GIS 네트워크 분석을 활용한 응급의료서비스 권역 재조정 방안 - 대전광역시 사례 연구 Rearranging Emergency Medical Service Region Using GIS Network Analysis - Daejeon Metropolitan City Case Study원문보기
최근 각종 재난재해로 인해 인명피해가 증가함에 따라 응급의료서비스의 중요성이 더욱 부각되고 있다. 이러한 응급의료서비스의 기본이 되는 119구급대의 이동 시간은 인명 구출의 핵심 요소라고 할 수 있으며, 이로 인해 119구급대의 효율적인 출동 방안에 대한 관심 또한 높아지고 있다. 따라서 본 연구에서는 GIS 네트워크 분석을 활용하여 119구급대의 출동 권역을 효율적으로 재조정하고자 하였다. 새로운 권역을 형성하기 위해 대전지역 경계 내에서 무작위로 생성한 약 80만 개의 가상 신고 위치와 26135개의 소방관서 위치를 기점으로 기종점 OD 행렬 분석을 실시하였으며, 이를 바탕으로 Thiessen Polygon을 생성함으로써 새로운 권역을 도출하였다. 그 결과, 각 소방관서로부터 신고 위치까지의 평균 이동 시간이 9.93분에서 5.53분으로, 4.4분이 단축되었으며, 면적의 경우 평균 $32.07km^2$에서 $20.72km^2$로, $11.35km^2$가 감소된 것을 확인할 수 있었다. 따라서 유관 기관에서 소방관서의 관할권역을 재조정하고자 하는 경우 본 연구가 유용하게 사용될 수 있을 것으로 보인다.
최근 각종 재난재해로 인해 인명피해가 증가함에 따라 응급의료서비스의 중요성이 더욱 부각되고 있다. 이러한 응급의료서비스의 기본이 되는 119구급대의 이동 시간은 인명 구출의 핵심 요소라고 할 수 있으며, 이로 인해 119구급대의 효율적인 출동 방안에 대한 관심 또한 높아지고 있다. 따라서 본 연구에서는 GIS 네트워크 분석을 활용하여 119구급대의 출동 권역을 효율적으로 재조정하고자 하였다. 새로운 권역을 형성하기 위해 대전지역 경계 내에서 무작위로 생성한 약 80만 개의 가상 신고 위치와 26135개의 소방관서 위치를 기점으로 기종점 OD 행렬 분석을 실시하였으며, 이를 바탕으로 Thiessen Polygon을 생성함으로써 새로운 권역을 도출하였다. 그 결과, 각 소방관서로부터 신고 위치까지의 평균 이동 시간이 9.93분에서 5.53분으로, 4.4분이 단축되었으며, 면적의 경우 평균 $32.07km^2$에서 $20.72km^2$로, $11.35km^2$가 감소된 것을 확인할 수 있었다. 따라서 유관 기관에서 소방관서의 관할권역을 재조정하고자 하는 경우 본 연구가 유용하게 사용될 수 있을 것으로 보인다.
Emergency Medical Service(EMS) has become focused due to all kinds of disaster and a great number of casualties. The 119 emergency vehicles' dispatching methods are now being focused, for travel time of ambulances are the critical components in terms of saving human lives. Therefore, this study trie...
Emergency Medical Service(EMS) has become focused due to all kinds of disaster and a great number of casualties. The 119 emergency vehicles' dispatching methods are now being focused, for travel time of ambulances are the critical components in terms of saving human lives. Therefore, this study tried to rearrange 119 EMS regions more efficiently. For this study, Daejeon Metropolitan City's real call cases were analyzed. In order to rearrange the regions, OD Cost Matrix analysis was performed between 800 thousands random points and 26 departments in the Daejoen Metropolitan City. By creating Thiessen Polygon from the random points, a new region was created. As a results, average areas of the regions were reduces from 32 square kilometers to 20 square kilometers, and average time of arrivals are were also improved. Hence, if related organizations plan to rearrange EMS regions, they may utilize this study.
