共医疗设施配置模型建模,基于NSGA-II方法的模型求解,进行模 型可行性分析。
基于动态人口数据模型的群体化公共医疗设施配置方法,所述数据库单 元,城市动态人口测算单元,层次需求平衡性测算单元和层次设施智能配置 单元的具体实施方法如下:
Sp1:数据库的整理与收集,所述数据库单元对城市的文本数据库,城市 群数据库城市数据库进行对应内容的整理与收集;
Sp2:城市动态人口总测算,所述城市动态人口测算单元根据数据库建库 单元内部的数据结合空间依赖关系加入到改进的LSTM模型中测算出城市群各 城市总人口预测结果;
Sp3:城市动态人口精细测算,所述城市动态人口测算单元根据城市群各 城市总人口预测结果,城市群数据库和城市数据库形成多智能体模型,进行 人口精细分布预测结果;
Sp4:层次需求平衡性测算,所述层次需求平衡性测算单元结合城市数据 库汇总的人口,医疗设施和城市动态人口精细测算结果进行分级医疗设施可 达性计算,根据分级医疗设施可达性依次进行时空可达性计算,通过改进基 尼系数进行设施空间平衡性计算;
Sp5:层次配置模型的建立,所述层次设施智能配置单元基于设施空间平 衡性,时空可达性和设施的空间需求进行层次配置模型的建立;
Sp6:模型验证求解,所述层次设施智能配置单元基于层次配置模型不同 数据的带入NSGA-II方法的模型,进行模型可行性的验证;
Sp7:方案迭代排序,所述层次设施智能配置单元基于模型验证求解后设 施多级配置方案进行可达性叠加迭代,从而进行急迫性排序得到最优设施配 置方案。
优选的,所述数据库单元,城市动态人口测算单元,层次需求平衡性测 算单元和层次设施智能配置单元之间均电性连接。
优选的,所述数据库单元中的文本数据库包括论文书籍,政策文本和研 究报告等,且城市群数据库中包括人口数据,GDP数据产业数据和空间分布数 据等,且城市数据库包括基础地理数据,规划及人口数据,手机信令数据, 医疗设施数据等。
优选的,所述数据库单元在城市动态人口精细测算时采用的数据为城市 基础数据,规划实现时空数据,精细网格人口数据。
优选的,所述层次需求平衡测算单元根据各级规划政策文本进行文本解 析,得到医疗设施分级诊疗机制规范,且根据抽样问卷调查统计分析,进行 医疗设施使用行为,且根据手机信令和规划数据进行工作居住比模型建立。
优选的,所述层次需求平衡测算单元内部根据数据库单元内部的城市数 据库,结合医疗设施使用行为,医疗设施分级诊疗机制规范,工作居住比进 行分级医疗可达性的计算。
优选的,所述层次设施智能配置单元中模型验证求解时在同等目标条件 下,通过多次计算及改变参数,得到多个Pareto解,检验解集是否收敛。
优选的,所述城市动态人口测算单元内改进的LSTM模型为将空间依赖加 入传统的LSTM模型中,所述层次设施智能配置单元中的基于NSGA-II方法的 模型为带精英策略的非支配排序的遗传算法,是基于遗传算法的多目标优化 算法,且Pareto解为基于NSGA-II方法得到的最优解。
有益效果
本发明提供了基于动态人口数据模型的群体化公共医疗设施配置方法。 具备以下有益效果:
1、本发明采用数据库单元,城市动态人口测算单元,层次需求平衡性测算 单元和层次设施智能配置单元进行整个系统的组成,通过城市动态人口的精 细测算,并结合分级诊疗体系的发展特点来进行城市公共医疗设施的远期配 置方案和模拟优化,以分级诊治为大的发展背景,将城市放入城市群的大环 境中,并从时空的角度对城市动态的公共医疗设施配置提出建设方案,便于 改善当前规划中对于公共医疗设施配置的滞后性和粗略性。
2、本发明基于动态人口的公共医疗设施,提出了基于LSTM的城市群时空人 口预测模型,改善了原有人口预测模型忽略了时间及空间依赖的问题,模拟 了城市群发展过程中城市的联动过程,便于城市中医疗设施的合理配置。
3、本发明针对层次医疗设施的可达性和平衡性计算方法,将以大数据分析 得到的居民的时空动态需求纳入平衡性测算过程中,使用层次多目标配置模 型对公共医疗设施的配置进行计算,同时使用动态人口数据及平衡性指标, 且通过迭代可达性计算的方式为公共设施的建设紧迫性进行排序,使设施配 置贴合城市实际情况。
附图说明
图1为本发明系统结构图;
图2为本发明系统结构图NSGA-II方法的模型的算法流程图。
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做 出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
具体实施例一:
参考图1和图2,基于动态人口数据模型的群体化公共医疗设施配置方法, 包括数据库单元,城市动态人口测算单元,层次需求平衡性测算单元和层次 设施智能配置单元,
