سیاست های مکان یابی مجدد در مراکز اعزام آمبولانس با هدف افزایش کارآیی

Ambulance Dispatch Center Pilots Proactive Relocation Policies to Enhance Effectiveness

چکیده

مروری بر ادبیات

سیاست های مکان یابی مجدد

اصلاحاتی برای استفاده

پارامترهای ورودی در مدل های اصلی

مجموعه اصلاحات 1

مجموعه اصلاحات 2

جزئیات فنی

ارزیابی

تحلیل کمی

تحلیل کیفی

نتیجه گیری

سپاس گذاری ها

پیوست A: طرح کلی سیاست های اصلی مکان یابی مجدد

A-1 روش DMEXCLP

A-2 روش اکتشاف جریمه

A-3 مقایسه روش های مکان یابی مجدد

A-4 زنجیره های مکان یابی مجدد

A-5 تغییراتی در سیاست DMEXCLP و اکتشاف جریمه

منابع

چکیده

در شرایط اورژانسی که جان افراد را تهدید کرده و  هر ثانیه آن ارزش زیادی دارد، حضور به موقع آمبولانس می تواند تعیین کننده نجات یا مرگ افراد باشد. در عمل، زمان پاسخگویی مورد هدف که به صورت حداکثر مدت زمان بین دریافت تماس اضطراری و حضور نیروهای امدادی تعریف می شود، اغلب تماس برقرار نمی شود. یکی از راهکارهای کاهش زمان دسترسی به آمبولانس ها، مکان یابی مجدد آن ها  به منظور اطمینان از پوشش دهی مناسب آمبولانس های موجود است. این مقاله دو سیاست مکان یابی مجدد پویا را مورد ارزیابی قرار می دهد که در آن ها، ارائه دهنده خدمات آمبولانسی در هلند برای استفاده عملیاتی مورد اصلاح قرار گرفته و در قالب یک نرم افزار به منظور پشتیبانی از تصمیم گیری لحظه ای پیاده سازی شده است. این سیاست ها در یک برنامه آزمایشی در یک مرکز اعزام به مدت 12 هفته مورد استفاده قرار گرفته است. براساس نتایج این آزمایش، سیاست های پیشنهادی به منظور استفاده مداوم و پیاده سازی دائمی مورد پذیرش واقع گردید. در این مقاله روش های مکان یابی مجدد توصیف شده، نمونه آزمایشی مورد ارزیابی قرار گرفته، آمارهایی به منظور بهبود کارآمد ارائه شده و تجربیات اعزام کننده ها و مدیریت آمبولانس را مورد بحث قرار می دهد. 

ارائه دهندگان خدمات آمبولانسی  (ASP) در سرتاسر جهان می بایست سیاست هایی را به منظور بهبود بهره وری اجرا کنند که نمونه آن برنامه های کاهش بودجه یا بهبود عملکرد است. آن ها می توانند به بهره وری هایی از طریق اصلاح تجهیزات پزشکی، آموزش کارکنان و حوزه تدارکات دست یابند. در این مقاله بر مورد دوم تمرکز می کنیم. هدف این مقاله اختصاص “منابع مناسب در زمان صحیح و در مکان صحیح” به نحوی است که احتمال دستیابی به مدت زمان پاسخگویی مورد هدف با وجود محدودیت های بودجه ای موجود بهینه شود.

نتیجه گیری

در این مطالعه دو سیاست مدیریت آمبولانس را در یک مرکز اعزام EMS در Flevoland، یک منطقه سرویس دهی آمبولانس در هلند، مورد بررسی قرار می دهیم. ما مشاهده کردیم که اثربخشی مکان یابی های مجدد زمانی افزایش می یابد که از یک سیاست مکان یابی مجدد پویا استفاده می شود که در مقایسه با سال های گذشته که از الگوریتم های مکان یابی مجدد استفاده نمی شده است بهبود قابل توجهی داشته است. یکی از مزیت هایی که مشاهده گردید، تاخیر کمتر برای حجم تقاضا و تعداد مشابه مکان یابی های مجدد است، به این معنا که تعداد تماس های سرویس دهی که مدت زمان پاسخگویی در آن ها به آستانه تعیین شده می رسد. این منطقه EMS برای اولین بار در تاریچه خود در سال 2015 به آستانه مدت زمان پاسخگویی 95 درصد در طی 15 دقیقه دست یافته است. نتایج به دست آمده نشان می دهند که هر دو سیاست DAM عملکرد قابل مقایسه ای دارند.  

Abstract

In life-threatening emergency situations in which every second counts, the timely arrival of an ambulance can make the difference between survival and death. In practice, the response-time targets, defined as the maximum time between the moment an incoming emergency call is received the moment when onsite medical aid is provided, are often not met. A promising means to reduce late arrivals by ambulances is to proactively relocate ambulances to ensure good coverage by the available ambulances in real time. This paper evaluates two dynamic relocation policies that an ambulance service provider in the Netherlands modified for operational use and implemented in a software tool for realtime decision support. The policies were used in a pilot program within a dispatch center for 12 weeks. Based on the success of this pilot, our policies were adopted for ongoing use and permanent implementation. This paper describes the relocation methods, evaluates the pilot, provides statistics for efficiency improvements, and discusses the experiences of ambulance dispatchers and management.

Ambulance service providers (ASPs) worldwide must implement policies to improve efficiency, such as budget cuts or performance improvement programs. They can obtain efficiencies via changes to medical equipment, staff training, and the logistic domain. In this paper, we focus on the latter. The goal is to allocate the “right resources at the right time at the right place,” such that the probability of meeting their response-time targets, within given budget constraints, is optimized.

Conclusion

In this study, we put two dynamic ambulance-management policies into practice at an EMS dispatch center in Flevoland, an ambulance region in the Netherlands. We observed that the effectiveness of relocations improved when using a dynamic relocation policy, compared to previous years in which relocation algorithms were not used. One advantage we perceived is less latency, that is, the number of service calls for which the response time exceeds the threshold set, for a similar demand volume and number of relocations. The EMS region met the response-time requirement of 95 percent within 15 minutes for the first time in its history in 2015. The results indicate that both DAM policies perform comparably.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

سیاست های مکان یابی مجدد در مراکز اعزام آمبولانس با هدف افزایش کارآیی

Ambulance Dispatch Center Pilots Proactive Relocation Policies to Enhance Effectiveness

اعزام و جابجایی آمبولانس در زمان واقعی

Real-Time Ambulance Dispatching and Relocation

چکیده
1- پیشگفتار
1-1- انگیزه
1-2 کمک‌ها و نتایج اصلی
2- کارهای مربوطه
3- فرمولبندی مساله
3-1- فضای حالت
3-2- فضای عمل
3-3- گذرها
3-4- تابع هدف
3-5- معادله بهینگی
4- راه‌حل‌های تقریبی و تضمین عملکرد
4-1- کران بالا
4-2- توابع پایه
4-3- کران پایین
5- مطالعه موردی: شهر مکلنبورگ، کارولینای شمالی
5-1- انتخاب معیار ایستا
5-2- خط‌مشی‌های معیار پویا
5-3- نتایج و بینش‌های مدیریتی
6- نتیجه‌گیری