Emergency Medical Service(EMS) has become focused due to all kinds of disaster and a great number of casualties. The 119 emergency vehicles' dispatching methods are now being focused, for travel time of ambulances are the critical components in terms of saving human lives. Therefore, this study tried to rearrange 119 EMS regions more efficiently. For this study, Daejeon Metropolitan City's real call cases were analyzed. In order to rearrange the regions, OD Cost Matrix analysis was performed between 800 thousands random points and 26 departments in the Daejoen Metropolitan City. By creating Thiessen Polygon from the random points, a new region was created. As a results, average areas of the regions were reduces from 32 square kilometers to 20 square kilometers, and average time of arrivals are were also improved. Hence, if related organizations plan to rearrange EMS regions, they may utilize this study.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
, 2012; Conweh, 2012). 그러나 본 연구에서는 실제 신고 위치와 출동한 소방관서 위치 간의 연결성을 기반으로 하여 구급차 출동의 비효율성을 문제점으로 파악하였으며, 가상의 신고 지점에 대해 각각 최적의 소방관서를 배치하고 이를 군집화함으로써 보다 효율적이고 합리적인 응급의료서비스 권역을 도출하는 것에 초점을 두었다.
이러한 결과를 통해 법률로 지정된 소방관서의 관할 지역이 실제 상황에 제대로 적용되지 못하고 있으며, 이에 대한 개선이 필요하다고 보았다. 따라서 본 연구 에서는 GIS 네트워크 분석을 활용하여 현재 소방관서의 응급의료서비스 권역을 효율적으로 재조정하는 방안을 제시하고자 하였다.
또한 본 연구에서는 ‘서비스 제공자 중심의 권역 설정’이라는 기존 연구의 한계에서 벗어나 ‘서비스 수요자 중심의 권역’을 제공할 수 있는 방안을 제안하고자 하였다.
그러나 이렇게 설정된 권역의 경우 지형지물과 도로 네트워크 등 접근성에 대한 고찰이 결여되어 있다는 단점이 존재하며, 앞에서 실시한 분석을 통해서도 현재 관할구역이 제 기능을 하지 못하는 것을 확인할수 있었다. 본 연구는 이러한 문제점을 해결하기 위하여 GIS 네트워크 분석을 활용하여 소방관서의 관할 권역 재조정 방안을 제시하고자 한다.
위의 연구들은 모두 연구 방법으로 네트워크 분석 등의 GIS 공간 분석 기법을 활용하고 있으나 그 결과가 단순히 현황 분석에 그치거나 구급 취약지역 감소를 위한 권역 조정을 실시할 때 그 결과가 행정구역 종속적이라는 한계점이 있었다. 본 연구에서는 기존 행정구역 중심의 권역 설정에서 벗어나 소방관서로부터 구급대가 출동할 때 최대한의 골든타임(4분)을 지킬 수 있는 권역을 생성하는 것을 목표로 하였다.
본 장에서는 특정 지역을 대상으로 GIS 기반 공간 분석을 통해 구조·구급 활동 현황을 분석함으로써 구급 취약지역을 탐지하고, 이에 대한 해결책을 제안하는 연구를 대상으로 고찰하였다.
소방서 및 재난 안전 관련 권역 조정을 제안한 기존 연구에서는 관서를 이전하거나 관서의 증설이 요구되는 경우 행정동 경계에 따라 기존 권역을 재편하고자 하였다. 반면에 본 연구에서는 기종점 OD 행렬을 이용하여 소방관서와 가상 신고 위치 간의 최단거리를 계산하고, 각 신고 위치로부터 이상적인 관서를 할당하였으며 이를 가상 신고 위치의 속성에 추가하였다.
제안 방법
ArcMap 10.3.1에 탑재되어 있는 네트워크 분석 기능 중 권역 분석 기능, 기종점 OD 행렬, 그리고 그 외 ArcMap의 기본적인 분석 도구들을 이용하여 실험을 진행하였다.
