بررسی ویژگی‌های تسهیلات عمومی از دیدگاه تعامل فضایی: مطالعه موردی بیمارستان‌های پکن با استفاده از داده‌های تاکسی

خلاصه

خدمات ارائه شده توسط تسهیلات عمومی برای زندگی مردم ضروری است و ارتباط نزدیکی با تحرک انسان دارد. به طور سنتی، ویژگی‌های دسترسی به تسهیلات عمومی، مانند دسترسی، مسائل حقوقی و مناطق خدماتی، عمدتاً بر اساس داده‌های ثابت (داده‌های سرشماری، بررسی‌های سفر و سوابق خاص، مانند سوابق پزشکی) بررسی می‌شوند. در حال حاضر، ظهور داده های بزرگ فرصتی بی سابقه برای به دست آوردن داده های حرکتی انسان در مقیاس بزرگ ارائه می دهد که می تواند برای مطالعه ویژگی های امکانات عمومی از دیدگاه تعامل فضایی مورد استفاده قرار گیرد. به طور شهودی، ویژگی‌های تعامل فضایی و مناطق خدماتی انواع و اندازه‌های مختلف امکانات عمومی متفاوت است، اما اینکه چقدر متفاوت هستند یک سوال باز باقی می‌ماند، بنابراین ما به نوبه خود این سؤال را بررسی می‌کنیم. بر اساس تعامل فضایی، ما امکانات عمومی را طبقه بندی می کنیم و تفاوت های موجود در امکانات را بررسی می کنیم. در این تحقیق، بر اساس تعامل فضایی استخراج‌شده از داده‌های تاکسی، یک روش طبقه‌بندی بدون نظارت را برای طبقه‌بندی ۷۸ بیمارستان در ۶ منطقه پکن معرفی می‌کنیم و نتایج، نوع بیمارستان را بهتر منعکس می‌کند. یافته‌ها برای بهینه‌سازی پیکربندی فضایی امکانات پزشکی یا سایر انواع امکانات عمومی، تخصیص معقول منابع عمومی و کاهش فشار ترافیک اهمیت زیادی دارند.

کلید واژه ها:

تعامل فضایی ; منطقه خدمات بیمارستانی ؛ ویژگی های تاسیسات عمومی ; طبقه بندی ; اطلاعات تاکسی ؛ پکن

1. معرفی

در سال‌های اخیر، تحقیقات در مورد پیکربندی فضایی تأسیسات عمومی به تدریج در زمینه‌های علم اطلاعات جغرافیایی و برنامه‌ریزی شهری مورد توجه قرار گرفته است. برای کمک به برنامه ریزان شهری برای ارزیابی و تجزیه و تحلیل اثربخشی پیکربندی تسهیلات عمومی، محققان مطالعات زیادی در مورد دسترسی به امکانات عمومی [ 1 ، 2 ، 3 ، 4 ]، مناطق خدماتی [ 5 ، 6 ، 7 ، 8 ] و عدالت انجام داده اند. مسائل [ 9 ، 10 ، 11]. از منظر فضایی، ایده اصلی این مطالعات تخمین ارتباط بین مکان‌های تقاضا و مکان‌های عرضه است. رویکردهای سنتی عمدتاً بر داده‌های سرشماری، بررسی‌های سفر و سوابق خاص مانند سوابق پزشکی متکی هستند.

ارتباط بین عرضه و تقاضا نشان دهنده نوعی تعامل فضایی است. در مطالعات جغرافیایی، تعامل فضایی به پیوند بین دو مکان اشاره دارد و معمولاً می‌توان با استفاده از جریان‌های مردم، کالاها و سرمایه‌ها و غیره، کمیت کرد. با پشتیبانی از داده‌های جغرافیایی بزرگ، حجم عظیمی از داده‌ها را در مورد حرکت و جریان انسان جمع‌آوری می‌کنیم تا تعاملات فضایی بین مکان‌ها را کمی کنیم [ 12 ]. مطالعات متعددی برای بررسی ساختارهای شهری یا منطقه ای با استفاده از اطلاعات تعامل فضایی استخراج شده از داده های رسانه های اجتماعی [ 13 ]، سوابق تماس تلفنی [ 14 ]، سوابق کارت حمل و نقل عمومی [ 15 ] و مسیرهای تاکسی [ 16] انجام شده است.]. در این مطالعات، روش‌های تشخیص جامعه، که از علوم شبکه به عاریت گرفته شده‌اند، به طور گسترده برای ترسیم یک منطقه مورد مطالعه به زیر منطقه‌های معنی‌دار با توجه به نقاط قوت تعامل مورد استفاده قرار گرفتند. از این رو، این روش ها را می توان به عنوان یک رویکرد از بالا به پایین مشاهده کرد. با این حال، از منظر پایین به بالا، تعاملات فضایی مرتبط با یک محل، ویژگی های مرتبه دوم آن را نشان می دهد. ما می توانیم مجموعه ای از مکان ها را بر اساس تعاملات فضایی آنها طبقه بندی کنیم. به دنبال این ایده، لیو و همکاران. [ 16 ] الگوهای تعامل فضایی را با استفاده از یک روش بدون نظارت با داده‌های تاکسی از شانگهای در طبقه‌بندی کاربری اراضی گنجاند و به نتایج بهتری دست یافت.

در این مطالعه، ما استدلال می‌کنیم که امکانات عمومی داخل شهر برای ارائه خدمات ضروری حیاتی هستند و بنابراین ارتباط نزدیکی با ساکنان شهر دارند. تعامل فضایی بین امکانات خدماتی و ساکنان باید تا حدودی منعکس کننده ویژگی های امکانات عمومی باشد. در واقع، نشان داده شده است که نقاط قوت تعامل فضایی بین یک بیمارستان و بیماران آن به ویژگی های بیمارستان بستگی دارد [ 8]]. برعکس، می‌توان ویژگی‌های بیمارستان‌ها را بر اساس تعاملات فضایی آن‌ها تعیین کرد. با استفاده از مجموعه داده تاکسی بیش از 17000 تاکسی به مدت سه ماه در پکن، ما یک روش طبقه بندی بدون نظارت را برای طبقه بندی 78 بیمارستان از شش منطقه در پکن از دیدگاه تعامل فضایی معرفی کردیم. سپس مناطق خدمات بیمارستانی بر اساس تاکسی‌ها در یک منطقه بافر 200 متری از بیمارستان مشخص شد و تجزیه و تحلیل بصری انجام شد. در نهایت، ما الگوهای تعامل فضایی بین بیماران و بیمارستان ها را به دست آوردیم و آنها را با قانون توان مطابقت دادیم، و اثر فاصله زیرین را آشکار می کنیم. نتایج نشان می‌دهد که توزیع‌های بیمار در همه بیمارستان‌ها اثر کاهش فاصله قانون نمایی را نشان می‌دهد. با این حال، نماها از کلاسی به کلاس دیگر متفاوت است و تأثیر فاصله و انواع بیمارستان را نشان می دهد. مثلا،

