Manuscript ID : 202007118322 Visit : 14040 Page: 63 - 78

Article Type: Original Research

Providing an optimal method for dispatching an ambulance based on complex networks and artificial intelligence

Subject Areas : General

مهدی زرکش زاده ¹ , Zainabolhoda Heshmati ² , Hadi Zare ³ , Mehdi Teimouri ⁴

1 -
2 -
3 -
4 -

Received: 2014-02-19 Accepted : 2014-02-19 Published : 2015-09-29

Keywords:

Abstract :

The goal of emergency medical services is to reduce deaths and complications caused by diseases and injuries. Rapid dispatch of emergency services and reduced response time lead to increased survival rates. Response time is one of the important criteria for measuring the efficiency of emergency medical services. The usual method of sending ambulances is to send the nearest available unit, which pays attention to efficiency in the short term. One of the methods that has been recently mentioned in the field of ambulance dispatch is based on the analysis of complex networks. The purpose of this method is to send an ambulance to a call that is more central than other calls, which leads to better efficiency in the long run. Other methods in dispatching an ambulance are based on finding the best suitable route for service cars, and the time complexity of these methods is very high. In this article, using a hybrid approach and applying centrality criteria from complex network analysis and search methods based on artificial intelligence, an optimal and innovative method is presented to reduce the response time of emergency services. In addition, in the proposed method, the emergency priority of calls is also considered, which is an important variable in decisions. The proposed method has less limitations than the previous methods and the extensive simulation results confirm the significant improvement of this method compared to the previous methods such as the centrality method and the nearest neighbor method.

References:

1.T. Andersson and P. Värbrand, “Decision support tools for ambulance dispatch and relocation,” J. Oper. Res. Soc., vol. 58, no. 2, pp. 195–201, 2007.
2.M. Gendreau, G. Laporte, and F. Semet, “A dynamic model and parallel tabu search heuristic for real-time ambulance relocation,” Parallel Comput., vol. 27, no. 12, pp. 1641–1653, 2001.
3.E. T. Wilde, “Do Emergency Medical System Response Times Matter for Health Outcomes?,” Health Econ., vol. 22, no. 7, pp. 790–806, 2013.
4.S. Lee, “Centrality-based ambulance dispatching for demanding emergency situations,” J. Oper. Res. Soc., vol. 64, no. 4, pp. 611–618, Jul. 2012.
5.R. P. Gonzalez, G. R. Cummings, H. a Phelan, M. S. Mulekar, and C. B. Rodning, “Does increased emergency medical services prehospital time affect patient mortality in rural motor vehicle crashes? A statewide analysis.,” Am. J. Surg., vol. 197, no. 1, pp. 30–4, Jan. 2009.
6.J. D. Mayer, “Emergency medical service: delays, response time and survival,” Med. Care, vol. 17, no. 8, pp. 818–827, 1979.
7.E. T. Wilde, “Do emergency medical system response times matter for health outcomes?,” Health Econ., vol. 22, no. 7, pp. 790–806, 2013.
8.S. Lee, “The role of preparedness in ambulance dispatching,” J. Oper. Res. Soc., vol. 62, no. 10, pp. 1888–1897, 2011.
9.K. Peleg and J. S. Pliskin, “A geographic information system simulation model of EMS: reducing ambulance response time,” Am. J. Emerg. Med., vol. 22, no. 3, pp. 164–170, 2004.
10. “Police improve heart attack survival rates,” 21-Dec-2013. [Online]. Available: http://news.bbc.co.uk/2/hi/health/2188852.stm.
11.C. O’Keeffe, J. Nicholl, J. Turner, and S. Goodacre, “Role of ambulance response times in the survival of patients with out-of-hospital cardiac arrest,” Emerg. Med. J., vol. 28, no. 8, pp. 703–706, 2011.
12.D. of Health, “Healthcare output and productivity: Accounting for quality change,” 07-Dec-2005. [Online]. Available: http://webarchive.nationalarchives.gov.uk/20081105143757/dh.gov.uk/en/Publicationsandstatistics/Publications/PublicationsPolicyAndGuidance/DH_4124266. [Accessed: 12-Nov-2014].
13.J. F. Repede and J. J. Bernardo, “Developing and validating a decision support system for locating emergency medical vehicles in Louisville, Kentucky,” Eur. J. Oper. Res., vol. 75, no. 3, pp. 567–581, 1994.
14.S. Lee, “Centrality-based ambulance dispatching for demanding emergency situations,” J. Oper. Res. Soc., vol. 64, no. 4, pp. 611–618, 2012.
15.S. Lee, “The role of centrality in ambulance dispatching,” Decis. Support Syst., vol. 54, no. 1, pp. 282–291, 2012.
16.M. Hoard, J. Homer, W. Manley, P. Furbee, A. Haque, and J. Helmkamp, “Systems modeling in support of evidence-based disaster planning for rural areas,” Int. J. Hyg. Environ. Health, vol. 208, no. 1, pp. 117–125, 2005.
17.D. Guha-Sapir, F. Vos, R. Below, and S. Ponserre, “Annual Disaster Statistical Review 2011: The Numbers and Trends, published by the Centre for Research on the Epidemiology of Disasters (CRED) Brussels,” 2012.
18.L. V. Green and P. J. Kolesar, “Anniversary article: Improving emergency responsiveness with management science,” Manag. Sci., vol. 50, no. 8, pp. 1001–1014, 2004.
19.J. D. Mayer, “Emergency medical service: delays, response time and survival,” Med. Care, pp. 818–827, 1979.
20.M. S. Maxwell, M. Restrepo, S. G. Henderson, and H. Topaloglu, “Approximate dynamic programming for ambulance redeployment,” Inf. J. Comput., vol. 22, no. 2, pp. 266–281, 2010.
21.S. F. Dean, “Why the closest ambulance cannot be dispatched in an urban emergency medical services system,” Prehospital Disaster Med., vol. 23, no. 02, pp. 161–165, 2008.
22.J. Hayes, A. Moore, G. Benwell, and B. W. Wong, “Ambulance dispatch complexity and dispatcher decision strategies: implications for interface design,” in Computer Human Interaction, 2004, pp. 589–593.
23.C. S. Lim, R. Mamat, and T. Braunl, “Impact of ambulance dispatch policies on performance of emergency medical services,” Intell. Transp. Syst. IEEE Trans. On, vol. 12, no. 2, pp. 624–632, 2011.
24.A. Garcia, P. Jodrá, and J. Tejel, “A note on the traveling repairman problem,” Networks, vol. 40, no. 1, pp. 27–31, 2002.
25.M. Gendreau, A. Hertz, and G. Laporte, “New insertion and postoptimization procedures for the traveling salesman problem,” Oper. Res., vol. 40, no. 6, pp. 1086–1094, 1992.
26.S. Arora and G. Karakostas, “Approximation schemes for minimum latency problems,” SIAM J. Comput., vol. 32, no. 5, pp. 1317–1337, 2003.
27.A. Weintraub, J. Aboud, C. Fernandez, G. Laporte, and E. Ramirez, “An emergency vehicle dispatching system for an electric utility in Chile,” J. Oper. Res. Soc., pp. 690–696, 1999.
28.J. Nicholl, P. Coleman, G. Parry, J. Turner, and S. Dixon, “Emergency priority dispatch systems—a new era in the provision of ambulance services in the UK,” Pre-Hosp. Immed. Care, vol. 3, pp. 71–5, 1999.
29.M. Castrén, R. Karlsten, F. Lippert, E. F. Christensen, E. Bovim, A. M. Kvam, I. Robertson-Steel, J. Overton, T. Kraft, L. Engerstrom, and others, “Recommended guidelines for reporting on emergency medical dispatch when conducting research in emergency medicine: the Utstein style,” Resuscitation, vol. 79, no. 2, pp. 193–197, 2008.
30.M. S. Andersen, S. P. Johnsen, J. N. Sørensen, S. B. Jepsen, J. B. Hansen, and E. F. Christensen, “Implementing a nationwide criteria-based emergency medical dispatch system: A register-based follow-up study.,” Scand. J. Trauma Resusc. Emerg. Med., vol. 21, no. 1, pp. 1–8, Jul. 2013.