각 신고 위치별로 실제 출동한 소방관서와 출동 가능한 최적의 소방관서를 비교하기 위한 전 단계로, 신고 위치 데이터에 기록되어 있는 실제 출동 센터를 확인함으로써 구급차의 출동 현황을 파악하였다. 그리고 그 결과와 기종점 OD 행렬을 통한 연산 결과 간의 용이한 비교를 위해 지도상에서 신고 위치와 소방관서를 직선으로 연결하는 방식으로 시각화하였다(Fig.
각 신고 위치별로 실제 출동한 소방관서와 출동 가능한 최적의 소방관서를 비교하기 위한 전 단계로, 신고 위치 데이터에 기록되어 있는 실제 출동 센터를 확인함으로써 구급차의 출동 현황을 파악하였다. 그리고 그 결과와 기종점 OD 행렬을 통한 연산 결과 간의 용이한 비교를 위해 지도상에서 신고 위치와 소방관서를 직선으로 연결하는 방식으로 시각화하였다(Fig. 6).
대전광역시에서 2014년 한 해 동안 발생한 응급 상황에 대한 대응 현황을 파악하기 위해 앞에서 지오코딩을 통해 공간정보화한 데이터를 바탕으로 전체 신고 위치에 대해 밀도분석2)을 실시하였으며, 그 결과를 소방관서의 위치 포인트와 중첩하여 나타내었다(Fig. 3).
먼저, 실제 신고 데이터, 소방관서의 위치, 그리고 도로 네트워크 데이터를 공간정보화하였다. 두 번째로 도로 네트워크상에서 각 소방관서로부터 골든타임 권역 밖에서 발생한 사건을 구급 취약지에서 발생한 사건이라 가정하고, 해당 사건에 대해 실제로 출동한 소방관서의 위치와 도로 네트워크상에서 가장 근접한 소방관서의 위치를 비교하였다. 마지막으로 실험 지역 내에서 무작위로 가상의 신고 지점을 발생시켜 각 신고 위치에 대한 최적의 소방관서를 할당함으로써 보다 효율적인 새로운 응급의료서비스 권역을 제안하였다.
또한 구조·구급 서비스에 대한 취약지역을 7가지 유형으로 도출하고, 기종점 OD 행렬(OD Cost Matrix) 분석 기법을 이용하여 도로 네트워크상 최단거리에 위치한 시설에서 출동이 이루어지도록 구조·구급 서비스망 개선안을 제안하였다.
두 번째로 도로 네트워크상에서 각 소방관서로부터 골든타임 권역 밖에서 발생한 사건을 구급 취약지에서 발생한 사건이라 가정하고, 해당 사건에 대해 실제로 출동한 소방관서의 위치와 도로 네트워크상에서 가장 근접한 소방관서의 위치를 비교하였다. 마지막으로 실험 지역 내에서 무작위로 가상의 신고 지점을 발생시켜 각 신고 위치에 대한 최적의 소방관서를 할당함으로써 보다 효율적인 새로운 응급의료서비스 권역을 제안하였다.
2와 같다. 먼저, 실제 신고 데이터, 소방관서의 위치, 그리고 도로 네트워크 데이터를 공간정보화하였다. 두 번째로 도로 네트워크상에서 각 소방관서로부터 골든타임 권역 밖에서 발생한 사건을 구급 취약지에서 발생한 사건이라 가정하고, 해당 사건에 대해 실제로 출동한 소방관서의 위치와 도로 네트워크상에서 가장 근접한 소방관서의 위치를 비교하였다.