این تحقیق با پشتیبانی از داده های بزرگ، ویژگی های تسهیلات را با توزیع های فضایی مشتریان خود از دیدگاه تعامل فضایی پیوند می دهد. در مورد بیمارستان های پکن، این مطالعه به ویژه مفید خواهد بود زیرا اکثریت قریب به اتفاق بیمارستان های این شهر در مرکز شهر قرار دارند. مردم در مناطق حومه شهر برای جستجوی خدمات پزشکی به مرکز شهر هجوم می‌آورند و بار سنگینی را بر سیستم حمل و نقل شهر، به ویژه در ساعات اوج صبح و عصر افزایش می‌دهند. بنابراین، درک توزیع بیماران در انواع مختلف بیمارستان ها برای سیاست گذاران و برنامه ریزان شهری برای بهینه سازی توزیع فضایی بیمارستان ها برای کاهش ترافیک و در عین حال حفظ دسترسی به خدمات ارزشمند است. بقیه این مقاله به شرح زیر است.بخش 2 داده ها و پردازش را معرفی می کند. بخش 3 مناطق خدماتی بیمارستان ها و الگوهای توزیع بیمار را تشریح می کند. بخش 4 روش ها و نتایج طبقه بندی را مورد بحث قرار می دهد و ویژگی های توزیع بیمار در انواع مختلف بیمارستان ها را تجزیه و تحلیل می کند. بخش 5 بحث و نتیجه گیری را ارائه می کند.

2. توصیف و پردازش داده ها

2.1. اطلاعات سفر تاکسی

این تحقیق از داده های GPS بیش از 17000 تاکسی برای سه ماه متوالی (مه تا جولای 2013) استفاده کرد. مجموعه داده شامل هفت فیلد به نام‌های شماره وسیله نقلیه، زمان وقوع موقعیت، عرض جغرافیایی، طول جغرافیایی، جهت، سرعت و وضعیت است. قبل از تجزیه و تحلیل داده‌ها، ابتدا داده‌های مسیر تاکسی را از پیش پردازش کردیم، داده‌های اشتباه را حذف کردیم و سوابق تکراری یا ناقص را حذف کردیم. بر اساس این داده‌ها، ما مکان‌هایی را استخراج کردیم که مسافران در آنجا سوار یا پیاده می‌شوند. _{هر سفر} در یک بردار از ( xo _, y _o , t _o ) به ( xd _, y _d , td ) ساده شده است که در آن ( x، y ) نشان دهنده مکان نقطه تحویل (PUP) و نقطه رها کردن (DOP) است و t زمان برداشتن و رها کردن است. این سفرهای استخراج شده می توانند به طور جمعی تعامل فضایی بین مکان ها را نشان دهند.

2.2. منطقه مطالعه و بیمارستان ها

پکن به عنوان دومین شهر بزرگ چین، از سال 2015 شامل 16 منطقه بوده است (همچنین به شکل 1 مراجعه کنید ). شش منطقه Xicheng، Dongcheng، Fengtai، Chaoyang، Haidian و Shijingshan منطقه اصلی شهری را تشکیل می‌دهند که 8 درصد از کل منطقه را تشکیل می‌دهند و میزبان 60 درصد جمعیت و 70 درصد از بیمارستان‌های پکن هستند [17 ] . با توجه به توزیع بیمارستان‌های مهم و داده‌های سفر تاکسی، ما یک منطقه مستطیلی 24 کیلومتر 30 کیلومتری را که مناطق اصلی شهری پکن را پوشش می‌دهد به عنوان منطقه مورد مطالعه انتخاب کردیم ( شکل 1 ). برای اندازه گیری نقاط قوت تعامل فضایی، منطقه مورد مطالعه به 720 سلول 1 کیلومتر × 1 کیلومتر مربع گسسته شد. تمام سفرهای استخراج‌شده از داده‌های مسیر تاکسی بر اساس سلول‌های ۱ کیلومتر × ۱ کیلومتر جمع‌آوری شدند.

ما بیمارستان‌هایی را از موسسات پزشکی تعیین‌شده بیمه درمانی پایه پکن در سال 2013 انتخاب کردیم که توسط بخش‌های تامین اجتماعی بررسی می‌شوند و باید با آژانس‌های بیمه سلامت برای ارائه خدمات پزشکی به بیمه‌شدگان توافقنامه امضا کنند. مجموعه داده حاوی اطلاعاتی مانند نام بیمارستان، نمرات و آدرس است که ما مکان بیمارستان را از آن‌ها تعیین کردیم. علاوه بر این، ما از سفرهای استخراج شده از مسیرهای تاکسی برای ترسیم مناطق خدمات پزشکی و مناطق تحت تأثیر فضایی استفاده کردیم. منطقه مورد مطالعه شامل 78 بیمارستان شامل بیمارستان های تخصصی و بیمارستان های عمومی است که توزیع فضایی آنها در شکل 2 نشان داده شده است .

