低碳视角下基于机器学习的医疗救援中心选址研究

针对伤员遭受突发灾害又无法获得及时救援这一情形,以医院向救援中心输送物资的距离和时间为研究重点,提出一种低碳视角下的应急医疗救援中心选址模型。首先,以上海市为例,基于机器学习的K-means聚类,将上海市划分成四个子区域,使用直线相连法确定各子区域的初始备选点。其次,使用熵权法,从各子区域的初始备选点中筛选出几个最终备选点。最后,通过考虑运输成本、碳排放成本和晚到惩罚成本,计算各子区域内所有医院到救援中心的总成本,将总成本最小的点确定为各子区域的最优选址点,确保每个医院都能向就近的救援中心提供医疗资源。通过对选址结果进行可行性分析,模型得出的最优选址点可作为上海市后续医疗救援中心选址参考。