Suite

Restriction de l'accès routier par type de véhicule dans ArcGIS Network Analyst

Restriction de l'accès routier par type de véhicule dans ArcGIS Network Analyst


Existe-t-il un moyen de restreindre l'accès routier par type de véhicule ? Certaines routes restreignent les camions, certaines routes ont des restrictions de hauteur/poids et certaines routes sont restreintes par le type de plaque d'immatriculation (par exemple, commerciale, personnelle, etc.).

Je suis habitué à restreindre l'accès routier en fonction de la hauteur et du poids des véhicules, mais comment ajouter des attributs dans le jeu de données réseau pour restreindre l'accès routier par type de véhicule (par exemple, camions) et type de plaque d'immatriculation (par exemple, commerciale) ?

Est-il possible d'y parvenir avec l'extension Network Analyst ?


Pour ce faire, consultez la section sur Affectation de valeurs aux restrictions dans la page Network Analyst sur Types d'évaluateurs utilisés par un réseau :

Chaque attribut défini dans le réseau doit avoir des valeurs pour chaque source participant au réseau. Un évaluateur attribue des valeurs à l'attribut de chaque source… Dans ArcGIS, l'évaluateur de terrain attribue des valeurs à un attribut de réseau à partir d'un champ d'une source de réseau. En outre, ArcGIS propose d'autres types d'évaluateurs pouvant être utilisés, par exemple, des évaluateurs de constante, d'expression de champ, de fonction et de script.

Les attributs de restriction ont un type de données booléen. Puisqu'un élément source peut utiliser ou ignorer la restriction associée, il peut se voir attribuer une valeur constante d'Utiliser la restriction ou Ignorer la restriction.

Alternativement, des attributs de restriction peuvent être dérivés à l'aide de l'évaluateur de fonction pour comparer un autre attribut à une valeur de paramètre. Par exemple, un attribut qui modélise les restrictions de hauteur de véhicule peut utiliser l'évaluateur de fonction pour comparer la limite de hauteur d'une route à la hauteur réelle du véhicule stockée dans un paramètre d'attribut. Lorsque l'expression est évaluée à true, la restriction est utilisée sur la route ; lorsque l'expression est évaluée à false, la restriction est ignorée. L'exception à cette règle est que chaque fois que l'un des opérandes (MaxHeight ou Vehicle Height) a une valeur de zéro, l'expression est toujours évaluée à false.


Virages à bords multiples

Un simple mouvement de rotation entre deux bords connectés à une jonction est appelé virage à deux bords. L'extension ArcGIS Network Analyst prend en charge la modélisation des virages à plusieurs arêtes. Un virage à plusieurs tronçons est un mouvement d'un élément de tronçon de réseau à un autre à travers une séquence d'éléments de bord intermédiaires connectés. Ces arêtes intermédiaires sont appelées arêtes intérieures d'un virage. Dans un réseau routier, les bords intérieurs d'un virage sont généralement les éléments de bord qui représentent l'intérieur d'une intersection de routes divisées.

L'exemple ci-dessus illustre un virage à gauche à plusieurs arêtes à une intersection de deux routes divisées. Les arêtes c et d représentent les arêtes intérieures du virage, tandis que les arêtes f et i représentent les arêtes extérieures.


Fonctionnement d'ArcGIS Network Analyst

Sélectionnez l'extension Network Analyst

Choisissez les bons outils pour les besoins de votre organisation parmi une vaste sélection d'outils de routage avancés.

Résoudre des problèmes de routage complexes

Créez des modèles intelligents et utilisez des itinéraires spécifiques à chaque cas. Un ensemble complet de règles métier aide les utilisateurs à modéliser des scénarios de transport réels.

Partagez vos résultats

Partagez et communiquez facilement des plans au sein de votre organisation au sein des flux de travail existants pour améliorer la prise de décision et augmenter l'efficacité opérationnelle.


Lignes

Cela stocke les zones de service résultantes sous forme d'entités linéaires et couvre les rues, ou les limites du réseau, qui peuvent être atteintes dans le temps, la distance ou toute autre limite de coût de déplacement donnée. Les lignes sont une représentation plus fidèle d'une zone de desserte que les polygones, car les analyses de zone de desserte sont basées sur des mesures le long des lignes du réseau.

