王悦莹，程杨，王姣娥，杜方叶，孙欣欣

1. 北京师范大学 地理科学学部，北京 100875；

2. 中国科学院地理科学与资源研究所 区域可持续发展分析与模拟重点实验室，北京 100101；

3. 中国科学院大学 资源与环境学院，北京100049

1 引 言

儿童健康受到世界卫生组织和联合国的共同关注。加强儿童医疗卫生服务改革与发展也是健康中国建设的重要内容。北京市拥有优质丰富的儿科医疗资源，但77.5%的儿科医师集中在儿童专科医院（王天有等，2016)，大量本地和外地患儿集中到儿童专科医院就医，造成儿科医师长期供不应求。儿童专科医院是一种重要又特殊的公共服务设施，为患儿提供了不可或缺的医疗保健服务，其合理布局对提高儿童就医可达性和改善儿童健康水平有重要作用（王松涛等，2007；许婵等，2019)。

可达性是衡量公共服务设施空间分布合理性的重要指标，可分为实际可达性和潜在可达性（Khan 和Bhardwaj，1994)。实际和潜在可达性分别反映居民对医疗资源的实际与潜在获取能力。可达性的评价方法众多，其中，两步移动搜寻（twostep floating catchment area，2SFCA)法应用广泛。近年来，研究引入距离衰减函数和搜寻半径拓展出多种基于两步移动搜寻原理的可达性评价模型，克服了原始模型对服务区范围进行限定的局限性（陶卓霖和程杨，2016)。距离衰减函数有重力型、高斯型、核密度型等形式，如Tao 等（2014)采用基于重力型函数的两步移动搜寻模型对北京市养老设施可达性进行了评价，并提出设施布局的优化方案。杨雯丽等（2020)综合人口规模，引入幂函数距离衰减函数，评价了上海市不同级别医疗设施的空间可达性。在对搜寻半径的拓展上，王帅等（2019)、宗恒康等（2021)通过对不同等级医院设置不同的距离衰减参数，利用改进的两步移动搜寻法分别分析了瑞丽市和青岛市就医空间可达性。McGrail 和Humphreys（2014)根据区域的人口密度设置搜寻半径，分析了澳大利亚城乡结合区的医疗可达性。上述研究均围绕潜在可达性开展评价。在居民的实际就医行为中，人口、社会经济、个人情感偏好等非地理因素，也会影响人们获得医疗服务的机会，从而影响实际可达性（Wang，2012)。以往对非地理因素的研究常采用病历及问卷数据开展分析，而这些数据涉及隐私且获取成本高，具有一定的局限性（申悦和李亮，2021；佟圣楠和陈航航，2017)。交通大数据由于其海量、多源、动态的优点，为全面、高效地剖析患者就医行为提供了新的契机（王姣娥等，2020；Liu 等，2010)，从而在相关研究中得到应用，如利用出租车GPS 数据和公交刷卡数据刻画医疗可达性时空分布特点（李珍等，2021；齐兰兰等，2014)、研究居民的医疗服务使用行为（Yang 等，2016)、对医疗设施进行服务区划分（Jia 等，2017；Tao 等，2022)及运用多源数据和交通出行链对居民就医行为进行识别（王姣娥等，2020)。

综上所述，目前国内对医疗可达性的研究多评价综合医院的潜在可达性，针对儿童专科医院潜在和实际可达性的研究十分欠缺。Huang 等（2023)在地级市尺度对日本0～3 岁儿童的牙医步行可达性进行了评估。Abu Bakar 等（2021)对马来西亚半岛脑瘫儿童的就医可达性进行了评估。两个研究对可达性的评估均为基于缓冲区分析的潜在可达性评估。截至2017 年，北京市每千人口职业医师数4.63 人，而每千名儿童执业医师数仅为1.3 人。全市医疗机构医师人均每日负担门急诊10.0 人次，而儿科医师人均每日负担门急诊20.9 人次（王天奇等，2019)。可见，儿童对儿科医疗服务需求高，而北京市儿科医疗资源供给却不足。因此，本文基于对居民就医出行行为的调研，采用两步移动搜寻法分析出租车GPS 数据，评价儿童专科医院的潜在与实际可达性并对比分析。以期为促进北京市儿科医疗服务均等化，合理优化与配置儿童优质医疗资源提供科学依据。