2.3. محاسبه امتیاز تحویل و تحویل

برای شناسایی DOP ها و PUP ها در اطراف بیمارستان ها، بافرهای حلقه های متعددی را در فواصل مشخص شده 20 متر در اطراف بیمارستان ها ایجاد کردیم و درصد DOP ها و PUP ها را در هر حلقه محاسبه کردیم، همانطور که در شکل 3 نشان داده شده است . درصد DOPها و PUPها ابتدا افزایش می‌یابد و سپس کاهش می‌یابد، در نهایت به اوج در ناحیه بافر 200-220 متر می‌رسد. بعلاوه، از آستانه 200 متری استفاده شد، زیرا مسافت پیاده روی قابل قبولی است، و یک مطالعه تجربی نشان داد که بیشتر فواصل بین PUP تاکسی (یا DOP) و مبدا واقعی (یا نقاط مقصد) کمتر از 200 متر است [18] .]. از این رو، ما یک منطقه حائل 200 متری برای هر بیمارستان ترسیم می کنیم و هیچ تعاملی بین بافرها وجود نداشت. در هر منطقه حائل، سفرهایی با DOPها یا PUPهایی که در داخل منطقه افتاده بودند پیدا شد. ما فرض می کنیم که سفرهای داخل این مناطق توسط بیمارانی انجام می شود که به دنبال خدمات بیمارستانی هستند. در مجموع، با استفاده از بردار فوق الذکر از ( xo _, y _o , t _o ) به ( xd _, y _d , t _d ) یک پیوند OD (مبداء-مقصد) برقرار می کنیم .) برای هر بیمار در مجموعه داده GPS. در مرحله بعد، وزن هر شبکه را با توجه به تعداد نقاطی که در داخل سلول قرار می گیرند تعیین کردیم. برای هر بیمارستان، وزن یک سلول تعداد سفرهای بین یک مکان در داخل سلول و بیمارستان است. در نهایت یک ماتریس 78 × 720 ساختیم. در این ماتریس، هر بیمارستان مربوط به یک خط است و بردار ردیفی که توسط این خط تشکیل می‌شود، ویژگی‌های توزیع فضایی بیماران آن را نشان می‌دهد که می‌تواند برای تجزیه و تحلیل خوشه‌بندی زیر استفاده شود.

3. منطقه خدمات بیمارستانی و الگوی توزیع فضایی بیمار

منطقه خدماتی، ویژگی فضایی مهمی که منعکس کننده جذابیت یک بیمارستان است، با نوع بیمارستان، توزیع بیماران و وجود رقبا مرتبط است. انتخاب های فضایی بیماران به فاصله بین آنها بستگی دارد [ 19 ]. یک راه ایده آل برای ارزیابی رفتار انتخاب فضایی بیماران، اندازه گیری جریان های بیمار به بیمارستان است که می تواند از داده های نظرسنجی به دست آید. از آنجا که داده های بیمار به بیمارستان اغلب در دسترس نیستند، بسیاری از محققان از مدل هاف برای تخمین توزیع فضایی بیمار و مناطق خدمات بیمارستانی استفاده می کنند [ 8 ، 20]]. حتی زمانی که داده‌های نظرسنجی در دسترس است، حجم نمونه به دلیل محدودیت‌های مختلف، مانند راندمان پایین پیمایش، نیاز شدید به زمان، منابع انسانی و مالی، عموماً کوچک است. علاوه بر این، کیفیت داده‌های نظرسنجی دارای محدودیت‌هایی مانند دقت فضایی کم، دانه‌بندی زمانی زیاد و نمایش ضعیف داده‌ها است. داده‌های جغرافیایی بزرگ دارای برخی مزایا هستند، مانند حجم نمونه بزرگ و نمایش قوی، و دارای تعامل فضایی زیادی هستند. در مقایسه با داده‌های بررسی، داده‌های جغرافیایی بزرگ در توصیف ویژگی‌های تأسیسات عمومی شهری دقیق‌تر و عینی‌تر هستند [ 21 ].

در این مطالعه، ما مناطق خدماتی را بر اساس داده‌های عظیم بیمار به بیمارستان، که از داده‌های GPS تاکسی به‌دست آمد، استخراج کردیم. برای نشان دادن مستقیم مناطق خدمات بیمارستانی، ما توزیع فضایی همه 78 بیمار بیمارستان را شطرنجی و تجسم کردیم ( شکل 4).). ما متوجه شدیم که اکثر بیماران از چهار ناحیه (دونگ‌چنگ، شیچنگ، چائویانگ و هایدیان) در کمربند پنجم آمده‌اند. فرض بر این است که توزیع فضایی بیماران مشابه با توزیع کلی جمعیت است. یکی از دلایل این توزیع این است که این مناطق به مناطق اصلی شهری پکن تعلق دارند و تراکم جمعیت در این مناطق بالاترین است. دلیل دیگر ممکن است این باشد که بیمارستان های سطح بالا به طور متراکم در این مناطق توزیع شده اند که تعداد زیادی از مردم را به دنبال خدمات پزشکی جذب می کند.

برای بررسی دقیق مناطق خدمات بیمارستانی، شش بیمارستان عمومی و تخصصی را از بین 78 بیمارستان به عنوان نمونه انتخاب کردیم – (1) اولین بیمارستان وابسته به بیمارستان عمومی PLA (بیمارستان شماره 304). (2) بیمارستان عمومی نیروی هوایی؛ (3) بیمارستان سوم دانشگاه پکن. (4) بیمارستان مردمی دانشگاه پکن؛ (5) بیمارستان بهداشت زنان و کودکان شیچنگ؛ و (6) بیمارستان سلامت مادر و کودک Fengtai ( شکل 5) – و ویژگی های مناطق خدماتی آنها را مقایسه کردند. برای درک بهتر حوزه های خدماتی این بیمارستان ها ابتدا به معرفی این بیمارستان ها می پردازیم. شش بیمارستان را می توان به سه گروه طبقه بندی کرد. اول، بیمارستان عمومی نیروی هوایی و بیمارستان #304 هر دو بیمارستان نظامی هستند. با این حال، آنها نه تنها به ارتش خدمت می کنند، بلکه به بیماران عمومی از تمام نقاط کشور خدمات پزشکی ارائه می دهند. دوم، بیمارستان سوم دانشگاه پکن و بیمارستان مردمی دانشگاه پکن، بیمارستان‌های عمومی هستند که مراقبت‌های پزشکی جامع با مؤلفه‌های تحقیقاتی و آموزشی علمی ارائه می‌کنند. بیمارستان زنان و کودکان شیچنگ و بیمارستان سلامت مادر و کودک فنگتای بیمارستان‌های تخصصی هستند که عمدتاً به زنان و کودکان خدمات ارائه می‌دهند.