Ce type de données prend en charge les champs suivants :

Valeur ObjectID de l'entité d'installation en entrée utilisée pour générer les lignes de zone de desserte. Ce champ est souvent utilisé pour joindre des informations provenant des fonctions d'entrée.

Chaque ligne de zone de desserte traverse une entité d'une classe d'entités source du réseau, une classe d'entités utilisée pour créer le jeu de données réseau sur lequel l'analyse de la zone de desserte est effectuée. Ce champ contient le nom de la classe d'entités arête source à partir de laquelle la ligne a été générée.

L'ObjectID de l'entité de rue traversée. Résumer les valeurs de ce champ peut fournir des informations utiles telles que le nombre de fois qu'une caractéristique de rue particulière est incluse dans les installations.

Spécifie où le long de l'entité source sous-jacente commence la ligne de zone de desserte.

  • Une valeur de 0 (zéro) indique que la ligne de zone de desserte commence au point de départ de l'entité source sous-jacente.
  • Une valeur de 1 indique que la ligne de zone de desserte commence au point de destination de l'entité source.
  • Une valeur comprise entre 0 et 1 indique que la ligne commence à un point le long de l'entité source sous-jacente, par exemple, une valeur de 0,25 signifie que la ligne commence à 25 % le long de la direction numérisée de l'entité source sous-jacente.

Spécifie où le long de l'entité source sous-jacente la ligne de zone de desserte se termine.

  • Une valeur de 0 (zéro) indique que la ligne de zone de desserte se termine au point de départ de l'entité source sous-jacente.
  • Une valeur de 1 indique que la ligne de zone de desserte se termine au point de destination de l'entité source.
  • Une valeur comprise entre 0 et 1 indique que la ligne se termine à un point le long de l'entité source sous-jacente, par exemple, une valeur de 0,25 signifie que la ligne se termine à 25 % le long de la direction numérisée de l'entité source sous-jacente.

Ce champ contient le coût cumulé, en minutes, du trajet entre l'installation et le début de l'entité linéaire. Le coût de la jonction adjacente au début de la ligne est inclus dans cette valeur.

Un champ supplémentaire, FromCumul_[TimeUnits] , est inclus si la propriété timeUnits de l'objet d'analyse n'est pas définie sur TimeUnits.Minutes . Les valeurs de champ sont dans les unités spécifiées par la propriété timeUnits.

Des champs supplémentaires, FromCumul_[AccumulateAttributeName]_[TimeUnits] , sont inclus pour chaque attribut de coût basé sur le temps qui est accumulé pendant l'analyse.

Ce champ contient le coût cumulé, en minutes, du trajet de l'installation à la fin de l'entité linéaire. Le coût de la jonction adjacente à la fin de la ligne est exclu de cette valeur.

Un champ supplémentaire, ToCumul_[TimeUnits] , est inclus si la propriété timeUnits de l'objet d'analyse n'est pas définie sur TimeUnits.Minutes . Les valeurs de champ sont dans les unités spécifiées par la propriété timeUnits.

Des champs supplémentaires, ToCumul_[AccumulateAttributeName]_[TimeUnits] , sont inclus pour chaque attribut de coût basé sur le temps qui est accumulé pendant l'analyse.

Ce champ contient le coût cumulé, en miles, du trajet entre l'installation et le début de l'entité linéaire. Le coût de la jonction adjacente au début de la ligne est inclus dans cette valeur.

Un champ supplémentaire, FromCumul_[DistanceUnits] , est inclus si la propriété distanceUnits de l'objet d'analyse n'est pas définie sur DistanceUnits.Miles ou DistanceUnits.Kilometers . Les valeurs de champ sont dans les unités spécifiées par la propriété distanceUnits.

Des champs supplémentaires, FromCumul_[AccumulateAttributeName]_[DistanceUnits] , sont inclus pour chaque attribut de coût basé sur la distance qui est accumulé pendant l'analyse.

