一、引 言

近年来，旅游目的地各类灾难事件数量呈快速上升的势头，自然灾害已成为制约我国旅游业可持续发展的重要因素之一^[1]。自然灾害所引起的旅游安全救援已经越来越受到关注，新颁布的《旅游法》也设立专章全方位规范了旅游安全问题。然而我国对旅游安全救援的研究尚处于起步阶段，研究内容多为旅游救援的基础框架、本质或原理，以及灾后恢复研究^{[2, 3, 4, 5]}，尚缺少旅游医疗救援的研究及相关实证分析。本文基于旅游灾害和紧急医疗救援体系，对旅游医疗救援的概念进行了界定，即游客及相关人员在旅游过程中遇到突发性自然灾害，为了尽可能减少人员伤亡，医疗机构对救援对象快速提供医疗急救服务，由此有效减少损失，降低对旅游地形象和客源市场的影响；并依据《旅游突发公共事件总体应急预案》中“属地救护、就近处置”的原则，构建旅游救援定位线路模型，合理定位出救点，得到快速、安全、高效的旅游医疗救援路径。

(1) 路段行程时间

突发自然灾害情况下，旅游医疗救援需要解决的最根本问题就是如何及时将受害游客撤离受灾地区，送往实施救治的医院，从而达到减少游客伤亡的目的。因此，救援的关键因素是应急点和救援点之间的路段行程时间，可通过GIS网络分析计算起讫点(OD)路段行程时间，以确保应急救援车辆的快速性^[6]。

(2) 交通网络通达性

道路网络作为城市的基础设施，其空间通达性的优良与否决定着旅游医疗救援中物质流、能量流和信息流的通畅程度。因此，可通过空间句法模型，把城市实体路网空间相互联系抽象为连接图，从而表达路网通达性^[7]。本文采用路链(road stroke)来取代应用于小规模空间连接的轴线，以道路的自然形态单元、应用感知组织一种自动组织、探测地图上各种要素的可视化系统，对符合拓扑规则的路段构建路链^[8]。进而，从路链的局部集成度来表征某个空间与距其几步内的拓扑联系紧密程度，公式如下

点击浏览公式

自然灾害不仅对公路本身造成破损，而且易导致路网中部分道路的拥挤程度出现不稳定，这种功能性破坏延长了路段的行程时间。通过层次分析(AHP)的指标权重法，式(2)得到自然灾害危险度综合评价指数的分级结果，进而得到影响救援通行能力的修正系数，公式分别为

点击浏览公式

点击浏览公式

此外，还需考虑旅游医疗救援医院的容纳能力，把旅游医疗救援医院的床位数量作为旅游医疗救援点定位的约束条件。

旅游医疗救援路径选择模型是集定位、资源配给和路线选择于一体的定位和运输路线安排模型(tourism rescue location-routing problem，TR-LRP)，用来确保旅游医疗救援路径的时效性和可靠性。式(4)反映了救援的时效性目标；可靠性则以自然灾害危险性影响下的路网通达性最大化为目标，以连乘积形式表示串联路段关系，再以对数取负得到路网可靠性指标(4-2)；合理调度医疗救援资源，降低出救点数Y_j，是模型的资源集约性目标。公式分别为

点击浏览公式

点击浏览公式

点击浏览公式

模型的约束条件为

点击浏览公式

依据医院救护车救护病人的最佳时间，车辆到达时间应小于应急救援时限(T′=20 min)的要求，见式(7)；可供救援的床位数量H_j大于等于景区事发点所需的数量X_i，见式(8)；保证所需床位数量H_j和应急救援医院点Y_j的一致性，见式(9)；判定出救点Y_j是否参与救援，见式(10)。

3. 模型解算步骤

TR-LRP模型作为多目标模型，在求解过程中存在NP(非确定性多项式)问题，可通过信息熵求得各目标功效系数法把多目标函数转换成单目标函数，并采用基于粒子群算法的近似算法进行求解^[9]：

1) 确定粒子群算法参数：粒子个数K、迭代次数L、各个群体认知系数c₁和c₂、惯性系数ω。

2) 随机产生一个初始粒子，判断粒子是否满足约束条件，若不满足就调用修正函数，对粒子进行调整，使其满足模型中的各个约束条件；计算每个粒子的适应度值。

3) 计算初始粒子的适应度值，从中选出全局最优粒子。

4) 根据公式不断优化更新粒子，同时将更新后的粒子分量组成合法粒子。

5) 如此循环直至到达最大循环次数则输出全局最优解退出，否则返回步骤2)重新计算每个粒子适应值。

由此确定出救点，进一步基于城市拓扑路网集，使用ArcGIS中的网络分析确定救援行驶的最优路径。

成都位于四川盆地西部的岷江中游地段，自然景观丰富，历史悠久，文化底蕴深厚，旅游业成为了成都国民经济发展的支柱性产业。然而，成都多受自然灾害的影响，一旦发生自然灾害事件，不仅对旅游产业造成严重破坏，而且会影响整体国民经济的健康发展，因而做好旅游医疗救援定位和路径确定是有效执行实施旅游安全救援必不可少的步骤。