Full-Text:

فصلنامه علمي- پژوهشي

فناوري اطلاعات و ارتباطات ایران

سال هفتم، شماره‌هاي 23 و 24، بهار و تابستان 1394

صص: 63- 78

$E:\E Drive\logo\iicta Logo0.JPG$

ارائۀ روشی بهینه در اعزام آمبولانس مبتنی برشبکه‌های پیچیده و هوش مصنوعی

*مهدی زرکشزاده **زینب الهدی حشمتی **هادی زارع **مهدی تیموری

*دانشجوی کارشناسی ارشد، مهندسی فناوری اطلاعات پزشکی، دانشكده علوم و فنون نوین، دانشگاه تهران، تهران

** استادیار، گروه علوم و فناوری شبکه، دانشكده علوم و فنون نوین، دانشگاه تهران، تهران
تاریخ دریافت: 30/11/92 تاریخ پذیرش: 25/03/94

چكيده

هدف سرویس‌های اورژانس پزشکی کاهش مرگ و میر و عوارض ناشی از بیماری‌ها و صدمات می‌باشد. اعزام سریع سرویس‌های اورژانس و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء می‌شود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویس‌های اورژانس پزشکی می‌باشد. روش معمول در اعزام آمبولانس‌ها، فرستادن نزدیک‌ترین واحد در دسترس می‌باشد که این روش به کارایی در کوتاه مدت توجه می‌کند. یکی از روش‌هایی که اخیرا در زمینه اعزام آمبولانس بیان شده است، مبتنی بر تحلیل شبکه‌های پیچیده است. هدف این روش، اعزام آمبولانس مد نظر به تماسی می‌باشد که مرکزیت بیشتری نسبت به دیگر تماسها دارد، که منجر به کارایی بهتر در دراز مدت می‌شود. دیگر روش‌ها در اعزام آمبولانس مبتنی بر پیدا کردن بهترین مسیر مناسب برای ماشین‌های سرویس‌دهنده می‌باشد که پیچیدگی زمانی این روش‌ها بسیار بالا می‌باشد. در این مقاله با استفاده از رویکردی ترکیبی و به کارگیری معیار‌های مرکزیت از تحلیل شبکه‌های پیچیده و روش‌های جستجو مبتنی بر هوش مصنوعی، روشی بهینه و نوین را برای کاهش زمان پاسخ سرویس‌های اورژانسی ارائه شده است. علاوه بر این در روش پیشنهادی، اولویت اورژانسی تماس‌ها نیز درنظر گرفته شده است، که متغیری مهم در تصمیم گیری ها می باشد. روش پیشنهادی نسبت به روش‌های قبلی از محدودیت‌های کمتری برخوردار بوده و نتایج شبیه سازی گسترده نیز بهبود معنی‌دار این روش را در مقایسه با روش های قبلی مانند روش مرکزیت و نزدیک‌ترین همسایه، مورد تایید قرار می‌دهد.

واژه های كليدي: اعزام آمبولانس، زمان پاسخ، تحلیل شبکه های پیچیده، مرکزیت، جستجو، هوش مصنوعی

1- مقدمه

سرویس‌های اورژانس پزشکی، مجموعه‌ای می‌باشد که مراقبت‌های اورژانس پزشکی را برای بیماران و مجروحان فراهم می‌کنند و در صورت نیاز، بیماران را به منظور ارزیابی بیشتر توسط پزشکان، به بیمارستان منتقل می‌کنند [1]. هدف سرویسهای اورژانس پزشکی نجات جان انسان‌ها می‌باشد اما این موضوع با آموزش امدادگران و زمانی که لازم است به صحنه تماس برسند رابطه دارد [2] .

اولین عملی که در هنگام برقراری تماس صورت می‌پذیرد، مشخص کردن سطح اورژانسی بیمار می‌باشد. بیماری‌های مهمی مانند حمله قلبی، سکته مغزی، خون‌ریزی و تروما نیاز به کمک‌رسانی سریع دارند و علت آن این می‌باشد که در زمان کوتاهی منجر به مرگ می‌شود[3].

نویسنده عهدهدار مکاتبات: زینب الهدی حشمتی zheshmati@ut.ac.ir

معیاری که به عنوان شاخص کارایی در نظر گرفته شده است زمان پاسخ می‌باشد و از آنجایی که بطور مستقیم رفاه و ایمنی را فراهم می‌کند، به عنوان یکی از معیارهای مهم به منظور سنجش کیفیت مراقبت‌های اورژانس پزشکی می‌باشد[3][4]. زمان پاسخ به مدت زمان سپری شده از موقع برقراری تماس تا لحظه رسیدن آمبولانس به بیمار گفته می‌شود، [5], [6] که به زمان پاسخ، مدت انتظار نیز گفته می شود [1]. مطالعات زیادی در زمینه رابطه بین زمان پاسخ و کاهش مرگ و میر انجام شده است که کاهش زمان پاسخ منجر به کاهش مرگ و میر می‌شود [7] [8] [9].

هر ساله در بریتانیا 270000 از مردم دچار حمله قلبی می‌شوند که نیمی از آن‌ها قبل از رسیدن به بیمارستان جان خود را از دست می‌دهند. در 10 دقیقه اولیه که ایست قلبی رخ می‌دهد، هر یک دقیقه کاهش در زمان پاسخ، شانس زنده ماندن را در حدود 10% افزایش می‌دهد [10]. کاهش یک دقیقه در زمان پاسخ، شانس زندگی را 24% افزایش می‌دهد که هزینه یک دقیقه کاهش زمان پاسخ در ولز و انگلستان، در حدود 54 میلیون یورو می‌باشد [11]. مطالعه‌ایی نیز در سال 2001 صورت گرفته است که تاثیر کاهش زمان روی 14000 بیمار قلبی را از سال 1991 تا 1998 در اسکاتلند بررسی کرد. هنگامیکه درصد تماس‌هایی که در 8 دقیقه پاسخ داده می‌شوند از 50% به 75% افزایش پیدا کرد جان 1800 انسان نجات پیدا کرد و زمانیکه 90% تماس‌های دسته A در زمان 8 دقیقه پاسخ داده شد جان 3200 انسان نجات پیدا کرد [12].

تعداد ناوگان آمبولانس، مکان آن‌ها، شرایط ترافیکی نامشخص یا تاخیر در برقراری ارتباط با مرکز اورژانس از جمله فاکتورهایی می‌باشند که زمان پاسخ را تحت تاثیر قرار می دهند[13]. 3 نوع از تصمیم‌گیری‌ها در سرویس‌های اورژانس پزشکی تاثیر مهمی در زمان پاسخ دارند :

· مکان آمبولانس[1], [8] :

برای مشکل مکان آمبولانس به طور قابل توجهی مطالعات صورت گرفته است که تلاش شده مکان بهینه برای پایگاه‌های آمبولانس مشخص شود.