Ce champ contient le coût cumulé, en miles, du trajet entre l'installation et la fin de l'entité linéaire. Le coût de la jonction adjacente à la fin de la ligne est exclu de cette valeur.

Un champ supplémentaire, ToCumul_[DistanceUnits] , est inclus si la propriété distanceUnits de l'objet d'analyse n'est pas définie sur DistanceUnits.Miles ou DistanceUnits.Kilometers . Les valeurs de champ sont dans les unités spécifiées par la propriété distanceUnits.

Des champs supplémentaires, ToCumul_[AccumulateAttributeName]_[DistanceUnits] , sont inclus pour chaque attribut de coût basé sur la distance qui est accumulé pendant l'analyse.

Ce champ est analogue au champ FromCumul_Miles, sauf que les valeurs du champ sont en kilomètres au lieu de miles.

Ce champ est analogue au champ ToCumul_Miles, sauf que les valeurs du champ sont en kilomètres au lieu de miles.

Ce champ contient le coût cumulé, en unités inconnues, du trajet entre l'installation et le début de l'entité linéaire. Le coût de la jonction adjacente au début de la ligne est inclus dans cette valeur.

Ce champ n'est inclus que lorsque le mode de déplacement utilisé pour l'analyse a un attribut d'impédance qui n'est ni basé sur le temps ni sur la distance.

Des champs supplémentaires, FromCumul_[AccumulateAttributeName]_Other , sont inclus pour chaque attribut de coût qui n'est ni basé sur le temps ni basé sur la distance et accumulé pendant l'analyse.

Ce champ contient le coût cumulé, en unités inconnues, du trajet de l'installation à la fin de l'entité linéaire. Le coût de la jonction adjacente à la fin de la ligne est exclu de cette valeur.

Ce champ n'est inclus que lorsque le mode de déplacement utilisé pour l'analyse a un attribut d'impédance qui n'est ni basé sur le temps ni sur la distance.

Des champs supplémentaires, ToCumul_[AccumulateAttributeName]_Other , sont inclus pour chaque attribut de coût qui n'est ni basé sur le temps ni sur la distance et accumulé pendant l'analyse.


Influences des routes forestières sur les schémas spatiaux des incendies de forêt causés par l'homme et la foudre

Il est essentiel de comprendre les schémas spatiaux des allumages et de la taille des incendies pour comprendre les régimes d'incendie. Bien que des études antérieures aient documenté des associations d'allumages d'incendie d'origine humaine avec des corridors routiers, moins d'attention a été accordée à la compréhension des multiples influences des routes sur le régime des incendies à une échelle plus large du paysage. Par conséquent, nous avons examiné la différence entre les incendies causés par la foudre et l'homme par rapport aux couloirs de routes forestières et à d'autres facteurs anthropiques et biophysiques dans l'est des Cascades de l'État de Washington. Nous avons utilisé des systèmes d'information géographique et des modèles de régression logistique cas-témoins pour évaluer l'importance relative de ces variables explicatives qui influencent les emplacements des éclairs par rapport aux allumages d'origine humaine.

Nous avons constaté que les incendies d'origine humaine étaient concentrés à proximité des routes, dans les zones à forte densité routière et à proximité de l'interface forêt-urbain (WUI). En revanche, les allumages causés par la foudre étaient concentrés dans les zones à faible densité de routes, loin des WUI et dans les zones à faible densité de population. Les inflammations causées par la foudre étaient également associées aux combustibles et aux facteurs climatiques et topographiques. Une relation faible mais significative entre les incendies causés par la foudre et la proximité des routes en gravier peut être liée aux carburants à proximité des routes ou à un biais dans la détection et la déclaration des incendies causés par la foudre à proximité des routes. Bien que la plupart des petits incendies se soient produits dans des zones routières, ils ne représentaient qu'une faible proportion de la superficie totale brûlée. En revanche, les grands incendies dans les zones sans route et les zones sauvages représentaient la majeure partie de la superficie brûlée. Ainsi, du point de vue de la superficie totale brûlée, l'effet des routes forestières sur la limitation de la taille des incendies est probablement plus important que l'impact des routes sur l'augmentation des incendies. Les résultats de notre étude suggèrent que les routes et leur zone d'effet de bordure devraient être plus largement reconnues comme un type unique d'effet paysager dans la recherche et la gestion des incendies.