数据库单元,用于对城市内地理位置,人口数量,GDP,医疗设施等进行 数据统计与整理,为城市动态人口测算单元提供测算基础;
城市动态人口测算单元,以数据库单元内部的数据为基础,基于空间之 间的依赖关系,通过改进的LSTM模型计算城市群中每个城市的人口增长值, 为层次需求平衡性测算单元提供测算基础;
层次需求平衡性测算单元,以数据库单元内部的数据和城市动态人口测 算单元动态分析的数据为基础,通过改进基尼系数对分级医疗设施的可达性, 设施空间的平衡性和时空可达性进行测算;
层次设施智能配置单元,以数据库单元内部的数据,城市动态人口测算 单元动态分析的数据和层次需求平衡性测算单元测算的数据为基础,对分级 的公共医疗设施配置模型建模,基于NSGA-II方法的模型求解,进行模型可 行性分析。
数据库单元,城市动态人口测算单元,层次需求平衡性测算单元和层次 设施智能配置单元之间均电性连接,数据库单元中的文本数据库包括论文书 籍,政策文本和研究报告等,且城市群数据库中包括人口数据,GDP数据产业 数据和空间分布数据等,且城市数据库包括基础地理数据,规划及人口数据, 手机信令数据,医疗设施数据等,城市的动态人口测算分为两个方面,一是 对处于城市群中的城市总人口的预测,二是对城市中人口分布情况的预测, 对于城市总人口的预测,使用LSTM模型计算城市群中每个城市的人口增长值,传统的LSTM通过在块中添加忘记门、输入门和输出门实现对信息的保留和在 时间上的传递,解决了RNN模型梯度弥散的缺陷,十分适用于解决时间序列 的预测问题,然而,该算法虽然考虑了时间上的长依赖关系,却并未考虑事 物间的空间依赖性,在对城市群中相互关联的各个城市人口进行预测时,需 要考虑到其在空间上的协同影响,将空间依赖加入传统的LSTM模型中,进行 对应动态人口数据的计算。
具体实施例二:
参考图1和图2,基于动态人口数据模型的群体化公共医疗设施配置方法, 数据库单元,城市动态人口测算单元,层次需求平衡性测算单元和层次设施 智能配置单元的具体实施方法如下:
Sp1:数据库的整理与收集,数据库单元对城市的文本数据库,城市群数 据库城市数据库进行对应内容的整理与收集;
Sp2:城市动态人口总测算,城市动态人口测算单元根据数据库建库单元 内部的数据结合空间依赖关系加入到改进的LSTM模型中测算出城市群各城市 总人口预测结果;
Sp3:城市动态人口精细测算,城市动态人口测算单元根据城市群各城市 总人口预测结果,城市群数据库和城市数据库形成多智能体模型,进行人口 精细分布预测结果;
Sp4:层次需求平衡性测算,层次需求平衡性测算单元结合城市数据库汇 总的人口,医疗设施和城市动态人口精细测算结果进行分级医疗设施可达性 计算,根据分级医疗设施可达性依次进行时空可达性计算,通过改进基尼系 数进行设施空间平衡性计算;
Sp5:层次配置模型的建立,层次设施智能配置单元基于设施空间平衡性, 时空可达性和设施的空间需求进行层次配置模型的建立;
Sp6:模型验证求解,层次设施智能配置单元基于层次配置模型不同数据 的带入NSGA-II方法的模型,进行模型可行性的验证;
Sp7:方案迭代排序,层次设施智能配置单元基于模型验证求解后设施多 级配置方案进行可达性叠加迭代,从而进行急迫性排序得到最优设施配置方 案。
数据库单元在城市动态人口精细测算时采用的数据为城市基础数据,规 划实现时空数据,精细网格人口数据,采用多智能体模型,对城市未来人口 的分布进行建模,该研究以深圳为例进行计算分析以社区格网作为基本分析 单元(元胞),初始人口分布以城市租赁网格办所提供的数据为基础,该数 据详细记录了对应城市每间房屋中所居住的人、职业、年龄等信息,将该数 据中的每个人作为模型中的一个初始智能体,对于智能体的收入属性,依据 调查问卷中所得到的信息,以社区为单位统计并随机分配给达到年龄水平的智能体,智能体根据迁移规则决定是否搬迁到新的元胞,同时,计算每个元 胞的状况,根据智能体添加规则,将新智能体添加到智能体集合,其新智能 体的数量根据上文城市群人口预测结果所决定。
层次需求平衡测算单元根据各级规划政策文本进行文本解析,得到医疗 设施分级诊疗机制规范,且根据抽样问卷调查统计分析,进行医疗设施使用 行为,且根据手机信令和规划数据进行工作居住比模型建立,层次需求平衡 测算单元内部根据数据库单元内部的城市数据库,结合医疗设施使用行为, 医疗设施分级诊疗机制规范,工作居住比进行分级医疗可达性的计算,城市 居民对某些公共医疗设施的使用往往具有时空性,受到人流在时空上变化的 影响。