همانطور که در شکل 5 نشان داده شده است، مناطق خدماتی شش بیمارستان به طور قابل توجهی در سراسر منطقه متفاوت است و بیماران عمدتاً از منطقه مرکز شهر در داخل کمربند پنجم می آیند. اگرچه بیمارستان #304 و بیمارستان عمومی نیروی هوایی هر دو بیمارستان نظامی هستند و نزدیک به هم قرار دارند، فاصله اقلیدسی بین آنها تقریباً 750 متر است. بیمارستان عمومی نیروی هوایی دارای منطقه خدماتی بزرگ تری است و بیماران بیشتری را جذب می کند، که ممکن است به تخصص آن نسبت داده شود: پوست. در مورد گروه دوم بیمارستان ها، منطقه خدماتی بیمارستان مردم عمدتاً مناطق Xicheng و Haidian را پوشش می دهد که بین کمربند دوم شمالی و کمربند سوم شمالی قرار دارند. منطقه خدماتی بیمارستان سوم دانشگاه پکن در مناطق هایدیان و مجاور آن متمرکز است. در مقایسه با بیمارستان سوم دانشگاه پکن، بیمارستان مردمی دانشگاه پکن به بیماران بیشتر و منطقه بزرگتری خدمات رسانی می کند. بهداشت زنان و کودکان شیچنگ و بیمارستان بهداشت مادر و کودک فنگتای بیمارستان های تخصصی محلی هستند و بیماران آنها عمدتاً از مجاورت بیمارستان ها هستند و تعداد بیماران نسبتاً کمتری نسبت به چهار بیمارستان دیگر دارند. از طریق تجزیه و تحلیل مقایسه‌ای، متوجه می‌شویم که بیشتر بیماران در مناطق اطراف بیمارستان‌ها متمرکز شده‌اند، که نشان می‌دهد مردم تمایل دارند به دنبال خدمات پزشکی/مراقبت در نزدیکی باشند. با این حال، برخی از بیماران ترجیح می دهند یک سفر نسبتا طولانی را برای بازدید از یک بیمارستان سطح بالاتر انجام دهند. با بیماران نسبتاً کمتری نسبت به چهار بیمارستان دیگر. از طریق تجزیه و تحلیل مقایسه‌ای، متوجه می‌شویم که بیشتر بیماران در مناطق اطراف بیمارستان‌ها متمرکز شده‌اند، که نشان می‌دهد مردم تمایل دارند به دنبال خدمات پزشکی/مراقبت در نزدیکی باشند. با این حال، برخی از بیماران ترجیح می دهند یک سفر نسبتا طولانی را برای بازدید از یک بیمارستان سطح بالاتر انجام دهند. با بیماران نسبتاً کمتری نسبت به چهار بیمارستان دیگر. از طریق تجزیه و تحلیل مقایسه‌ای، متوجه می‌شویم که بیشتر بیماران در مناطق اطراف بیمارستان‌ها متمرکز شده‌اند، که نشان می‌دهد مردم تمایل دارند به دنبال خدمات پزشکی/مراقبت در نزدیکی باشند. با این حال، برخی از بیماران ترجیح می دهند یک سفر نسبتا طولانی را برای بازدید از یک بیمارستان سطح بالاتر انجام دهند.

در بخش های فوق، توزیع فضایی بیماران را بر اساس تعامل فضایی به صورت بصری بررسی کردیم. با توجه به اینکه فاصله به طور گسترده به عنوان یک عامل مهم برهمکنش های فضایی در نظر گرفته می شود [ 22 ، 23 ]، می توانیم الگوهای تعامل فضایی را از منظر زوال فاصله کمیت کنیم. به طور کلی، تعامل فضایی با افزایش فاصله کاهش می یابد، که به عنوان اثر فروپاشی فاصله نیز شناخته می شود. برای مشخص کردن نقش فاصله می‌توان از تابع کاهش فاصله استفاده کرد. تابع واپاشی فاصله معمولاً مورد استفاده شامل یک تابع نمایی (

f (d) = C e^{- α d}, α > 0

یک تابع قدرت (

f (d) = C d^{- β}, β > 0

و یک تابع گاوسی (

f (d) = C d^{- α d^{2}}, α > 0

برای بررسی تأثیر مسافت سفر بر بازدید از بیمارستان، شدت تعامل و فاصله را در شکل 6 ترسیم کردیم . محور x نشان دهنده مسافت بر حسب کیلومتر است و محور y نشان دهنده نسبت بیمار ( p ( d )) در یک فاصله معین است. همانطور که در شکل 6 نشان داده شده است ، p ( d ) ابتدا افزایش می یابد و زمانی که d به اوج خود می رسد.تقریباً 2 کیلومتر است، زیرا اکثر جابجایی ها در منطقه مرکزی شهری رخ می دهد. پس از آن، توزیع فضایی بیمار یک روند کاهش فاصله آشکار را نشان می دهد: تعداد بیماران با فاصله کاهش می یابد. توزیع احتمال به خوبی با تابع فروپاشی فاصله نمایی (

R^{2} = 0.91

) و با یافته های موجود مشاهده شده از داده های تاکسی [ 24 ] و داده های تلفن همراه [ 25 ] مطابقت دارد و با قانون کلی استفاده از خدمات مردم مطابقت دارد.

شکل 6 کاهش کلی مسافت بازدید از تمام بیمارستان ها را نشان می دهد. با این حال، بیمارستان‌های مختلف ممکن است با توجه به مکان، تمرکز تخصص و سایر عوامل، اثرات فروپاشی فاصله متفاوتی از خود نشان دهند. از این رو، ما توزیع بیماران را برای تمام شش بیمارستان ترسیم کردیم تا اثر فاصله را مشخص کنیم ( شکل 7). همانطور که در شکل نشان داده شده است، توزیع بیماران 6 بیمارستان همگی تحت تاثیر فاصله قرار دارند. با این حال، سرعت تضعیف فروپاشی فاصله بر اساس نرخ‌های واپاشی متغیر (α) توابع فروپاشی فاصله نمایی یکسان نیست. در اینجا، نرخ پوسیدگی (α) را به عنوان عامل مقایسه ای انتخاب کردیم زیرا می توان از آن برای تعیین کمیت نقش فاصله در تعامل فضایی بین بیمارستان های مختلف و بیماران استفاده کرد و می تواند به عنوان یک پارامتر مهم در مدل محاسبه دسترسی استفاده شود. امکانات پزشکی، با ارزش کاربردی مهم [ 26]. نرخ پوسیدگی فاصله در همان نوع بیمارستان ها مشابه است. بیمارستان‌های نظامی کلاس A، بیمارستان عمومی نیروی هوایی و بیمارستان #304 الگوهای توزیع مشابهی با نرخ پوسیدگی فاصله مشابه دارند: به ترتیب 0.107 و 0.13. بیمارستان سوم دانشگاه پکن و بیمارستان مردمی بیمارستان های دانشگاهی هستند و الگوی توزیع مشابهی دارند. در مقایسه با بیمارستان سوم دانشگاه پکن، بیمارستان مردم اثر پوسیدگی فاصله کمتری دارد. بهداشت زنان و کودکان شیچنگ و بیمارستان سلامت مادر و کودک فنگتای بیمارستان های تخصصی محلی هستند. میانگین αاین دو بیمارستان بزرگتر از بیمارستان های عمومی قبلی است که نشان می دهد بیماران این بیمارستان ها نسبت به مسافت طی شده حساسیت بیشتری دارند. به طور کلی، دستیاران معمولاً هنگام انتخاب بیمارستان برای خدمات پزشکی، عواملی را در نظر می گیرند. اولین عامل سطح یا نوع بیمارستان است. بیمارستان های کلاس A و عمومی بسیار بهتر از بیمارستان های محلی هستند. دوم فاصله [ 27 ] است. از آنجایی که پول و زمان هزینه دارد، بیمارستان هایی که بسیار دور از خانه هستند ممکن است انتخاب خوبی نباشند. تعامل فضایی بین بیماران و بیمارستان هایی که به دست آوردیم با وضعیت واقعی سازگار است.

