مروری بر الگوریتم های مکان یابی بر اساس رویکرد شبکه سازی تعریف شده نرم افزاری در شبکه حسگر بی سیم (WSN)

A review of localization algorithms based on software defined networking approach in wireless sensor network

چکیده
1 مقدمه
2 پیش زمینه
3 مکان یابی
4 روش های مکان یابی در SDWSN
5 نتیجه شبیه سازی برای برخی از روش های مورد استفاده در SDWSN
6 نتیجه گیری
منابع

چکیده

مکان یابی شبکه حسگر بی سیم (WSN ) چالش مهمی است، زیرا رابطه ای قوی بین داده های تجمیعی حسی و مکان منشا داده ها وجود دارد. تکنیک شبکه های مبتنی بر نرم افزار (SDN ) از الگوریتم مکان یابی پشتیبانی می کند و تمام محدودیت ها و محدودیت های شبکه را در نظر می گیرد. با استفاده از دانش شبکه جهانی ارائه شده توسط کنترل کننده های SDN، نتایج مطالعات قبلی نشان می دهد که عملکرد شبکه می تواند به میزان قابل توجهی بهبود یابد. این مقاله الگوریتم‌های مکان یابی را که اخیراً پیشنهاد شده اند بررسی می‌کند و نتایج شبیه‌سازی را برای هر روش مورد استفاده در شبکه‌های حسگر بی‌سیم نرم‌افزاری ( SDWSN) مورد بحث قرار می‌دهد تا بهترین راه برای یافتن گره‌های مکانی با بالاترین دقت و کمترین مصرف انرژی پیدا کند. این مقاله همچنین پارادایم شبکه نرم افزاری و چالش های WSNS را ارائه می دهد که توسط SDWSN ها حل شده اند.

2 پیش زمینه
• مفهوم SDN
شبکه نرم افزاری (SDN) یک پارادایم شبکه است که برای ساده سازی مدیریت و پیکربندی شبکه طراحی شده است. این شبکه صفحه جداسازی کنترل شبکه را از دستگاه های شبکه زیرین (صفحه داده) انجام می دهد، صفحه داده با اطلاعات کم یا بدون هوش تبدیل به دستگاه ارسال می شود. این شبکه جداسازی اطلاعات متمرکز شبکه را در کنترل کننده فراهم می کند که نمای کلی از شبکه دارد [7]. ویژگی منحصر به فرد SDN این است که قابلیت برنامه ریزی را از طریق جداسازی صفحات کنترل و داده امکان پذیر می کند و مدیریت شبکه را بسیار انعطاف پذیرتر می کند [8،81].

• صفحه داده (لایه زیرساخت): شامل عناصر شبکه مانند دستگاه های فیزیکی (کلید ها، روترها، نقاط دسترسی بی سیم و غیره) است که با ترافیک شبکه قرارداد دارند، ارسال بسته را در داخل شبکه کنترل می کند، در حالی که رفتار آن توسط صفحه کنترل تعیین می شود. در اصطلاح SDN این دستگاه ها به عنوان سوئیچ های شبکه نامیده می شوند [11،85].

• صفحه کنترل: لایه ای قدرتمند در شبکه است که تصمیم کنترل کننده را در خود جای داده و مسیریابی را برای ترافیک در شبکه فراهم می کند. این لایه مسئول پیکربندی صفحه ارسال است. عملکردهای صفحه کنترل عبارتند از کشف و نگهداری توپولوژی، انتخاب مسیر بسته و مکانیسم های شکست مسیر [12، 29-34]. پروتکل های مسیریابی مختلف مانند RIP، OSPF، BGP و EIGRP توسط صفحه کنترل اجرا می شوند [35-39، 13].

• صفحه برنامه: این صفحه در بالای پشته SDN قرار دارد که شامل تمام برنامه هایی است که از خدمات ارائه شده توسط کنترل کننده برای اجرای وظایف مربوط به شبکه بهره برداری می کنند. نمونه هایی از برنامه های شبکه عبارتند از متعادل سازی بار، مسیریابی، مجازی سازی شبکه و غیره [11،14،40،41].