چکیده

در این مطالعه، چارچوب بهینه‌سازی انعطاف‌پذیری را برای اعزام و جابجایی بلادرنگ آمبولانس توسعه می‌دهیم. علاوه‌بر استقرار مجدد آمبولانس، یک استراتژی کلی اعزام و جابجایی را در نظر می‌گیریم که تصمیم گیرنده با استفاده از آن دارای گزینه‌های زیر است: 1) انتخاب هر گونه آمبولانس قابل دسترس برای تماس یا صف‌بندی تماس؛ و 2) ارسال یک آمبولانس بیکار برای پوشش محل آمبولانس که برای یک تماس اعزام شده است. مساله را به عنوان یک برنامه پویای تصادفی فرمولبندی می‌کنیم و از آنجایی که فضای حالت نامحدود است، چارچوب برنامه‌نویسی پویای مناسبی (ADP) را برای تولید راه‌حل‌های با کیفیت بالا توسعه می‌دهیم. کیفیت راه‌حل‌های خود را با توسعه کران پایینی روی زمان مورد انتظار واکنش و محاسبه کران پایینی روی کسر مورد انتظار تماس‌های دیرهنگام هر خط‌مشی جابجایی مورد ارزیابی قرار می‌دهیم. عملکرد خط‌مشی‌های خود و معیارهای قابل دسترس روی سیستم خدمات پزشکی اوراژانسی در شهرستان ملکلنبورگ در کارولینای شمالی را آزمایش می‌کنیم. نتایج نشان می‌دهند که خط‌مشی‌های ما تقریبا بهینه هستند و دارای عملکرد به طور قابل توجه بهتری نسبت به معیارهای موجود هستند. به ویژه، خط‌مشی ADP ما زمان مورد انتظار واکنش و کسر تماس‌های دیرهنگام با اولویت بالا را به ترتیب 12 و 6/30 درصد در طول بهترین معیارهای ایستای قابل دسترس در مطالعه موردی، کاهش می‌دهد. علاوه‌براین، نتایج، بینش‌هایی را در زمینه نقش هر استراتژی اعزام، استقرار مجدد و جابجایی فراهم می‌سازند.

6- نتیجه‌گیری

در این مطالعه، یک مساله اعزام و جابجایی بلادرنگ آمبولانس را به عنوان یک برنامه پویای تصادفی فرمولبندی کرده و آن را از طریق برنامه‌نویسی پویای تقریبی حل کردیم. تحقیقات در زمینه مدیریت بلادرنگ آمبولانس را که تنها استقرار مجدد آمبولانس را در نظر می‌گیرند در دو بُعد توسعه دادیم. ابتدا یک استراتژی کلی اعزام را در نظر گرفتیم که در آن، تصمیم گیرنده می‌تواند علاوه‌بر داشتن گزینه عدم اعزام فوری آمبولانس، و به جای آن، انتظار برای آمبولانسی که ممکن است به زودی قابل دسترس شود، هر آمبولانس قابل دسترسی را به یک تماس دریافتی اعزام نماید. دوما، یک استراتژی تخصیص مجدد آمبولانس را معرفی کردیم که در آن، تصمیم‌گیرنده ممکن است یک آمبولانس قابل دسترس را به محل آمبولانسی که به تازگی برای یک تماس اعزام شده است ارسال نماید. استراتژی تخصیص مجدد آمبولانس می‌تواند عملکرد را به وسیله کاهش زمان مورد انتظاری که یک منطقه بدون پوشش باقی می‌ماند و این وضعیت به وسیله اعزام تنها آمبولانس پوشش دهنده آن ایجاد می‌شود بهبود بخشد. ما عملکرد خط‌مشی‌های تولید شده توسط چارچوب ADP خود را روی سیستم EMS در شهر مکلنبورگ در کارولینای شمالی آزمایش کردیم و نتایج ما نشان می‌دهند که خط‌مشی‌های ما معیارهای ایستا را به طور قابل توجهی بهبود می‌بخشند. به ویژه، خط‌مشی‌های تقریبا بهینه ما زمان واکنش و کسر تماس‌های دیرهنگام را در مقایسه با بهترین معیارهای ایستا به ترتیب به اندازه 12 و 6/30 درصد کاهش می‌دهند.

Abstract

In this study, we develop a flexible optimization framework for real-time ambulance dispatching and relocation. In addition to ambulance redeployment, we consider a general dispatching and relocation strategy by which the decision maker has the option to (i) select any available ambulance to dispatch to a call or to queue the call and (ii) send an idle ambulance to cover the location of an ambulance just dispatched to a call. We formulate the problem as a stochastic dynamic program, and, because the state space is unbounded, an approximate dynamic programming (ADP) framework is developed to generate high-quality solutions. We assess the quality of our solutions by developing a lower bound on the expected response time and computing a lower bound on the expected fraction of late calls of any relocation policy. We test the performance of our policies and available benchmarks on an emergency medical services system in Mecklenburg County, North Carolina. The results show that our policies are near optimal and significantly outperform available benchmarks. In particular, our ADP policy reduces the expected response time and fraction of high-priority late calls by 12% and 30.6%, respectively, over the best available static benchmarks in the case study. Moreover, the results provide insights on the contribution of each dispatching, redeployment, and reallocation strategy

6- Conclusion

In this study we formulated a real-time ambulance dispatching and relocation problem as a stochastic dynamic program and solved it via approximate dynamic programming. We extended the literature on real-time ambulance management via ADP, which considers only ambulance redeployment, in two dimensions. First, we considered a general dispatching strategy in which the decision maker can send any available ambulance to a received call in addition to having the option of not dispatching an ambulance immediately, but rather waiting for an ambulance that may become available soon. Second, we introduced an ambulance reallocation strategy in which the decision maker may send an available ambulance to the location of an ambulance just dispatched to a call. The ambulance reallocation strategy can improve performance by reducing the expected time that a region is uncovered, which is caused by dispatching the only ambulance that covers it. We tested the performance of policies generated by our ADP framework on an EMS system in Mecklenburg County, North Carolina, and our results show that our policies significantly improve static benchmarks. In particular, our nearoptimal policies reduce the response time and fraction of high-priority late calls by 12% and 30.6%, respectively, compared to the best static benchmarks.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

اعزام و جابجایی آمبولانس در زمان واقعی

Real-Time Ambulance Dispatching and Relocation

یک رویکرد مستحکم با محدودیت منابع برای مسئله موقعیت یابی و اعزام آمبولانس

A Cardinality-Constrained Robust Approach for the Ambulance Location and Dispatching Problem

چکیده
1 مسئله موقعیت یابی و اعزام آمبولانس
2 فرمولاسیون مسئله انسجام
2.1 مجموعه ها، پارامترها و متغیرهای تصمیم گیری
2.2 تابع هدف و محدودیت ها
2.3 فرمولاسیون انسجام دارای محدودیت عددی
3 آزمایشات محاسباتی
3.1 اجرا و ارزیابی جواب ها
4 نتایج
نتیجه گیری
منابع

چکیده

هدف سیستم های خدمات پزشکی اورژانس (EMS) ، ارائه خدمات پزشکی سریع در موارد اورژانسی می باشد. برنامه ریزی دقیق یک پیش نیاز اصلی برای موفقیت یک سیستم EMS و بخصوص برای کاهش زمان واکنش می باشد. متاسفانه، تقاضا برای خدمات اورژانس بسیار متغیر است و تردید در هنگام برنامه ریزی برای اقدام باید نادیده گرفته شود. چندین روش بهینه سازی برای بررسی مسائل مربوط به برنامه ریزی های EMS مطرح شده است و برای مثال می توان به مسئله موقعیت یابی و اعزام آمبولانس (ALDP) اشاره کرد. به هر حال، بسیاری از مدل ها قطعی هستند و تردید در تقاضا را نادیده می گیرند. در این تحقیق، ما برای بررسی تردید در تقاضا یک روش متقابل ALDP را ارائه و اعتبار سنجی کردیم و از روش عددی محدود استفاده کردیم . بررسی های عددی الهام گرفته از یک مورد واقعی است که نتایج تاثیر گذاری را ارائه کرده است و کاربرد عملی روش را اثبات می کند.

