随着城市化进程加快与人口老龄化加剧，院前急救需求呈现出显著的时空集聚性和随机波动特征。传统的单目标设施选址模型多以最小距离或最大覆盖为核心，难以兼顾效率、公平与资源利用的协同优化。为此，本文提出一种面向城市院前急救设施的空间布局多目标优化与智能决策方法。研究框架包括四个环节：首先，基于救护车运行轨迹、交通实时拥堵数据及急救事件历史记录等多源大数据，识别和模拟急救需求的时空分布规律；其次，构建融合覆盖率约束、在途时间约束与服务公平性指标的多目标选址模型，以最小新建站点数、最优响应效率与均衡可达性为核心目标；再次，引入鲸鱼优化算法（WOA）、灰狼优化算法（GWO）等新兴智能优化方法，并与遗传算法（GA）、粒子群优化（PSO）等经典算法进行对比，以提升模型求解的全局搜索能力和收敛效率；最后，以南京市为实证区，构建基于实际路网的时间矩阵开展模拟分析，结果显示WOA在站点数量压缩、收敛速度与解的稳定性方面表现最佳，可在保证覆盖率不低于96%的条件下实现院前急救设施的最优布局。研究表明，基于多源大数据驱动的智能优化方法能够有效应对院前急救需求的复杂性与不确定性，为城市公共安全与健康服务体系建设提供了新的理论工具与实践路径。本研究不仅丰富了应急设施空间布局的理论体系，也为政府部门科学决策和灾害情境下的资源配置提供了实证支持。