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

ایجاد یک معیار برای بازاریابی کارآفرینی: نشان دادن چارچوب درونی آن و پیش بینی عملکرد

Developing a scale for entrepreneurial marketing: Revealing its inner frame and prediction of performance

چکیده

1. مقدمه

2. نظریه

2.1. جهت گیری کارآفرینانه

2.2. جهت گیری مشتری

2.3. بهره برداری از منابع

2.4. بازار محور

3. روش شناسی

3.1. معیارها

3.2. جمع آوری داده ها

3.3. ابزارهای تحلیل

4. نتایج

4.1 ابعاد ، اعتبار و اعتبار ابعاد فرعی

4.2. بعدیت، پایایی و روایی EM

4.3. رابطه EM با عملکرد شرکت

5. بحث

5.1. نمای کلی(مرور)

5.2. کاربردهای های عملی

5.3. محدودیت ها و چشم انداز آینده

چکیده

بازاریابی کارآفرینانه (EM) برای شرکت هایی که تلاش می کنند برنامه های بازاریابی کارآفرینانه، بازار محور و همچنین مشتری مدار ایجاد کنند، یک مفهوم بازاریابی در نظر گرفته می شود که در شرایط محدودیت های منابع بخوبی عمل می کند. با این وجود، پس از گذشت سه دهه از پیدایش آن، محققان همچنان بر اعتبارسنجی ابعاد منحصربفرد مفهوم EM (چارچوب خارجی آن) تمرکز می کنند، و نمی پرسند که نقطه مشترک این ابعاد چیست(چارچوب داخلی آن). این مقاله با استفاده از 1156 شرکت نمونه، یک معیار معتبر ایجاد می کند و تاثیر آن بر عملکرد شرکت را تحلیل می کند. نتایج نشان می دهند که EM شامل سه بعد بهم پیوسته می باشد: 1) تغییر محور، 2) خود گردان سازی، و 3) ریسک پذیر است که تاثیر مثبتی بر عملکرد شرکت دارند

1 مقدمه

در 30 سال گذشته، تحقیقات زیادی بر ارتباط کارآفرینی/بازاریابی تمرکز داشته است، بویژه بررسی مفهوم بازاریابی کارآفرینانه(EM) (هیلز، هالتمن و مایلز، 2008؛ کراس، فیلسر، ایگرز، هیلز و هالتمن، 2012). تحقیقات بیشماری بر توصیف و تعریف EM تمرکز داشته اند(به طور مثال به بی جرک و هالتمن، 2002؛ هیلز و همکاران، 2008؛ کراس، هارمز و فینک، 2010)، که بیشتر این تحقیقات شامل تمایز EM از سایر رویکردهای بازاریابی مانند بازاریابی نوآوری یا رویکرد کلاسیک بوده است. بازارهای بخش های کلاسیک قبل از بخش های هدف انتخاب می شوند و یک برنامه خاص بازاریابی (4P) اجرا می شود (کاتلر، 1967). رویکرد کلاسیک بر اساس و برای شرکت های بزرگ و هزینه بر طراحی شد و هنوز هم امروزه اجرا و آموزش داده می شود. در حالیکه در مراحل اولیه،  EM  یک رویکرد بازایابی برای شرکت های کوچک و نوپا در نظر گرفته می شد (برای نمونه به کارسون، کرامی، مک گان و هیل، 1995؛ هیلز، 1987، رجوع کنید)، این رشته به بازاریابی کارآفرینانه تکامل یافت که برای انواع شرکت ها مناسب است(کراس و همکاران، 2010). EM یک رویکرد بازاریابی کارآفرینانه، مشتری مدار، و بازار محور در نظر گرفته می شود که در صورت وجود محدودیت های منابع بسیار خوب عمل می کند. این رویکرد با مفهوم سازی موریس، شیندرهات و لافورگ از EM مطابقت دارد که EM را به صورت فرصت محور، پویا، متمرکز بر نوآوری، مشتری مدار، ریسک پذیر، بهره برداری از منابع و ایجاد ارزش توصیف می کنند. 

  5-3 محدودیت ها و چشم انداز آینده

این مقاله محدودیت هایی هم دارد. ابتدا، جمع آوری اطلاعات ما تنها بر یک کشور تمرکز دارد و حیطه وسیعی از شرکت ها و صنایع را شامل می شود. اگر چه هدف ما این بود که طیف وسیعی از شرکت ها را پوشش دهیم، ممکن است جالب باشد که ببینیم چگونه EM، بین شرکت های جوتن و پیر، کوچک و برزگ یا از صنعتی به صنعت دیگر، متفاوت است. همچنین، ویژگی های بازار کشور توسعه یافته، اروپای غربی ممکن است تاثیر گذار باشدو بنابراین، بررسی یا حتی توسعه مجدد مقیاس در شرایط مختلف، توسعه می شود. 