Points forts

► Nous avons comparé les incendies causés par l'homme et la foudre avec les effets de différents types de routes. ► Les inflammations d'origine humaine étaient concentrées près des routes. ► Les allumages causés par la foudre étaient concentrés dans les zones à faible densité de routes. ► Les incendies sont plus petits dans les zones routières et sont plus importants dans les zones sans route et sauvages. ► Les routes forestières et leurs effets de bordure influencent l'allumage et la taille des incendies.


5 Étude de cas : déterminer le trajet énergétique minimal à l'aide des valeurs de dépense énergétique spécifiques aux véhicules électriques

La consommation d'énergie spécifique aux véhicules électriques pour différentes conditions topographiques et de circulation a été déterminée à la section 4.2. Cette section visualisera le choix d'itinéraire en minimisant la consommation d'énergie pour un trajet donné sur un réseau routier réel. Deux étapes sont nécessaires pour cette visualisation. Tout d'abord, tous les itinéraires d'un réseau routier se sont vu attribuer une valeur de coût énergétique VE, en fonction de leur topographie et pour différents niveaux de trafic qui indiquent la consommation d'énergie EV de la conduite sur les routes du réseau. Deuxièmement, l'algorithme de recherche de graphes de Dijkstra [ 25 ] a été utilisé pour trouver le chemin avec le coût le plus bas (c'est-à-dire le chemin minimisant la consommation d'énergie) pour un trajet donné. Le tableau 4 montre les éléments d'entrée pour cette étude de cas qui seront détaillés dans les sections suivantes.

Composant d'entrée La description
Ensemble de données SIG du réseau de transport intégré (ITN) d'enquête sur les munitions numérisation du réseau routier britannique et contient des informations sur la classe de route (une route, etc.) et le type de route (voie unique, etc.)
Jeu de données SIG PANORAMA ensemble de données fournit des informations d'altitude à travers le Royaume-Uni
département des transports manuel COBA vitesses moyennes pour le réseau routier sous différents niveaux de capacités, c'est-à-dire capacité 15 (cap 15) indiquant la libre circulation
coût énergétique basé sur les données Switch EV pour circuler sur une route du réseau en fonction de la topographie et du niveau de capacité de cette route (trois niveaux de capacité ont été utilisés pour ce travail, soit plaf 15,60,90) Le coût énergétique pour parcourir 100 m a été déterminé pour différentes pentes et vitesses (en tant qu'indicateur de la capacité du réseau routier ou du niveau de congestion) en utilisant les milliers de données de conduite collectées dans l'essai. Ces valeurs ont ensuite été utilisées pour définir le coût énergétique de la conduite réelle sur des routes avec des pentes et des vitesses moyennes correspondantes (qui correspondraient à un certain niveau de capacité routière)
Extension d'analyste de réseau ArcGis basée sur l'algorithme de recherche de graphes de Dijkstra trouve l'itinéraire le moins coûteux entre un point de départ et d'arrivée choisi

5.1 Modélisation d'un réseau routier

Les informations topographiques ou de qualité des routes de haute précision ne sont actuellement pas largement disponibles [ 19 ]. Cet article développe une topographie simplifiée du réseau routier et un modèle de niveau de capacité. Le réseau routier de base dans ce travail a été créé grâce à la manipulation de l'ensemble de données du système d'information géographique (SIG) de l'Ordnance Survey Integrated Transport Network (ITN) [ 26 ] pour la zone d'étude. L'ensemble de données ITN est une numérisation du réseau routier britannique et contient des informations sur la classe de route (une route, etc.) et le type de route (voie unique, etc.).