1 مسئله موقعیت یابی و اعزام آمبولانس

سیستم های خدمات پزشکی اورژانس (EMS) در بر گیرنده فعالیت های بالینی و انتقال آمبولانس در واکنش به تماس های اورژانس می باشند.EMS   نقش مهمی در سیستم های درمان پیشرفته ایفا می کنند، زیرا واکنش مناسب به تماس های distress می تواند تاثیر قابل توجهی بر شرایط سلامت بیمار داشته باشد. بخصوص اینکه، یکی از مسائل اصلی مربوط به کاهش یا حفظ حد آستانه برای زمان بین دریافت تماس و ورود آمبولانس به منطقه اورژانس می باشد. ادبیات بسط داده شده برای طراحی و مدیریت EMS  گسترده است. خوانندگان علاقه مند به تحقیقات  (2) و (6) ارجاع داده می شوند زیرا در این تحقیقات طبقه بندی مسائل، فرمولاسیون و روش های حل مسائل EMS مطرح شده اند. جای تعجب نیست اگر بگوییم که در هر دو تحقیق، تردید در تقاضا و وجود آمبولانس بعد از دریافت تماس به عنوان مسائل مهم برای تحقیقات آینده اشاره شده اند.

Abstract

Emergency Medical Services (EMS) systems aim to provide immediate care in case of emergency. A careful planning is a major prerequisite for the success of an EMS system, in particular to reduce the response time. Unfortunately, the demand for emergency services is highly variable and uncertainty should not be neglected while planning the activities. Several optimization models have been proposed in the literature to deal with EMS planning-related problems, e.g. the Ambulance Location and Dispatching Problem (ALDP). However, most of the models are deterministic and neglect demand uncertainty. In this paper, we formulate and validate a robust counterpart of the ALDP to deal with demand uncertainty, exploiting the cardinality-constrained approach. Numerical experiments inspired by a real case show promising results and prove the practical applicability of the approach.

1 The Ambulance Location and Dispatching Problem

Emergency Medical Services (EMS) systems consist of the clinical activities and the ambulance transportation in response to an emergency call. EMS plays an important role in modern health care systems, as an adequate response to distress calls may have a crucial impact on patients’ health conditions. In particular, one of the main issues is to reduce, or to keep under a given threshold, the time between the distress call and the arrival of the ambulance to the emergency site. The body of literature devoted to EMS design and management is huge; we refer the interested reader to [2] and [6], which report classifications of EMS problems, formulations, and solving approaches. Unsurprisingly, both reviews identify uncertainty on the demand and availability of ambulances upon a call arrival as open and important issues to address in future research.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

یک رویکرد مستحکم با محدودیت منابع برای مسئله موقعیت یابی و اعزام آمبولانس

A Cardinality-Constrained Robust Approach for the Ambulance Location and Dispatching Problem

مدل بدون توزیع برای مسئله مکان یابی آمبولانس با تقاضای مبهم

Distribution-Free Model for Ambulance Location Problem with Ambiguous Demand

1- مقدمه
2- بررسی ادبیات
2-1 مشکل مکان یابی آمبولانس با تقاضای مبهم
2-2 روش های آزاد توزیع
3- شرح و فرمول بندی مشکل
3-1 شرح مشکل
3-2 ساخت محدودیت شانسی
3-3- فرمولاسيون آزاد توزيع
4- رویکردهای راه حل
4-1 فرمول تقریبی MIP MIP-DF1:
4-2 فرمول تقریبی MIP: MIP-DF2
5- آزمایشات محاسباتی
5-1 آزمایش خارج از نمونه
5-2 نمونه های معیار
5-3 آزمایش های محاسباتی بر روی نمونه های ایجاد شده به صورت تصادفی
6- نتیجه گیری

مشکل مکان یابی آمبولانس یک مسئله کلیدی در سیستم خدمات اورژانس پزشکی (EMS) برای تعیین موقعیت مکانی آمبولانس است تا با استفاده از آن بتوان به تماس های اضطراری به طور موثر پاسخ داد. بیشتر تحقیقات مربوطه بر مشکلات قطعی متمرکز هستند و یا فرض می کنند که توزیع احتمالی تقاضا را می توان برآورد کرد. با این حال در عمل، کسب اطلاعات کامل در مورد توزیع احتمال مشکل است. این مقاله، مسئله مکان یابی آمبولانس را با اطلاعات تقاضای جزئی مورد بررسی قرار می دهد؛ این به این معنی است که تنها ماتریس میانگین و کوواریانس خواسته ها شناخته شده اند. این مشکل شامل تعیین مکان های پایه و به کارگیری آمبولانس ها، برای به حداقل رساندن کل هزینه ها است. یک مدل آزاد توزیع جدید با محدودیت های شانسی پیشنهاد شده است. سپس دو فرمول برنامه ريزي عدد صحیح مختلط تقریب زده شده (MIP)، براي حل آن توسعه داده شده است. در نهایت، آزمایش های عددی بر روی معیارها (Nickel et al.، 2016) و 120 نمونه ایجاد شده به صورت تصادفی، انجام شده و نتایج محاسباتی نشان می دهد که این دو فرمول پیشنهادی ما می توانند یک سطح خدمات بالا در یک زمان کوتاه را تضمین کنند. به طور خاص، فرمول دوم هزینه کمتری را اتخاذ می کند، در حالی که یک سطح خدمات مناسب را تضمین می کند.

1- مقدمه

طراحی سیستم های خدمات اورژانس پزشکی (EMS) که سلامت و زندگی مردم را تحت تأثیر قرار می دهد، بر نحوه پاسخ سریع به موارد اضطراری متمرکز است. مشکل مکان یابی آمبولانس یکی از مشکلات کلیدی در سیستم EMS است که عمدتا شامل تعیین پایگاه هایی است که به عنوان امکانات خدمات اورژانس نیز نامیده شده است، و همچنین به کارگیری آمبولانس ها به منظور ارائه خدمات کارآمدتر در شرایط اضطراری و تضمین کمک به زنده ماندن بیمار است. تحقیقات مختلفی، (به عنوان مثال [1، 2]) ارائه شده Toregas و همکاران (1974)، در مورد مسائل مربوط به مکان یابی آمبولانس انجام شده است.