Abstract

Entrepreneurial marketing (EM) is considered a marketing concept for firms that strive to run entrepreneurial, market-driving and at the same time customer-focused marketing programs that work particularly well under resource constraints. However, even after more than three decades after its inception, researchers still focus on validating single dimensions of the EM concept (the outer frame), but do not ask what these dimensions may have in common (the inner frame). Using a sample of 1156 firms, this paper develops such a valid scale and analyzes its effect on firm performance. Results show that EM consists of three correlating dimensions: 1) change-driving, 2) bootstrapping, and 3) risk-taking that have a positive effect on firm performance.

1 Introduction

In the last 30 years, more and more research has focused on the marketing/entrepreneurship interface, particularly studying the entrepreneurial marketing (EM) concept (Hills, Hultman, & Miles, 2008; Kraus, Filser, Eggers, Hills, & Hultman, 2012). A lot of research has focused on describing and defining EM (see e.g., Bjerke & Hultman, 2002; Hills et al., 2008; Kraus, Harms, & Fink, 2010), which includes distinguishing it from other marketing approaches such as innovation marketing or the classic approach. The latter segments markets first before target segments are chosen and a specific marketing program (the “4Ps”) is executed (Kotler, 1967). The classic approach was developed on the basis of and for large, resource-intensive firms and is still largely practiced and taught today. Whereas in the early stages EM was considered a marketing approach for small and new firms (see e.g. Carson, Cromie, McGowan, & Hill, 1995; Hills, 1987), the discipline developed into an entrepreneurial version of marketing suited for all kinds of firms (Kraus et al., 2010). EM is considered an entrepreneurial, customer-oriented, market-driving marketing approach that works particularly well under resource constraints. This goes along with Morris, Schindehutte, and Laforge’s (2002) EM conceptualization that describes EM as opportunity-driven, proactive, innovation-focused, customer intense, risk-taking, resource leveraging and value creating.

5-3 Limitations and future outlook

This paper is not without limitations. First, our data collection focuses only on one country and covers a wide span of firms and industries. Although it was our goal to cover a variety of firms, it might be of interest to see in more detail how EM differs from young to old firms, from small to large, or from industry to industry. Also, the market characteristics of a developed, Western European country might have impacted scale development. Therefore, testing, or even re-developing the scale in different contexts, might be recommended.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

ایجاد یک معیار برای بازاریابی کارآفرینی: نشان دادن چارچوب درونی آن و پیش بینی عملکرد

Developing a scale for entrepreneurial marketing: Revealing its inner frame and prediction of performance

یک رویکرد بهینه سازی و شبیه سازی مجدد برای مشکل موقعیت یابی و اعزام

A Recursive Optimization-Simulation Approach For The Ambulance Location And Dispatching Problem

چکیده
1 مقدمه
2 مدل های شبیه سازی و بهینه سازی
2.1 فرمولاسیون ALDP
2.2 شبیه ساز
3 روش های مبتنی برROSA
3.1 BRM
3.2 PSSM وQTSSM
4 نتایج
4.1 BRM
4.2 PSSM و QTSSM
4.3 مقایسه
5 E-QTSSM
5.1 نتایج
6 نتیجه گیری ها
منابع

چکیده

مسئله موقعیت یابی و اعزام آمبولانس(ALDP)  به شناسایی موقعیت آمبولانس های موجود و بهترین سیاست اعزام برای حداقل رساندن زمان واکنش پاسخ دهی به تماس ها می پردازد. به هر حال، ماهیت تردید در تماس های اورژانس باعث می شود تا دانستن این موضوع که آیا آمبولانس شناسایی شده توسط سیاست اعزام، موجود است یا خیر کار دشواری شود. بنابراین، احتمال مشغول بودن یک خودرو در هنگام دریافت تماس ( بیان شده به صورت نسبت مشغول بودن) معمولا در ادبیات در نظر گرفته می شود. تیم احتمالاتی می توانند به صورت های مختلف ارزیابی شوند، اما به نظر می رسد شبیه سازی بهترین روش برای این هدف باشد. در این تحقیق، ما روش های بازگشتی بهینه سازی – شبیه سازی را برای ارزیابی نسبت مشغول بودن ALDP مطرح کردیم و از آنها برای بیان مثال های واقعی استفاده کردیم. نتایج عددی تایید می کند که پیچیده ترین و دشوار ترین روش ها عملکرد بهتری دارند.