5.1.1 Ajout d'informations topographiques au réseau routier

Afin de déterminer la pente d'un segment de route, le réseau routier ITN a été divisé en points de départ et d'arrivée pour chaque segment de route. Ces points ont ensuite reçu des informations d'altitude provenant de l'ensemble de données PANORAMA Land-Form de l'Ordnance Survey. L'ensemble de données Open Source fournit, s'il est téléchargé en tant que modèle numérique de terrain (MNT), une surface raster continue des hauteurs à travers le Royaume-Uni. Les informations d'altitude DTM attribuées aux points de départ et d'arrivée du segment de route, combinées à la longueur entre les points, sont utilisées pour déterminer la pente du segment de route à l'aide de méthodes trigonométriques standard. Il existe une hypothèse inhérente selon laquelle le segment de route reliant ces deux points présente une pente constante sur sa longueur mesurée.

5.1.2 Création de liens bidirectionnels

À l'origine, l'ensemble de données du réseau ne présente la géométrie des liens que dans la direction dans laquelle ils ont été initialement numérisés et c'est, à toutes fins utiles, aléatoire. En utilisant l'identifiant unique dans le jeu de données, pour chaque entité d'origine, la direction de la géométrie numérisée d'origine est appelée direction « A ». Une copie du jeu de données est ensuite créée et la géométrie inversée créant la direction « B ». Cette tâche est essentielle pour que les liaisons bidirectionnelles puissent afficher différentes valeurs d'impédance lors des algorithmes d'analyse de réseau et de routage (c'est-à-dire des pentes différentes selon le sens de déplacement sur cette route).

5.1.3 Attribution de vitesse moyenne à des capacités COBA prédéfinies

En plus de déterminer la pente et la direction du réseau routier afin de visualiser les données EV, il est également nécessaire de préparer les réseaux routiers pour différents niveaux de capacités de trafic. Afin de simuler différents niveaux de congestion, les vitesses moyennes pour différents types de routes à différents niveaux de capacité sont déterminées à partir du manuel COBA. La vitesse des routes qui composent le réseau ITN est variable en termes de limitations de vitesse, mais aussi en termes de variation des vitesses de ces routes en fonction des différents niveaux de capacité du réseau. Les conditions de capacité vont de 15 % de capacité (vitesse d'écoulement essentiellement libre) à 145 % de capacité (congestion sévère). Chaque segment de route dans l'ensemble de données ITN a été affecté à une classification de type de lien COBA créant une recherche entre les descriptions de type de route. Des capacités de 15, 60 et 90% (Cap15, Cap60, Cap90) sont utilisées pour ce travail.

5.2 Choix d'itinéraires minimisant la consommation d'énergie

L'extension Network Analyst d'ArcGis basée sur l'algorithme de recherche de graphes de Dijkstra est utilisée pour déterminer la route d'énergie minimale entre une origine et une destination. Network Analyst est également utilisé pour déterminer la zone du réseau qu'un VE avec un certain niveau de charge pourrait couvrir. La figure 9 est un exemple de recherche d'itinéraire entre une origine et une destination qui minimise la consommation d'énergie. Il montre l'itinéraire représentant la distance la plus courte entre deux points et plusieurs décisions de routage minimisant l'énergie.

L'analyse des décisions de routage prises sous différents niveaux de capacité, et donc de vitesse moyenne du trafic, montre que pour minimiser la dépense d'énergie, la distance minimale de trajet entre les deux points peut changer de manière spectaculaire. Par exemple, lors de l'utilisation du centre-ville de Newcastle et d'Édimbourg comme origine et destination, deux itinéraires distincts sont choisis, l'un utilisant principalement l'A1/A697 et l'autre l'A696. La raison en est que sous des niveaux de capacité différents, les deux routes A réagissent différemment en termes de vitesse moyenne. En combinant ces informations, ainsi que les changements topographiques, l'itinéraire le plus efficace est sélectionné. Par exemple, dans des conditions de libre circulation, l'itinéraire choisi est d'une distance similaire (respectivement 159 et 155 km) à l'itinéraire à 90 % de capacité, cependant, il existe une différence notable dans les chiffres de consommation d'énergie (15,95 et 11,75 kWh) qui pourrait être liés à la conduite à des vitesses élevées énergivores. L'itinéraire le plus court ne prend pas en considération les conditions topographiques et de circulation des routes, il minimise la distance mais pas nécessairement la consommation d'énergie.