소방서 및 재난 안전 관련 권역 조정을 제안한 기존 연구에서는 관서를 이전하거나 관서의 증설이 요구되는 경우 행정동 경계에 따라 기존 권역을 재편하고자 하였다. 반면에 본 연구에서는 기종점 OD 행렬을 이용하여 소방관서와 가상 신고 위치 간의 최단거리를 계산하고, 각 신고 위치로부터 이상적인 관서를 할당하였으며 이를 가상 신고 위치의 속성에 추가하였다. 이를 바탕으로 Thiessen Polygon을 이용하여 응급의료서비스 권역을 재조정하였다.
실험을 위해 대전광역시 경계 내에서 무작위로 생성한 80만 개의 가상 신고 위치(포인트)와 현재 존재하고 있는 26개의 소방관서 간의 기종점 OD 행렬 분석을 실시하였으며 이를 바탕으로 Thiessen Polygon을 생성하였다.
위 의사코드를 기반으로 하는 기종점 OD 행렬을 이용하여 각 소방관서별 출동 현황을 지도상에 서로 다른 색상을 이용하여 나타내었으며, 각 신고 지점은 전체 데이터가 아닌 응급의료서비스 취약지에서 발생한 사건만을 대상으로 하였다(Fig. 5).
(2012)은 대구광역시의 가로망 데이터를 이용하여 각 권역 내에 위치한 건축물에 대해 구조대의 접근 취약성을 분석하였다. 이때 취약지로 도출된 지역의 건축물을 대상으로 지리적 특성을 고려하여 행정구역에 기초한 관할 구역 재조정을 실시하였으며, 증설이 불가피한 권역은 법적 근거 하에 구조대 후보지를 설정하여 취약 건축물의 감소 효과를 파악하였다. Oh et al.
반면에 본 연구에서는 기종점 OD 행렬을 이용하여 소방관서와 가상 신고 위치 간의 최단거리를 계산하고, 각 신고 위치로부터 이상적인 관서를 할당하였으며 이를 가상 신고 위치의 속성에 추가하였다. 이를 바탕으로 Thiessen Polygon을 이용하여 응급의료서비스 권역을 재조정하였다. 실험 결과, 소방관서부터 신고위치까지의 평균 이동 시간이 기존 9.
이를 위해 랜덤으로 생성된 가상의 신고위치에 대해 각각 최적의 소방관서를 배치하고 그 결과를 기반으로 하여 Thiessen Polygon(Thiessen, 1911)을 생성하는 방안을 사용하였다. Thiessen Polygon은 강수량을 측정하는 기구가 없는 곳에서도 이를 측정하기 위해 고안된 기법으로, 포인트를 폴리곤으로 변환하기 위한 방법으로도 사용되며, 근접성 분석과 권역 설정을 위한 연구에도 사용되었다(Lee et al.
대상 데이터
, 2011; Baik and Han, 2012; Oh and Jeong, 2005), 이는 취득과 접근이 편리한 반면에 소축척(1 : 25,000)수치지도를 기반으로 구축되었기 때문에 소로가 누락되어 있어 현실적이지 못하다는 한계가 있는 것으로 파악되었다. 따라서 본 연구에서는 현실성을 최대한 반영하기 위하여 비교적 도로망이 잘 구축되어 있는 민간기업의 내비게이션 구축용 도로 네트워크 데이터를 이용하였다.
본 논문에서 다루고자 하는 범위는 구조 활동을 제외한 구급 활동 및 119구급대에 해당하는 내용이며, 119 구급대의 운영 및 출동 구역과 관련된 법규로는 119구조·구급에 관한 법률 시행령 제10조(119구급대의 편성과 운영)와 119구조ㆍ구급에 관한 법률 시행규칙 제8조(구급대의 출동구역)가 있다.
본 연구에서는 대전광역시를 대상으로 2014년 한 해 동안(2014.01.01.~12.31.) 발생한 실제 응급 상황 신고 이력과 해당 신고에 대해 출동한 구급대 데이터를 이용하여 통계 분석 및 네트워크 분석을 실시하였으며, 최종적으로 응급의료서비스 권역을 재조정하였다.
