养老大数据平台及其在养老设施规划中的应用研究

卜 德 清 李苏之影 白 思 超

《国务院办公厅关于推进养老服务发展的意见》（国办发〔2019〕5号）中对社区居家养老设施的规划建设提出了明确要求，《北京市养老服务专项规划（2018年—2035年）》（草案）中提出现阶段的主要的目标是完成街道养老照料中心、社区养老服务驿站的规划建设任务，然而关于养老设施规划的可行性强的方法，各地出台的专项规划中并未明确。另一方面，《大数据产业发展规划（2016—2020年）》强调利用大数据技术进行产业创新，将大数据的应用看作是行业引领创新、取得突破的关键。

因此，利用大数据推动社区居家养老服务设施的规划是趋势所在。养老服务大数据平台通过互联网等技术获取了海量复杂多变的老人信息、养老设施信息和养老服务信息，而若能将其中具有空间属性的数据进行应用，结合规划布局技术，可以指导社区居家养老设施的规划布局。文章首先调查研究了养老服务大数据平台的数据机制，并尝试用其获取所需数据，后以石景山区为试点，通过AHP分析、GIS分析等手段对试点的社区居家养老设施进行优化布局，为社区居家养老设施的规划建设提出合理的建议和科学的指导。

近年来发展迅速的养老服务大数据平台在交易过程中收集到了众多与老年人有关的信息，其中不乏庞大的人口数据、服务数据和相应的地理信息，这些地理信息反映了不同区域的老年人及其对养老服务的需求的分布，可为社区养老设施的规划提供依据。因此，文章首先探究了养老大数据平台的作用机制，提出一个养老大数据的通用框架，为后文相关数据在规划方面的应用研究奠定基础。

1.1 国内养老大数据平台发展概述

目前，除港澳台地区以外，我国已有30个省级行政区不同程度地建立起了养老服务平台并呈现不同的发展水平[1]。其中，北京市民政局依托大数据平台形成了北京通—养老助残卡项目和北京通“e个人”等应用，为老人形成便利的养老生活网络[2]；
上海建立的智能养老平台已吸引第三方硬件设备厂商和软件开发商，提供了包括机构养老、社区养老和居家养老在内的全面的智能照护方案[3]；
青岛民政开发的“e养青岛”平台不仅依靠居家养老和机构养老平台为老人提供服务，还连接远程医疗系统满足老人的医疗需求[4]；
广西南宁等西部城市也建立起了养老服务监管平台、机构管理平台和居家养老服务平台[5]。

1.2 养老大数据平台调研

笔者选取了国内三个发达地区的养老服务大数据平台：北京市养老服务大数据平台、苏州市“居家乐”养老服务大数据平台和南京市“智慧南京”养老服务大数据平台，分别深入调查三个平台的作用机制，分析并总结了各个平台的主要构成，绘制各个平台的逻辑框架，并提出一个养老大数据平台的通用框架，作为数据获取的前提。

（1）北京市养老服务大数据平台

北京市民政局委托企业开发了“北京通”养老服务平台，开发了包括北京通“e商户”和北京通“e个人”在内的两大应用，分别供老年人和养老服务商使用。平台利用算法技术在二者之间进行供需的智能分析和匹配，既盘活了资源又做到了资源的优化配置。

平台由第三方进行开发维护，数据主要源于政府的公共服务数据，并形成了多个数据库，成为了北京通服务应用的数据基础。用户应用的过程中也会源源不断地产生新的数据。平台对这些变化中的新数据进行处理分析形成的有价值的结论，一方面可以用来不断优化服务应用，另一方面定期向政府汇报以辅助决策。

平台的架构如图1所示。

图1 北京市北京通养老服务大数据平台框架

（2）苏州市养老服务大数据平台

苏州市姑苏区居家乐养老服务中心（下称“居家乐”）在国内首创了“虚拟养老院”模式。其数据来源主要有：通过街道、民政局采集的社区老人信息；
老人通过养老服务网站、智能健康设备等终端产生的服务交易记录和使用记录；
居家乐运营的养老设施日常产生的服务数据。