La figure 10 est un exemple de recherche de la zone qu'un VE pourrait couvrir dans la limite de coût énergétique du réseau spécifiée. Dans ce travail, la coupure du coût de l'énergie est la quantité de charge sur le véhicule. En d'autres termes, la figure 10 montre jusqu'où le VE pourrait aller d'un point de départ jusqu'à ce qu'il s'épuise pour différents niveaux de capacité du réseau. En comparant la surface couverte d'un véhicule électrique entre les conditions de circulation libre, la congestion et le plafond 60, il est constaté que l'autonomie d'un véhicule électrique est à son minimum dans des conditions de circulation libre où les vitesses moyennes sont les plus élevées avec une consommation d'énergie élevée associée, comme le montre la Fig. 6. Le cap 60 (c'est-à-dire l'état entre la congestion et la libre circulation) présente la plus grande plage et c'est parce que les vitesses moyennes pour cet état du réseau routier sont optimales en termes de consommation d'énergie. Les routes ne sont pas trop encombrées pour avoir des vitesses inférieures à 35 km/h et elles ont un trafic qui pourrait indirectement amener l'utilisateur à conduire à des vitesses moyennes optimales (35 à 70 km/h).


Planification communautaire & Cartographie

En réponse à la pandémie de COVID-19, le bureau de planification est ouvert sur rendez-vous ou d'urgence au grand public. Veuillez appeler à l'avance pour prendre rendez-vous lorsque cela est possible. L'accès est actuellement limité et il peut vous être demandé d'attendre à l'extérieur ou dans votre véhicule jusqu'à ce que quelqu'un soit disponible pour vous aider.

À propos du département

Le département de la planification communautaire du comté de Bradford et les services de cartographie agit en tant qu'agence administrative pour la commission de planification du comté de Bradford sous la direction des commissaires du comté de Bradford. Le département compte actuellement cinq membres du personnel comprenant le directeur de la planification, le planificateur du comté, le coordonnateur des systèmes d'information géographique (SIG), l'analyste de la planification SIG et l'assistant administratif. Le personnel de planification joue un rôle important dans la fourniture de services de développement communautaire et de planification à une multitude de personnes, notamment des développeurs, des propriétaires fonciers, des agences étatiques et régionales, y compris des responsables municipaux locaux du comté de Bradford. Le Ministère fournit ces services en utilisant une grande variété d'outils et de techniques de planification, y compris un programme de systèmes d'information géographique (SIG) très robuste qui abrite une base de données complète de couches cartographiques qui nous permettent d'aider à l'élaboration de plans appropriés, à l'aide à la tâches conformément au code de planification des municipalités de Pennsylvanie.


Analyses et modélisation des interactions entre l'utilisation des terres urbaines et le réseau routier à l'aide de l'accessibilité désagrégée spatiale à l'utilisation des terres

L'urbanisation rapide dans les pays en développement oblige les autorités à évaluer la durabilité et le développement équilibré des villes urbaines sous plusieurs angles et à recommander des solutions appropriées aux responsables politiques et aux décideurs. Cette étude propose une accessibilité désagrégée spatiale à l'utilisation des terres pour déterminer les facteurs d'influence et les indicateurs clés qui permettent une catégorisation complète des subdivisions des villes du point de vue de l'utilisation des terres urbaines et du réseau de transport routier. Une méthodologie générale basée sur un SIG et des logiciels statistiques est adoptée et validée dans l'exemple de la ville de Kandahar, située en Afghanistan. La méthodologie comprend cinq étapes principales 1) une collecte limitée de données primaires et secondaires concernant le réseau routier et l'utilisation des terres, 2) le calcul des pondérations des utilisations des terres urbaines, 3) l'identification des centres critiques d'utilisation des terres du quartier, 4) l'estimation de la matrice des coûts et 4) formuler et modéliser des mesures d'accessibilité. Les significations statistiques et théoriques ont été illustrées dans le résultat. Les mesures d'accessibilité finales ont divisé les subdivisions de la ville de Kandahar (étude de cas) en trois catégories différentes, à savoir, a) les districts municipaux de haut niveau (CBD), b) les districts municipaux de niveau moyen (semi-urbain) et c) les quartiers municipaux. La recherche a intégré des approches qualitatives et quantitatives pour un développement urbain durable et équilibré.