본 연구의 실험 지역인 대전광역시는 총 5개의 구로 이루어져 있고 약 150만 명의 인구가 거주하고 있으며 총 면적은 약 540㎢이다(Table 1). 또한 대전광역시는 지형적으로 산으로 둘러싸인 분지의 형상을 하고 있으며, 도심의 가장자리에는 한반도를 관통하는 여러 고속국도의 지선과 고속도로가 놓여 있어 각 지역으로의 이동이 편리하다는 특성을 가지고 있다.
실험을 위해 사용한 데이터는 2014년 1월 1일부터 12월 31일까지 한 해 동안 발생한 실제 응급 상황 신고 이력과 신고 지점의 X, Y 좌표, 소방관서가 소유하고 있는 장비 현황, 그리고 각 소방관서의 X, Y 좌표가 기록된 스프레드시트이다. 지오코딩을 통해 스프레드시트 형태의 데이터를 공간정보화한 결과 총 36,846개의 신고 위치와 각 소방관서의 구급차 소유 현황을 파악할수 있었다.
또한 대전광역시 소방관서 관할구역의 경계, 신고 위치, 그리고 해당 사건에 배치된 소방관서의 위치를 확인한 결과, 각 소방관서가 관할하지 않는 지역에서 발생한 사건임에도 불구하고 출동하는 경우가 많았다. 일례로, Fig. 8은 남부(Nambu) 소방관서의 관할구역과 2014년 한해 출동한 사건을 나타내고 있다.
이론/모형
기종점 OD 행렬은 기본적으로 그래프상 두 지점 간의 최소거리를 탐색하는 ‘최단 경로 문제(shortest path problem)’와 유사하며, 본 연구에서 사용한 기종점 OD행렬은 Dijkstra’s 알고리즘(Dijkstra, 1959)을 기반으로 하고 있다.
, 2013; Park, 2004). 본 연구에서도 포인트로부터의 공간적 권역을 설정하는 것을 목표로 하기 때문에 Thiessen Polygon을 사용하였다.
성능/효과
앞에서 밀도분석을 통해 도출된 결과를 보면, 대부분의 사건이 소방관서 부근에서 발생한 것처럼 보인다. 그러나 각 소방관서로부터 골든타임(4분) 내로 도착 가능3)한 구급 서비스 권역을 도출한 결과, 실제 신고 데이터 중 약 8%에 해당하는 3,173건의 사건이 골든타임의 범위 밖에서 발생한 것으로 파악되었다(Fig. 4).
35㎢가 축소된 것을 확인하였다. 따라서 이동 시간과 관할 면적의 관점에서 본 연구에서 제안한 새로운 권역이 기존의 소방권역에 비해 효율적인 것으로 보인다.
4분이 단축되었음을 확인할 수 있었다. 또한 개선된 면적의 경우 평균적으로 32.07㎢에서 20.72㎢로, 11.35㎢가 감소된 것으로 확인되었다(Table 5).
12분으로, 실제 소요된 시간 (14분)보다 절반 이상을 단축할 수 있음을 알 수 있었다. 또한 구급 취약지에서 발생한 전체 신고 데이터에 대해 모두 이상적인 출동을 하였다고 가정하였을 경우의 평균 이동 시간은 6.17분으로 도출되었다. 마지막으로, 전체 사건에 대해서 모두 이상적인 소방관서에서 출동한 경우를 가정하고 기종점 OD 행렬 분석을 실시한 결과, 평균 이동 착시간은 2.
이를 소방대원들이 수기로 기록하는 구급활동일지4)를 통해 확인한 결과, 1,279건의 평균 이동 시간은 14분으로 파악되었다. 또한 동일한 구급활동일지를 통해 구급 취약지에서 발생한 전체 사건에 대한 평균 이동 시간을 확인한 결과, 13.85분으로 파악되었다.
