Journal of the Korea Management Engineers Society (한국경영공학회지)

Korea Management Engineers Society (한국경영공학회)
권호 표지

Analysis of Gyeonggi-do 911 emergency cases to identify emergency vulnerable area using clustering analysis

군집분석을 통한 응급취약지역의 유형화와 유형별 대응방안 제안: 경기도 119 구급사건 데이터를 기반으로

  • 김미래 (서울과학기술대학교 일반대학원 데이터사이언스학과) ;
  • 권의준 (서울과학기술대학교 일반대학원 데이터사이언스학과) ;
  • 금영정 (서울과학기술대학교 글로벌융합산업공학과)
  • Received : 2018.07.21
  • Accepted : 2018.12.31
  • Published : 2018.12.31
⟨ Previous Next ⟩

Abstract

Emergency response has been considered as an important task in practice, because it is directly associated with the survival of patients. However, it is very difficult to increase the number of fire stations due to the budget and efficiency problem. Under this circumstances, it is critical to consider the suitability of current arrangement for 911 fire station. This is especially true in Gyeonggi-Do where the characteristics of each sub-area are different. In response, this study aims to identify types of areas that are vulnerable for emergency situations, and try to find relevant solutions for each type. For this purpose, we collected 151,463 data for emergency declaration data which exceeds 10 minutes for its response. Total 19 clustering variables which are used as input variables are selected, considering the characteristics of each area. As a result of clustering analysis, three clusters are identified and analyzed. Finally, areas whose emergence response time is in top 10% are selected and analyzed. This paper is expected to find current issues and problems of emergency response for each area, and help to understand and solve the problem for the local government.

Keywords

Acknowledgement

Supported by : 서울과학기술대학교

References

  1. 구슬, 유환희 (2012). 화재 출동시간에 근거한 진주시 소방권역 분석, 한국지형공간정보학회지, 20(4), 127-134. http://dx.doi.org/10.7319/kogsis.2013.21.1.019
  2. 권필, 이영민, 허용, 유기윤 (2015). GIS 네트워크 분석을 활용한 응급의료서비스 권역 재조정 방안. 한국지형공간정보학회지, 23(3), 11-21 http://dx.doi.org/10.7319/kogsis.2015.23.3.011
  3. 김윤 (2004). 응급의료의 질 향상 방안. 대한병원협회지, 31-49.
  4. 김윤 (2009). 응급의료 취약지 분석 및 모니터링과 응급의료 자원의 효율적 지원방안 도출. 보건복지부.
  5. 김영순 (2014). 경남지역 119구조 현황과 정책적 시사점. 경남정책 Brief, 1-12.
  6. 변의석 (2009). GIS의 보안시스템 구조에 관한 연구, 한국경영공학회지, 14(2), 139-144
  7. 서광규 (2007). 데이터마이닝 기법을 이용한 제품의 전과정평가 방법론, 한국경영공학회지, 12(2). 57-68
  8. 이경열, 문준동, 최은숙 (2016) 119 구급서비스 지역별 출동특성 및 출동거리와 현장도착시간과의 관계, 한국콘텐츠학회논문지, 16(1), 482-492
  9. 이희연 (2004). 응급의료기관의 공간분포와 응급의료 서비스 수급의 공간적 격차. 한국지역지리학회지, 10(3), 606-623.
  10. 임준홍, 박정환 (2016). 응급의료서비스 취약지역의 공간적 분포와 응급환자발생 특성: 충남지역을 중심으로. 국토계획,51(1), 63-75. http://dx.doi.org/10.17208/jkpa.2016.02.51.1.63
  11. 이희연, 박미영 (2004) GIS를 이용한 응급의료 진료권 분석: 서울시를 사례로 하여, 한국공간정보학회지, 12(2), 193-209.
  12. 오창석, 이승원, 이인묵, 고승영. (2012). GIS를 활용한 119 구조구급서비스의 도착지체 및 출동배치에 대한 공간분석. 대한토목학회논문집 D, 32(1D), 13-22.
  13. 유환희, 구슬 (2013). 진주시 소방서비스 취약지역 개선을 위한 소방권역 조정. 한국지형공간정보학회지, 21(1), 19-26. http://dx.doi.org/10.7319/kogsis.2013.21.1.019
  14. 윤종근, 최규철 (2017). 119지역대의 공간적 배치 현황의 적절성. 한국산학기술학회 논문지, 18(11), 374-380. http://doi.org/10.5762/KAIS.2017.18.11.374
  15. 이경주, 임준홍 (2015). 의료서비스 취약지역 탐색을 위한 분석방법론 구축 및 실증분석연구. 도시행정학보, 28(1), 105-125.
  16. 오승준 (2008), 클러스터링과 러프 셋 이론을 이용한 규칙 추출 방법, 한국경영공학회지, 13(1), 37-43
  17. 정규동, 이지수, 최준호, 홍원화 (2012). 대구시 소방권역별 접근성 분석을 통한 구조대 도달 취약지 도출 및 개선방안에 관한 연구. 한국화재소방학회 학술대회 논문집, 170-173.
  18. 최석현, 이병호, 박정훈. (2016). 수도권 인구이동 요인과 고용구조 변화. 경기연구원 기본연구, 1-87.
  19. 최준호, 이지수, 홍원화 (2015). 부산지역 119구조대 증설을 통한 건축물 접근취약성 개선효과 분석. 한국화재소방학회 논문지, 29(5), 79-87. http://dx.doi.org/10.7731/KIFSE.2015.29.5.079
  20. 황지혜, 나백주, 이동우, 홍지영, 이무식 (2010) 지리정보시스템(GIS)으로 분석한 대전광역시 응급의료서비스 취약지 특성, 한국산학기술학회 학술대회논문집, 859-862
  21. 황지혜, 이진용, 박성우, 이동우, 이보우, 나백주 (2012) 지리정보시스템을 이용한 대전광역시 응급의료 취약지 분석, 농촌의학.지역보건 37(2), 76-83 : http://dx.doi.org/10.5393/JAMCH.2012.37.2.076
  22. Arthur, D., &Vassilvitskii, S. (2007). k-means++: The advantages of careful seeding. In Proceedings of the eighteenth annual ACM-SIAM symposium on Discrete algorithms (pp. 1027-1035). Society for Industrial and Applied Mathematics.
  23. Kodinariya, T. M., & Makwana, P. R. (2013). Review on determining number of Cluster in K-Means Clustering. International Journal of Advanced Reearch in Computer Science and Management Studies, 1(6), 90-95.
  24. Kanungo, T., Mount, D. M., Netanyahu, N. S., Piatko, C. D., Silverman, R., & Wu, A. Y. (2002). An efficient k-means clustering algorithm: Analysis and implementation. IEEE transactions on pattern analysis and machine intelligence, 24(7), 881-892. http://doi.org/10.1109/TPAMI.2002.1017616