1 مقدمه

خدمات پزشکی اورژانس (EMS) یک مفهوم مهم در سیستم های درمان و سلامت می باشد. این خدمات، مراقبت های پزشکی خارج از بیمارستان و انتقال به مرکز درمانی مناسب را برای افراد بیمار و مجروح فراهم می آورند. سازماندهی و مدیریت خدمات، یک مسئولیت بسیار چالش برانگیز است زیرا اورژ انس منابع مختلفی (مثل پرسنل درمانی، آمبولانس ها و مراکز تماس) را مدیریت می کند و با چالش های مختلف مرتبط با تردید تماس های اورژانس روبه رو می شود. به علاوه، تماس ها به صورت تصادفی از مناطق مختلف دریافت می شوند و باید به سرعت پاسخ داده شوند، هر ثانیه در موقعیت های تهدید کننده زندگی حائز اهمیت می باشد. در این شرایط، سازمان های EMS باید دو سوال مهم را پاسخ دهند: آمبولانس ها در کجا باید قرار بگیرند؟ کدام آمبولانس برای تماس دریافت شده باید اعزام شود؟

Abstract 

The Ambulance Location and Dispatching Problem (ALDP) identifies the location of the available ambulances and the best dispatching policy to minimize the response times to answer the calls. However, the uncertain nature of the emergency calls makes it impossible to know in advance if the ambulance identified by the dispatching policy is available or not upon a call arrival. Thus, the probability that a vehicle is busy when a call arises, denoted as busy fraction, is usually considered in the literature. Probabilities can be estimated in several manners, but simulation seems to be well suited for this purpose. In this work, we propose four Recursive Optimization-Simulation Approaches to estimate the ALDP busy fraction, and we apply them to a set of realistic instances. Numerical results confirm that the most sophisticated and computing demanding approaches offer a better performance.

1 INTRODUCTION

Emergency Medical Services (EMSs) are crucial in health care systems. They provide out-of-hospital acute medical care and transportation to the appropriate health center for injured and ill people. Organizing and managing the service is an extremely challenging task, as EMSs manage a large variety of resources (e.g., health care personnel, ambulances and call centers) and face difficult challenges related to the uncertainty of the emergency calls. Indeed, calls randomly arrive from different areas of the served territory and must be served quickly: every second is important in life threatening situations. In this context, EMS organizations must answer two important questions, i.e., where should the ambulances be located? and which ambulance should take care of the arriving call?

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

یک رویکرد بهینه سازی و شبیه سازی مجدد برای مشکل موقعیت یابی و اعزام

A Recursive Optimization-Simulation 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

مکان یابی و رهیابی در اماکن سرپوشیده، مستقل از فنآوری های مبتنی بر حسگر

Indoor Localization and Navigation Independent of Sensor Based Technologies

چکیده

1- مقدمه

2- مقدمات

3- یادگیری و به اشتراک گذاری اطلاعات

4- تعامل کاربر

5-دیدگاه (چشم انداز)

6- نتیجه گیری

چکیده

این مقاله کوتاه به معرفی مفاهیم مربوط به مکان یابی و رهیابی در اماکن سرپوشیده می پردازد. مکان یابی و رهیابی مطرح شده در این نوشتار، نیازی به تعبیه سنسور در محیط نداشته و بنابراین متفاوت از شیوه رایج در مکان یابی مبتنی بر تکنولوژی است. از آنجایی که مقاله مذکور در جستجوی راه حل هایی مستقل از محیط های خاص است، رویکرد اتخاذ شده، می تواند به طور سراسری مورد استفاده قرار گیرد.

1- مقدمه

مکان یابی و رهیابی اماکن سرپوشیده از موضوعات تکرارشونده سری مقالات SIGSPACIAL هستند. در کنفرانس سالانه «گروه های ویژه مشترک المنافع» ، کارگاه هایی مختص به این موضوع برگزار می گردد و به غیر از این کنفرانس، کارگروه ها و کنفرانس های دیگری نیز، فقط برای پرداختن به این حوزه، دائر گشته اند. سوال اینجاست که چرا مکان یابی و رهیابی اماکن سرپوشیده، چنین توجه و کوششی را معطوف به خود داشته است و به چه علت باید روش هایی که از سنسور استفاده نمی کنند، در این مقاله مورد توجه قرار گیرد؟ دلایلی برای این رویکرد وجود دارد که ذیلا به آن ها اشاره شده است.
نخست اینکه در مقایسه با موقعیت یابی و رهیابی بیرونی، هیچ سیستم سراسری برای مکان یابی در اماکن سرپوشیده، و متعاقبا هیچ چارچوب مرجع واحدی برای رهیابی، وجود نداشته و یا حتی ممکن نمی باشد. سیگنال های رادیویی ماهواره ای به ندرت به ساختمان ها نفوذ می کنند، بنابراین در محیط های بسته نمی توان از GNSS (سامانه ماهواره ای ناوبری جهانی) استفاده نمود. با این وجود، روش های مکان یابی در اماکن سرپوشیده، فراوان و متنوعند. از بین آن ها می توان به روش های مبتنی بر Wi-Fi، UWB، RFID، CCTV و شبکه های ارتباطی بی سیم اشاره نمود که در همگی این روش ها به یک ساختمان نیاز است تا به زیرساختی خاص و مناسب مجهز گردد به طوری که بازدیدکنندگان ردیابی شده در ساختمان، به منظور مکان یابی، باید به آن مرتبط شوند.