4. طبقه بندی بیمارستان ها از دیدگاه تعامل فضایی

ما مشاهده کرده‌ایم که بیمارستان‌های مختلف دارای مناطق خدماتی متفاوت با فواصل سفر بیمار متفاوت هستند. از این رو سعی می کنیم بیمارستان ها را بر اساس منبع مراجعه کننده طبقه بندی کنیم. طبقه بندی بیمارستان های سنتی بر اساس تعدادی معیار است که بر اساس استانداردهای مدیریت طبقه بندی بیمارستان پیشنهاد شده است. با توجه به ماهیت تجارت، بیمارستان ها را می توان به بیمارستان های عمومی و بیمارستان های تخصصی تقسیم کرد. بسته به تخصص آنها، بیمارستان ها را می توان به بیمارستان های گوش و حلق و بینی (گوش، حلق و بینی) و بیمارستان های سرطان تقسیم کرد. بر اساس ماهیت صنعت، بیمارستان ها را می توان به بیمارستان های آموزشی، بیمارستان های شرکتی و بیمارستان های نظامی تقسیم کرد. با توجه به اهداف خدماتی خود، بیمارستان ها را می توان به بیمارستان های سالمندان، بیمارستان های اطفال، و بیمارستان های زنان و کودکان و غیره. در مقایسه با طبقه بندی سنتی بیمارستان ها، طبقه بندی بیمارستان ما بر اساس قدرت تعامل فضایی بین بیماران و بیمارستان ها است و بر تحرک انسان تمرکز دارد. از این روش می توان برای طبقه بندی بیمارستان ها استفاده کرد، زیرا تعامل فضایی بین بیمارستان ها و بیماران می تواند منعکس کننده ویژگی های بیمارستان باشد و به راحتی از داده های تاکسی به دست می آید.

4.1. روش شناسی و نتایج

در این بخش، ما از یک روش خوشه‌بندی k-means، یک روش خوشه‌بندی تقسیم‌بندی بر اساس تقسیم‌بندی، برای خوشه‌بندی بیمارستان‌ها بر اساس ویژگی‌های توزیع بیمار، که از بخش 2.3 به‌دست آمده‌اند، استفاده کردیم . مزیت اصلی این الگوریتم خوشه بندی سریع و آسان بودن الگوریتم و مناسب برای داده کاوی در مقیاس بزرگ است. بنابراین، روش خوشه‌بندی k-means را برای خوشه‌بندی بیمارستان‌ها در دسته k انتخاب کردیم . فرآیند خاص الگوریتم به شرح زیر است:

با فرض اینکه همه مشاهدات به کلاس k تقسیم می شوند.
انتخاب k مرکز خوشه اولیه.
تخصیص مشاهدات به نزدیکترین مراکز شناسایی شده؛
محاسبه مراکز خوشه جدید بر اساس مشاهدات اختصاص داده شده در 3 و تکرار 2-3 بار تا زمانی که تابع معیار به همگرایی برسد.

به طور کلی، یک تابع معیار با یک خطای مربع داده می شود

جی سی = \sum i = 1 ک \sum x\in_سی من | x - پ من | 2

(1)

که در آن x نشان دهنده مشاهدات و $p_{i}$ میانگین مشاهدات در خوشه است $c_{i}$ .

در فرآیند خوشه‌بندی، ما از لگاریتم قدرت برهمکنش فضایی در هر سلول استفاده کردیم تا تغییرات در مقادیر کلی برهمکنش مشاهده‌شده را کاهش دهیم و در نتیجه طبقه‌بندی بهتری داشته باشیم. با مقایسه نتایج طبقه‌بندی تحت مقادیر k مختلف، متوجه شدیم که وقتی تعداد انواع بیمارستان‌ها 5 بود، تابع معیار با یک نتیجه طبقه‌بندی معقول‌تر به حداقل خود رسید.

نتیجه طبقه بندی در شکل 8 نشان داده شده است . می بینیم که اکثر بیمارستان های تخصصی در یک طبقه، بیمارستان های نظامی در طبقه ای دیگر و بیمارستان های دانشگاهی در طبقه سوم قرار گرفتند. نتایج طبقه بندی خاص در جدول 1 نشان داده شده است .

