摘要：为进一步整合开放医疗数据和社会其他资源，本文提出了一套数据利用方案。以无锡市局部路网为原型，构建了一基于互联网+医疗的用户终端应用模型。该模型包括路径寻优与数据分析，本模型将交通数据应用于智慧医疗终端，采用Dijkstra最优路径算法与多层级TOPSIS归一化法评价方案为患者规划最优就诊医院与相应路径。该模型能实现医院就诊数据的拟合分析，为用户择日就医提供参考。本文据此搭建了智慧医疗终端仿真系统。

关键词：智慧医疗终端；数据利用；TOPSIS评价模型；Dijkstra最优路径算法

一、引言

大城市路况复杂、道路相对拥挤，综合性诊疗医院、专科医院相对集中，诸多外地患者前来就诊，使得医院人流量过大并对医院周边交通产生影响。对于患者而言，时间就是生命，在遭遇交通事故或家中突发意外的情况下，及时就医显得尤为重要。

路径选择为本系统一重要组成部分，国内外文献对其研究已相当成熟。日本在1973年推出CACS项目，开发了基于RF射频通信的车载动态路径诱导系统，该系统可减少13%的行程时间。美国推出两个典型的自治型路径诱导系统TravTek和Advance，为车辆进行动态路径选择。德国在80年代开发了基于红外信标通信的LISB系统和AutoGuide系统，而后英国推出了世界上第一个商用车载路径诱导系统Tramc Master[1]。同时，还有Eck等人以GIS技术为分析手段，进行了基于可达性的药店区位选择问题研究[2]。

吴建军等以河南省兰考县为例，分析了农村医疗设施空间可达性[3]。熊娟等以可达性为基础，对湖北省松滋市医疗服务均等化进行了分析[4]。张莉等以江苏省仪征市为例，开发了基于时间最短的路径选择信息系统，对医院的可达性进行了评价[5]。

以上研究仅从交通角度考虑了道路可达性，而本文所提出的基于互联网+的智慧医疗终端应用模型在道路可达性的基础上，结合互联网开放数据，将交通数据与医疗数据结合利用，引入医院人流量等医院内部因素及病人病情需求等因素，构建了基于多指标评价的目标选择与对应路径规划的模型。在互联网的支持下，该系统可为百姓提供更加快捷、舒适的医疗辅助服务，并在一定程度上引导医疗资源的合理分配，大量数据同时也为政府管理部门高效决策提供指导性建议[6]。

二、智慧医疗终端应用模型的建立

（一）模型总体设计

在互联网+时代，可获取城市道路路况信息、今后可获取城市各医院（医疗机构）实时门诊在院人数、各医院各科室实时等候人数、各医院专家门诊周预约量等就诊信息。现基于以上数据构建一个应用模型。本文以此方案开发一仿真系统，实现患者就诊信息化、快速化、舒适化[7]。整体方案框图如下：

图1 模型总体框图

（二）路网结构与医院设置

1.以无锡市滨湖区、北塘区、崇安区、南长区部分路段为原型，构建城市路网。路网配置不同等级的道路，分别为城市快速路和普通城市道路。根据道路交通安全法规，模型中设定汽车在城市快速路的行驶平均速度为40km/h，在普通城市道路的平均速度为28km/h。

2.城市中道路可能出现拥堵，且拥堵概率以市中心为原点向四周辐射降低，一旦发生拥堵，该模型算法自动选择绕行该路段。

3.选取四家医院作为本系统设置的医院点，如下图框中所示，分别赋予虚拟等级无锡市人民医院（三星级）、无锡101医院（二星级）、太湖街道卫生服务中心（一星级）、滨湖雪浪社区卫生服务中心（一星级）。

图2 无锡市部分路网数据

（三）建立最优路径评价模型

对于给定的四所医院，最终得分由三部分加权组成。分别为路程用时得分、医院实时拥挤程度得分、医院等级得分。单项分数越高，表示患者越倾向于选择该医院。该模型主要包含最短路径问题与评价问题。其中路程用时得分、医院实时拥挤程度两项得分采用TOPSIS法进行分析计算。

TOPSIS法是系统工程中有限方案多目标决策分析常用的一种决策方法。它从归一化的原始数据中找出有限方案中的最优方案和最劣方案，然后通过评价对象与最优方案和最劣方案之间的距离，求出评价对象与最优方案和最劣方案的相对接近程度，作为综合评价的依据。该法具有计算简便、结果合理、应用灵活的特点[8]。

1.路程用时得分

由于通行耗时，路程量可转化为时间量，即最短路程对应于最短时间。在该模型中，将所有路段距离表达为邻接矩阵A，A（i,j）表示路段ij的长度，若无路段连通，则设为无穷。最优路径计算采用Dijkstra单源最短路径算法，即利用邻接矩阵计算。求解两指定顶点u0和v0之间最短路的Dijkstra算法，下为该算法流程图。Dijkstar算法结束时，从u0到v0的最短距离由L(v0)给出，且其中d（u0,v0）表示两点间的距离[9]。