· جابه‌جایی آمبولانس[8] :

تصمیم جابه‌جایی، مکان آمبولانس را براساس الگوهای تقاضای موقت و جغرافیایی، به نقاط مختلف تغییر می‌دهد تا پوشش افزایش پیدا کند.

· اعزام آمبولانس :

اعزام آمبولانس یکی از فاکتورهای مهمی می‌باشد که در زمان پاسخ تاثیر می‌گذارد[8], [14], [15] . کار یک اعزام‌کننده این می‌باشد که به تماس‌هایی که برقرار می‌شوند به صورت مناسب و براساس اولویت اورژانسی تماس‌ها و پارامترهایی که مرکز اورژانس تعیین می‌کند، آمبولانس اختصاص دهد. همچنین مطمئن شود شرایط برای سرویس‌دهی به تماس‌هایی که در آینده بر قرار می‌شوند در شرایط مطلوب می‌باشد که زمان پاسخ کاهش داده شود[1][8] .

در [14], [15] تصمیم‌های اعزام به دو دسته کلی تقسیم می‌شوند. دسته اول در شرایطی می‌باشد که تعداد آمبولانس‌ها بیشتر از تعداد تماس‌ها می‌باشد و بار سیستم کم می‌باشد. در این شرایط در صورتیکه تماسی برقرار شود، یک آمبولانس در بین واحدهای آزاد به منظور اعزام و خدمت‌رسانی به تماس برقرار شده، انخاب می‌شود که به این حالت مبتنی بر تماس گفته می‌شود. دسته دوم در شرایطی است که تعداد آمبولانس‌ها از تعداد تماس‌های دریافتی کمتر می‌باشد و بار وارد به سیستم زیاد می‌باشد. در این شرایط تماس‌ها در صف انتظار قرار می‌گیرند تا آمبولانسی آزاد و به منظور خدمت‌رسانی اعزام شود که به این حالت مبتنی بر آمبولانس گفته می‌شود. این شرایط در حالتی اتفاق می‌افتد که فاجعه‌ایی انسانی یا طبیعی رخ دهد و منجر به افزایش ترافیک، تماس‌های اورژانسی، صدمات و مرگ و میر گردد[14] .

فجایع شرایط بحرانی و غیر عادی می‌باشد که منجر به مرگ و میر و آسیب‌های فراوانی می‌شوند که نمی‌توان به طور موثر روش‌های معمول و ساده مدیریت نمود [16]. 373 فاجعه طبیعی در سال 2010، 296800 نفر را از بین برد و نزدیک به 208 میلیون انسان را تحت تاثیر قرار داد و هزینه‌ایی نزدیک به 110 میلیارد دلار را بر جای گذاشت [17]. کمبود منابع معمولا موجب ضعف در آماده شدن در برابر فجایع می‌شود. در بین 10 کشوری که در سال 2012 از نظر مرگ و میر در فجایع صاحب بیشترین کشته می‌باشند، 6 کشور جزء کشورهایی می‌باشند که میزان درآمد آن‌ها کم یا متوسط رو به پایین می‌باشند و 4 کشور جزء کشورهای پردرآمد می‌باشند [17]. به میزان زیادی قابل پیش‌بینی است که فاجعه‌های بیشتر و بیشتری در آینده به دلایل شهرنشینی بدون برنامه‌ریزی، تخریب محیط زیست، تغییرات آب و هوا و حملات تروریستی به وقوع خواهد پیوست [18]. کمبود منابع و افزایش وقوع فجایع، این نیاز را ایجاد می‌کند که می‌بایست قوانین موثری در اعزام آمبولانس وجود داشته باشد که براساس آن بتوان در زمان‌های بحرانی عملکرد مناسبی داشت [14].

2- کارهای مرتبط

قاعده‌ایی که به طور معمول استفاده می‌شود، فرستادن نزدیک‌ترین آمبولانس در دسترس می‌باشد [19]–[23]. اعزام نزدیک‌ترین همسایه اگرچه زمان پاسخ را برای تماس فعلی کاهش می‌دهد اما ممکن است زمان پاسخ برای تماس‌های بعدی افزایش پیدا کند و این ممکن است در صورتی باشد که آمبولانس در ناحیه‌ایی با میزان تماس‌های بالا قرار داده شده باشد. در این صورت می‌توان به جای اعزام آمبولانسی که به طور ویژه‌ایی سطح مطلوبیت را در ناحیه‌ای کاهش می‌دهد، آمبولانس دیگری را از ناحیه دورتر با نرخ تماس‌های کمتر اعزام نمود [8].

روش‌هایی در زمینه اعزام ارائه شده‌اند که در آن‌ها همیشه نزدیک‌ترین واحد سروریس‌دهنده به تماس ارسال نخواهد شد [1], [8], [13], [15], [23]. در [1] تماس‌ها به سه دسته ۱، ۲ و ۳ تقسیم شده‌اند که نزدیک‌ترین آمبولانس‌ها به تماس‌های دسته ۱ فرستاده می‌شوند. تصمیم اعزام برای تماس‌های دسته ۲ و ۳ بر اساس معیار مطلوبیت می‌باشد که کدام آمبولانس به کدام تماس اعزام گردد. سپس در [8] مطلوبیت مورد بحث قرار گرفته است و کارایی این روش با نزدیک‌ترین همسایه در شرایطی که اولویت همه تماس‌ها برابر است بررسی شده است. یک رویکرد ترکیبی برای اصلاح تقویت روش مطلوبیت در [1] ارایه شده است که تا حدودی از مزایای مطلوبیت و نزدیک‌ترین همسایه بهره گرفته شده است و در ساختار الگوریتم از توابع رفاه اجتماعی استفاده می‌کند که در این شرایط خاص نتایج بهتری را به همراه دارد. در[13]و [23] نیز قوانینی در مورد اعزام آمبولانس بیان شده است.

مسائلی تحت عنوان مشکل سفر تعمیرکار¹ بیان شده است که در این نوع از مسائل یک تعمیرکار موجود می‌باشد و تعدادی ماشین به منظور تعمیر موجود می‌باشند که هدف از این نوع مسائل این می‌باشد که مسیری پیدا شود که زمان انتظار برای همه ماشین‌ها در کل کمینه گردد که این دسته از مسائل شبیه به مسئله مشکل حداقل تاخیر² یا مشکل فروشنده دورگرد³ نیز می‌باشد [24]–[26]. این دست از مسائل جزء مسائلی می‌باشد که پیچیدگی زمانی بالایی دارند و غیر قطعی چند جمله‌ایی زمان سخت‌ می‌باشند. در [27] روشی در اعزام ماشین تعمیر تجهیزات برقی ارائه شده است که هر بخش را برای هر ماشین تعمیر جدا نموده است و مسیری که کمترین هزینه را دارا می‌باشد انتخاب می‌شود و اگر خرابی جدیدی رخ دهد بر اساس [25]مسیر جدید را می‌سازد. در [14] روش جدیدی به منظور اعزام آمبولانس‌ها در شرایطی که فاجعه رخ داده است ارائه شده است که مرکزیت را با نزدیک‌ترین همسایه ترکیب کرده است و در [15] به مرکزیت نسبت به نزدیک‌ترین همسایه وزن داده و از معیارهای مختلف مرکزیت به منظور ارزیابی کارایی استفاده کرده است.