数据向上集中到养老服务中心（图2），一方面可以分类存储，形成老人信息、服务需求等数据库；
另一方面经过分析和处理可进一步形成服务应用。例如利用公众号等媒体进行养老信息的发布，结合地图和GPS技术进行服务设施、服务对象的地图显示（图3）。

图2 养老服务中心数据显示大屏

图3 养老对象在线地图显示

居家乐大数据平台（图4）通过养老服务应用、养老设施和机构、智慧养老设备等途径采集数据；
通过养老服务中心整合、协调、分配数据资源；
利用大数据分析、数据可视化等技术挖掘并呈现数据的规律，以实现服务应用。

图4 苏州市居家乐养老服务大数据平台框架

（3）南京市养老服务大数据平台（图5）

图5 南京市智慧南京养老服务大数据平台框架

平台由南京民政局牵头，与民营企业合作开发，由企业提供技术并负责运营。平台形成了多个系统，明确区分了养老服务参与对象的各种职能。平台的架构设计面向政府、养老服务企业和老人三类人群，分为市级综合信息平台、区级虚拟养老院平台、养老服务企业平台和公共服务平台四个层面，均可通过PC端、手机移动端、公共门户网站和微信公众号等方式进行访问。

平台主要分为大数据管理中心、养老数据地理信息系统等十余个系统。其中，养老大数据中心面向三大主体形成了三个主要数据库并将数据横向打通；
养老地理信息系统收集了登记在册的老年人、养老设施、养老服务企业和其他配套设施的地理位置信息，形成了若干个养老服务对象的地理空间数据库。系统还具备位置实时追踪、智能求救定位和养老服务实时分布、派单工况等功能。

1.3 养老大数据平台的基本框架

经过分析，发现这些平台都具备数据采集层、数据处理层、数据应用层和接口访问层，都遵循采集数据—存储数据—处理数据—应用数据这一流程。

在数据采集层，养老大数据平台主要采集老人信息、业务数据和智能监测数据等若干种数据。

在数据处理层，数据经过提取和清洗等预处理操作后，一是存储到数据库中，形成与老年人信息、业务数据等相关的数据库以备将来之用；
二是即时运用大数据分析技术挖掘不同数据之间的联系以辅助决策。

在数据应用层，平台调配资源为用户推出服务，以软件等形式将服务呈现给服务对象。此时平台利用上一阶段数据处理的结果，通过软件应用有针对性地为用户推送服务。

通过接口访问层，平台的使用者得以访问服务应用。

综上总结出养老大数据平台的一个基本框架（图6）。

图6 养老大数据平台基本框架图

在得出了养老大数据平台基本框架后，即可据其建立养老服务大数据平台，以获取老年人和养老服务设施的地理信息数据，或直接与现有平台合作以共享数据。目前，多地制定了社区养老设施的服务半径标准、千人指标下的服务规模标准①—④，据此可以利用从养老大数据平台获取的人口与设施分布数据，形成以人口规模为依据的社区养老设施规划；
此外，也可获取服务需求的位置信息，进行以需求侧指导的规划布局。

将养老大数据应用于规划的流程有：数据采集—数据存储与预处理—数据转换—数据应用。

2.1 数据采集

老年人位置信息、社区居家养老设施位置信息等数据可通过民政局基础数据库获取，老年人不断变化的服务需求数据利用平台的养老服务应用采集。此外，平台还需获得试点片区的基础底图，或链接开放地图的API以获得规划片区的基础地理数据，将上述坐标数据投影在地图上。

2.2 数据存储与预处理

数据库是存储数据的工具，形成后期数据分析、模型建立的基础，按数据类型的不同，分为老年人人口分布空间数据库、社区居家养老设施分布空间数据库和服务需求分布空间数据库，对规划存在影响的其他配套设施也可按照需要设置相应的数据库。一般的空间数据可以存储在例如Oracle、DB2等关系型数据库中，大数据可存储在HDFS支持下的HBase分布式数据库中。此时数据库储存的是较为原始的数据，数据中心存在着很多“噪音”或残缺，在分析前需要经过预处理，筛除异常值、重复值，补充缺漏值。