6- نتیجه گیری

این مقاله یک مشکل مکان یابی آمبولانس با مجموعه ای از ابهام در تقاضا را مورد بررسی قرار می دهد که در آن توزیع احتمال تقاضای نامشخص، مجهول است. در این محیط داده محور، تنها تقاضاهای میانگین و کوواریانس در نقاط اضطراری شناخته شده اند. مشکل، تعیین موقعیت پایگاه ها و تعداد آمبولانس ها در هر پایگاه، با هدف به حداقل رساندن هزینه کل مرتبط با مکان یابی پایگاه ها و اختصاص دادن آمبولانس ها است. ما یک مدل آزاد توزیع با محدودیت های احتمالی پیشنهاد می کنیم. سپس دو فرمول MIP تقریبی با روش های تقریب مختلف محدودیت های شانسی پیشنهاد شده است که مبتنی بر مجموعه ابهام های توزیع احتمال ناشناخته هستند. آزمایش های عددی بر روی معیارها و 120 نمونه ایجاد شده به صورت تصادفی انجام شده و نتایج محاسباتی نشان می دهد که اولین فرمول MIP تقریبی با هزینه بالای سیستم بسیار محافظه کارانه تر است، در حالی که فرمول MIP تقریبی دوم صرفه جویی در هزینه بیشتر با سطح خدمات مناسب را تضمین می کند.

Ambulance location problem is a key issue in Emergency Medical Service (EMS) system, which is to determine where to locate ambulances such that the emergency calls can be responded efciently. Most related researches focus on deterministic problems or assume that the probability distribution of demand can be estimated. In practice, however, it is difcult to obtain perfect information on probability distribution. Tis paper investigates the ambulance location problem with partial demand information; i.e., only the mean and covariance matrix of the demands are known. Te problem consists of determining base locations and the employment of ambulances, to minimize the total cost. A new distribution-free chance constrained model is proposed. Ten two approximated mixed integer programming (MIP) formulations are developed to solve it. Finally, numerical experiments on benchmarks (Nickel et al., 2016) and 120 randomly generated instances are conducted, and computational results show that our proposed two formulations can ensure a high service level in a short time. Specifcally, the second formulation takes less cost while guaranteeing an appropriate service level.

1- Introduction

Te design of Emergency Medical Service (EMS) systems that afects people’s health and life focuses on how to respond to emergencies rapidly. Ambulance location problem is one of the key problems in EMS system, which mainly consists of determining where to locate bases, also named as emergency service facilities, and the employment of ambulances in order to serve emergencies efciently and to guarantee patient survivability. Tere have been various researches investigating ambulance location problem (e.g., [1, 2]) since it is introduced by Toregas et al. (1974).

6- Conclusion

Tis paper investigates an ambulance location problem with ambiguity set of demand, in which the probability distribution of the uncertain demand is unknown. In such a datadriven environment, only the mean and covariance demands at emergency points are known. Te problem is to determine the base locations and the number of ambulances at each base, aiming at minimizing the total cost associated with locating bases and assigning ambulances. We propose a distribution-free model with chance constraints. Ten two approximated MIP formulations with diferent approximation methods of chance constraints are proposed, which are based on diferent ambiguity sets of the unknown probability distribution. Numerical experiments on benchmarks and 120 randomly generated instances are conducted, and the computational results show that the frst approximated MIP formulation is much conservative with overhigh system cost, while the second approximated MIP formulation is more cost saving with service level appropriately ensured.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدل بدون توزیع برای مسئله مکان یابی آمبولانس با تقاضای مبهم

Distribution-Free Model for Ambulance Location Problem with Ambiguous Demand

رویکرد مبتنی بر سناریو برای مسئله مکان یابی آمبولانس با ورود تماس های تصادفی

Scenario-based approach for the ambulance location problem with stochastic call arrivals under a dispatching policy

چکیده
1- پیشگفتار
2- تحقیقات مربوطه
3- بیان مساله
4- روش‌های راه‌حل
4-1- رویکرد ارائه شده: تجزیه بندرز منطق-محور
4-2- اجرا
5- آزمایش‌های محاسباتی
6- بحث
7- نتیجه‌گیری

چکیده

این مقاله، مدل مکان یابی آمبولانس سناریو-محوری را ارائه می‌دهد که به طور صریح قابلیت دسترسی آمبولانس‌ها را با تماس‌های ورودی‌ تصادفی تحت خط‌مشی اعزام محاسبه می‌کند. این مدل از برنامه‌نویسی تصادفی دو مرحله‌ای برای نمایش تغییرات موقت در تماس‌های ورودی‌ به صورت مجموعه‌ای از دنباله‌های ورودی تماس استفاده می‌کند. برای حصول اطمینان از این که آمبولانس‌های قابل دسترس با پیروی خط‌مشی اعزام به تماس‌های ورودی تخصیص داده می‌شوند، محدودیت‌هایی در مدل قرار داده می‌شوند. الگوریتم تجزیه بندرز منطق-محوری برای حل مدل ارائه می‌شود. مزیت استفاده از الگوریتم ما، به وسیله مقایسه عملکرد آن با سایر مدل‌های مکان یابی نشان داده می‌شود.

7- نتیجه‌گیری

در این مقاله، یک مدل مکان یابی آمبولانس طراحی شده برای محاسبه صریح قابلیت دسترسی آمبولانس‌ها با ملاحظه دو فاکتور کلیدی در تصمیمات مکان یابی آمبولانس ارائه می‌شود: تغییرات زمانی در تماس‌های ورودی و یک خط‌مشی اعزام. این مدل بر اساس رویکرد برنامه‌نویسی تصادفی است و تغییرات زمانی در تماس‌های ورودی به عنوان مجموعه‌ای از سناریوها نمایش داده می‌شوند. علاوه‌براین، به طور صریح خط‌مشی اعزام آمبولانس را در مساله مکان یابی آمبولانس ادغام می‌کنیم به طوری که تعامل بین دو تصمیم، یعنی، اعزام آمبولانس و مکانیابی‌ها، در نظر گرفته می‌شود. این مدل، ما را قادر به ادغام قابلیت دسترسی آمبولانس به شیوه‌ای دقیق‌تر از مدل‌های کلاسیک مکان یابی آمبولانس می‌سازد. مدل ارائه شده، با توسعه الگوریتمی بر اساس تجزیه بندرز منطق-محور حل شد. الگوریتم به لحاظ نظری بهینگی راه‌حل را تضمین می‌کند. با این حال، از آنجایی که الگوریتم نیاز به زمان قابل ملاحظه‌ای برای به دست آوردن راه‌حل بهینه مکان یابی داشت، تعدادی طرحواره تقریب را با استفاده از الگوریتمی متا-اکتضافی اجرا کردیم. آزمایش‌های نشان می‌دهند که مدل ارائه شده دارای عملکرد بهتری نسبت به برخی از مدل‌های کلاسیک مکان یابی است.