3- اعزام آمبولانس مبتنی بر مرکزیت

3-1- مرکزیت :

مرکزیت یک راس در شبکه، نشان‌دهنده اهمیت آن راس در کارایی عملیاتی شبکه می‌باشد. هنگامیکه تماس‌ها بر اساس مرکزیت اولویت‌بندی می‌شود در این صورت آمبولانس‌ها به مرکزی‌ترین تماس اعزام می‌گردند و این فرصت را پیدا می‌کنند که بعد از سرویس‌رسانی به تماس مورد نظر، بتواند به تماس‌های دیگری که در آن نزدیکی می‌باشند خدمت‌رسانی نمایند. بنابراین هنگامیکه مکان آمبولانس‌ها براساس مرکزیت مشخص می‌شود (به این معنی که آمبولانس‌ها به تماس‌های مرکزی‌تر اعزام می‌شوند) تمایل دارند که در نواحی با تعداد تماس بالا بمانند و در نتیجه قادر باشند به تماس‌هایی که در آینده می‌رسند به سرعت پاسخ دهند. به هر حال اگر تماس‌ها فقط براساس مرکزیت اولویت‌بندی شوند، آمبولانس‌ها بیش از حد به راس‌های مرکزی سفر می‌کنند و از تماس‌هایی که در مجاورتشان هستند بهره‌برداری کافی نمی‌کنند. از سوی دیگر نزدیکترین همسایه در بهره‌وری کارا از مناطق محلی قدرت بالایی دارد، اما ممکن است به دلیل نبود دید سراسری به ناحیه سرویس، در منطقه‌ایی که تعداد تماس کمی در آن موجود می‌باشد بماند. استفاده همزمان از سیاست مرکزیت و سیاست نزدیک‌ترین همسایه، منجر به اطمینان از داشتن کارایی بلند مدت به همراه کارایی کوتاه مدت می‌شود [14], [15].

3-2- بیان الگوریتم

معیار مرکزیت مورد استفاده در این مقاله، مرکزیت وزن‌دار می‌باشد و طبق رابطه (1) محاسبه می‌شود [14], [15]:

(1)

مرکزیت به وسیله 1-h (که h احتمال بیمارستان رفتن می‌باشد) به توان رسیده است. بردار C شامل تماس‌هایی می‌باشد که آمبولانس به آنها اختصاص داده نشده است و djc فاصله (فاصله زمانی) بین تماس c و j است. از آنجاییکه وزن در شبکه تماس‌ها نشان دهنده فاصله می‌باشد و مرکزیت یک گره براساس جمع وزن یال‌های متصل به آن محاسبه می‌شود، به همین دلیل هر چقدر مقدار وزن برای راسی کمتر باشد، مرکزیت آن راس بالاتر است.

قانون اعزام مبتنی بر مرکزیت در پنج مرحله بیان شده است :

1. در ابتدا هنگامیکه آمبولانس آزاد می‌شود، همه تماس‌هایی که منتظر رسیدن آمبولانس می‌باشند در بردار مشخص می‌شوند.

2. سپس زمان که فاصله بین آمبولانس و تماس را برآورد می‌کند، محاسبه می‌شود که می‌باشد.

3. محاسبه مرکزیت برای هر کدام از تماس‌ها () که براساس رابطه (1) محاسبه می‌شود :

4. محاسبه که براساس آن مشخص می‌شود کدام آمبولانس به کدام تماس اعزام شود و براساس رابطه (2) می‌باشد :

(2)

5. آمبولانس آزاد a را به تماس که بیشترین مقدار را دارا می‌باشد اعزام می‌شود که در رابطه (3) نشان داده شده است.

(3)

4- ارائه رویکرد پیشنهادی

4-1- اصلاحات در روابط

در این بخش، برخی اصلاحات در روابط (1) و (2) انجام داده می‌شود. هدف از مقدار 1 که در مخرج می‌باشد این است که در مواقعی که مقدار صفر می‌باشد (آمبولانس در محل تماس مورد نظر قرار دارد) منجر به تقسیم بر صفر نشود. از طرف دیگر اگر تماس دیگری از ناحیه‌ای با مرکزیت بیشتر گرفته شود در حالی که هم اکنون تماسی در همین محل کنونی وجود دارد، آمبولانس به محل مرکزی‌تر ارسال خواهد شد. برای جلوگیری از این سیاست اعزام اشتباه، مقدار به جای 1 قرار داده شده است تا مقدار برای این حالت که است از تماس‌های دیگر با همواره بیشتر باشد. به عبارتی دیگر وقتی آمبولانسی به ناحیه‌ای اعزام شده است و همزمان تماس دیگری نیز در همان ناحیه اتفاق می افتد، به همان تماس سرویس داده می‌شود زیرا در این حالت وجود خواهد داشت به طوری‌که،

شکل اصلاح شده فرمول در رابطه (4) قرار داده شده است. مقدار بین صفر تا 1 در نظر گرفته شده است که هر چه به صفر نزدیک‌تر باشد، نتایج بهتر می‌باشد. مقداری که برای در شبیه‌سازی‌ها نظر گرفته شده است 0.0001 می‌باشد.

(4)

یکی دیگر از مسائلی که می‌بایست به آن توجه نمود هنگامی می‌باشد که یک تماس موجود می‌باشد و می‌بایست نزدیک‌ترین آمبولانس در بین آمبولانس‌های موجود به تماس اعزام شود. در فرمولی که به منظور محاسبه مرکزیت بیان شده است حالتی را که یک تماس موجود می‌باشد در نظر گرفته نشده است و طبق رابطه (1) مقدار مرکزیت صفر در می‌آید و این موضوع باعث می‌شود که یکی از آمبولانس‌ها به صورت تصادفی انتخاب شود و در نتیجه معمولا آمبولانسی که نزدیک‌تر می‌باشد اعزام نمی‌شود. در این حالت می‌بایست زمانی که تعداد فقط یک تماس موجود می‌باشد یک مقدار ثابت (به عنوان مثال عدد 1) را به جای مرکزیت قرار داد.

4-2- روش‌های جستجو

مسائلی تحت عنوان مشکل سفر تعمیرکار حل شده است که در این نوع از مسائل یک تعمیرکار موجود می‌باشد و تعدادی ماشین یه منظور تعمیر موجود می‌باشند که هدف از این نوع مسائل این می‌باشد که مسیری پیدا شود که زمان انتظار برای همه ماشین‌ها در کل کمینه گردد که این دسته از مسائل شبیه به مسئله مشکل حداقل تاخیر یا مشکل فروشنده دورگرد نیز می‌باشد[24], [25] . حل این مسائل در مورد مسائل اعزام آمبولانس بغرنج‌تر و پیچیده‌تر می‌شود که این پیچیدگی شامل موارد زیر می‌باشد :

· احتمال بیمارستان رفتن :

احتمال بیمارستان رفتن به عوامل مختلفی بستگی دارد که از جمله این موارد می‌توان به شدت بیماری یا صدمات اشاره کرد و به هر حال چیزی که مشخص است همه تماس‌ها نیاز به انتقال به بیمارستان ندارند [28]. درصد واقعی از تماس‌های اضطراری که در ایالات متحده نیاز به انتقال به بیمارستان دارند 25% می‌باشد [15]. در مسائلی مانند مشکل سفر تعمیرکار، ماشین‌هایی که نیاز به تعمیر دارند در همان محل مورد نظر تعمیر می‌شوند ولی در مسائل اعزام آمبولانس مشخص نمی‌باشد که کدام تماس به بیمارستان منتقل خواهد شد و در نتیجه مشخص کردن یک مسیر بهینه تقریبا ناممکن می‌باشد و ممکن است آمبولانس به منظور خدمت‌رسانی به یک تماس، مجبور باشد که آن را به بیمارستان منتقل نماید، در نتیجه مکان آمبولانس تغییر پیدا می‌کند و بهینه نمی‌باشد.