(1) 旅游景区和医疗救援点数据

成都共有56个2A级以上景区(如图 1所示)，人文景观主要积聚在市区，周边市域松散分布着自然景观。与旅游医疗救援有关的非营利性综合医院则有170家，呈现出中心城区凝聚性分布的特征。除定位旅游景区点和应急救援医院的地理位置外，还可从成都旅游局政务网、成都日报等官方新闻报道中挖掘有关自然灾害影响下各景区受灾游客数量情况；从成都卫生信息网获取救援医院的等级、床位数量等信息。

图 1 成都旅游景区和医疗救援点分布

图选项

(2) 交通网路通达性

应用众源地理数据获取OSM(open street map，http://www.openstreetmap.org/)中的成都市道路数据，对原始非标准化数据通过拓扑检查进行质量控制，构建成都路网数据集，并存储源要素的连通性、行驶限速、单行限制等属性。由此将拓扑路网数据集用于计算应急点和救援点之间的路段行程时间；并依据式(1)，由Axwoman^[10]软件计算基于路链的局部集成度LI_i，从而表征成都市路网拓扑松散或紧密的程度，对通达性进行分析(如图 2所示)。

图 2 成都市交通路网通达性

图选项

(3) 自然灾害危险性影响下救援通行能力修正系数

基于多层次自然灾害危险度评价指标体系(见表 1)，分别从《中国地震动峰值加速度区划图》、美国地质勘探局(USGS)地震数据库、2010年四川省地质环境监测数据、《四川省洪涝灾害图》《四川省旱灾图》获取相应指标的数据。输入这些数据，由yaahp软件进行层次分析法计算自然灾害危险度评价指标的权重，即地震0.412，泥石流0.161，滑坡0.208，洪涝0.127，干旱0.092。据式(2)应用栅格计算器进行加权因子叠置，得到自然灾害危险度综合评价指数，如图 3所示。再由式(3)把自然灾害危险性转换为穿越自然灾害危险区域的路段通行能力修正系数。

图 3 成都市自然灾害危险性分级

图选项

导入上述数据，由信息熵计算得到3个目标函数的功效系数，即时效性0.67，可靠性0.21，资源集约性0.12，进而把多目标函数转换成单目标函数。将群体规模K设定为100，惯性权重系数ω在[0.4,0.9]区间内，则采用线性递减权值策略，各个群体认知系数c₁=c₂=1.4。由此运用粒子群算法进行TS-LRP模型的优化求解，得到结果，见表 2。表明粒子群算法对于TP-LRP模型能快速收敛，且能得到稳定性好的最优解。鉴于旅游医疗救援的关键为救援的时效性和安全可靠性，以1800次迭代的稳定结果为TS-LRP模型求取成都市旅游医院救援的最优解，从170家备选的综合医院中确定41家为56个旅游景区提供旅游医疗救援服务。

(1) 空间布局优化

纵观这41家旅游医疗救援点在各区县的分布(见表 3)。成都市主城区内应急救援资源充足；而青白江区和锦江区的旅游景区偏离城区中心，较难得到本区应急医疗救援中心的有效支撑，青白江区客家杏花村旅游景区需要依托龙泉驿区第二人民医院的救援；周边的都江堰市在汶川地震后，医疗应急资源得到了补充，因而旅游资源与医疗应急资源空间分布的合理性，使得旅游应急医疗救援中心在保证应急救援供应充足的同时能尽量少占用出救点调度资源；但其他县区如邛崃市、蒲江县、大邑县、双流县的医疗资源在县市中心积聚化，不便于处于县市边缘的旅游景区应急救援。

(2) 行驶路径优化

由于受到路网通达性和自然灾害危险性对救援通行能力的影响，救援车辆出行路径问题不能仅用最短路径，而是在最优路径求解中融入这两个因素。基于拓扑路网数据集，由ArcGIS网络路径分析功能模块规划城市路网下的从旅游景区到应急救援医院救援行驶路径，如图 4所示。

图 4 成都市旅游医疗救援路径

图选项

从上述结果分析中可知，在医疗资源充足的市中心区域，其旅游医疗救援点定位配给方面更具有选择性；而市郊地区的旅游景区与医疗应急资源配置分布不均，不利于救援的医疗响应。尤其对于天台山旅游景区、西岭雪山景区之类的山岳型景区而言，由于受复杂山岳型地貌及自然灾害因素的影响，其旅游医疗救援的艰难程度比一般地区更为复杂；且山岳型景区往往偏离县市医疗资源聚集区，很难得到紧急医疗救援中心的有效支撑。因此，景区的旅游医疗救援不仅需要有合理的医疗资源配置，同时还需要加强对救援的医疗响应、救援的卫生评估、景区管理与医疗救援容量联动信息获取，以及对于山岳型景区旅游救援需求预测等问题综合研究。

本文根据旅游医疗救援路径选择的实际需求，在考虑救援资源定位—配给—路径的基础上，引入路段行程时间、交通网络通达性和自然灾害危险性对于路段通行能力的影响等因素，提出了旅游医疗救援定位和运输路线安排模型，保障了旅游医疗救援过程中对路径决策的安全性、实时性及快速性等要求。应用GIS空间分析技术和优化算法分析成都市旅游医疗救援路径选择，以实际旅游景区(点)、医疗救援点和道路路网数据得到分析结果，为旅游医疗救援提供了决策支持；并对成都市域内山岳型景区旅游医疗救援存在的问题进行了探讨，这也将是下一步研究的重点。