Abstract

This paper proposes a scenario-based ambulance location model which explicitly computes the availability of ambulances with stochastic call arrivals under a dispatching policy. The model utilizes two-stage stochastic programming to represent the temporal variations in call arrivals as a set of call arrival sequences. Constraints are embedded in the model to ensure that available ambulances are assigned to incoming calls following a dispatching policy. A logic-based Benders decomposition algorithm is presented to solve the model. The advantage of using our algorithm is demonstrated by comparing its performance with those of other location models.

7- Conclusion

In this paper, we propose an ambulance location model designed to explicitly compute the availability of ambulances while considering the two key factors in ambulance location decisions: temporal variations in call arrivals and a dispatching policy. The model is based on a stochastic programming approach and the temporal variations in call arrivals are represented as a set of scenarios. Moreover we explicitly incorporate the ambulance dispatching policy into the ambulance location problem such that the interaction between two decisions, i.e., ambulance dispatching and locations, is considered. It allows us to incorporate ambulance availability in a more precise fashion than classical probabilistic location models. The proposed model was solved by developing an algorithm based on a logic-based Benders decomposition. The algorithm theoretically guarantees the optimality of the solution. However, as the algorithm required a significant amount of time to obtain an optimal location solution, we implemented a few approximation schemes using a meta-heuristic algorithm. The experiments demonstrate that the proposed model outperforms some of the classic location models.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

رویکرد مبتنی بر سناریو برای مسئله مکان یابی آمبولانس با ورود تماس های تصادفی

Scenario-based approach for the ambulance location problem with stochastic call arrivals under a dispatching policy

مشکل جابجایی و اعزام آمبولانس

The Ambulance Relocation and Dispatching Problem

چکیده

1. مقدمه

2. مقالات مربوط به EMS

2.1. قوانین اعزام

2.2. استراتژی‌های جابجایی

3. مسئله جابجایی و اعزام آمبولانس

3.1. تعریف زمان پاسخ مورد انتظار

3.2. فرمول بندی

4. رویکرد تجزیه فرامکاشفه ای

4.1. مرحله 1: تخصیص آمبولانسها به زیرمناطق

4.2. جابجایی آمبولانس و پیش-تخصیص آن برای هر منطقه

4.3. به روز رسانی فهرستهای از پیش تخصیص یافته

5. آزمایشات محاسباتی

5.1. توصیف نمونه‌ها

5.2. تحلیل مدل

5.3. تحلیل فرامکاشفه ای: تأثیر تجزیه کردن مسئله

6. نتیجه گیری

چکیده

خدمات اورژانس پزشکی (EMS) به طور کلی با دو تصمیم گیری زمان واقعی سر و کار دارد: اعزام و جابجایی آمبولانس. اعزام  شامل انتخاب در این مورد است که کدام آمبولانس برای تماس اضطراری فرستاده شود، درحالیکه جابجایی شامل تعیین نحوه تغییر مکان آمبولانسهای موجود در طی روز در واکنش نسبت به تغییر موقعیت سیستم می‌باشد. اگرچه آن‌ها عمدتاً در مقالات و در بین متخصصان بطور جداگانه‌ای مورد نظر قرار می‌گیرند، اما تصمیمات مربوط به اعزام و جابجایی ارتباط زیادی با هم دارند. توجه همزمان به آن‌ها می‌تواند با تلاش کمی برای جابجایی، به بهبود سطح خدمات کمک کند. در این مطالعه، مسئله جابجایی و اعزام آمبولانس (ARDP) را مورد توجه قرار می‌دهیم. ARDP محل هر یک از آمبولانسهای در دسترس و همچنین خط مشی اعزام را تعیین می‌کند، با این هدف که زمان مورد انتظار برای پاسخ در طی تلاشهای جابجایی را به حداقل برساند. ARDP به عنوان یک مدل برنامه نویسی خطی تدوین شده است. برای حل نمونه‌های واقعی، یک رویکرد تجزیه فرامکاشفه ای با بهره گیری از تقسیم منطقه به مناطق فرعی ارائه شده است. این نتایج، مزایای توجه به تصمیمات همزمان اعزام و جابجایی و تأثیر آنها بر یکدیگر را نشان می‌دهند. علاوه بر این، در مجموعه‌ای از موارد بازگوکننده یک کاربرد واقعی، رویکرد پیشنهادی به عنوان ابزاری مؤثر در ارائه راه حلهای باکیفیت اثبات شده است. 

1. مقدمه

خدمات اورژانس پزشکی (EMS) مسئول ارائه خدمات پزشکی به همه اشخاصی است که بطور اضطراری به آن نیاز دارند و همچنین باید در صورت لزوم آنها را به مرکز درمانی انتقال دهد. هدف نهایی EMS، نجات جان افراد و به حداقل رسانی تأثیر رویدادهای مربوط به سلامت است. زمانیکه تماسی دریافت می‌شود، آمبولانسی که برای آن تماس اختصاص داده می‌شود باید بسرعت انتخاب شود تا به صحنه اورژانس برسد و کمکهای به موقعی را برای بیماران ارائه نماید. قانون مشترکی که همیشه نزدیکترین آمبولانس بیکار را می‌فرستد، تا حد زیادی در بین سازمانهای EMS و جامعه علمی مورد توجه قرار دارد (Bandara و همکاران، 2014؛ Jagtenberg و همکاران، 2015). با این حال، تحت شرایط مشخصی، انتخاب نزدیکترین آمبولانس دیگر ممکن است در کاهش تأثیر بر سیستم و افزایش توانایی برای خدمت رسانی برای تقاضاهای آینده، و یا جلوگیری از عدم توازن حجم کاری موثرتر باشد (Toro-Diaz و همکاران، 2013). 

6. نتیجه گیری

این مقاله بر مدلسازی و تحلیل یک مدل تصمیم برای مدیریت EMS تمرکز دارد که تصمیمات جابجایی و اعزام را بطور مشترکی مورد توجه قرار می‌دهد. ARDP همانطور که در این مطالعه مطرح شد، از لحاظ چند ویژگی با سایر مسائل مرتبط فرق دارد. اولاً، آن علاوه بر تصمیمات جابجایی، شامل فهرستهای منظم و از پیش تخصیص یافته‌ای است که به تصمیمات اعزام کمک می‌کند. همچنین صراحتاً حجم کاری مورد انتظار آمبولانس را مورد توجه قرار می‌دهد و از زمان پاسخ مورد انتظار برای انتخاب بهترین راه حل ممکن استفاده می‌کند و عملکرد سیستم را ارزیابی می‌نماید. 