· همکاری آمبولانس‌ها در نواحی سرویس :

از دیگر تفاوت‌های مسائل اعزام آمبولانس در قیاس با مسائل حداقل تاخیر یا سفر تعمیرکار در این می‌باشد که در مسائل اورژانس پزشکی، بیش از یک سرویس‌دهنده موجود می‌باشد و این در صورتی می‌باشد که در مسائل دیگر فقط یک سرویس‌دهنده در نظر گرفته‌اند. حتی در [27] که بیش از یک سرویس‌دهنده موجود می‌باشد، نواحی سرویس هر کدام از خدمت‌گزارها از هم جدا شده است و شبیه به مسائل سفر تعمیرکار حل می‌شود. از آنجاییکه در این مسئله هر سرویس‌دهنده مسئول خدمت‌رسانی به یک منطقه می‌باشد این عمل در مورد اورژانس پزشکی نیاز به تغییراتی دارد تا بتوان از امکانات موجود بطور کارا استفاده کرد. علت آن این است که در صورتی که هر سرویس‌دهنده مسئول خدمت‌رسانی به یک ناحیه باشد ممکن است در یک منطقه تعداد تماس زیادی رخ دهد و در منطقه دیگر تعداد تماس‌ها کم باشد. در این شرایط ممکن است یک یا بعضی از آمبولانس‌ها بار زیادی بر آن‌ها اعمال شود و آمبولانس یا آمبولانس‌های دیگر به نسبت آزادتر باشند که خدمت‌رسانی با این شرایط معایبی دارد :

§ عدم توازن در مشغول بودن آمبولانس‌ها

§ افزایش زمان پاسخ تماس‌ها در مناطقی که تعداد درخواست‌های اورژانس پزشکی زیاد می‌باشد و به علت جدا کردن نواحی خدمت‌رسانی، سرویس‌دهنده‌ها نمی‌توانند به تماس‌های منتظر در نواحی دیگر خدمت‌رسانی کنند.

وجود چندین سرویس‌دهنده منجر به این می شود که در ناحیه‌ایی مشترک می‌بایست برای هر کدام از آمبولانس‌ها مسیر بهینه را پیدا کرد که این موضوع منجر به پیچیدگی بیشتر مسئله اعزام آمبولانس می‌گردد.

· تعداد تماس‌های زیاد :

از موارد دیگر می‌توان به رخداد تعداد تماس‌های زیاد اشاره کرد و این در شرایطی که یک فاجعه رخ دهد اوضاع وخیم‌تر می‌باشد و می‌تواند شرایطی را ایجاد کند که حل مسئله بسیار مشکل گردد. تصور نمایید که آمبولانس به تماسی خدمت‌رسانی کند و چندین تماس دیگر میرسند و در این حالت ممکن است مسیر بهینه بطور کامل تغییر پیدا کند.

تمام این موارد ذکر شده منجر به این می‌شود که در صورتی که بخواهیم مسئله اعزام آمبولانس را با مسائلی مانند سفر تعمیرکار حل نماییم (مخصوصا در حالتی که تعداد تماس‌های در صف زیاد باشد) تقریبا غیر ممکن باشد.

4-3- روش ارائه شده

استفاده از معیار مرکزیت در اعزام آمبولانس‌ها ایده خوبی می‌باشد اما به منظور افزایش کارایی نیاز به تغییراتی دارد.

روشی که ما ارائه کرده‌ایم از ترکیب روش مرکزیت و الهام گرفته از مسائل سفر تعمیرکار می‌باشد. هدف از استفاده از معیار مرکزیت این می‌باشد که آمبولانس‌ها به سمتی بروند که بتوانند تماس‌های بیشتری را پاسخ دهند و آمبولانس‌ها از نقطه‌ای که قرار دارد به سمتی بروند که تماس‌های بیشتری حضور دارند و در واقع از یک نقطه به نقطه دیگر پرش می‌کند[14], [15] . درصد واقعی از تماس‌های اضطراری که در ایالات متحده نیاز به انتقال به بیمارستان دارند 25% می‌باشد. بنابراین ممکن است که آمبولانس بتواند به چندین تماس قبل از نیاز به بیمارستان رفتن، خدمت‌رسانی نماید [15].

هنگامی که آمبولانسی از ناحیه‌ایی به ناحیه مرکزی‌تر پرش می‌کند فقط علت آن این می‌باشد که به منطقه‌ایی برود که تماس‌های بیشتری را پوشش دهد و اولویت خاصی وجود ندارد. به جای اینکه آمبولانس از ناحیه‌ایی به منطقه‌ایی مرکزی‌تر (با توجه به محاسبات) پرش می‌کند می‌تواند در طول مسیری که به آن ناحیه حرکت می‌کند به تماس‌هایی که در طول مسیر قرار دارند خدمت‌رسانی نمایند. در واقع از آنجاییکه پیچیدگی زمانی روش‌هایی مانند مسئله سفر تعمیرکار بالا می‌باشد از مرکزیت به منظور مشخص کردن هدف استفاده می‌شود که منجر به این می‌شود هم از روش‌های جستجو با پیچیدگی زمانی پایین استفاده شود و هم آمبولانس‌ها به وسیله مرکزیت به نقاط متراکم‌تر هدایت شوند.

4-4- تشریح الگوریتم پیشنهادی

الگوریتم ارائه شده به صورت زیر می‌باشد :

1. در ابتدا مرکزیت همه تماس‌ها براساس رابطه (1) مشخص می شود و می‌بایست به این موضوع توجه شود در شرایطی که یک تماس منتظر می‌باشد مقدار مرکزیت را برای تماس مورد نظر 1 قرار دهیم.

2. سپس فاصله تماس(‌ها) با آمبولانس‌(ها) را محاسبه می‌کنیم.

3. با توجه به مقادیر بدست آمده در مراحل قبل، رابطه (2) را برای هر زوج تماس و آمبولانس(آزاد) محاسبه می‌کنیم. در صورتی که یک تماس موجود باشد، آمبولانسی که مقدار f آن بیشتر باشد به منظور خدمت‌رسانی اعزام می‌شود(در واقع آمبولانسی که نزدیک‌تر باشد). در صورتی که بیشتر از یک تماس موجود باشد در این شرایط یک آمبولانس در دسترس می‌باشد. در این حالت مقدار f برای هر تماسی که بیشترین باشد را مرکز کنترل به عنوان مکان هدفی که آمبولانس می‌بایست اعزام گردد، انتخاب می‌کند.

4. در مرحله بعد اگر بین مسیرهای رسیدن به تماس مورد نظر و آمبولانس، تماس یا تماس‌هایی منتظر خدمت‌رسانی باشند در این شرایط مرکز کنترل برای آمبولانس مسیریابی انجام می‌دهد [1]و اگر تماسی موجود نباشد الگوریتم متوقف می‌شود و آمبولانس به تماس مورد نظر اعزام می‌شود که خدمت‌رسانی کند. مسیردهی مجدد آمبولانس در سرویس‌های اورژانس پزشکی در [1], [23] نیز بیان شده است. انتخاب مسیر مناسب برای آمبولانس‌ها براساس 2 پارامتر می‌باشد:

· در ابتدا مسیرهایی انتخاب می‌شود که کوتاهترین مسیر باشد(در واقعیت ممکن است 2 مسیری که کوتاهترین باشد وجود نداشته باشد که می‌توان مسیرهایی که تفاوت فاصله آن‌ها تا حد مشخصی فاصله داشته باشد را انتخاب نمود)

· در بین مسیرهای کوتاه‌تر، مسیری انتخاب می شود که بیشترین تعداد تماس را دارا می‌باشد.