6- نتیجه گیری

در مقاله حاضر، در مورد اینکه چرا روش های مکان یابی برای محیط های سرپوشیده مبتنی بر سنسور ممکن است در توزیع وسیع در خدمات مبتنی بر موقعیت، مسدود گردند، بحث شده است. در مقایسه با آن، روش های مکان یابی و رهیابی مستقل از تکنولوژی های مبتنی بر سنسور با سرعت زیاد و در همه جا قابل اجرا هستند؛ دست کم در سطوحی چون اشتراک گذاری دانش غیر متمرکز (بخش سوم) که تنها نیازمند حافظه برای ثبت مسیر طی شده در محیط است، مکان یابی مبتنی بر محاوره (بخش 4) که نیازمند به یک نقشه از محیط بوده و در نهایت مکان یابی مبتنی بر دیدن (بخش 5) که نیازمند به یک BIM از محیط مورد نظر است.
روش های مکان یابی و رهیابی داخلی که به صورت مستقل از زیر ساخت فیزیکی کار می کنند، به طور خاص مناسب برای محیط هایی است که:
1- هیچ سنسور خارجی برای مکان یابی تدارک دیده نشده باشد
2- سنسور های خارجی مانند WiFi وجود داشته ولی فاقد تشخیص هویت مورد نیاز برای مکان یابی هستند
3- دارای سنسورهای خارجی هستند اما این سنسورها مسدود شده و یا صدمه دیده اند (به مانند شرایط اورژانس) و همزمان نیاز به رهیابی برای مردم وجود دارد.
اگرچه بسیاری از سیستم های رهیابی، برای محیط های خاصی طراحی می گردند، مواردی که در اینجا به منظور راه حل های مستقل از سنسور مطرح شده اند، مواردی با پشتیبانی سراسری از رهیابی اماکن سرپوشیده است.

Abstract

In this short article we present concepts of indoor localization and navigation that are independent of sensors embedded in the environment, and thus, standing against the tide of technology-based indoor localization. The motivation for doing so is clear: We seek solutions that are independent of particular environments, and thus globally applicable.

1- Introduction

Indoor localization and indoor navigation are frequent topics of SIGSPATIAL papers. The Special Interest Group’s annual conference has even workshops specifically dedicated to this topic, and beyond this conference there are other working groups and conferences established just on this domain. Why is indoor localization and navigation taking so much attention and effort, and why should sensor-less methods be considered in this context? There are several reasons for this.
First, in contrast to outdoor positioning and navigation there is no global system available (or even possible) for indoor localization, and thus no single frame of reference for navigation. Satellite radio signals rarely penetrate buildings, thus indoor environments are GNSS deprived environments. Indoor localization methods, however, are plenty – those based on WiFi, UWB, RFID, CCTV, wireless telecommunication networks, and many more [13] – which all require a building to be equipped with a particular, tailored infrastructure, to which the tracked visitor of the building has to connect.

6- Conclusions

This article discusses why localization methods for indoor environments that are relying on sensors embedded in the environment may prove to be a roadblock for a widespread dissemination of indoor location-based services. In comparison, methods of localization and navigation independent of sensor-based technologies are immediately and ubiquituously applicable, at least to some degrees: decentralized knowledge sharing (Section 3) requires only memory for the trajectories traveled in the environment, dialog-based localization (Section 4) requires already a map of the environment, and vision-based localization (Section 5) then requires a BIM of the environment.
Methods of indoor localization and navigation working independently of the physical infrastructure are particularly relevant in environments that
• do not provide any external sensors for localization;
• do provide external sensors (such as WiFi) but lack their fingerprinting required for localization;
• do provide external sensors, but they are either blocked or damaged (such as in emergency situations);
and require navigation support for people. While many, if not most of indoor navigation systems are designed for a specific environment, the case made here for sensor-independent solutions is a case for global indoor navigation support.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مکان یابی و رهیابی در اماکن سرپوشیده، مستقل از فنآوری های مبتنی بر حسگر