17분으로 도출되었다. 마지막으로, 전체 사건에 대해서 모두 이상적인 소방관서에서 출동한 경우를 가정하고 기종점 OD 행렬 분석을 실시한 결과, 평균 이동 착시간은 2.48분으로 도출되었다(Table 3).
본 실험 결과에 따라 대전광역시 응급의료서비스 권역을 재조정한 결과, 평균 이동 시간인 9.93분에서 5.53 분으로, 4.4분이 단축되었음을 확인할 수 있었다. 또한 개선된 면적의 경우 평균적으로 32.
사건이 발생한 지점과 인접한 소방관서가 있음에도 다른 관서에서 출동한 1,279건의 케이스에 대해 가장 근접한 소방관서로부터 출동이 이루어졌을 이상적인 경우를 가정하고 기종점 OD 행렬을 이용하여 분석한 결과, 평균 이동 시간은 6.12분으로, 실제 소요된 시간 (14분)보다 절반 이상을 단축할 수 있음을 알 수 있었다. 또한 구급 취약지에서 발생한 전체 신고 데이터에 대해 모두 이상적인 출동을 하였다고 가정하였을 경우의 평균 이동 시간은 6.
상기 결과를 분석한 결과, 각 관서에서 실제로 출동한 전체 사건 중 해당 관서의 관할지역 밖에서 발생했음에도 불구하고 출동한 비율이 약 1/3(12,519/36,846) 인 것을 알 수 있었다
이를 바탕으로 Thiessen Polygon을 이용하여 응급의료서비스 권역을 재조정하였다. 실험 결과, 소방관서부터 신고위치까지의 평균 이동 시간이 기존 9.93분에서 5.53분으로, 4.4분 단축되었으며, 대전지역 소방관서당 평균 관할 권역의 면적도 32.07㎢에서 20.72㎢로, 11.35㎢가 축소된 것을 확인하였다. 따라서 이동 시간과 관할 면적의 관점에서 본 연구에서 제안한 새로운 권역이 기존의 소방권역에 비해 효율적인 것으로 보인다.
구급차가 출동할 때 도로 위의 다양한 사건으로 인해 도착 시간이 더욱 지연될 수 있기 때문에 응급의료서비스 권역 외에서 발생한 사건의 경우 현실적으로 골든타임 내에 구급대의 도착이 불가능한 구급 취약지라고 볼 수 있다. 이렇게 도출된 구급 취약지를 살펴보면, 대부분이 대전광역시의 가장자리 지역에 분포하고 있기는 하나, 소방관서와 근접한 도심지에도 취약지가 존재하는 것으로 나타났다. 이는 일방통행로나 막다른길 등 도심지 내부에도 도로 네트워크 상황이 좋지 못한 지역이 존재하기 때문인 것으로 보인다.
실험을 위해 사용한 데이터는 2014년 1월 1일부터 12월 31일까지 한 해 동안 발생한 실제 응급 상황 신고 이력과 신고 지점의 X, Y 좌표, 소방관서가 소유하고 있는 장비 현황, 그리고 각 소방관서의 X, Y 좌표가 기록된 스프레드시트이다. 지오코딩을 통해 스프레드시트 형태의 데이터를 공간정보화한 결과 총 36,846개의 신고 위치와 각 소방관서의 구급차 소유 현황을 파악할수 있었다.
10). 확인 결과, 이는 가수원의 관할지역에서 원내의 관할지역까지 연결되는 고속국도 제300호선(대전남부순환고속도로) 때문인 것으로 보인다.
후속연구
또한 본 연구에서는 ‘서비스 제공자 중심의 권역 설정’이라는 기존 연구의 한계에서 벗어나 ‘서비스 수요자 중심의 권역’을 제공할 수 있는 방안을 제안하고자 하였다. 따라서 유관 기관에서 추후 소방권역을 재조정하고자 하는 경우, 본 연구가 참고할 만한 자료로서 유의미하게 사용할 수 있을 것으로 보인다.