图3  Dijkstra算法流程图

而不同的道路等级对应于不同的平均车速，将速度的变化转化为路程变化以便于修改距离矩阵（仿真系统设计中予以介绍），城市普通道路通行耗时为城市快速路的倍，故，依此更新距离矩阵，在实际计算路程耗时得分时使用更新后的矩阵进行计算，而计算路程值时仍使用原邻接矩阵。

在城市道路中加入拥挤因素、道路等级等因素后形成新的邻接输入矩阵。通过最短路径算法可分别求得到四个医院的最短距离。因在评分时，需保证评分尺度的一致性，即首先求解所有医院的最短距离，再以四个最短距离为比较对象，进行“优中选优”。设四个最短距离分别为

需对距离进行TOPSIS归一化处理，有如下公式：

该值位于[0,1]之间，因约定分数越高，该路径越优，则

而当时，得分为0。将该得分修正为

通过该公式计算得分，既不会出现0分，又可具有良好的区分度。

2.医院拥挤度得分

实时门诊在院人数=医院当天已挂号人数-门诊就诊完成人数。

门诊在院人数越多，往往意味着挂号、检查、治疗等候时间越长，本文用实时门诊在院人数近似为就诊时需要排队等候时长的度量尺度。而将门诊在院人数与医院饱和人数的比值表示该医院实时拥挤程度。

各医院人流量拥挤度公式表示为：

rate值为介于0与1之间的数，采用TOPSIS归一化后拥挤度得分公式为：

3.医院等级得分

由于上述两项得分均大致分布于30-100分之间，故为表现“等尺度性”，设定三星级、二星级、一星级医院得分如下表2所示：

表1 各医院星级与等级得分对应表

4.路线得分的计算公式

考虑到每位患者的需求不同，故该系统在路径规划中设定了系统推荐最优、通行耗时最短、医院等级最优、医院排队等候最短优先四个路径规划偏好。其中路程的长短对应于路途耗时，人流量的饱和度对应于拥挤程度，而医院的不同星级对应于医院等级得分。最后按一定权重进行加权平均得到最终得分，反推其最优路径方案，求解最优方案的行驶距离与耗时。

5.医院实时统计数据

该模型中假定可获取各医院门诊实时在院人数（在院人数=今日已挂号数-就诊已完成人数）、各科室实时等候人数、上周预约量TOP5、各医院周人流量。以上各条数据均可实现数据的可视化。而专家门诊周预约量可能是呈现周期性变化，故对该数据进行三次多项式拟合，呈现人流量趋势图，可对未来人流量进行预测。

拟合曲线采用三次曲线最小二乘法，由于三次曲线最多有两个极值点，其变化趋势能满足一周七天中的变化趋势描述。其计算原理为：假设三次函数曲线为

通过最小二乘算法找到向量a，使得曲线上的点到真实值的点的距离平方和最小。

三、系统仿真设计

1.医院与道路仿真

（1）结合图2，分析构建路网结构，并标注出每段路的长度，以便于计算最短距离。仿真系统中，构建一城市与v、b、w、x四家医院（下文均以节点号代替），分别对应图4中蓝色标注四点，其他节点均为交叉道口。假定除医院外的节点均可作为用户出发地，如图4所示。

图4 路网结构与医院位置（含路段长度）示意图

假设v-m所在地区为城市中心。依据城市中心以及附近主干道可能出现拥堵的情况，设定部分路段分别以不同概率出现拥堵。通过随机数函数生成一个0~1之间的随机数，设为x，通过判断x所属区间范围（该区间长度即为该路段发生拥堵的概率）来确定为某一路段拥堵。如：x为0.3~0.35时路段kl发生拥堵，而x=0.31，则可确定为kl路段拥堵。

（2）道路等级设置：系统按照一定的道路级配设定城市快速路与普通城市道路，将hb、li、ic、mv、jd、rs、sx路段设定为普通城市道路（包括乡村道路和主城区旧路），上述七条路段平均行驶速度设为28km/h，其余路段设为40km/h。