4.2. تجزیه و تحلیل ویژگی های توزیع بیمار برای هر نوع بیمارستان

ما توزیع احتمال هر نوع بیمارستان را ترسیم کردیم ( شکل 9 ). همانطور که در شکل مشاهده می شود، توزیع بیمار برای هر نوع بیمارستان نیز روند پوسیدگی فاصله را نشان می دهد، اما نرخ کاهش متفاوت است. به طور مشابه، ما از توابع نمایی برای برازش این توزیع‌ها استفاده کردیم و شاخص تضعیف را برای بررسی رابطه بین توزیع بیمار در هر نوع بیمارستان و فاصله محاسبه کردیم. ترکیب توزیع بیمار و میزان پوسیدگی فاصله

α

، انواع بیمارستان ها را تجزیه و تحلیل کردیم. طبقه اول بیمارستان های تخصصی هستند و توزیع کاهش فاصله قابل توجهی را با توان 0.33 نشان می دهد. طبقه دوم، بیمارستان‌های نظامی کلاس A با اقتدار بالا هستند که هر روز تعداد زیادی از افراد را با نرخ تضعیف کمتر (α = 0.28) جذب می‌کنند. طبقه سوم، بیمارستان های دانشگاهی مانند بیمارستان های نظامی است و ویزیت بیماران با مسافت به کندی کاهش می یابد. طبقه چهارم، بیمارستان‌های عمومی هستند: در مقایسه با بیمارستان‌های تخصصی، توان منحنی а بزرگ‌تر است، که نشان می‌دهد ویزیت بیماران بیشتر تحت تأثیر فاصله قرار می‌گیرد. این طبقه شامل بسیاری از بیمارستان‌های عمومی شهری کوچک است که به مردم نزدیک خدمات می‌دهند، مانند بیمارستان شماره 6 پکن. کلاس آخر انواع بیمارستان ها را مخلوط می کند و شاخص تضعیف آن بسیار شبیه به آن چیزی است که از همه بیمارستان ها به دست می آید.

5. بحث و نتیجه گیری

ویژگی های تاسیسات عمومی مورد توجه برنامه ریزان شهری و منطقه ای بوده است. مطالعات موجود که ویژگی‌های تأسیسات عمومی را بررسی می‌کنند، عمدتاً بر اساس داده‌های ایستا هستند. این مطالعه با هدف بررسی ویژگی های تاسیسات عمومی از منظر تعامل فضایی انجام شد. با استفاده از بارگیری و تحویل گرفتن از مجموعه داده های بزرگ تاکسی، ما یک روش طبقه بندی بدون نظارت را برای مطالعه 78 بیمارستان واقع در شش منطقه در پکن به کار بردیم. ما بیمارستان‌های منطقه مورد مطالعه را به 5 نوع طبقه‌بندی کردیم و ویژگی‌های توزیع بیمار و مناطق خدماتی بیمارستان‌ها را بررسی کردیم. یافته های ما شامل دو جنبه به شرح زیر است. اول، مناطق اصلی خدمات پزشکی همه بیمارستان ها در مناطق Haidian، Chaoyang، Dongcheng و Xicheng متمرکز شده اند. جایی که جمعیت و بیمارستان ها متراکم هستند. در همین حال، توزیع بیمار در همه بیمارستان‌ها اثر فروپاشی فاصله را به دنبال توزیع نمایی نشان می‌دهد. دوم، توزیع بیمار با نوع بیمارستان مرتبط است. در این میان توزیع بیماران در بیمارستان‌های دانشگاهی سطح بالا و بیمارستان‌های نظامی کمتر تحت تأثیر کاهش فاصله است، اما بیمارستان‌های تخصصی و بیمارستان‌های عمومی شهری حساسیت بیشتری نسبت به فاصله دارند. در خاتمه، مسافت سفر نقش مهمی در انتخاب بیمارستان برای کمک پزشکی دارد، اما زمانی که افراد از یک بیماری جدی مانند سرطان رنج می‌برند، معمولاً بیمارستان‌هایی با کیفیت بالا را انتخاب می‌کنند و حساسیت کمتری به مسافت سفر دارند. به دنبال توزیع نمایی دوم، توزیع بیمار با نوع بیمارستان مرتبط است. در این میان توزیع بیماران در بیمارستان‌های دانشگاهی سطح بالا و بیمارستان‌های نظامی کمتر تحت تأثیر کاهش فاصله است، اما بیمارستان‌های تخصصی و بیمارستان‌های عمومی شهری حساسیت بیشتری نسبت به فاصله دارند. در خاتمه، مسافت سفر نقش مهمی در انتخاب بیمارستان برای کمک پزشکی دارد، اما زمانی که افراد از یک بیماری جدی مانند سرطان رنج می‌برند، معمولاً بیمارستان‌هایی با کیفیت بالا را انتخاب می‌کنند و حساسیت کمتری به مسافت سفر دارند. به دنبال توزیع نمایی دوم، توزیع بیمار با نوع بیمارستان مرتبط است. در این میان توزیع بیماران در بیمارستان‌های دانشگاهی سطح بالا و بیمارستان‌های نظامی کمتر تحت تأثیر کاهش فاصله است، اما بیمارستان‌های تخصصی و بیمارستان‌های عمومی شهری حساسیت بیشتری نسبت به فاصله دارند. در خاتمه، مسافت سفر نقش مهمی در انتخاب بیمارستان برای کمک پزشکی دارد، اما زمانی که افراد از یک بیماری جدی مانند سرطان رنج می‌برند، معمولاً بیمارستان‌هایی با کیفیت بالا را انتخاب می‌کنند و حساسیت کمتری به مسافت سفر دارند. اما بیمارستان های تخصصی و بیمارستان های عمومی شهری نسبت به مسافت حساس تر هستند. در خاتمه، مسافت سفر نقش مهمی در انتخاب بیمارستان برای کمک پزشکی دارد، اما زمانی که افراد از یک بیماری جدی مانند سرطان رنج می‌برند، معمولاً بیمارستان‌هایی با کیفیت بالا را انتخاب می‌کنند و حساسیت کمتری به مسافت سفر دارند. اما بیمارستان های تخصصی و بیمارستان های عمومی شهری نسبت به مسافت حساس تر هستند. در خاتمه، مسافت سفر نقش مهمی در انتخاب بیمارستان برای کمک پزشکی دارد، اما زمانی که افراد از یک بیماری جدی مانند سرطان رنج می‌برند، معمولاً بیمارستان‌هایی با کیفیت بالا را انتخاب می‌کنند و حساسیت کمتری به مسافت سفر دارند.