본 연구의 한계점으로는 각 사건에 대해 최적의 관서를 배치할 때 도로 네트워크를 기준으로 하기 때문에 도시 내부에 순환 고속도로나 도시화고속국도 등이 위치하는 경우에는 한 권역이 다른 권역으로 인하여 단절되는 경우가 발생한다는 점이다. 이러한 경우에는 현고속도로 순찰대와 연계하는 방법이나 독립적인 권역을 생성하여 관리하는 방법이 필요할 것으로 판단된다.
위의 연구들은 모두 연구 방법으로 네트워크 분석 등의 GIS 공간 분석 기법을 활용하고 있으나 그 결과가 단순히 현황 분석에 그치거나 구급 취약지역 감소를 위한 권역 조정을 실시할 때 그 결과가 행정구역 종속적이라는 한계점이 있었다. 본 연구에서는 기존 행정구역 중심의 권역 설정에서 벗어나 소방관서로부터 구급대가 출동할 때 최대한의 골든타임(4분)을 지킬 수 있는 권역을 생성하는 것을 목표로 하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
일반적으로 골든타임의 안전 범위는 몇 분인가?
, 2015). 일반적으로 골든타임의 안전 범위는 4~6분으로 알려져 있으나, 소방방재청에 따르면 지난 2011년부터 2013년까지 3년 간 전국에서 이루어진 119구급대(이하 구급대)의 출동 사례 중 5분 이내에 현장에 도착한 비율은 54% 수준이며, 이러한 도착률은 매년 감소하고 있는 것으로 나타났다(Cho, 2014).
골든타임이란 무엇인가?
응급 환자의 생존과 직결되는 측면에서 필수적으로 등장하는 시간 개념이 ‘골든타임(golden time)’이다. 이는 사고 발생 시점으로부터 인명을 안전하게 구조하기 위해 필요한 시각적 단위로 정의되며, 응급 상황 발생시 5분 동안의 응급처치가 환자의 생사를 가를 수 있다는 사실이 강조되면서 구급대의 출동 시점부터 이송까지의 시간적 낭비를 최소화한다는 측면까지도 포함한다(Shin et al., 2015).
구조란 무엇인가?
119구조·구급에 관한 법률 제2조에서는 구조와 구급 활동을 서로 구분하여 정의하고 있다. 먼저, 구조란 화재, 재난·재해 및 테러, 그 밖의 위급한 상황에서 외부의 도움을 필요로 하는 사람의 생명, 신체 및 재산을 보호하기 위하여 수행하는 모든 활동을 의미하며, 따라서 119구조대란 탐색 및 구조 활동에 필요한 장비를 갖추고 소방공무원으로 편성된 단위조직을 말한다. 반면에 구급은 응급환자에 대하여 행하는 상담, 응급처치 및 이송 등의 활동을 말하며, 따라서 119 구급대란 구급활동에 필요한 장비를 갖추고 소방공무원으로 편성된 단위조직을 말한다.
참고문헌 (24)
Ahn, E. S., 2015, Last year seoul 119 Rescue team transport 901 people in 1,327 cases in a day, http://spp.seoul.go.kr/main/news/news_report.jsp?search_boardId22142&actVIEW&boardId22142
An, Y. S., Jang, S. M. and Lee, S. I., 2011, A study on the map of walk-and bicycle-access time to subway station using a shortest-part algorithm for Gangnam area of Seoul, The Seoul Institute, Vol. 12, No. 3, pp. 129-140.
Baik, S. H., and Han, D. Y., 2012, A study on bicycle route selection using optimal path search, The Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 30, No. 5, pp. 425-433.
Conweh, C., 2012, The use of GIS for effective and efficient emergency management: a case study of the Cardiff fire services in South Wales, Master's thesis, University of Glamorgan, Pontypridd, the United Kingdom.