5. حال که مسیر مشخص شد آمبولانس در صورتی به تماس در طول مسیر مورد نظر خدمت‌رسانی می‌کند که نیاز به انتقال به بیمارستان نداشته باشد. وقتی که به تماسی خدمت‌رسانی نمود دوباره مسیریابی می‌شود که اگر مسیر پر ارزش‌تر تغییر پیدا کرده باشد (تماسی اضافه شده باشد) آمبولانس مسیردهی مجدد شود. اعزام مبتنی بر مسیردهی مجدد [29] قادر می‌سازد که ناوگان آمبولانس‌ها که به تماس‌هایی با اولویت پایین‌تر اختصاص داده شده‌اند به تماس‌های با اولویت بالاتراختصاص پیدا کنند و زمان پاسخ بهتری برای تماس‌های اورژانسی داشته باشند. در [1] اجازه داده می‌شود که آمبولانس از تماسی با اولویت پایین در شرایط خاصی، به تماسی با اولویت بالا اختصاص پیدا کند. این عمل تا جایی ادامه پیدا می‌کند که تماس به ناحیه هدفی که مرکز کنترل مشخص کرده است برسد و یا اینکه توسط آمبولانس دیگری خدمت‌رسانی شود. مکان آمبولانس از طریق سیستم موقعیت‌یاب جغرافیایی می‌تواند مشخص شود و توسط سیستم اطلاعات جغرافیایی گزارش داده شود که این تجهیزات به مرکز کنترل کمک می‌کند که آمبولانس‌ها را به تماس ها و نواحی مختلف مسیریابی نماید.

[1] . Travelling Repairman Problem

[2] . Minimum Latency Problem

[3] . Travelling Salesman Problem

Hybrid algorithm based on centrality and search:

1. if an ambulance gets freed {

Waiting _Call // number of calls in queue

Final_Goal // final location that ambulance should go

Location_ambulance // current location ambulance

If (Waiting_Call == 1)

WDc =1

else

Compute centrality (WDc) of each call based on equation (1)

2. Compute the travel time (tac) between all calls and freed ambulances

3. Compute gac based on equation (4) for each pair freed ambulance (a) and call

waiting (c).

If (Waiting_Call >1)

Set Final_Goal = call site that maximizes the gac

Continue algorithm

else

Stop algorithm and dispatch the freed ambulance to the call that maximizes gac

4. Reapeat

5. Compute all shortest paths from ambulance site to call site

6. Calculate total number of calls in each shortest path.

7. Set best_path = find path that it has maximum number of call.

8. Set first_goal = select call in best_path that it doesn't need to transport to

hospital and dispatch freed ambulance to call site.

9. Until (Location_ambulance == Final_Goal) }

4-5- محیط شبیه‌سازی

تماس‌ها براساس 4 حالتی که در شکل (1) نشان داده شده است در ناحیه سرویس توزیع می‌شود[8], [15] . تماس‌ها در هر راس تولید می‌شود و زمان سفر از هر راس به راس همسایه 1 دقیقه می‌باشد. تعداد 12500 تماس و با میانگین 1 تماس بر دقیقه و براساس توزیع نمایی تولید می‌شوند. زمان سرویس برای هر تماس به میزان 0.5 دقیقه و براساس توزیع نمایی می‌باشد. تعداد آمبولانس‌ها از 1 تا 5 می‌باشد. آمبولانس‌ها با احتمال‌های {0، 0.1، 0.2، 0.3، 0.4، 0.5، 0.6، 0.7، 0.8، 0.9 و 1} بیمار را به بیمارستان منتقل می‌کنند که بیمارستان در مرکز ناحیه مستقر شده است. 220 حالت آزمایش انجام می‌شود که 4 مدل الگوی تماس‌هامی‌باشد و 5 حالت مربوط به تعداد آمبولانس‌هامی‌باشد و 11 حالت احتمال بیمارستان می‌باشد

$C:\Users\Mehdi\Desktop\mehdi\pic\All.jpg$

که در مجموع هر کدام از این سناریوها 50 بار اجرا می‌شود.

از الگوریتم‌های مرکزیت [14], [15]و نزدیک‌ترین همسایه[1], [14], [15], [22], [23] به منظور بررسی کارایی روش ارائه شده استفاده می‌شود. نتایج به صورت میانگین زمان پاسخ مطابق رابطه (5) می‌باشد:

(5)

که میانگین زمان پاسخ الگوریتم ارائه شده می‌باشد و میانگین زمان پاسخ الگوریتم‌های دیگر مانند نزدیک‌ترین همسایه و مرکزیت می‌باشد، که به منظور مقایسه با الگوریتم پیشنهادی می‌باشد.

شکل (1) : محیط‌های شبیه‌سازی

شکل (2) : محیط یکنواخت

شکل (3) : محیط متمرکز

شکل (4) : محیط گوشه

شکل (5) : محیط دو بخشی

4-6- نتایج شبیه‌سازی

در شکل‌های 2 الی 5 نتایج شبیه‌سازی نشان داده شده است که در همه شرایط نتایج روش ارائه شده نسبت به روش‌های نزدیک‌ترین همسایه و مرکزیت بهتر می‌باشد. نقاط اوج زمانیکه تعداد آمبولانس 1 می‌باشد در احتمال‌های پایین بیمارستان رفتن رخ می‌دهد که بار سیستم متعادل می‌باشد. بعد از نقطه اوج احتمال بیمارستان رفتن بیشتر می‌گردد و بار سیستم به شدت افزایش پیدا می‌کند و کارایی روش‌ها به هم نزدیک می‌گردند. هر چه تعداد آمبولانس‌ها بیشتر می‌شود نقطه اوج در شرایطی که بار سیستم متعادل‌تر می‌باشد رخ می‌دهد. همچنین با افزایش تعداد آمبولانس‌ها کارایی روش ارائه شده نزدیک‌تر به 2 روش دیگر می‌شود که در این حالت بار سیستم رو به کاهش است و نتایج تصمیم‌گیری‌ها به هم نزدیک می‌شوند.

5- روش ارائه شده با اولویت تماس‌های مختلف به عنوان کار آینده

هدف از این بخش فقط بررسی اجمالی و ارائه راهکاری برای روش پیشنهادی با در نظر گرفتن اولویت اورژانسی تماس‌ها می‌باشد که می‌توان در این زمینه بررسی‌های جامعی انجام داد. انتخاب وزن اورژانسی تماس‌ها، تعیین معیار و تابع هدف به منظور بررسی کارایی، از مواردی می‌باشد که می‌توان به طور گسترده به عنوان کارهای بعدی بررسی شود.

5-1- اولویت اورژانسی تماس‌ها

تماس‌های اورژانسی که دریافت می شود به دسته‌های زیر تقسیم می‌شوند [1], [9], [28] :

· تماس‌های دسته 1 که زندگی را تهدید می‌کنند.

· تماس‌های دسته 2 تماس‌های حادی می‌باشند که البته زندگی را تهدید نمی‌کنند.