因此,应基于土地利用,根据人口在城市中的流动规律,对公共设施的使用情况进行精细的模拟,由于医疗设施的使用不仅仅与居住人口相关, 也与在该地区工作的人口相关,城市公共医疗设施的平衡性由每个城市单元 到医疗设施的可达性进行计算,对一级医院的可达性和总体的可达性进行计 算,层次设施智能配置单元中模型验证求解时在同等目标条件下,通过多次 计算及改变参数,得到多个Pareto解,检验解集是否收敛,城市动态人口测 算单元内改进的LSTM模型为将空间依赖加入传统的LSTM模型中,层次设施 智能配置单元中的基于NSGA-II方法的模型为带精英策略的非支配排序的遗 传算法,是基于遗传算法的多目标优化算法,且Pareto解为基于NSGA-II方 法得到的最优解,使用爬山算法及模拟退火算法寻求最优解,并将其结果与 该结果进行对比分析,结合城市规划者的经验,对结果的合理性进行定性分 析,通过多目标优化得到的结果并不能给规划者提供实际实施建议,因此, 通过基于可达性的紧迫性排序,得到医疗设施的最优修建顺序,由此,在未 来人口需求的测算结果上,通过多目标公共设施配置模型和可达性模型的结合,不仅可以得出设施配置的方案,还可以对其修建的时空序列进行设定, 在公共设施配置理论中引入“城市动态人口需求”的概念,并将城市放到城 市群中考虑,以前瞻的角度考虑公共设施的配置,避免现有方案无法满足城 市飞速发展的需求之问题,同时,从分级协同的角度考虑医疗设施的平衡性 及配置方案,丰富了“分级诊治”的理论体系,为医疗体系的进步提供了理 论基础,另一方面,以公平的角度提出公共设施配置的修建排序建议,从而 提供切实可行的实施方案,基于动态人口的公共医疗设施,提出了基于LSTM 的城市群时空人口预测模型,改善了原有人口预测模型忽略了时间及空间依 赖的问题,模拟了城市群发展过程中城市的联动过程,便于城市中医疗设施 的合理配置。
具体实施例三:参考图2,图2为基于NSGA-II方法的求多个Pareto解 的过程,将空间依赖加入传统的LSTM模型中,将其输入的计算公式修改为:
Xti=Wi·It
其中Xti为第i个城市在t年度的输入,Wi=diag(Wi1,Wi2…,Win)为第i 个城市与其它城市群中城市的距离权重,该距离权重采用Gauss核函数进行计 算,It=(I1,I2…,In)为每个城市特征值,包含:去年总人口、GDP增速、第二 产业占比、第三产业占比、房地产投资占比、人口自然增长率、GDP增速与全 国平均增速的差值,
it=σ(MiXt+Viht-1+Bi)
ft=σ(MfXt+Vfht-1+Bf)
ot=σ(MoXt+Voht-1+Bo)
mt=tanh(MmXt+Vmht-1+Bm)
ct=it*mt+ft*ct-1
ht=ot*tanh(ct)
其中,Xt为t时刻的输入值,,σ(·)为sigmoid函数,tanh(·)为双曲线函 数,it,ft,和ot分别是输入门、忘记门和输出门在时间tt的控制结构,ct是记忆 单元状态,ht是在t时间的隐藏输出(该年份的人口增长值),M和V是权重 参数,B是有偏参数,利用模型结果计算未来年份的城市人口流入时,可根据 城市群的发展情况,调整城市的GDP增速和产业情况,从而计算未来十年每 一年的人口总量。
传统的NSGA-II算法的基本思想为,首先,随机产生规模为N的初始种群, 非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子 代种群;其次,从第二代开始,将父代种群与子代种群合并,进行快速非支配排 序,同时对每个非支配层中的个体进行拥挤度计算,根据非支配关系以及个体 的拥挤度选取合适的个体组成新的父代种群;最后,通过遗传算法的基本操作 产生新的子代种群:依此类推,直到满足程序结束的条件,该系统中运用的方 法为带精英策略的非支配排序遗传算法(NSGA-II)是一种改进的遗传算法, 核心心是协调各目标函数,在各个目标函数都尽可能满足的情况下,找到函 数的最优解。
最优解为多目标优化问题与单目标优化问题有很大差异,当只有一个目 标函数时,人们寻找最好的解,这个解优于其他所有解,通常是全局最大或最 小,即全局最优解,而当存在多个目标时,由于目标之间存在冲突无法比较,所 以很难找到一个解使得所有的目标函数同时最优,也就是说,一个解可能对于 某个目标函数是最好的,但对于其他的目标函数却不是最好的,甚至是最差的, 因此,对于多目标优化问题,通常存在一个解集,这些解之间就全体目标函数 而言是无法比较优劣的,其特点是:无法在改进任何目标函数的同时不削弱至 少一个其他目标函数,这种解称作非支配解或Pareto最优解,改进后的NSGA-II的算法流程如图2所示,在建模过程中,首先结合初始数据生成随机 二维染色体,每个可建点对应一个基因点,由此形成第二代染色体;其次利 用NSGA-II算子进行迭代,并设置迭代的次数,最终生成Pareto解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来 将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示 这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、 “包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系 列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明 确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有 的要素。