Cho, M, 2014, Year's 119 EMS arrival time within 'Golden Time' has been being delayed, http://news.kukinews.com/article/view.asp?arcid0008649011&code46111201&cpnv
Dijkstra, E. W., 1959, A note on two problems in connexion with graphs, Numerische mathematik, Vol. 1, No. 1, pp. 269-271.
esri, 2012b, OD cost matrix analysis, http://help.arcgis.com/en/arcgisdesktop/10.0/help/index.html#//00470000004r000000
Hong, K. H., Lee, K. J., Kim, J. T. and Lee, D. H., 2008, Severity-based analysis of prehospital transportation time using the Geographic Information System (GIS), Journal of the Korean Society of Emergency Medicine, Vol. 19, No. 2, pp. 153-160.
Jung, G.-D., Hong, W.-H., Choi, J.-H., Kim, G.-S. and Lee, J.-S., 2012, A study on reorganization of rescue team by using analysis of accessibility on fire station area in Daegu city, Journal of the architectural institute of Korea planning & design, Vol. 28, No. 9, pp. 277-286.
Koo, S., 2013, Accessibility analysis of the service area of fire station in Jinju, Master's thesis, Gyeongsang National University, Jinju, South Korea.
Koo, S., and Yoo, H. H., 2012, An analysis of fire area in Jinju city based on fire mobilization time, Journal of the Korean society for geo-spatial information system, Vol. 20, No. 4, pp. 127-134.
Lee, H., Lee, S.-I. and Cho, D., 2013, Exploring the spatiality of school choice through residential mobility: a preliminary case study of elementary school students in Seoul, Journal of the Korean Geographical Society, Vol. 48, No. 6, pp. 897-913.
Lee, H. J., Park, B. H. and Jang, I. Y., 2006, Disaster-prevention system of transportation network used by GIS and seismic fragility analysis, Journal of The Korean Society of Hazard Mitigation, Vol. 6, No. 2, pp. 25-35.
Ma, S., and Kim, H., 2011, Accessibility to welfare facilities for the aged through GIS network analysis : focused on inland areas in Incheon, The Korea Spatial Planning Review, Vol. 70, pp. 61-75.
Oh, C. S., Lee, S., Lee, I. and Kho, S. Y., 2012, A spatial analysis about arrival delay and dispatch distribution of the 119 rescue-aid service utilizing GIS-Gyeongsangbuk-Do Case Study, Journal of the Korea society of civil engineers, Vol. 32, No. 1D, pp. 13-22.
Oh, K., and Jeong, S.-H., 2005, An assessment of the spatial distribution of urban parks using GIS, Journal of the Korea Planners Association, Vol. 40, No. 3, pp. 189-203.
Park, J.-M., 2004, A design and practical use of spatial data warehouse for spatial decision making, Master's thesis, Kyunghee University, Seoul, South Korea.
Shin, Y., Oh, H., Lee, S., Im, C. and Kim, J., 2014. Suggestions for securing 'Golden Time' based on cognitive science, Proc. of 2014 HCI Korea, pp. 396-403.
Son, S. R., and Yoo, H. H., 2013, Evacuation suitability assessment of shelters in disaster risk districts of Changwon city, Journal of the Korean society for geo-spatial information system, Vol. 21, No. 3, pp. 27-35.
Song, H. J., 2011, Adjustment of the service area of fire station using GIS accessibility analysis : In the case of Seodaemoon-gu, Seoul City, Master's thesis, Sangmyung University, Seoul, South Korea.
Thiessen, A. H., 1911, Precipitation averages for large areas, Monthly Weather Review, Vol. 39, No. 7, pp. 1082-1089.
Yan, M., 2014, Dijkstra's algorithm, http://math.mit.edu/-rothvoss/18.304.3PM/Presentations/1-Melissa.pdf
Yoo, H. H., and Koo, S., 2013, Fire district adjustment for improving fire service vulnerable areas in Jinju, Journal of the Korean society for geo-spatial information system, Vol. 21, No. 1, pp. 19-26.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.