· تماس‌های دسته 3 زندگی را تهدید نمی‌کند و وخیم نمی‌باشند.

در جدول (1) درصد تماس‌های اورژانسی هر سطح نشان داده است و همچنین مشخص شده است به چه میزانی در بیمارستان پذیرش می‌شوند[30].

جدول (1) : میزان بیمارستان رفتن تماس‌های هر سطح[30]

سطح اورژانسی	تعداد	تعداد پذیرش بیمارستان	درصد پذیرش
1	28630	18440	64.4%
2	25419	13190	51.9%
3	1112	475	42.7%
همه	55270	32139	58.1%

جدول (2) : وزن تماس‌های اورژانسی

سطح اورژانسی	وزن
1	3
2	2
3	1

در جدول (2) نیز وزن تماس‌های هر سطح می‌باشد که در نظر گرفته‌ایم.

5-2- تشریح الگوریتم

الگوریتم ارائه شده به صورت زیر است :

1. در این شرایط که اولویت اورژانسی تماس‌ها اضافه شده است، محاسبات مرکزیت تماس‌ها نیاز به تغییراتی دارد و می‌بایست وزن اورژانسی بودن تماس‌ها در محاسبه مرکزیت اعمال شود. همچنین می‌بایست وزن تماسی را که مرکزیت آن محاسبه می‌شود نیز به محاسبات اضافه کرد. قبلا چون اولویت تماس‌ها برابر بود در نظر گرفتن خود تماس در محاسبه مرکزیت مهم نبود اما چون در حالتی که اولویت اورژانسی تماس‌ها متفاوت می‌باشد می‌بایست در محاسبات در نظر گرفته شود. این تغییرات در رابطه (6) نشان داده شده است و با استفاده از این رابطه مرکزیت وزن‌دار برای تماس c ام محاسبه می‌گردد. در این رابطه وزن تماس j ام است که برحسب درجه اورژانسی بودن تماس مشخص شده است، فاصله بین تماس‌های c و j، C بردار تماس‌های در صف انتظار برای خدمت‌رسانی، و h احتمال بیمارستان رفتن می‌باشد.

(6)

2. سپس فاصله تماس(‌ها) با آمبولانس‌(ها) را محاسبه می‌کنیم.

3. با توجه به مقادیر بدست آمده در مراحل قبل، رابطه (4) را برای هر زوج تماس و آمبولانس(آزاد) محاسبه می‌کنیم. در صورتی که یک تماس موجود باشد، آمبولانسی که مقدار gac آن بیشتر باشد به منظور خدمت‌رسانی اعزام می‌شود (در واقع آمبولانسی که نزدیک‌تر باشد). در صورتی که بیشتر از یک تماس موجود باشد در این شرایط یک آمبولانس در دسترس می‌باشد. در این حالت مقدار gac برای هر تماسی c که بیشترین باشد را مرکز کنترل به عنوان مکان هدفی که آمبولانس a می‌بایست اعزام گردد، انتخاب می‌کند.

4. در مرحله بعد اگر بین مسیرهای رسیدن به تماس مورد نظر و آمبولانس، تماس یا تماس‌هایی منتظر خدمت‌رسانی باشند در این شرایط مرکز کنترل برای آمبولانس مسیریابی انجام می‌دهد [1] و اگر تماسی موجود نباشد الگوریتم متوقف می‌شود و آمبولانس به تماس مورد نظر اعزام می‌شود که خدمت‌رسانی کند. مسیردهی مجدد آمبولانس در سرویس‌های اورژانس پزشکی در [1], [23] نیز بیان شده است. انتخاب مسیر مناسب برای آمبولانس‌ها براساس 2 پارامتر می‌باشد:

1. در ابتدا مسیرهایی انتخاب می‌شود که کوتاهترین مسیر باشد. در بین مسیرهای کوتاه‌تر، مسیری انتخاب می شود که ارزشمندتر باشد. ارزش مسیر براساس رابطه (7) محاسبه می‌شود. در این رابطه وزن تماس j ام در این مسیر می‌باشد و number_call_j شامل تعداد تماس‌ها در کوتاه‌ترین مسیرهای j ام می‌باشد. در نهایت ارزشمندترین مسیر در رابطه )8( مشخص می‌شود. :

(7)

(8)

حال که مسیر مشخص شد، آمبولانس در صورتی به تماس در طول مسیر مورد نظر خدمت‌رسانی می‌کند که نیاز به انتقال به بیمارستان نداشته باشد. وقتی که به تماسی خدمت‌رسانی نمود دوباره مسیریابی می‌شود که اگر مسیر پر ارزش‌تر تغییر پیدا کرده باشد(تماسی اضافه شده باشد) آمبولانس مسیردهی مجدد شود. حال با توجه به شرایطی که بیان شده است شبیه‌سازی صورت می‌گیرد. موضوعی که می‌بایست به آن اشاره نمود این می‌باشد که الگوریتم نزدیک‌ترین همسایه در قبال تماس‌هایی با سطوح اورژانسی مختلف دچار تغییراتی می‌شود.

6- نتایج شبیه‌سازی با اولویت تماس‌های مختلف

شکل (6) : محیط یکنواخت با اولویت تماس‌ها

شکل (7) : محیط متمرکز با اولویت تماس‌ها

شکل (8) : محیط گوشه با اولویت تماس‌ها

شکل (9) : محیط دو بخشی با اولویت تماس‌ها

حالتی را که ما فرض نموده‌ایم به این شکل است که در ابتدا تماس‌هایی را انتخاب می‌کنیم که در بین تماس‌های موجود بالاترین سطح اورژانس را دارند و سپس در بین مجموعه‌ایی از تماس‌ها با بیشترین سطح اورژانسی، آمبولانس به تماسی ارسال می‌شود که نزدیک‌تر می‌باشد.

نتایج نیز به صورت نسبی بیان شده است و این نتایج در شکل‌های 6 الی 9 نشان داده شده است. نتایج روش ارائه شده برای اولویت‌های مختلف اورژانسی مقایسه شده است. هم‌چنین نتیجه نهایی روش پیشنهادی نسبت به روش‌های دیگر نیز مقایسه شده است که نتیجه نهایی براساس وزن و تعدادی که هر کدام از تماس‌ها دارا می‌باشند تعیین می‌شود. با تغییر وزن سطوح اورژانسی هر کدام از تماس‌ها، می‌توان نتایج مربوط به آن سطح را بهبود بخشید. در شکل‌های 6، 7 و 9 نتایج کاهش زمان پاسخ به حالت زنگوله‌ایی می‌باشد. در ابتدا از آنجایکه منابع بسیار کم می‌باشد نتایج روش‌های مختلف نتایج نزدیک به هم می‌باشند ولی با افزایش تعداد آمبولانس‌ها در این شرایط می‌توان برای آمبولانس‌ها طرح‌ریزی مناسب نمود و کارایی روش پیشنهادی نمایان می‌گردد. هنگامیکه تعداد آمبولانس‌ها نسبت به تعداد تماس‌ها بیشتر می‌شود، کارایی روش پیشنهادی نزدیک به الگوریتم نزدیک‌ترین همسایه می‌شود و در این شرایط تفاوت زیادی با هم ندارند. در Error! Reference source not found. به علت الگوی خاص رسیدن تماس‌ها، مرکزیت و نزدیک‌ترین همسایه به سمت مناطق گوشه حرکت می‌کنند و به تماس‌ها در نقاط دیگر کمتر توجه می‌کنند ولی در روش پیشنهادی از آنجایکه به تماس‌ها در مسیرهای رسیدن به مناطق متراکم‌تر نیز توجه می‌کند در نتیجه کارایی این روش کاهش پیدا نمی‌کند و به صورت صعودی می‌باشد.