Indoor Localization and Navigation Independent of Sensor Based Technologies

تاثیرات تصمیمات اتخاذ شده درباره اعزام و مکان یابی مجدد آمبولانس ها بر کیفیت سیستم فوریت های پزشکی

Effects of ambulance dispatching and relocation decisions on EMS quality

چکیده

1. مقدمه

2. روش ها

2-1 طراحی و ساختار مطالعه

2-2 پروتکل مطالعه

2-3 اجرای تنظیمات

3. نتایج

4. بحث

4-1 محدودیت ها

5. نتیجه گیری ها

چکیده

هنگامی که یک تماس توسط یک ارائه دهنده سرویس های فورت پزشکی  (EMS) دریافت می شود، می بایست تصمیم گیری شود که کدام وسیله نقلیه برای کمک ارسال شود. وسیله نقلیه اعزام شده درگیر می شود و در نتیجه آمادگی سیستم برای پاسخگویی به تماس جدید کاهش می یابد. بنابراین به منظور افزایش این مقدار، خودروهای بیکار سیستم EMS در بین سایت های آماده کار قابل مکان یابی مجدد هستند. هدف این مطالعه ارزیابی اثر بر معیارهای حیاتی عملکرد سیستم، به کارگیری متوالی یک مدل ریاضی اعزام و یک مدل مکان یابی مجدد با در نظر گرفتن نیازهای عملیاتی یک ارائه دهنده خدمات EMS در کلمبیا است.

چهار سناریو در طی مدت زمان حداکثر فعالیت به منظور ارزیابی وضعیت دینامیکی سیستم ارائه شده براساس تصمیم های مربوط به اعزام و مکان یابی مجدد شبیه سازی شده است. تصمیمات اعزام می بایست از متداول ترین قانون یعنی اعزام نزدیک ترین خودر یا راهکار بهینه یک مدل اعزام پیروی کنند. گزینه های مکان یابی مجدد یا کاری انجام نمی دهند یا از راهکار بهینه مدل ریاضی مکان یابی مجدد پیروی می کنند. هر دو مدل ناهمگونی های خدمات و ناوگان را در نظر می گیرند و به دنبال بهبود سطح آمادگی سیستم هستند. سیستم شبیه سازی شده بهبودهایی را در دفعات پاسخگویی و سطوح آمادگی تا حداکثر 40 درصد نشان داده است هنگامی که اعزام از راهکار مدل ریاضی تبعیت کرده و هیچ گونه مکان یابی مجددی رخ نمی دهد.

1. مقدمه

کیفیت مراقبت میزانی است که براساس آن خدمات سلامت برای افراد و جمعیت ها سبب افزایش احتمال نتایج مطلوب سلامتی می شود و با دانش حرفه ای موجود سازگار است (Sanders, 2002). خدمات فوریت های پزشکی (EMS) بخشی از این خدمات هستند. اعزام و مکان یابی مجدد آمبولانس در زمان مناسب در یک منطقه داده شده پوشش دهی دو عنصر کلیدی در کاهش زمان انتظار یک بیمار بالقوه و آغاز یک خدمت مراقبت از سلامت است. در طی عملیات یک ارائه دهنده سرویس EMS، تصمیم های مکرری درباره ارسال خودروها برای پاسخگویی به تماس های مورد نیاز خدمات گرفته می شود. 

Abstract

When a call for a service is received by an Emergency Medical Services (EMS) provider, a decision must be made on which vehicle to send to provide assistance. The dispatched vehicle becomes busy and the system’s preparedness to attend a new call decreases. Therefore, to increase this value, idle EMS vehicles could be relocated among the standby sites. This study aims to evaluate the effect on the critical performance measures of the system, the sequential application of a dispatching mathematical model and a relocation model, taking into account the operational requirements of an EMS provider in Colombia.

Four scenarios were simulated during a period of maximum activity to evaluate the dynamic state of the system given by the dispatch and relocation decisions. Dispatch decisions should follow the most common rule -dispatch the nearest vehicle- or the optimal solution of a dispatching model. Relocation options were either doing nothing and following the optimal solution of a mathematical relocation model. Both models consider the fleet and the services heterogeneous, and look for to improve the system’s preparedness level. The simulated system showed improvements in response times and preparedness levels of up to 54% when the dispatch follows the solution of the mathematical model and no relocation occurs.