2 数据与方法

2.1 研究区概况

考虑到潜在就医患者、出租车出行轨迹及儿童专科医院分布，将北京市六环以内地区作为研究区（图1)。居住在六环以内的儿童数量约占全市儿童总数的72.62%（Huang 等，2018)，0～14 岁人口（即潜在患者)主要分布在北京市四环以内，四环到六环间的北部、西部和东部地区也有较多的儿童人口分布，而六环外的儿童数量较少且分布分散（图1)。经过预处理后到达儿童专科医院的出租车轨迹共有11330 条，其中起讫点均落在六环内的出租车出行轨迹共有10479 条，占出租车轨迹总数的92.5%，这说明大部分使用出租车出行的儿科就医行为发生在六环以内地区。从儿童专科医院分布的情况看，全市共20 家儿童专科医院，其中，两家分布在六环以外。本研究仅分析六环以内的18 家医院。

图1 北京市六环内研究区概况Fig.1 Overview of the study area within the Sixth Ring Road of Beijing

2.2 数据来源与处理

（1)空间和属性数据。本文所用人口数据为WorldPop 网站提供的2020 年北京市1 km×1 km 网格单元的人口数据。北京市共有网格单元15838 个，其中六环内的网格单元数为2225 个。医疗机构及医师数量等数据来源于北京市卫生健康委员会网站及各医院官方网站，数据收集时间截至2019 年12 月，共收集儿童专科医院18 家。

（2)出租车数据。本研究使用了连续近4 周（2015 年4 月1～26 日)约18000 辆出租车的数据集，出行记录为880 万条，数据集包含每个出租车的位置、时间、状态（空闲或已占用)、速度等信息。根据所收集的信息可以确定每次出行的起讫点，从而构建从（x0，y0，t0)到（xD，yD，tD)的向量，其中，x、y为起讫点的经纬度，t为上车或下车的时间。在数据预处理阶段，清除了由于数据记录或处理中的错误而造成的无效点，之后以20 家儿童专科医院为中心，50 m 半径缓冲区为筛选依据，将出租车轨迹终点落在缓冲区内的出行轨迹，视为目的地为儿童专科医院就医的出行轨迹，共产生11330 条出租车出行轨迹。

（3)调查数据。本研究共收集北京儿童医院和首都儿科研究所附属儿童医院的半结构化访谈数据34 份，访谈时间为2019 年8 月，访谈对象为就医患儿家属，由访谈者提问，受访者回答的方式开展。访谈问题涉及就医交通方式、路途时间、患儿症状、就医感受和治疗效果等。访谈者在访谈过程中进行书面记录，并在访谈结束后进行整理录入。

2.3 研究方法

两步移动搜寻法假定居民仅选择位于阈值距离内的服务场所，以需求方与供给方为基础，移动搜寻两次。第一步，以供给点位置j为中心，搜寻在阈值范围F（半径d0)内的所有需求点（k)，计算搜寻内供给量与需求量之比Rj；第二步，以每个需求点（i)为中心，搜寻在阈值范围F（半径d0)内的医院位置（j)，将搜寻区内所有供需比Rj相加得到需求点i的可达性：

式中，i为需求点；j为供给点；dij为i和j之间的距离；Rj为供给点j的服务规模与有效服务阈值（半径d0)内所服务居民数量的比例；Sj为供给点j的供给规模，用医院的医师数表示；Dk为需求点k的需求规模（Luo 和Wang，2003)。

