从这里开始就是正文。
急救需求预测(与横滨市立大学共同研究)
为了应对逐年增加的急救需求,消防局和横滨市立大学正在就将来的急救需求预测进行共同研究。
最终更新日2024年1月24日
概要
2017年度以对急救出场件数进行建模,计算预测值为目标进行了研究。关于那个成果,在市长例行记者招待会上发表,被汇总在记者发表资料中。
消防局×横滨市大数据科学预测了急救需求~2030年救护车的出场件数是~(PDF:554KB)
使用的数据
在建模时使用的数据如下所示。
过去的急救出场记录(2002年至2016年)
觉知年月日时
这是将过去的急救出场记录(2002年到2016年)按觉知年月时间统计的数据。
关于数据的各个项目
- 觉知年......横滨市消防局觉知救护车的请求之年(公元4位)
- 觉知月...横滨市消防局意识到救护车的请求的月份(1~12)
- 觉知日・・・横滨市消防局觉知救护车的请求之日(1~31)
- 觉知时...横滨市消防局意识到救护车的请求时(0~23)
- 伤病者数・・不仅仅是运送的人,也包括因为某种理由最终没有搬运的人。
※未输入数据时为“未输入”。
居住区分
这是将过去的急救出场记录(2002年到2016年)按居住分类统计的数据。
关于数据的各个项目
- 觉知年......横滨市消防局觉知救护车的请求之年(公元4位)
- 觉知月...横滨市消防局意识到救护车的请求的月份(1~12)
- 区分居住...伤病者地址(市内、市外、外国、其他)
- 市内......住在横滨市内的伤病者
- 市外......住在横滨市外(日本国内)的伤病者
- 外国......住在日本国外的伤病者
- 其他......住所不定、住址不明等,地址无法判明的伤病者
- 伤病者数・・不仅仅是运送的人,也包括因为某种理由最终没有搬运的人。
※未输入数据时为“未输入”。
出场所行政区
这是根据出场场所行政区统计的过去的急救出场记录(2002年到2016年)的数据。
关于数据的各个项目
- 觉知年......横滨市消防局觉知救护车的请求之年(公元4位)
- 觉知月...横滨市消防局意识到救护车的请求的月份(1~12)
- 出场场所行政区...18行政区(鹤见区、神奈川区、西区、中区、南区、港南区、保土谷区、旭区、矶子区、金泽区、港北区、绿区、青叶区、都筑区、户冢区、荣区、泉区、濑谷区)以及市外
- 伤病者数・・不仅仅是运送的人,也包括因为某种理由最终没有搬运的人。
※未输入数据时为“未输入”。
事故类别×年龄区分
过去的急救出场记录(2002年至2016年)是根据事故类别及年龄区分统计的数据。
关于数据的各个项目
- 觉知年......横滨市消防局觉知救护车的请求之年(公元4位)
- 觉知月...横滨市消防局意识到救护车的请求的月份(1~12)
- 事故类别......发生急救请求的理由(急病、一般受伤、交通事故)
- 急病......因疾病引起的急救业务
- 一般受伤...不属于火灾、自然灾害、水难、劳动灾害、运动竞技、加害、自损行为等的意外事故
- 交通事故......交通机关相互或与行人相撞、接触造成的事故
- 年龄区分・・伤病者的年龄区分(高龄者、成人、少年以下)
- 老年人......65岁以上
- 成人......18岁以上未满64岁
- 少年以下...17岁以下
- 伤病者数・・不仅仅是运送的人,也包括因为某种理由最终没有搬运的人。
※未输入数据时为“未输入”。
急救适当利用相关的宣传费
从横滨市消防局急救企划课的宣传费中,提取了关于急救适当利用的预算额,是每年度的数据。
横滨市急救电话咨询的利用率
横滨市急救电话咨询是从2016年开始的服务,由于数据还很少,所以固定在2016年的使用率(市内人口比)3.07%。
流入人口
使用横滨市统计书的“第2章人口5年龄(各岁・5岁阶级)、行政区、男女分开人口”,得到了市内人口的数据。
同样使用横滨市统计书中的“第2章人口19上下班、上学人口的行政区分状况(1)昼夜人口、流出人口及人口密度”,在2030年之前流入人口没有大变动的假设下,制作了基础数据。
横滨市未来人口推算|横滨市
气象数据|气象厅
从气象厅(外部网站)公开的过去的气象数据(外部网站)中,使用了2016年中每个日期和时间的气象数据。
外国人住宿人数
从横滨市文化观光局公开的新闻报告中,取得了2010~2015年外国人住宿人数。