2.医院拥挤度仿真实现

在该系统中采用随机生成人流量的方法，首先需确定各医院人流量的基数与饱和人流量，由于是比值问题，在加权时仅考虑得分，故此处忽略过饱和情况。

按照不同的医院等级对四家医院分配如表2所示的人数基数和饱和人数：

表2 各医院人流量的基数与饱和人流量

系统采用模拟实时监控人流量的方式，于MATLAB中设定一个定时器，通过随机函数产生一个基于基数变化的值，从而达到仿真的效果。模拟人流量公式：

模拟人流量公式

定时器每触发一次，人流量进行一次更新。

3.路线综合得分仿真实现

系统在路径规划中设定了系统推荐最优、通行耗时最短、医院等级最优、医院排队等候最短优先四个路径规划偏好，此处需考虑生成四组不同的权重，以满足不同用户的需求。

现将权重分配如下：

表3 不同偏好下距离、医院等级和拥挤度的权值分配表

4.各医院统计数据仿真实现

仍采用上文拥挤度数据模拟方法，对不同等级的医院设定人流量基础值与变化范围，因篇幅限制，此处仅列出不同医院周人流量数据的基数值。

表4  各医院周人流量数据的基数值

医院流量统计数据仿真效果图如下：

图5 人流量、预约量统计效果图

四、模型评价与仿真测试

该智慧医疗终端应用模型首次将获得的路况数据、医院实时人流量、医院等级等因素综合考虑，结合使用者的偏好和TOPSIS评价模型，求解出从当前地点出发就医的最佳医院和到达该医院的最佳路径。在系统中，加入了不同等级公路对行车速度的影响，再将车速的影响折算成距离的变化。系统在筛选医院时，会根据患者的偏好给不同的路径影响因素分配不同的权重。同时，系统还加入了医院的实时人流量的分析，方便患者选择合适额度时间段就医，以减少排队等候的时间。综上所述，该系统综合考虑了就医路上和到达医院后可能出现的情况，具有良好的可行性。

仿真系统运行流程图如下：

图6 仿真系统运行流程图

（1）单次实验记录

图7 仿真系统运行图

如上图所示，当以q为起点，并选择系统推荐时，系统根据设定的算法给出最佳医院为无锡市人民医院（v），其最佳路径为q-l-m-v，最短距离为13.34km。此距离相对其余三个医院（b医院：15.49km，w医院：15.54km，x医院：18.02km）最小，而且v医院是唯一一个三星级医院。确定医院和路径之后系统将自动在地图上用绿色线条标注出该路径[10]。

（2）多次实验记录

测试总得分分值分布：对a、p、q三个起点分别以不同的路径规划偏好进行实验并记录每次每个医院得分和最优医院编号。选取系统推荐最优的得分值记录如下：

表5  系统推荐最优选项的各医院得分值

而对于不同的路径规划偏好，选择最佳医院结果如下：

表6 不同偏好下系统推荐最佳医院结果

五、结论

本文提出的智慧医疗终端应用模型，以路况数据、医院实时人流量、医院等级基础数据，将人流量、路程耗时通过TOPSIS评价方法进行归一化，使得分具有尺度一致性。综合耗时、医院拥挤度、医院等级三项得分，将用户路径规划偏好转换为三项得分权重，计算总得分，从而得到当前地点出发就医的最佳医院并规划最佳路径，用户就医出行更加便捷化。在仿真系统中，直接采用无锡市路网结构，引入不同等级公路对行车耗时的影响，根据真实道路状况分配不同的随机概率产生拥堵路段并绕行，根据不同等级医院以随机数方式在一定范围内动态生成医院人流量，该仿真具有现实价值。同时在模型中加入相关医院历史数据并对其进行函数拟合，以得到数据变化趋势。

上述仿真结果可见，单次实验结果路径规划合理，符合一般用户需求。多次实验记录中（如表5所示），用户处于a点，采用模型评价方案为四所医院打分结果分别为69.63、91.75、65.67、46.33，不同医院间得分距离合理，分数呈阶梯分布、具有较强的区分度。当用户分别处于a,p,q三点处时，由地图可见推荐医院均符合用户需求。不同出发点的三组数据中四所医院得分数据标准差为18.63、13.73、14.66，其离散程度接近，即每次执行评价算法时打分一致，模型鲁棒性强。当选择医院拥挤度低优先时，系统均会推荐w医院（即社区医院），该方案可为大医院分流病情较轻又亟待处理的急症患者，从而促进医疗资源的合理配置、促进分级诊疗落实实施。结合地图与软件计算结果，可确定该地区（无锡城区）的医疗覆盖情况。

参考文献

[1]夏立民.交通系统中最优路径选择算法的研究[D].首都师范大学, 2007.

[2] Van Eck J R, De Jong T. Accessibility analysis and spatial competition effects in the context of GIS-supported service location planning. Computers, Environment and Urban System, 1999, 23(2): 75-89.

[3]吴建军,孔云峰,李斌.基于GIS的农村医疗设施空间可达性分析:以河南省兰考县为例.人文地理, 2008, 23(5): 3742.

[4]熊娟,罗静,彭菁,等.基于可达性的县域医疗服务均等化分析:以湖北省松慈市为例.人文地理, 2012, 27(5): 2529.

[5]张莉,陆玉麒,赵元正.医院可达性评价与规划——以江苏省仪征市为例[J].人文地理, 2008(2):60-66.

[6]徐所凤,乔雅莉,杨斌,等.大数据时代下的智慧医疗建设探讨[J].医学信息, 2015(15):1-1.

[7]常朝娣,陈敏.大数据时代医疗健康数据治理方法研究[J].中国数字医学, 2016, 11(9):2-5.

[8]程莉玲,曹健.加权TOPSIS法在医院综合评价中的应用[J].中国医院统计, 2006, 13(1):17-19.

[9]鲍培明.距离寻优中Dijkstra算法的优化[J].计算机研究与发展, 2001, 38(3):307-311.

[10]周心明,兰赛,徐燕.图像处理中几种边缘检测算法的比较[J].现代电力, 2000, 17(3):65-69.