1 Introduction

Quality of care is the degree to which health services for individuals and populations increase the likelihood of desired health outcomes, and are consistent with current professional knowledge (Sanders, 2002). Emergency Medical Services (EMS) are part of these services. The dispatch and relocation of the ambulance -when appropriate-, in a given area of coverage are two of the key elements to reduce the waiting time of a potential patient and the initiation a health care service. During the operation of an EMS provider, frequent decisions about which vehicle to send to respond to a service call are taken.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تاثیرات تصمیمات اتخاذ شده درباره اعزام و مکان یابی مجدد آمبولانس ها بر کیفیت سیستم فوریت های پزشکی

Effects of ambulance dispatching and relocation decisions on EMS quality

بررسی عدم قطعیت مکان یابی در سوال های وابسته به مکان یابی احتمالی

Handling Location Uncertainty in Probabilistic Location-Dependent Queries

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

عدم قطعیت مکان یابی در سوال وابسته به مکان یابی احتمالی

Handling Location Uncertainty in Probabilistic Location-Dependent Queries

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

مکان یابی تسهیلات چند دوره ای با ظرفیت محدود تحت تامین با تاخیر تقاضا

Multi-period capacitated facility location under delayed demand satisfaction

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مکان یابی تسهیلات ظرفیت محدود تحت تامین تاخیر تقاضا

Multi-period capacitated facility location under delayed demand satisfaction

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

پوشش، ماندگاری یا زمان پاسخ: مطالعه مقایسه ای آمار عملکرد مورد استفاده در مدلهای مکان آمبولانس از طریق شبیه سازی – بهینه سازی

Coverage, survivability or response time: A comparative study of performance statistics used in ambulance location models via simulation–optimization

چکیده
1 پیشگفتار
2 مرور تحقیقات
3 متدلوژی تحقیق
3.1 الگوریتم بهینه‌سازی
3.2 روال جستجوی tabu واکنشی (RTS)
3.3 یک الگوریتم جستجوی محلی
4 نتایج
4.1 تاثیر روی پوشش
4.2 تاثیر روی قابلیت بقا
4.3 تاثیر روی متوسط زمان‌های واکنش
4.4 تاثیر روی بالانس (تعادل) بار کاری
4.5 مقایسه زمان‌های واکنش شبیه‌سازی شده با زمان‌های واکنش واقعی
5 نتیجه‌گیری‌ها
منابع

چکیده 

واکنش سریع به وضعیت‌های اوراژانسی پزشکی، یکی از اهداف اصلی سیستم‌های خدمات اورژانس پزشکی  (EMS) است. توانایی ارائه واکنش به موقع، از اندازه ناوگان و مکان‌های آمبولانس‌ها تاثیر می‌پذیرد. تحقیقات در زمینه مکانیابی آمبولانس، تحت تاثیر مدل‌هایی هستند که یا پوشش را ماکسیمم‌سازی می‌کنند یا پوشش در محدوده یک آستانه را تضمین می‌کنند. کارهای اخیر، هدف را از ماکسیمم‌سازی پوشش به بهبود قابلیت بقای بیمار شیفت داده‌اند. در این مقاله، عملکرد سه هدف مدل مکانیابی آمبولانس جدید را با استفاده از یک چارچوب بهینه‌سازی-شبیه‌سازی مقایسه می‌کنیم. یافته‌های ما نشان می‌دهند که هدف ماکسیمم قابلیت بقا دارای عملکرد بهتری در هر دو متریک پوشش و قابلیت بقا است. علاوه‌براین، نتایج همچنین از استفاده از هدف قابلیت بقا برای اوپراتورهای آمبولانس با آمبولانس-محدود پشتیبانی می‌کنند.

1 پیشگفتار

واکنش سریع به وضعیت‌های اورژانسی پزشکی، یکی از اهداف اصلی سیستم‌های خدمات اورژانس پزشکی (EMS) است. اگرچه هیچ زمان واکنش  (RT) استاندارد جهانی وجود ندارد، در ایالات متحده، اکثر فراهم کنندگان EMS از استاندارد 1710 انجمن ملی حفاظت از آتش  [1] استفاده می‌کنند که برای 90 درصد از تماس‌های تهدید کننده زندگی، 8 دقیقه و 59 ثانیه است. فراهم کنندگان EMS به طور روتین تعداد تماس‌های رسیدگی شده در محدوده آستانه‌های زمان واکنش  (RTT) را به عنوان آمار عملکرد کلیدی گزارش می‌دهند. در نتیجه، تحقیقات مدل‌های EMS در گذشته عمدتا روی بهبود عملکرد در برابر معیارهای از پیش مشخص شده RTT و «پوشش» تمرکز داشته‌اند [4-2].