در مقایسه با داده‌های استاتیک، داده‌های تاکسی که ما در این مطالعه استفاده کردیم حاوی داده‌های ردیابی فردی بزرگ است که به ما امکان می‌دهد الگوهای تحرک بیمار و تعامل فضایی با بیمارستان‌ها را مطالعه کنیم. روش طبقه‌بندی که ما در مطالعه خود استفاده کردیم، شباهت بین بیمارستان‌ها را از منظر تعامل فضایی بررسی کرد، که منعکس‌کننده یک دیدگاه تحلیلی از پایین به بالا است. ویژگی های یک بیمارستان را می توان با در نظر گرفتن تعامل آن با بیماران بهتر درک کرد. به این معنا که طبقه‌بندی بیمارستان‌ها در مطالعه ما عمدتاً بر فعالیت‌های انسانی متکی است که می‌تواند مفهوم حس اجتماعی را منعکس کند، توزیع مکانی-زمانی، پیوند و فرآیند پدیده‌های اجتماعی-اقتصادی را از ویژگی‌های رفتار فضایی انسان که از طریق استخراج شده است را آشکار کند. داده های جغرافیایی بزرگ فضایی [ 12]. مطالعه ما بینش های مهمی را برای سیاست گذاران ارائه می دهد تا تنظیمات فضایی فعلی بیمارستان ها را به منظور ارائه خدمات پزشکی در دسترس و در عین حال کمک به کاهش فشار ترافیک ناشی از بازدیدهای بیمارستانی انجام دهند. علاوه بر این، شاخص‌های فروپاشی فاصله در تعاملات بیمار-بیمارستان می‌تواند برای مطالعه دسترسی به مراقبت‌های بهداشتی استفاده شود.

مطالعات ما با محدودیت هایی روبروست. داده‌های تاکسی می‌تواند تنها بخشی از همه بیماران را پوشش دهد، زیرا برخی از بیماران ممکن است با ماشین یا وسایل حمل‌ونقل عمومی به بیمارستان‌ها بروند، در حالی که برخی دیگر که بسیار نزدیک به بیمارستان‌ها زندگی می‌کنند، احتمالاً پیاده می‌روند. در نتیجه، این مقاله تنها ویژگی‌های سفر تاکسی را بررسی می‌کند و یافته‌های تحقیق ممکن است به کل جمعیت قابل تعمیم نباشد. علاوه بر این، ما PUPها و DOPها را به طور جداگانه تجزیه و تحلیل نکردیم و تأثیر تراکم جمعیت بر توزیع فضایی بیمار را در نظر نگرفتیم. علاوه بر این، استفاده از توزیع بیمار برای تعیین شرایط ترافیک اطراف ممکن است ناکافی باشد. در آینده، ما داده های بیشتری مانند سوابق کارت حمل و نقل عمومی را برای درک بهتر توزیع فضایی بیماران درج خواهیم کرد. ما همچنین PUPها و DOPها را به طور جداگانه تجزیه و تحلیل خواهیم کرد و تراکم جمعیت را در تحقیقات آینده خود در نظر خواهیم گرفت. در نهایت، ما ویژگی‌های توزیع بیمار و اطلاعات ترافیک جاده‌ای را برای ارزیابی مناطقی که در آن ازدحام عمدتاً ناشی از بازدید از بیمارستان است، ترکیب می‌کنیم و پیشنهادهای سازنده برای برنامه‌ریزان شهری برای ایجاد راه‌حل‌های موثر ممکن ارائه می‌کنیم.