在没有更多限制的情况下,由语句“包括一个引用结构”限定的要 素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同 要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而 言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行 多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限 定。
Claims (9)
1.基于动态人口数据模型的群体化公共医疗设施配置方法,包括数据库单元,城市动态人口测算单元,层次需求平衡性测算单元和层次设施智能配置单元,其特征在于:
所述数据库单元,用于对城市内地理位置,人口数量,GDP,医疗设施等进行数据统计与整理,为城市动态人口测算单元提供测算基础;
所述城市动态人口测算单元,以数据库单元内部的数据为基础,基于空间之间的依赖关系,通过改进的LSTM模型计算城市群中每个城市的人口增长值,为层次需求平衡性测算单元提供测算基础;
所述层次需求平衡性测算单元,以数据库单元内部的数据和城市动态人口测算单元动态分析的数据为基础,通过改进基尼系数对分级医疗设施的可达性,设施空间的平衡性和时空可达性进行测算;
所述层次设施智能配置单元,以数据库单元内部的数据,城市动态人口测算单元动态分析的数据和层次需求平衡性测算单元测算的数据为基础,对分级的公共医疗设施配置模型建模,基于NSGA-II方法的模型求解,进行模型可行性分析。
2.根据权利要求1所述的基于动态人口数据模型的群体化公共医疗设施配置方法,其特征在于:所述数据库单元,城市动态人口测算单元,层次需求平衡性测算单元和层次设施智能配置单元的具体实施方法如下:
Sp1:数据库的整理与收集,所述数据库单元对城市的文本数据库,城市群数据库城市数据库进行对应内容的整理与收集;
Sp2:城市动态人口总测算,所述城市动态人口测算单元根据数据库建库单元内部的数据结合空间依赖关系加入到改进的LSTM模型中测算出城市群各城市总人口预测结果;
Sp3:城市动态人口精细测算,所述城市动态人口测算单元根据城市群各城市总人口预测结果,城市群数据库和城市数据库形成多智能体模型,进行人口精细分布预测结果;
Sp4:层次需求平衡性测算,所述层次需求平衡性测算单元结合城市数据库汇总的人口,医疗设施和城市动态人口精细测算结果进行分级医疗设施可达性计算,根据分级医疗设施可达性依次进行时空可达性计算,通过改进基尼系数进行设施空间平衡性计算;
Sp5:层次配置模型的建立,所述层次设施智能配置单元基于设施空间平衡性,时空可达性和设施的空间需求进行层次配置模型的建立;
Sp6:模型验证求解,所述层次设施智能配置单元基于层次配置模型不同数据的带入NSGA-II方法的模型,进行模型可行性的验证;
Sp7:方案迭代排序,所述层次设施智能配置单元基于模型验证求解后设施多级配置方案进行可达性叠加迭代,从而进行急迫性排序得到最优设施配置方案。
3.根据权利要求1所述的基于动态人口数据模型的群体化公共医疗设施配置方法,其特征在于:所述数据库单元,城市动态人口测算单元,层次需求平衡性测算单元和层次设施智能配置单元之间均电性连接。
4.根据权利要求2所述的基于动态人口数据模型的群体化公共医疗设施配置方法:所述数据库单元中的文本数据库包括论文书籍,政策文本和研究报告等,且城市群数据库中包括人口数据,GDP数据产业数据和空间分布数据等,且城市数据库包括基础地理数据,规划及人口数据,手机信令数据,医疗设施数据等。
5.根据权利要求2所述的基于动态人口数据模型的群体化公共医疗设施配置方法,其特征在于:所述数据库单元在城市动态人口精细测算时采用的数据为城市基础数据,规划实现时空数据,精细网格人口数据。
6.根据权利要求2所述的基于动态人口数据模型的群体化公共医疗设施配置方法,其特征在于:所述层次需求平衡测算单元根据各级规划政策文本进行文本解析,得到医疗设施分级诊疗机制规范,且根据抽样问卷调查统计分析,进行医疗设施使用行为,且根据手机信令和规划数据进行工作居住比模型建立。