5 نتیجه‌گیری‌ها

در این مقاله، یک مدل شبیه‌سازی عملیات EMS را برای مقایسه عملکرد سه هدف معروف مدل مکانیابی در تحقیقات اخیر توسعه دادیم: ماکسیمم‌سازی پوشش، مینیمم‌سازی متوسط زمان واکنش، و ماکسیمم‌سازی قابلیت بقا. این مدل شبیه‌سازی، چند فرضیه ساده‌سازی شده لازم در مدل‌های تحلیلی را حذف کرد. خروجی تولید شده از این مدل شبیه‌سازی، ما را قادر به تجزیه و تحلیل آمار پوشش و قابلیت بقا برای بازه‌های مختلف زمان واکنش ساخت. این امر ما را قادر به شناخت بهتر تفاوت‌های بین اهداف سه مدل با توجه به داده‌های ارائه شده ساخت که این داده‌ها بسته به روز و زمان هفته به شدت متغیر بودند. ما اهداف را روی چهار معیار مورد ارزیابی قرار دادیم: 1) درصد تماس‌های پوشش داده شده، 2) قابلیت بقا، 2) متوسط زمان واکنش، و 4) بالانس بار کاری در میان ناوگان. یافته‌های ما نشان می‌دهند که هدف ماکسیمم قابلیت بقا برتر از دو هدف دیگر است. هدف ماکسیمم قابلیت بقا در هر چهار معیار منطبق با دو هدف دیگر یا به طور قابل توجهی بهتر از آن‌ها است. جدول 5، نتایج تجربی و رتبه‌بندی‌های ما از چهار هدف را طبق عملکرد آن‌ها با توجه به چهار معیار ارائه می‌دهد. لازم به ذکر است که هدف مینیمم‌سازی متوسط زمان واکنش، در عین حال که عملکرد خوبی در سه مورد از چهار معیار دارد، مستلزم قربانی کردن بیشتر پوشش به منظور دستیابی به هدف خود است. هدف ماکسیمم پوشش دارای بدترین عملکرد در سه معیار از چهار معیار بود.

Abstract

Rapid response to medical emergencies is one of the main goals of Emergency Medical Service (EMS) systems. Ability to provide timely response is affected by fleet size and the locations of the ambulances. Literature on ambulance location has been dominated by models which either maximize coverage, or guarantee coverage within some threshold. Recent work has shifted the objective from maximizing coverage to improving patient survivability. In this paper we compare the performance of three recent ambulance location model objectives by applying a simulation–optimization framework. Our findings show that the maximum survivability objective performs better in both survivability and coverage metrics. Further, the results also support using the survivability objective for resource constrained ambulance operators.

1 Introduction

Rapid response to medical emergencies is one of the main goals of Emergency Medical Service (EMS) systems. Although, there is no global standardized response time (RT), in the US most EMS providers adopt the National Fire Protection Association’s 1710 standard. [1], which is 8 min 59 s for 90% of life threatening calls. EMS providers routinely report the number of calls they reached within the response time thresholds (RTT) as a key performance statistic. Consequently, research of EMS models in the past has predominantly focused on improving performance against prespecified RTT and ‘‘coverage’’ criteria [2–4].

5 Conclusions

In this paper, we developed a simulation model of the EMS operations to compare the performance of three well-known location model objectives in the recent literature: Maximum Coverage, Minimum Average Response Time, and Maximum Survivability. The simulation model removed several simplifying assumptions that are necessary in analytical models. The output generated from the simulation model enabled us to analyze coverage and survivability statistics for various response time intervals. This enabled us to better understand the differences between the objectives of the three models with respect to the given data which was highly variable depending on the day and time of the week. We evaluated the objectives on four criteria: (1) Percentage of calls covered, (2) Survivability, (3) Average Response Time, and (3)Workload balance among the fleet. Our findings show that the Maximum Survivability objective is superior to the other two objectives. The Maximum Survivability objective matched or performed significantly better than the other two objectives in all the four criteria. Table 5 summarizes our experimental results and rankings of the four objectives according to their performance with respect to the four criteria. It should be noted that the Minimum Average Response Time objective, while performing well in three of the four criteria, requires a larger sacrifice in coverage to achieve its goals. The Maximum Coverage objective performed the worst in three of the four criteria.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

پوشش، ماندگاری یا زمان پاسخ: مطالعه مقایسه ای آمار عملکرد مورد استفاده در مدلهای مکان آمبولانس از طریق شبیه سازی – بهینه سازی

Coverage, survivability or response time: A comparative study of performance statistics used in ambulance location models via simulation–optimization