2.3 数据转换

数据清洗完成后还要对坐标数据进行格式转换、坐标系统一和投影变换等操作。坐标从数据库导出后，往往是小数点的形式，若要在地图上投影出来，需要转换为度分秒格式，这步可先在Excel表格中完成，而后导出CSV格式文件，将其导入诸如Ospider这类矢量地理数据获取与预处理软件，对数据进行坐标系转换操作，将原数据的坐标系与GIS的坐标系相统一后再导入GIS，然后进行数据的应用。

本章以石景山区为例，运用从大数据平台所获数据对社区居家养老设施进行规划布局。

3.1 选址影响因素和设施现状分析

（1）选址影响因素

首先，利用养老大数据平台收集并处理接受服务的老年人的反馈信息，结合专家意见，从养老服务设施选址的重要程度、养老设施的基础功能以及老年人的需求出发，确定养老服务设施规划布局的主要影响因素，例如现有养老设施、医疗卫生服务机构、老年人口数量和人口密度。

（2）现状分析

①人口密度及其空间分布。规划人员利用GIS获取石景山区内部的居住区和小区住房的分布并进行划分，并根据社区养老设施的服务半径对住区栅格化，根据平台获取到的街道老年人口数量推测每个小区的老年人口数，并使老年人口的空间分布和居住建筑的空间分布保持一致，得出石景山区老年人口分布图（图7）。

图7 老年人口分布现状

②设施分布和服务范围分析。根据所规定的社区养老设施服务半径，利用GIS软件中的OD分析，对养老设施服务范围的分析如图8所示。可以看到仍有很多建筑未在服务范围内，说明养老设施总量仍然不足，设施空间分布的合理性有待优化。

图8 社区居家养老设施的覆盖范围

3.2 老年人口预测和设施缺口预测

（1）老年人口预测

利用平台获取的基准年石景山常住人口数据，运用综合增长率、老龄化率等因子对2035年石景山区各街道老年人口进行预测（表1），预测的前提是假设到2035年石景山居住区分布基本不变。

表1 预测数据

（2）设施缺口预测

结合预测人口，根据已有社区养老设施数量，按照规范中规定的单个设施服务规模进行计算，得出2035年所需养老设施数量如表2所示。

表2 预测数据

3.3 GIS空间分析

利用GIS软件中的欧氏距离、重分类等算子得到现状社区养老设施的栅格数据，并对其进行赋值求和，得出经过栅格化的适宜的养老服务设施空间选址数据（图9）。

图9 社区养老设施适宜性选址数据

3.4 社区养老设施分布分析

根据得到的养老服务设施适宜性空间选址数据和各个街道的实际情况，结合居住建筑的位置，可进行试点的社区居家养老服务设施的规划布局。本着服务范围尽量覆盖居住区的原则，除了个别街道新增设施数量高于预测数量外，大部分街道增加的养老服务设施数量均在预测范围内。

在完成社区居家养老服务设施的规划布点之后，利用GIS的缓冲区工具结果进行检验。经检验设施已基本覆盖了石景山现存的所有居住区（图10）。

图10 石景山区社区居家养老服务设施规划布点图

本文研究了国内三个发达地区的养老服务大数据平台，归纳了平台的共性框架，并对养老大数据在社区居家养老设施规划方面的应用进行了研究，得出的结论有：

养老服务大数据平台分为数据采集层、数据处理层、数据应用层和接口访问层（图6），通过这一流程可获取老年人和社区养老设施的地理位置信息、服务需求的位置信息。

目前石景山区社区居家养老设施的覆盖率仍有不足，因此可利用养老大数据平台提供的地理信息数据，通过GIS等技术获得试点片区的老年人口分布和服务需求分布，指导试点片区社区居家养老设施的规划布局（图7～10）。

注释

① 北京市民政局、北京市老龄工作委员会办公室.《北京市社区养老服务驿站建设规划（2016年—2020年）》，京民福发〔2017〕124号。

② 深圳市规划和自然资源局. 深圳市养老设施专项规划（2011—2020），2013. 7。

③ 上海市规划国土资源局,上海市民政局. 《上海市养老设施布局专项规划（2013—2020年）》，沪府〔2014〕73号。

④ 宁波市民政局，宁波市规划局. 《宁波市养老服务设施布局专项规划 （2012—2020）》，2013. 9。

推荐访问:养老 设施 规划