该数据和“支撑明日日本的观光愿景构想会议”上日本政府发表的入境目标值(外部网站)到2030年的外国人住宿人数进行推算,作为外国居住者横滨市急救需求预测的基础数据。
国民休息日|日本政府
除了周六、周日之外,国民的节日(外部网站)定为“休息日”,除此之外的日子是工作日。
预测模型
按以下分类计算了每日的件数(件数/日)以及每小时的件数(件数/点)。
- 居住区分
- 居住区分(每小时)
- 行政区
- 年龄区分和事故类别的交叉分类
最佳模型的探索是使用上述要求的次数/天作为响应变量、主要原因候补作为说明变量进行的。也就是说,把y作为一个数/天(响应变量)的矢量,X作为主要原因候补(说明变量)的计划矩阵时,将下列模型应用到数据中。
y=Xβ+ε,但是,ε~Nn(0,ρ2P)
在这里,ε是平均矢量0,共分散矩阵ρNF(P是相关矩阵)的n次元正分布Nn的误差矢量,n是分析对象天数(标本数)。误差项假定自我回归(AR)结构,模型选择基于AIC进行。另外,件数/点的模型中,在件数/天选择的模型中,使用了追加了觉知时(虚拟变数)和人口动态相关的变量和觉知时的交替作用的模型。
根据上述步骤得到的各模型的系数参数β的估计值如下。
按住房分类模式
按居住区分模式(按觉知时间段)
行政区分模型
年龄区分事故类别模型
预测结果
通过探索获得的最佳模型,给解释变量提供未来一年的估计值,计算了2017-2030年的件数/日和件数/时的预测值。
根据伤病者的居住分类,每年预测一天的平均急救出场次数的结果
根据伤病者的居住分类,每年预测一天的平均急救出场次数的结果。
关于数据的各个项目
•觉知年......横滨市消防局觉知救护车请求的年(公元4位)
•市内居住者一天的平均急救出场次数(预测值)
•对市外居住者一天的平均急救出场次数(预测值)
•对国外居住者一天的平均急救出场次数(预测值)
每一年预测一天的平均急救出场次数的结果
这是每一个觉知时每年平均急救出场次数的结果。
关于数据的各个项目
- 觉知年......横滨市消防局觉知救护车请求的年(公元4位)
- 觉知时...横滨市消防局觉知救护车的请求时(0~23)
- 市内居住者一天的平均急救出场次数(预测值)
- 对市外居住者一天的平均急救出场次数(预测值)
- 对国外居住者一天的平均急救出场次数(预测值)
根据出场地点行政区每年平均急救出场次数的结果
这是根据每个出场地行政区每年预测一天的平均急救出场次数的结果。
关于数据的各个项目
- 觉知年......横滨市消防局觉知救护车请求的年(公元4位)
- 鹤见区一日平均出场次数(预测值)
- 神奈川区一日平均出场次数(预测值)
- 西区一日平均出场次数(预测值)
- 中区一日平均出场次数(预测值)
- 南区一日平均出场次数(预测值)
- 港南区一日平均出场次数(预测值)
- 保土谷区一日平均出场次数(预测值)
- 旭区一日平均出场次数(预测值)
- 矶子区一日平均出场次数(预测值)
- 金泽区一日平均出场次数(预测值)
- 港北区一日平均出场次数(预测值)
- 绿区一日平均出场次数(预测值)
- 青叶区一日平均出场次数(预测值)
- 都筑区一日平均出场次数(预测值)
- 户冢区一日平均出场次数(预测值)
- 荣区一日平均出场次数(预测值)
- 泉区一日平均出场次数(预测值)
- 濑谷区一日平均出场次数(预测值)
- 外出一日平均出场次数(预测值)
根据年龄区分和事故类别,每年预测一天的平均伤病者数的结果
根据年龄区分和事故类别,每年预测一天的平均伤病者数的结果。
关于数据的各个项目
- 觉知年......横滨市消防局觉知救护车请求的年(公元4位)
- 每日平均伤病者数:少年以下急病(预测值)
- 每日平均伤病者数:少年以下一般受伤(预测值)
- 每日平均伤病者数:少年以下的交通事故(预测值)
- 每日平均伤病者数:成人急病(预测值)
- 每日平均伤病者数:成人一般受伤(预测值)
- 每日平均伤病者数:成人交通事故(预测值)
- 每日平均伤病者数:老年人急病(预测值)
- 每日平均伤病者数:老年人一般受伤(预测值)
- 每日平均伤病者数:老年人的交通事故(预测值)
要打开PDF格式的文件,需要另外的PDF阅读器。
没有带的人可以从Adobe公司免费下载。
下载Adobe Acrobat Reader DC
页面ID:660-888-267