Abstract

Emergency medical services (EMS) generally deal with two real-time decisions: ambulance dispatching and relocation. Dispatching consists in selecting which ambulance to send to an emergency call, while relocation consists in determining how to modify the location of available ambulances throughout the day in response to changes in the state of the system. Although they have been mostly considered separately both in the literature and among practitioners, dispatching and relocation decisions are closely related. Considering them simultaneously could help improve the service level with lower relocation efforts. In this study, we address the Ambulance Relocation and Dispatching Problem (ARDP). The ARDP determines the location of each available ambulance as well as a dispatching policy, aiming at minimizing the expected response time along with relocation efforts. The ARDP is formulated as a linear programming model. To solve reallife instances, a matheuristic decomposition approach is developed exploiting the division of the territory into subregions. Results show the benefits of considering dispatching and relocation decisions simultaneously, and their impact on each other. Moreover, on a set of instances representative of a real application, the proposed approach has proven to be an effective tool to provide good quality solutions.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مشکل جابجایی و اعزام آمبولانس

The Ambulance Relocation and Dispatching Problem

الگوریتم تکراری بهینه سازی با تخمین پارامتر برای مشکل مکان یابی آمبولانس

Iterative optimization algorithm with parameter estimation for the ambulance location problem

چکیده
1- مقدمه
2 بررسی ادبیات
3 مدل سازی مشکل با استفاده از ابر مکعبی
4 الگوریتم بهینه سازی ابر مکعب تکراری
4-1 مدل بهینه سازی برای الگوریتم تکراری
4-2 تنظیمات اولیه
4-3 مدل ابر مکعب برای الگوریتم تکراری
4-4 شرایط خاتمه
4-5 به روز رسانی پارامتر
5 الگوریتم بهینه سازی شبیه سازی تکراری
6 نتایج تجربی
6-1 تایید اعتبار مدل شبیه سازی
6-2 مقایسه آزمایشات HYP-OPT و SIM-OPT
6-3 آزمایشات مقایسه ای SIM-OPT و رویکردهای برنامه ریزی ریاضی
7 نتیجه گیری
8 ضمیمه 1: شبه کد روند به روز رسانی پارامتر
9 ضمیمه 2: چارچوب شبیه سازی

چکیده

مشکل مکان یابی وسیله نقلیه اورژانسی برای تعیین تعداد ماشین های آمبولانس و موقعیت مکانی آن ها که سطح اطمینان مورد نیاز را برآورده می کند، در این مطالعه مورد بررسی قرار گرفته است. این یک مسئله غیر خطی پیچیده شامل تصمیم گیری های بحرانی است که دارای ویژگی های تصادفی ذاتی است. این مقاله یک الگوریتم بهینه سازی تکراری با برآورد پارامتر را برای حل مشکل مکان یابی وسیله نقلیه اورژانسی بررسی می کند. در الگوریتم پیشنهاد شده، یک مدل خطی موقعیت مکانی آمبولانس ها را تعیین می کند، در حالی که یک شبیه سازی ابر مکعبی برای ارزیابی و ارائه پارامترهای مربوط به موقعیت آمبولانس ها استفاده شده است. ما ابتدا یک الگوریتم بهینه سازی تکراری ابر مکعبی پیشنهاد می کنیم که در آن پارامترهای تعامل و قوانین ابر مکعب و بهینه سازی شناسایی شده اند. قوانین تعامل که در این تحقیق استفاده شده اند الگوریتم ما را قادر می سازد تا همیشه موقعیت مکانی آمبولانس ها را به گونه ای پیدا کند که قابلیت اطمینان مورد نیاز را برآورده کند. ما همچنین یک الگوریتم بهینه سازی شبیه سازی تکراری پیشنهاد می کنیم که در آن، روش ابر مکعب به منظور دستیابی به کارایی محاسباتی با یک شبیه سازی جایگزین شده است. آزمایشات محاسباتی نشان می دهند که الگوریتم بهینه سازی شبیه سازی تکراری، به صورت معادل با بهینه سازی ابر مکعب تکراری عمل می کند. الگوریتم های پیشنهادی، عملکرد بهتری نسبت به الگوریتم های موجود در ادبیات ارائه می دهند.

1- مقدمه

در یک سیستم خدمات اورژانس پزشکی (EMS)، مشکل مکان یابی آمبولانس (ALP) یک مسئله حیاتی است. تعیین موقعیت مکانی آمبولانس ها برای ارائه به موقع خدمات اورژانسی پزشکی، زندگی بیماران را تحت تاثیر قرار می دهد. ALP را می توان به عنوان مشکل تعیین تعداد و موقعیت آمبولانس های مورد نیاز برای ارائه به موقع سطح مشخصی از خدمات تعریف کرد. مشکل پوشش محل (LSCP)، که برای به حداقل رساندن تعداد وسایل نقلیه مورد نیاز برای پوشش همه سایتهای تقاضا در یک فاصله خاص است، یک روش موثر برای مدل سازی ALP می باشد. با این حال، LSCP قادر به کسب مهمترین ویژگی ALP نیست: عدم دسترسی به آمبولانس، مثلا زمانی که آمبولانس توسط یک بیمار اشغال شده باشد، منجر به ورود دیر هنگام آمبولانس در محل هدف شده و در نتیجه شانس بیمار برای زنده ماندن را کاهش می دهد. بنابراین، ایجاد یک مدل قابل اعتماد مکان یابی آمبولانس دارای اهمیت است.

7- نتیجه گیری

این مقاله یک الگوریتم ابر مکعب و بهینه سازی شبیه سازی تکراری به منظور یافتن موقعیت مکانی آمبولانس هایی که الزامات قابلیت اطمینان را برآورده می کنند، پیشنهاد کرده است. مدل بهینه سازی الگوریتم های پیشنهادی، تعداد و موقعیت مکانی آمبولانس ها را با استفاده از محدودیت های خطی ساده پیدا می کند. مدل ابر مکعب (شبیه سازی) برای اعتبار سنجی نتایج مدل بهینه سازی استفاده شد و تعداد کمی از پارامتر های مورد نیاز برای تعامل بین مدل ها با هدف اعتبار سنجی، شناسایی شده اند. این پارامترهای تعامل، تا زمان رضایت کامل از شرایط خاتمه به روز شدند، بنابراین یک راه حل امکان پذیر را تضمین می کنند. آزمایش مقایسه ای HYP-OPT و SIM-OPT نشان داد که این دو الگوریتم کارایی تقریبا یکسانی دارند. نتایج تجربی SIM-OPT با سایر الگوریتم های برنامه ریزی ریاضی مقایسه شده اند و این از آمار ارائه شده مشهود است که الگوریتم پیشنهادی از لحاظ تعداد وسایل نقلیه اختصاص یافته، کارآمد است. این به این معنی است که این الگوریتم برای مواردی که در آن ها دیگر الگوریتم ها به راه حل های عملی دست پیدا کرده اند، تعداد آمبولانس کمتری در مقایسه با سایر الگوریتم ها پیدا کرده است. در موارد دیگر، تنها 0.3815 وسیله نقلیه بیشتر از سایر مدل ها به کار گرفته شده و در عین حال الزامات قابلیت اطمینان برآورده شده است (زمان محاسبه برای هر مورد کمتر از 1 ساعت بود). محدودیت های این مقاله شامل این فرض است که تعداد آمبولانس های مورد نیاز در هر گره تقاضا و حداکثر استفاده از هر آمبولانس یکسان هستند. قوانین به روز رسانی پارامتر zijhyper را می توان در مدل بهینه سازی برای اعمال یک مرز محکم در آن، اصلاح کرد. پیشنهاد شده است که پژوهش های آینده یک الگوریتم تکراری را که مدت زمان سفر و تقاضا را در هر دوره در نظر می گیرد، مورد بررسی قرار دهند.