منابع

لو، دبلیو. وانگ، اف. اندازه گیری دسترسی فضایی به مراقبت های بهداشتی در یک محیط GIS: سنتز و مطالعه موردی در منطقه شیکاگو. محیط زیست طرح. B طرح. دس 2003 ، 30 ، 865-884. [ Google Scholar ] [ CrossRef ]
وانگ، اف. وی، ال. ارزیابی عوامل فضایی و غیرمکانی برای دسترسی به مراقبت های بهداشتی: به سوی یک رویکرد یکپارچه برای تعریف مناطق کمبود حرفه ای سلامت. Health Place 2005 ، 11 ، 131-146. [ Google Scholar ] [ CrossRef ] [ PubMed ]
تسو، KW; آویزان، YT; Chang، YL یک معیار یکپارچه مبتنی بر دسترسی از برابری فضایی نسبی در امکانات عمومی شهری. شهرها 2005 ، 22 ، 424-435. [ Google Scholar ] [ CrossRef ]
آهنگ، ز. چن، دبلیو. ژانگ، جی. Zhang, L. دسترسی فضایی به امکانات خدمات عمومی و رویکردهای اندازه گیری آن. Prog. Geogr. 2010 ، 29 ، 1217-1224. [ Google Scholar ]
گیتلسون، ا. پاو، NR تغییرات منطقه کوچک در ارائه مراقبت های بهداشتی در مریلند. سرویس سلامت Res. 1995 ، 30 ، 295-317. [ Google Scholar ] [ PubMed ]
گوالیاردو، MF; جابلونسکی، کالیفرنیا؛ جوزف، جی جی. گودمن، دی سی آیا بستری شدن کودکان در بیمارستان جغرافیای منحصر به فردی دارد؟ سرویس بهداشتی BMC Res. 2004 ، 4 ، 137-140. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
کلاوس، جی. استاب، ال. ویدمر، ام. Busato، A. مناطق خدمات بیمارستانی – ابزار جدیدی برای برنامه ریزی مراقبت های بهداشتی در سوئیس. سرویس بهداشتی BMC Res. 2005 ، 5 ، 1-15. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
جیا، پی. Xierali، IM; وانگ، اف. ارزیابی و تعیین مجدد مناطق خدمات بیمارستانی در فلوریدا. Appl. Geogr. 2014 ، 60 ، 248-253. [ Google Scholar ] [ CrossRef ]
تالن، ای. Anselin، L. ارزیابی برابری فضایی: ارزیابی معیارهای دسترسی به زمین های بازی عمومی. محیط زیست طرح. A 1998 , 30 , 595-613. [ Google Scholar ] [ CrossRef ]
چانگ، اچ اس. لیائو، CH بررسی یک روش یکپارچه برای اندازه‌گیری برابری فضایی نسبی در تأسیسات عمومی در بافت پارک‌های شهری. شهرها 2011 ، 28 ، 361-371. [ Google Scholar ] [ CrossRef ]
طالعی، م. اسلیوزاس، آر. فلک، جی. چارچوبی یکپارچه برای ارزیابی برابری امکانات عمومی شهری با استفاده از تحلیل چند معیاره فضایی. شهرها 2014 ، 40 ، 56-69. [ Google Scholar ] [ CrossRef ]
لیو، ی. لیو، ایکس. گائو، اس. گونگ، ال. کانگ، سی. ژی، ی. چی، جی. شی، ال. حس اجتماعی: رویکردی جدید برای درک محیط های اجتماعی-اقتصادی ما. ان دانشیار صبح. Geogr. 2015 ، 105 ، 512-530. [ Google Scholar ] [ CrossRef ]
لیو، ی. سویی، ز. کانگ، سی. گائو، ی. کشف الگوهای سفر بین شهری و تعامل فضایی از داده های ورود به شبکه های اجتماعی. PLoS ONE 2014 ، 9 ، e86026. [ Google Scholar ] [ CrossRef ] [ PubMed ]
راتی، سی. سوبولفسکی، اس. کالابرس، اف. ریدز، جی. مارتینو، ام. کلاکستون، آر. استروگاتز، SH ترسیم مجدد نقشه بریتانیا از شبکه ای از تعاملات انسانی. PLoS ONE 2010 ، 5 ، e14248. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
راث، سی. کانگ، اس ام. باتی، م. Barthélemy, M. ساختار جنبش های شهری: فعالیت چند مرکزی و جریان های سلسله مراتبی درهم تنیده. PLoS ONE 2011 ، 6 ، e15923. [ Google Scholar ] [ CrossRef ] [ PubMed ]
لیو، ایکس. کانگ، سی. گونگ، ال. لیو، ی. ترکیب الگوهای تعامل فضایی در طبقه بندی و درک کاربری زمین شهری. بین المللی جی. جئوگر. Inf. علمی 2016 ، 30 ، 334-350. [ Google Scholar ] [ CrossRef ]
کمیسیون توسعه و اصلاحات شهرداری پکن در دسترس آنلاین: http://www.bjpc.gov.cn/zmhd/hdft/201603/t9986424.htm (در 9 سپتامبر 2016 قابل دسترسی است).
گونگ، ال. لیو، ایکس. وو، ال. لیو، ی. استنباط اهداف سفر و کشف الگوهای سفر از داده‌های مسیر تاکسی. کارتوگر. Geogr. Inf. علمی 2016 ، 43 ، 103-114. [ Google Scholar ] [ CrossRef ]
Ritsema van Eck، JR; de Jong, T. تجزیه و تحلیل دسترسی و اثرات رقابت فضایی در زمینه برنامه ریزی مکان خدمات با پشتیبانی GIS. محاسبه کنید. محیط زیست سیستم شهری 1999 ، 23 ، 75-89. [ Google Scholar ] [ CrossRef ]
وانگ، YF; Zhang، C. GIS و تجزیه و تحلیل منطقه خدمات مبتنی بر چند ضلعی گرانشی تسهیلات عمومی: مطالعه موردی بیمارستان‌ها در منطقه جدید پودونگ. اقتصاد Geogr. 2005 ، 25 ، 800-803. [ Google Scholar ]
وو، ZF; چای، YW; دانگ، آر. گونگ، جی اچ. گائو، اس. یو، ی. لی، دی. لیو، ال. لیو، XJ; لیو، ی. و همکاران تعامل جغرافیا با کلان داده: گفتگو و تأمل Geogr. Res. 2015 ، 34 ، 2207-2221. [ Google Scholar ]
Tobler, WR یک فیلم کامپیوتری شبیه سازی رشد شهری در منطقه دیترویت. اقتصاد Geogr. 1970 ، 46 ، 234-240. [ Google Scholar ] [ CrossRef ]
میلر، قانون اول و تحلیل فضایی HJ Tobler. ان دانشیار صبح. Geogr. 2004 ، 94 ، 284-289. [ Google Scholar ] [ CrossRef ]
لیانگ، ایکس. ژنگ، ایکس. Lv، W. زو، تی. Xu، K. مقیاس حرکت انسان توسط تاکسی ها به صورت تصاعدی است. فیزیک A 2012 , 391 , 2135-2144. [ Google Scholar ] [ CrossRef ]
کانگ، سی. ما، ایکس. تانگ، دی. لیو، ی. الگوهای تحرک انسانی درون شهری: دیدگاه مورفولوژی شهری. فیزیک A 2012 ، 391 ، 1702-1717. [ Google Scholar ] [ CrossRef ]
وانگ، اف. اندازه‌گیری، بهینه‌سازی و تأثیر دسترسی به مراقبت‌های بهداشتی: یک بررسی روش‌شناختی. ان دانشیار صبح. Geogr. 2012 ، 102 ، 1104-1112. [ Google Scholar ] [ CrossRef ] [ PubMed ]
زو، ز. کائو، ز. Zeng، DD تجزیه و تحلیل الگوی تحرک بیماران HFMD پکن در طول جستجوی درمان. در مجموعه مقالات کنفرانس بین المللی سلامت هوشمند، پکن، چین، 3 تا 4 اوت 2013.

شکل 1. منطقه مطالعه در پکن، که با یک مستطیل سبز نشان داده شده است.

شکل 2. توزیع فضایی بیمارستان ها در منطقه مورد مطالعه.

شکل 3. درصد PUPها و DOPها در مناطق بافر با فواصل مختلف.

شکل 4. مناطق کلی خدمات بیمارستانی.

شکل 5. مناطق خدمات بیمارستانی. ( الف ) اولین بیمارستان وابسته به بیمارستان عمومی PLA (بیمارستان شماره 304). ( ب ) بیمارستان عمومی نیروی هوایی؛ ( ج ) بیمارستان سوم دانشگاه پکن. ( د ) بیمارستان مردمی دانشگاه پکن؛ ( ه ) بیمارستان زنان و کودکان شیچنگ؛ ( f ) بیمارستان بهداشت مادر و کودک Fengtai.

شکل 6. نمایه تابع پوسیدگی فاصله کلیه بازدیدهای بیمارستانی.

شکل 7. توزیع فاصله از بیمارستان های معمولی. ( الف ) اولین بیمارستان وابسته به بیمارستان عمومی PLA (بیمارستان شماره 304). ( ب ) بیمارستان عمومی نیروی هوایی؛ ( ج ) بیمارستان سوم دانشگاه پکن. ( د ) بیمارستان مردمی دانشگاه پکن؛ ( ه ) سلامت زنان و کودکان Xicheng. ( f ) بیمارستان بهداشت مادر و کودک Fengtai.

شکل 8. نتیجه طبقه بندی 78 بیمارستان.

شکل 9. توزیع فاصله مرتبط با هر طبقه از بیمارستان. ( الف – ث ) خوشه های بیمارستان ها را به طور جداگانه نشان می دهد.

جدول 1. نتایج طبقه بندی بیمارستان ها.

© 2017 توسط نویسندگان. دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC BY) ( http://creativecommons.org/licenses/by/4.0/ ) توزیع شده است

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب