이 전역 접근성 지도는 2019년이라는 명목상의 해에 북위 85도와 남위 60도 사이의 모든 지역에서 가장 가까운 병원이나 진료소까지의 육상 이동 시간 (분)을 열거합니다. 또한 모터가 없는 교통수단만 사용하여 '도보 전용' 이동 시간도 포함됩니다.
OpenStreetMap, Google 지도, 학술 연구자들이 진행 중인 대규모 데이터 수집 노력을 활용하여 현재까지 가장 완전한 의료 시설 위치 모음을 만들었습니다. 이 지도는 MAP (옥스퍼드 대학교), Telethon Kids Institute (오스트레일리아 퍼스), Google, 네덜란드 트벤테 대학교의 공동작업을 통해 제작되었습니다.
이 프로젝트는 Weiss et al 2018(doi:10.1038/nature25181)에서 발표한 이전 작업을 기반으로 합니다.
Weiss et al (2018)은 도로(Open Street Map 및 Google 도로 데이터 세트의 최초 전 세계 규모 사용 포함), 철도, 강, 호수, 바다, 지형 조건(경사 및 고도), 토지 피복 유형, 국경에 관한 데이터 세트를 활용했습니다. 이러한 데이터 세트에는 각 유형의 픽셀을 교차하는 데 걸리는 시간으로 이동 속도가 할당되었습니다. 그런 다음 데이터 세트를 결합하여 '마찰 표면'을 생성했습니다. 이 표면은 각 픽셀에 해당 픽셀 내에서 발생하는 유형을 기반으로 명목상의 전체 이동 속도가 할당된 지도입니다. 현재 프로젝트의 경우 OSM 도로 데이터의 최근 개선사항을 통합하기 위해 업데이트된 마찰 표면이 생성되었습니다.
최소 비용 경로 알고리즘 (Google Earth Engine에서 실행되고 고위도 지역의 경우 R에서 실행됨)은 이 마찰 표면과 함께 모든 위치에서 가장 가까운(시간 기준) 의료 시설까지의 이동 시간을 계산하는 데 사용되었습니다. 의료 시설 데이터 세트는 (1) www.healthsites.io에서 수집되어 다운로드할 수 있는 OSM 데이터와 (2) Google 지도에서 추출한 데이터라는 두 개의 가장 큰 글로벌 데이터베이스의 위치 데이터를 활용했습니다. 최근 아프리카와 오스트레일리아에 대해 게시된 대륙 규모의 시설 위치로 전역 데이터 세트가 보강되었습니다. 데이터 소스 간 비교를 용이하게 하기 위해 병원 및 의료원으로 정의된 시설만 사용되었습니다. 동일한 픽셀 내에서 발견된 여러 포인트가 선택한 지구 표면의 격자 표현에 의해 정의된 분석의 해상도와 일치하도록 병합되었습니다. 따라서 결과 접근성 지도의 각 픽셀은 해당 위치에서 병원이나 클리닉까지의 모델링된 최단 시간 (분)을 나타냅니다.
D.J. Weiss, A. Nelson, C.A. Vargas-Ruiz, K. Gligorić, S. Bavadekar,
E. Gabrilovich, A. Bertozzi-Villa, J. Rozier, H.S. Gibson, T. Shekel,
C. Kamath, A. Lieber, K. Schulman, Y. Shao, V. Qarkaxhija, A.K. Nandi,
S.H. Keddie, S. Rumisha, E. Cameron, K.E. Battle, S. Bhatt, P.W. Gething.
의료 시설까지의 이동 시간을 보여주는 전 세계 지도입니다. Nature Medicine (2020년).
이 전 세계 접근성 지도는 2019년의 모든 지역(북위 85도~남위 60도)에서 가장 가까운 병원 또는 진료소까지의 육로 이동 시간(분)을 나타냅니다. 또한 비동력 운송 수단만 사용하는 '도보 전용' 이동 시간도 포함됩니다. …에서 대규모 데이터 수집을 진행하고 있습니다.