Abstract

The emergency vehicle location problem to determine the number of ambulance vehicles and their locations satisfying a required reliability level is investigated in this study. This is a complex nonlinear issue involving critical decision making that has inherent stochastic characteristics. This paper studies an iterative optimization algorithm with parameter estimation to solve the emergency vehicle location problem. In the suggested algorithm, a linear model determines the locations of ambulances, while a hypercube simulation is used to estimate and provide parameters regarding ambulance locations. First, we suggest an iterative hypercube optimization algorithm in which interaction parameters and rules for the hypercube and optimization are identified. The interaction rules employed in this study enable our algorithm to always find the locations of ambulances satisfying the reliability requirement. We also propose an iterative simulation optimization algorithm in which the hypercube method is replaced by a simulation, to achieve computational efficiency. The computational experiments show that the iterative simulation optimization algorithm performs equivalently to the iterative hypercube optimization. The suggested algorithms are found to outperform existing algorithms suggested in the literature.

1- Introduction

In an emergency medical service system (EMS), the ambulance location problem (ALP) is a critical issue. Locating ambulances is crucial to providing timely emergency medical services, affecting patients’ lives intimately. The ALP can be defined as the problem to find the number and locations of ambulances needed to provide a certain level of timely service. The location set cover problem (LSCP), which is to minimize the number of vehicles required to cover all demand sites within a specific distance, is an effective approach used to model the ALP. However, the LSCP is not able to capture the most important characteristic of the ALP: unavailability of an ambulance, such as when it is occupied by a patient, which leads to the late arrival of the ambulance at the target location, thus decreasing the patient’s chances of survival. Therefore, it is important to build a reliable ambulance location model.

7- Conclusions

This paper suggested an iterative hypercube and simulation optimization algorithm for the purpose of finding the locations of ambulances that satisfy the reliability requirements. The optimization model of the suggested algorithms finds the number and locations of ambulances using simple linear constraints. The hypercube (simulation) model was used to validate the optimization model results, and a few parameters required to interact between the models for the purpose of validation were identified. These interaction parameters were updated iteratively until satisfaction of the termination conditions, thus ensuring a feasible solution. The comparison experiment of HYP-OPT and SIM-OPT showed that the two algorithms have approximately equivalent performances. The experimental results of SIM-OPT were compared with other mathematical programming algorithms, and it is evident from the statistics presented that the suggested algorithm is efficient in terms of the number of allocated vehicles. That is, it found a lower number of ambulances on average compared to the other algorithms for the cases in which the others found feasible solutions. In the other cases, it employed only 0.3815 more vehicles than the other models on average while satisfying the reliability requirement (computational time per case was observed to be<1 h). The limitations of this paper include the assumption that the required numbers of ambulances per demand node and the maximum utilizations of each ambulance are the same. The rules for updating the parameter zij hyper could be revised to impose a tight boundary on it in the optimization model. Future research is suggested to investigate an iterative algorithm that considers travel time and demand per period.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

الگوریتم تکراری بهینه سازی با تخمین پارامتر برای مشکل مکان یابی آمبولانس

Iterative optimization algorithm with parameter estimation for the ambulance location problem

نقش همبستگی در اعزام آمبولانس

Role of Parallelism in Ambulance Dispatching

چکیده

1. مقدمه

2. سیاست مرکزیت

3. اصل موازت (همبستگی)

4. ارزیابی عملکرد

A. طرح آزمایش

B. ارتقاء عملکرد

C. تغییر عملکرد

5. قانون فعال سازی موازات

6. نتیجه گیری و کار آتی

منابع

چکیده

تقاضا برای خدمات فوریت های پزشکی (EMS) با گذشت زمان افزایش یافته است و منجر به نیاز به تکنیک های موثر برای مدیریت تدارکات آمبولانس شده است. تصمیمات مربوط به اعزام آمبولانس در سیستم EMS آمبولانس ها را به نحوی به تماس ها اختصاص می دهد که مدت زمان پاسخگویی به حداقل برسد. مفهوم همبستگی برای تصمیمات اعزام آمبولانس توسعه داده می شود به طوری که امکان در نظر گرفتن آمبولانس های بیکار و مشغول به صورت موازی نسبت به تنها آمبولانس های بیکار را فراهم می کند. همبستگی که براساس سیاست مرکزیت موجود در ادبیات به کار گرفته شده است، منجر به تکمیل سیاست موازی شده مرکزیت و ارتقاء سیاست مرکزیت می شود. تحلیل تجربی نشان می دهد که همبستگی به طور قابل توجهی سبب کاهش مدت زمان پاسخگویی به میزان حداکثر 43.4 درصد نسبت به روش های موجود می شود که تنها آمبولانس های بیکار را در نظر می گیرند.

1. مقدمه

تقاضا برای خدمات فوریت های پزشکی (EMS) با گذشت زمان افزایش یافته است که منجر به نیاز به تکنیک های موثر برای مدیریت تدارکات آمبولانسی شده است (در شکل 1 تعداد دپارتمان های اورژانس  (ED) بازدید شده توسط آمبولانس در بین سال های 2003 تا 2010 در ایالات متحده نشان داده شده است). مدت زمان پاسخگویی که به طور قابل توجهی تحت تاثیر تدارکات آمبولانس قرار دارد، زمان طی شده برای دسترسی به بیمار پس از یک تماس اضطراری دریافت شده است و به عنوان یک معیار مهم عملکرد مورد استفاده قرار می گیرد چرا که تاثیر مستقیمی بر رفاه و ایمنی بیماران دارد. به عنوان مثال، ایست قلبی  علت اصلی مرگ ها در ایالات متحده آمریکا است که مسئول مرگ 350 هزار نفر در هر سال است [2]. تخمین زده شده است که اثر یک دقیقه کاهش در زمان پاسخگویی به بیمارانی که دچار ایست قلبی ناگهانی شده اند منجر به افزایش نرخ نجات به میزان 24 درصد می شود [3].

6. نتیجه گیری و کار آتی

مفهوم موازات برای تصمیمات اعزام آمبولانس که امکان در نظر گرفتن واحدهای بیکار و مشغول به صورت موازی به غیر از تنها واحدهای بیکار را دارد توسعه داده می شود. مفهوم موازات که براساس سیاست مرکزیت اعمال می شود، منجر به سیاست مرکزیت موازی شده می شود که سیاست مرکزیت را به طور متوسط همانند تغییر مدت زمان پاسخگویی تکمیل می کند و ارتقا می دهد. سیاست مرکزیت موازی شده دربرگیرنده دو پارامتر درجه بندی، پارامتر مرکزیت و پارامتر موازات است که امکان دستیابی به عملکرد قابل جابجایی را فراهم می کند که با سناریوهای مختلف عملیاتی تطبیق دارد. به منظور حداکثر کردن منافع سیاست، مقادیر پارامتری می بایست به طور دقیق مطابق با مشخصات عوامل کاری همانند عدم قطعیت اطلاعات، احتمال انتقال به بیمارستان، اندازه منطقه سرویس دهی، اندازه ناوگان و الگوی توزیع تماس انتخاب شوند.

Abstract

The demand for emergency medical service (EMS) has been rising over time, leading to the need for efficient yet effective techniques for managing ambulance logistics. Ambulance dispatching decisions in EMS assign ambulances to calls such that the response time is minimized. A notion of parallelism is developed for ambulance dispatching decisions that allows considering both idle and busy ambulances in parallel rather than just idle ones. The parallelism, applied upon the centrality policy found in literature, results in the parallelized centrality policy complementing and enhancing the centrality policy. The experimental analysis evidences that the parallelism significantly reduces response time by up to 43.4% over the existing approaches that only consider idle ambulances.