Comment va Esri ?

Esri affirme que son cœur de métier est resté fort et stable tout au long de la pandémie de coronavirus. Cependant, comme de nombreuses organisations, la crise a obligé Esri à changer sa façon de travailler, ce qui, selon elle, l'a conduit à accélérer la transformation numérique et rationalisation de bon nombre de ses processus commerciaux.

Dans un autre mouvement reflétant ces temps uniques, Esri a créé un Équité raciale équipe pour aider ses utilisateurs avec des solutions et des ressources axées sur les inégalités raciales, sociales, économiques et de santé. Esri affirme que cette initiative fournira des configurations technologiques et une assistance technique à ces communautés, et a déjà lancé un nouveau microsite d'équité raciale et un hub SIG d'équité raciale.


Restriction de l'accès routier par type de véhicule dans ArcGIS Network Analyst - Geographic Information Systems

ISSN-p : 2167-7263 ISSN électronique : 2167-7247

Évaluation de l'inaccessibilité géographique aux soins de santé : utilisation de méthodes basées sur un réseau SIG

Sudha Yerramilli 1 , Duber Gomez Fonseca 2

1 Trent Lott Center for Geospatial Technology, CSET, Jackson State University, Jackson, MS, 39204, États-Unis

2 College of Science Engineering and Technology, Jackson State University, Jackson, MS, 39204, États-Unis

Écrire à : Sudha Yerramilli, Trent Lott Center for Geospatial Technology, CSET, Jackson State University, Jackson, MS, 39204, États-Unis.

E-mail:

Copyright © 2014 Éditions scientifiques et universitaires. Tous les droits sont réservés.

Les disparités dans l'accessibilité géographique aux soins de santé peuvent être dues à l'emplacement/à la répartition de la population et aux caractéristiques de l'infrastructure de transport par rapport à l'agencement spatial du système de prestation de soins de santé dans une région. L'accès aux soins de santé est un concept compliqué et dépend largement des caractéristiques de la population ayant besoin de services. Les caractéristiques les plus importantes affectant l'état de santé et les résultats de santé concernent la distance entre les régions géographiques de la population et les établissements de soins de santé et le temps de trajet nécessaire pour atteindre le système de prestation de soins de santé. En raison de la nature rurale du Mississippi et de la répartition inégale des médecins, des disparités géographiques existent dans l'accès aux services de soins primaires, laissant les femmes, les enfants, les personnes âgées et les populations en général dans des régions de soins de santé mal desservies. Le but de la recherche est d'identifier les points chauds de la population vulnérable accablée par l'accessibilité géographique au bon type de services de santé. Cette recherche étudie ces caractéristiques en utilisant des méthodes SIG basées sur le réseau dans dix comtés avec des environnements urbains-ruraux. La méthodologie évalue l'accessibilité géographique de trois types d'établissements de soins de santé critiques : obstétricien/gynécologie (femmes en âge de procréer) pédiatrie (enfants) et centres de traumatologie/brûlures (population générale). Pour examiner, à l'aide des fonctionnalités SIG de l'analyste de réseau, ces installations sont géocodées, des zones de service optimales basées sur le temps de déplacement ont été générées et des couches de données de population vulnérables pertinentes ont été développées. Les résultats ont identifié des points chauds de populations vulnérables résidant en dehors des zones de service optimales, les régions rurales et les femmes enceintes supportant la majeure partie du fardeau de la santé en raison de l'inaccessibilité géographique. Cette méthodologie SIG permet aux administrateurs de la santé et aux décideurs politiques de fournir une vue complète des systèmes de santé d'un point de vue territorial tout en les aidant à prendre des décisions politiques conscientes.

Mots clés: Accessibilité géographique, méthodes basées sur le réseau, soins de santé, SIG