7.根据权利要求6所述的基于动态人口数据模型的群体化公共医疗设施配置方法,其特征在于:所述层次需求平衡测算单元内部根据数据库单元内部的城市数据库,结合医疗设施使用行为,医疗设施分级诊疗机制规范,工作居住比进行分级医疗可达性的计算。
8.根据权利要求2所述的基于动态人口数据模型的群体化公共医疗设施配置方法,其特征在于:所述层次设施智能配置单元中模型验证求解时在同等目标条件下,通过多次计算及改变参数,得到多个Pareto解,检验解集是否收敛。
9.根据权利要求2所述的基于动态人口数据模型的群体化公共医疗设施配置方法,其特征在于:所述城市动态人口测算单元内改进的LSTM模型为将空间依赖加入传统的LSTM模型中,所述层次设施智能配置单元中的基于NSGA-II方法的模型为带精英策略的非支配排序的遗传算法,是基于遗传算法的多目标优化算法,且Pareto解为基于NSGA-II方法得到的最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111030965.1A CN114118512A (zh) | 2021-09-03 | 2021-09-03 | 基于动态人口数据模型的群体化公共医疗设施配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111030965.1A CN114118512A (zh) | 2021-09-03 | 2021-09-03 | 基于动态人口数据模型的群体化公共医疗设施配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114118512A true CN114118512A (zh) | 2022-03-01 |
Family
ID=80441196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111030965.1A Pending CN114118512A (zh) | 2021-09-03 | 2021-09-03 | 基于动态人口数据模型的群体化公共医疗设施配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114118512A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115730763A (zh) * | 2022-11-11 | 2023-03-03 | 中山大学 | 基于终端信令数据的工作日设施可达性计算方法及装置 |
-
2021
- 2021-09-03 CN CN202111030965.1A patent/CN114118512A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115730763A (zh) * | 2022-11-11 | 2023-03-03 | 中山大学 | 基于终端信令数据的工作日设施可达性计算方法及装置 |
CN115730763B (zh) * | 2022-11-11 | 2024-05-21 | 中山大学 | 基于终端信令数据的工作日设施可达性计算方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mustafa et al. | Modelling built-up expansion and densification with multinomial logistic regression, cellular automata and genetic algorithm | |
Ma et al. | Sustainable station-level planning: An integrated transport and land use design model for transit-oriented development | |
Ye et al. | Modeling energy-related CO2 emissions from office buildings using general regression neural network | |
Jelokhani-Niaraki et al. | A group multicriteria spatial decision support system for parking site selection problem: A case study | |
Haque et al. | Optimizing urban land use allocation for planners and real estate developers | |