I. Introduction

THE DEMAND for emergency medical service (EMS) has been rising over time [see Fig. 1 for the number of emergency department (ED) visits by ambulance between 2003 and 2010 in the U.S.], leading to the need for efficient yet effective techniques for managing ambulance logistics. Response time, which is significantly influenced by the ambulance logistics, is the time taken to reach patient after an emergency call is received, and it has been used as an important performance measure since it directly affects the welfare and safety of patients. For example, sudden cardiac arrest is a leading cause of deaths in the U.S., responsible for more than 350 000 deaths each year [2]. The effect ofa1m reduction in response time for patients with sudden cardiac arrest is estimated to increase survival rate by 24% [3].

VI. Conclusion and Future Work

A notion of parallelism is developed for ambulance dispatching decisions that allow considering both idle and busy units in parallel rather than just idle ones. The parallelism, applied upon the centrality policy, results in the parallelized centrality policy complementing and enhancing the centrality policy in average as well as variation of response time. The parallelized centrality policy involves two calibration parameters, centrality parameter and parallelism parameter, which enable to achieve portable performance adaptively to various operational scenarios. In order to maximize the benefits of the policy, the parameter values have to be carefully chosen according to the characteristics of the operating environment factoring in such as information uncertainty, probability of transferring to hospital, size of service area, size of fleet, and call distribution pattern.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

نقش همبستگی در اعزام آمبولانس

Role of Parallelism in Ambulance Dispatching

نقش مرکزیت در اعزام آمبولانس

The role of centrality in ambulance dispatching

چکیده
1- پیشگفتار
2- خط مشی مرکزیت
2-1- خط‌مشی
2-2- پارامترهای الگوریتمی
3- ارزیابی عملکرد خط مشی مرکزیت
3-1- طراحی تجربی
3-2- عملکرد خط مشی مرکزیت نسبت به خط مشی NN
3-3- عملکرد خط مشی مرکزیت نسبت به خط مشی NN
4- تاثیر معیارهای مرکزیت
5- نتیجه‌گیری‌ها

چکیده

یک خط مشی اعزام آمبولانس به نام «خط مشی مرکزیت» در تلاش برای کاهش زمان واکنش در وضعیت‌های اورژانسی مهم از قبیل بلایای طبیعی بر اساس نظریه مرکزیت از مطالعه در زمینه شبکه‌های پیچیده ارائه می‌شود. خط مشی نزدیک‌ترین همسایه (NN)، تماس‌های اورژانسی را بر اساس نزدیکی اولویت‌بندی می‌کند و در تحقیقات به عنوان خط مشی موثری شناخته شده است. خط مشی NN به وسیله اولویت‌بندی تماس‌ها بر اساس مرکزیت علاوه‌بر نزدیکی، به خط مشی مرکزیت تکامل می‌یابد. مرکزیت، امکان نمایش کارایی یک محل تماس را در رسیدگی به سایر تماس‌های فعلی و آینده فراهم می‌سازد و بنابراین، عملکرد طولانی مدت فراتر از عملکرد فوری دنبال شده توسط خط مشی NN را تضمین می‌کند. دو پارامتر به خط مشی مرکزیت مربوط می‌شوند: وزن روی مرکزیت و انتخاب معیار مرکزیت. یک تجزیه و تحلیل حساسیت مبتنی بر شبیه‌سازی گسترده، روی پارامترهای الگوریتمی به منظور بررسی نقش مرکزیت در اعزام آمبولانس انجام می‌شود. با توجه به این که این پارامترها به طور مناسبی انتخاب شده‌اند، تجزیه و تحلیل، شواهدی را مبنی بر پتانسیل ملاحظه مرکزیت در کاهش زمان واکنش فراتر از خط مشی NN ارائه می‌دهد.

5- نتیجه‌گیری‌ها

یک خط مشی جدید اعزام آمبولانس توسط اصل مرکزیت از مطالعه شبکه‌های پیچیده ارائه می‌شود. این خط مشی را می‌توان در وضعیت‌های اورژانسی مختلف از قبیل بالایایی که نیاز به تصمیم‌گیری بلادرنگ دارند اعمال کرد. دو پارامتر در این خط مشی وجود دارند. یکی از آن‌ها وزن روی مرکزیت است. مقدار وزن باید با دقت طبق محیط عملیاتی به منظور ماکسیمم‌سازی مزیت ملاحظه مرکزیت انتخاب شود. حتی مقادیر وزن کوچک نیز مزایای قابل توجهی را ارائه می‌‌دهند؛ با این حال، اگر وزن خیلی بزرگ باشد، عملکرد به طور قابل ملاحظه‌ای نادیده گرفته می‌شود. پارامتر دیگر، معیار مرکزیت است. درجه وزندار در میان بقیه توصیه می‌شود زیرا عملکرد به طور قابل توجه بالایی را تولید می‌کند و به لحاظ محاسباتی ساده است. خط مشی اعزام، بر اساس انتخاب درست پارامترهای در محدوده خط‌مشی، می‌تواند متوسط و همچنین تغییر زمان واکنش را به عنوان نتیجه‌ای از تجهیز با قابلیت کاوش جهانی که در خط‌مشی‌های محلی وجود ندارد به طور قابل توجهی کاهش دهد.

Abstract

An ambulance dispatching policy, Centrality policy, is proposed in an effort to reduce the response time in demanding emergency situations such as in natural disasters, based on the notion of centrality from the study on complex networks. The nearest neighbor (NN) policy prioritizes the emergency calls by closeness and it has been known effective in the literature. The NN policy is evolved into the Centrality policy by prioritizing the calls based on the centrality in addition to the closeness. The centrality enables to capture the efficiency of a call site in reaching out other current and future calls thus secure the long-term performance beyond the immediate performance pursued by the NN policy. Two parameters are associated with the Centrality policy: weight on centrality and choice of centrality measure. An extensive simulation-based sensitivity analysis is conducted on the algorithmic parameters to examine the role of centrality in ambulance dispatching. The analysis evidences the potential of centrality consideration in reducing the response time beyond the NN policy, given that these parameters are appropriately chosen.

5- Conclusions

A novel ambulance dispatching policy is proposed by the principle of centrality from the study of complex networks. The policy is applicable to various demanding emergency situations such as in disasters requiring real-time decision making. There are two parameters within the policy. One parameter is the weight on centrality. The weight value has to be carefully chosen according to the operating environment, in order to maximize the benefit of centrality consideration. Even a small weight value gives significant benefits; however, the performance gets considerably degraded if the weight is too large. Another parameter is the centrality measure. The weighted degree among others is recommended as it consistently produces high performance and is computationally simple. The dispatching policy, upon the right selection of the parameters within the policy, can significantly reduce the average as well as the variation of response time, as a result of being equipped with global exploration capability driven by the centrality consideration that is lacking in other local policies.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

نقش مرکزیت در اعزام آمبولانس

The role of centrality in ambulance dispatching