该方法虽然综合考虑了供需两侧的规模及距离因素对可达性的影响，但该方法认为阈值范围内所有居民点到同一设施的可达性相同，未考虑阈值距离范围内设施可达性的距离衰减效应。因此，本文基于2SFCA 法，结合Wang 等（2020)提出的增强模型对六环内儿童专科医院的可达性进行研究，提出了增强两步移动搜寻（enhanced two-step floating catchment area，E2SFCA)法。该模型认为在现实生活中，医院的服务范围并没有明确的限制，只是存在明显的距离衰减效应，住址远离医院的患者需花费更多的时间和经济成本来获得医疗服务。E2SFCA 法中没有设置医院的服务范围阈值，引入距离衰减函数来表示时间距离的变化对需求的影响：

式中，Rj为供需比；PAi为网格单元i的潜在可达性；RAi为网格单元i的实际可达性；Sj为医院j的医疗资源，用医师数表示；Pi为网格单元i的人口数量；f(tij)为衰减函数；β为距离衰减参数，根据出租车出行时间与频率拟合得到；m、n分别为网格单元总数和医院总数；tij为网格单元i到医院j之间由百度API 测算的行车时间，ijt′ 为网格单元i到医院j之间的出租车行车时间。在实际可达性的测算中，每个医院的服务范围基于到达医院的出租车出行范围划定，因此，实际可达性结果中存在可达性为0 的网格单元。

在获得每条出租车就医流的行车时间后，统计每条就医行车时间所对应的频次，并进行曲线回归拟合，以确定距离衰减函数形式和系数值，拟合结果如图2 所示。

图2 出租车前往儿童专科医院的出行时间与频次分布Fig.2 Travel time and frequency distribution of taxi going to the children’s hospitals

经计算，观测到的出行时间与出行频次的关系可以用指数函数拟合，拟合结果中β为0.058，r2为0.9305，数据解释度在93%以上，拟合效果好。本文进一步通过计算来说明每个人口网格单元潜在可达性和实际可达性的差异：

式中，AiPA、AiRA分别为人口网格单元i中的潜在可达性和实际可达性；ΔAi为潜在可达性和实际可达性的差异。在可视化过程中考虑到计算可能产生的误差，以- 0.5 和0.5 作为断点，将ΔAi值划分为3类。类别1：- 0.5＜ΔAi＜0.5，表示网格i中潜在可达性等于实际可达性；类别2：ΔAi＞0.5，表示网格i中潜在可达性大于实际可达性；类别3：ΔAi＜- 0.5，表示网格i中潜在可达性小于实际可达性。

3 结果与分析

3.1 潜在可达性分布格局

根据E2SFCA 模型计算六环内所有网格中儿童专科医院的潜在可达性，以及可达性得分的最大值、最小值、均值、标准差和变异系数。采用等间隔法将可达性得分划分为5 个等级，断点分别为1.06、2.12、3.17、4.23。潜在可达性得分的变异系数为0.77，这说明六环内不同区域潜在可达性存在较大空间差异。潜在可达性呈现由市中心向外围逐渐减弱的单中心结构，如图3 所示。五环和六环之间的西北部、西南部、东部就医可达性较差，这种格局主要由医疗资源的稀缺造成。三环内的区域可达性好，这与供需点间的距离、医院数量及医院规模密切相关。

图3 儿童专科医院潜在可达性分布Fig.3 Potential accessibility distribution to the children’s hospitals

3.2 实际可达性分布格局

如图4 所示，实际可达性的空间格局呈现多中心结构，六环内有三个区域的可达性结果明显高于其他区域。其中，一个区域位于三环内，该区域可在较小的空间范围内从相对较多且规模较大的医院获取儿科医疗服务，因而可达性好；另外两个区域分别位于五环和六环之间的北部与东北部，这两个区域的形成都是因为靠近规模较大的儿童专科医院，即北京京都儿童医院和新世纪儿童医院（顺义分院)。整体上看，实际可达性的分布存在空间差异，具体表现为北部区域优于南部，东部区域优于西部，这种空间差异主要由于儿童专科医院空间分布不均衡所致。