[null,null,[],[[["\u003cp\u003eThis dataset provides a global map of travel time to the nearest hospital or clinic, including both overall and walking-only travel times.\u003c/p\u003e\n"],["\u003cp\u003eThe data covers areas between 85 degrees north and 60 degrees south for the year 2019, with a resolution of 927.67 meters.\u003c/p\u003e\n"],["\u003cp\u003eThe map was created using a friction surface model and least-cost-path algorithms, incorporating data from OpenStreetMap, Google Maps, and other sources.\u003c/p\u003e\n"],["\u003cp\u003eHealthcare facility locations were sourced from healthsites.io, Google Maps, and other continental-scale datasets, focusing on hospitals and clinics.\u003c/p\u003e\n"],["\u003cp\u003eThis dataset is licensed under a Creative Commons Attribution 4.0 International License.\u003c/p\u003e\n"]]],[],null,["# Accessibility to Healthcare 2019\n\nDataset Availability\n: 2019-01-01T00:00:00Z--2020-01-01T00:00:00Z\n\nDataset Provider\n:\n\n\n [Malaria Atlas Project](https://malariaatlas.org/research-project/accessibility-to-cities/)\n\nTags\n:\n[accessibility](/earth-engine/datasets/tags/accessibility) [jrc](/earth-engine/datasets/tags/jrc) [map](/earth-engine/datasets/tags/map) [oxford](/earth-engine/datasets/tags/oxford) [population](/earth-engine/datasets/tags/population) [twente](/earth-engine/datasets/tags/twente) \n\n#### Description\n\nThis global accessibility map enumerates land-based travel time (in\nminutes) to the nearest hospital or clinic for all areas between 85\ndegrees north and 60 degrees south for a nominal year 2019. It also\nincludes \"walking-only\" travel time, using non-motorized means of\ntransportation only.\n\nMajor data collection efforts underway by OpenStreetMap, Google Maps, and\nacademic researchers have been harnessed to compile the most complete\ncollection of healthcare facility locations to date. This map was\nproduced through a collaboration between MAP (University of Oxford),\nTelethon Kids Institute (Perth, Australia), Google, and the University\nof Twente, Netherlands.\n\nThis project builds on previous work published by Weiss et al 2018\n([doi:10.1038/nature25181](https://doi.org/10.1038/nature25181)).\nWeiss et al (2018) utilised datasets for roads\n(comprising the first ever global-scale use of Open Street Map and Google\nroads datasets), railways, rivers, lakes, oceans, topographic conditions\n(slope and elevation), landcover types, and national borders. These\ndatasets were each allocated a speed or speeds of travel in terms of time\nto cross each pixel of that type. The datasets were then combined to\nproduce a \"friction surface\": a map where every pixel is allocated a\nnominal overall speed of travel based on the types occurring within that\npixel. For the current project, an updated friction surface was created to\nincorporate recent improvements within OSM roads data.\n\nLeast-cost-path algorithms (run in Google Earth Engine and, for\nhigh-latitude areas, in R) were used in conjunction with this friction\nsurface to calculate the time of travel from all locations to the nearest\n(in time) healthcare facility. The healthcare facilities dataset utilized\nlocation data from two of the largest global databases: (1) OSM data that\nwas collated and made available for download at\n[www.healthsites.io](https://www.healthsites.io/); and (2) data\nextracted from Google Maps. The global datasets were augmented with\ncontinental-scale facility locations that were recently published for\nAfrica and Australia. To facilitate comparisons between data sources, only\nfacilities defined as hospitals and clinics were used. Multiple points\nfound within the same pixel were merged to match the resolution of the\nanalysis as defined by the selected gridded representation of the Earth's\nsurface. Each pixel in the resultant accessibility map thus represents the\nmodelled shortest time (in minutes) from that location to a hospital or\nclinic.\n\nSource dataset credits are as described in the accompanying paper.\n\n### Bands\n\n\n**Pixel Size**\n\n927.67 meters\n\n**Bands**\n\n| Name | Units | Min | Max | Pixel Size | Description |\n|------------------------------|-------|-----|---------|------------|------------------------------------------------------------------------------|\n| `accessibility` | min | 0 | 41504.1 | meters | Travel time to the nearest hospital or clinic. |\n| `accessibility_walking_only` | min | 0 | 138893 | meters | Travel time to the nearest hospital or clinic using non-motorized transport. |\n\n### Terms of Use\n\n**Terms of Use**\n\nThis work is licensed under a [Creative Commons Attribution\n4.0 International License](https://creativecommons.org/licenses/by/4.0/).\n\n### Citations\n\nCitations:\n\n- D.J. Weiss, A. Nelson, C.A. Vargas-Ruiz, K. Gligorić, S. Bavadekar,\n E. Gabrilovich, A. Bertozzi-Villa, J. Rozier, H.S. Gibson, T. Shekel,\n C. Kamath, A. Lieber, K. Schulman, Y. Shao, V. Qarkaxhija, A.K. Nandi,\n S.H. Keddie, S. Rumisha, E. Cameron, K.E. Battle, S. Bhatt, P.W. Gething.\n Global maps of travel time to healthcare facilities. Nature Medicine (2020).\n\n### Explore with Earth Engine\n\n| **Important:** Earth Engine is a platform for petabyte-scale scientific analysis and visualization of geospatial datasets, both for public benefit and for business and government users. Earth Engine is free to use for research, education, and nonprofit use. To get started, please [register for Earth Engine access.](https://console.cloud.google.com/earth-engine)\n\n### Code Editor (JavaScript)\n\n```javascript\nvar dataset = ee.Image('Oxford/MAP/accessibility_to_healthcare_2019');\nvar accessibility = dataset.select('accessibility');\nvar accessibilityVis = {\n min: 0.0,\n max: 41556.0,\n gamma: 4.0,\n};\nMap.setCenter(18.98, 6.66, 2);\nMap.addLayer(accessibility, accessibilityVis, 'Accessibility');\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/Oxford/Oxford_MAP_accessibility_to_healthcare_2019) \n[Accessibility to Healthcare 2019](/earth-engine/datasets/catalog/Oxford_MAP_accessibility_to_healthcare_2019) \nThis global accessibility map enumerates land-based travel time (in minutes) to the nearest hospital or clinic for all areas between 85 degrees north and 60 degrees south for a nominal year 2019. It also includes \"walking-only\" travel time, using non-motorized means of transportation only. Major data collection efforts underway by ... \nOxford/MAP/accessibility_to_healthcare_2019, accessibility,jrc,map,oxford,population,twente \n2019-01-01T00:00:00Z/2020-01-01T00:00:00Z \n-60 -180 85 180 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [](https://doi.org/https://malariaatlas.org/research-project/accessibility-to-cities/)\n- [](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/Oxford_MAP_accessibility_to_healthcare_2019)"]]