Zhang et al. | Simulation and analysis of urban growth scenarios for the Greater Shanghai Area, China | |
Pooler | Measuring geographical accessibility: a review of current approaches and problems in the use of population potentials | |
CN102750411B (zh) | 基于多智能体离散选择模型城市动态微观仿真方法 | |
CN110176141B (zh) | 一种基于poi及流量特征的交通小区划分方法和系统 | |
Kaviari et al. | Simulation of urban growth using agent-based modeling and game theory with different temporal resolutions | |
Zheng et al. | A stochastic simulation-based optimization method for equitable and efficient network-wide signal timing under uncertainties | |
CN107977711B (zh) | 一种面向“三线”协同优化的多智能体遗传方法 | |
CN112954623B (zh) | 一种基于手机信令大数据的居民入住率估算方法 | |
Haque et al. | Optimizing urban land-use allocation: case study of Dhanmondi Residential Area, Dhaka, Bangladesh | |
Diamond et al. | Multiobjective analysis of public school consolidation | |
CN114118512A (zh) | 基于动态人口数据模型的群体化公共医疗设施配置方法 | |
Ghodousi et al. | Air Quality Management in Tehran Using a Multi-Dimensional Decision Support System. | |
He et al. | Modeling urban spatial expansion considering population migration interaction in Ezhou, central China | |
Lotfi et al. | A multi-objective optimization model for school location-allocation coupling demographic changes | |
Zhong et al. | Multi-objective optimization approach of shelter location with maximum equity: an empirical study in Xin Jiekou district of Nanjing, China | |
Zhao et al. | LandSys II: Agent-based land use–forecast model with artificial neural networks and multiagent model | |
Bruno et al. | Analytical methods for planning educational facilities in an era of declining enrollments | |
Niyomubyeyi et al. | An improved non-dominated sorting biogeography-based optimization algorithm for multi-objective land-use allocation: a case study in Kigali-Rwanda | |
CN113449936B (zh) | 城市空间演进模拟预测方法、装置、电子设备及存储介质 | |
CN114841610A (zh) | 共享单车调度方法、装置、设备及可读存储介质 |
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 |