3.3 潜在可达性与实际可达性对比分析

对实际可达性和潜在可达性的统计结果见表1，与潜在可达性相比，实际可达性的均值高于潜在可达性，可见北京市六环内儿童专科医院的实际可达性整体上优于潜在可达性；实际可达性的变异系数也高于潜在可达性，说明六环内不同网格间的实际可达性差异比潜在可达性更大。实际可达性的空间分布差异体现了患者在就医选择时对优质医疗资源的偏好，从而对可达性结果产生影响。

表1 潜在可达性和实际可达性统计指标数值Tab.1 Statistical indicators of potential and actual accessibility

将潜在可达性与实际可达性进行对比发现，3种类型的网格单元空间分布不均但具有一定规律（图5)。实际可达性更好的网格（类别3)集中在三环内优质儿童专科医院聚集区或是放射状分布于交通干道沿线，说明医疗资源充沛地区及交通便利地区的潜在就医可达性在评价中被低估了。潜在可达性更好的网格（类别2)集中在南三环和南五环之间及北四环和北六环之间区域，位于医疗资源稀缺区，也是路网较差的区域。患者对优质医疗资源的偏好和交通可达性是形成这一空间格局的主要原因。在潜在可达性模型中，对可达性的评价主要基于距离因素和供需数量，而在实际可达性模型中，患者的就医偏好会产生一定影响，选择前往城市中心区优质儿童专科医院而非同等距离下的其他医院，导致在实际可达性评价中患儿面临的就医时间距离抗阻要高于潜在可达性评价。实际可达性和潜在可达性相近的网格（类别1)一部分分布在东三环至东五环间及西三环至西五环间，围绕实际可达性较高的网格沿东西向主干道分布，这类网格同时拥有较高的潜在可达性和实际可达性。还有一部分网格则分布在五环和六环之间的地区，这类网格由于远离医院且交通条件较差，潜在可达性和实际可达性均较低。

图5 儿童专科医院潜在可达性与实际可达性空间分布差异对比Fig.5 Comparison of spatial distribution differences between potential and actual accessibility to the children’s hospitals

4 结 论

本研究基于出租车轨迹数据和增强两步移动搜寻法对北京市六环内儿童专科医院的潜在和实际可达性进行了评价，并提出促进儿科就医均等化方面的相关建议。研究结果表明：①儿童专科医院的潜在就医可达性分布不均，五环和六环之间的西北部、西南部和东部地区是明显的缺医区。②实际可达性均值高于潜在可达性，但实际可达性的空间差异更大，北京市六环内北部区域的实际可达性优于南部，东南区域的实际可达性最低。③三环内及近郊大规模医院周围地区的潜在就医可达性被低估，而三环到五环之间区域的潜在就医可达性被高估。结论③与Wang 等（2020)在2020 年基于出租车数据刻画的北京市综合医院可达性分布格局大体一致，说明北京市各类医疗资源在空间分布上存在相似特征。

本文建议从三方面加速推进北京市儿科医疗服务均等化建设。①通过建设高水平医院分中心、分支机构等方式促进优质医疗资源分散布局，扩大优质资源的空间辐射范围，从而补充三环和五环间及五环外缺医区的医疗资源。②在北京加快建立旨在加强三级、二级和一级医院合作的医联体和紧密型医共体，提升一级和二级医院的服务能力，完善分级诊疗措施，缩小全市的就医可达性差异。③加快数字健康基础设施建设，推进远程医疗的实施，让更多远离城市中心区的患者可以通过远程专家会诊的方式获取优质医疗资源。

本文的不足及未来研究展望如下：①运用出租车数据识别就医行为存在一定样本偏差，在下一步的研究中可以结合病历数据对就医人群进行划分与验证；②本研究未考虑不同区位和公交条件对出租车出行的影响，在下一步的研究中可以结合手机信令数据、公交刷卡数据等其他多源大数据对分析结果进行验证；③实际可达性和潜在可达性空间布局的差异受到交通线路布局的影响，相关效应的分析可在下一步研究中深化。