7- بحث و نتیجه‌گیری

در روش‌های مبتنی بر مرکزیت آمبولانس‌ها را به تماس‌هایی که نسبت به تماس‌های دیگر مرکزی‌تر می‌باشند، اعزام می‌کند و به تماس‌های محلی توجه کمی می‌کند، [14], [15].

زمانی‌که روش مرکزیت تماسی را به عنوان تماس مرکزی‌تر انتخاب می‌کند، در این شرایط به محل تماس پرش می‌کند و به تماس‌هایی که در مسیر قرار دارند توجه نمی‌کند. این در شرایطی می‌باشد که تماس مرکزی‌تر فقط در ناحیه‌ایی قرار دارد که تعداد تماس‌های منتظر به آن نزدیک‌تر نسبت به بقیه می‌باشند. روش نزدیک‌ترین همسایه نیز دید محلی دارد و به صورت حریصانه عمل می‌کند. علاوه بر این روش‌هایی مبتنی بر یافتن مسیر بهینه برای خدمت‌رسانی، [25,26,27]، به علت پیچیدگی و پویایی بیشتر مسائل اعزام آمبولانس، نمی‌توانند در زمان چند جمله‌ایی به جواب برسند.

در این مقاله ما یک رویکرد ترکیبی بر اساس روش‌های جستجوی هوشمند و معیارهای مرکزیت از شبکه‌های پیچیده برای اعزام آمبولانس ارایه کرده‌ایم.

برای عملکرد بهتر در این شرایط از مرکزیت به عنوان تعیین هدف دوم آمبولانس استفاده می‌شود که آمبولانس قرار است در نهایت به آن قسمت اعزام شود. سپس پر ارزش‌ترین و کوتاه‌ترین مسیر برای آمبولانس با استفاده از الگوریتم‌های جستجو مشخص می‌شود و تماس‌هایی که در مسیر قرار دارند را پاسخ می‌دهد. این الگوریتم باعث می‌شود که آمبولانس به تماس‌های محلی توجه بیشتری داشته باشد به طوریکه ضعف‌های روش‌های قبلی پوشانده شود و موجب کارایی بهتر گردد.

برای ارزیابی رویکرد پیشنهادی از آزمایشهای شبیه‌سازی وسیعی استفاده شد که نتایج به دست آمده نشانگر برتری این روش نسبت به روش‌های قبلی مبتنی بر مرکزیت و نزدیکترین همسایه می‌باشد. در حقیقت استفاده از ترکیب دید سراسری و محلی به ناحیه سرویس، موجب بهبود و افزایش عملکرد شده است. به عبارت دیگر آمبولانس‌ها هم به سمت نواحی متراکم حرکت می‌کند که دید سراسری به ناحیه سرویس دارد و هم به تماس‌هایی که در مسیر قرار دارند پاسخ می‌دهد. علاوه بر این، از اولویت تماس‌ها نیز به منظور واقعی‌تر بودن نتایج و بررسی بیشتر کارایی روش ارائه شده، استفاده نمودیم.

منابع

1.T. Andersson and P. Värbrand, “Decision support tools for ambulance dispatch and relocation,” J. Oper. Res. Soc., vol. 58, no. 2, pp. 195–201, 2007.

2.M. Gendreau, G. Laporte, and F. Semet, “A dynamic model and parallel tabu search heuristic for real-time ambulance relocation,” Parallel Comput., vol. 27, no. 12, pp. 1641–1653, 2001.

3.E. T. Wilde, “Do Emergency Medical System Response Times Matter for Health Outcomes?,” Health Econ., vol. 22, no. 7, pp. 790–806, 2013.

4.S. Lee, “Centrality-based ambulance dispatching for demanding emergency situations,” J. Oper. Res. Soc., vol. 64, no. 4, pp. 611–618, Jul. 2012.

5.R. P. Gonzalez, G. R. Cummings, H. a Phelan, M. S. Mulekar, and C. B. Rodning, “Does increased emergency medical services prehospital time affect patient mortality in rural motor vehicle crashes? A statewide analysis.,” Am. J. Surg., vol. 197, no. 1, pp. 30–4, Jan. 2009.

6.J. D. Mayer, “Emergency medical service: delays, response time and survival,” Med. Care, vol. 17, no. 8, pp. 818–827, 1979.

7.E. T. Wilde, “Do emergency medical system response times matter for health outcomes?,” Health Econ., vol. 22, no. 7, pp. 790–806, 2013.

8.S. Lee, “The role of preparedness in ambulance dispatching,” J. Oper. Res. Soc., vol. 62, no. 10, pp. 1888–1897, 2011.

9.K. Peleg and J. S. Pliskin, “A geographic information system simulation model of EMS: reducing ambulance response time,” Am. J. Emerg. Med., vol. 22, no. 3, pp. 164–170, 2004.

10. “Police improve heart attack survival rates,” 21-Dec-2013. [Online]. Available: http://news.bbc.co.uk/2/hi/health/2188852.stm.

11.C. O’Keeffe, J. Nicholl, J. Turner, and S. Goodacre, “Role of ambulance response times in the survival of patients with out-of-hospital cardiac arrest,” Emerg. Med. J., vol. 28, no. 8, pp. 703–706, 2011.

12.D. of Health, “Healthcare output and productivity: Accounting for quality change,” 07-Dec-2005. [Online]. Available: http://webarchive.nationalarchives.gov.uk/20081105143757/dh.gov.uk/en/Publicationsandstatistics/Publications/PublicationsPolicyAndGuidance/DH_4124266. [Accessed: 12-Nov-2014].

13.J. F. Repede and J. J. Bernardo, “Developing and validating a decision support system for locating emergency medical vehicles in Louisville, Kentucky,” Eur. J. Oper. Res., vol. 75, no. 3, pp. 567–581, 1994.

14.S. Lee, “Centrality-based ambulance dispatching for demanding emergency situations,” J. Oper. Res. Soc., vol. 64, no. 4, pp. 611–618, 2012.

15.S. Lee, “The role of centrality in ambulance dispatching,” Decis. Support Syst., vol. 54, no. 1, pp. 282–291, 2012.

16.M. Hoard, J. Homer, W. Manley, P. Furbee, A. Haque, and J. Helmkamp, “Systems modeling in support of evidence-based disaster planning for rural areas,” Int. J. Hyg. Environ. Health, vol. 208, no. 1, pp. 117–125, 2005.

17.D. Guha-Sapir, F. Vos, R. Below, and S. Ponserre, “Annual Disaster Statistical Review 2011: The Numbers and Trends, published by the Centre for Research on the Epidemiology of Disasters (CRED) Brussels,” 2012.

18.L. V. Green and P. J. Kolesar, “Anniversary article: Improving emergency responsiveness with management science,” Manag. Sci., vol. 50, no. 8, pp. 1001–1014, 2004.

19.J. D. Mayer, “Emergency medical service: delays, response time and survival,” Med. Care, pp. 818–827, 1979.

20.M. S. Maxwell, M. Restrepo, S. G. Henderson, and H. Topaloglu, “Approximate dynamic programming for ambulance redeployment,” Inf. J. Comput., vol. 22, no. 2, pp. 266–281, 2010.

21.S. F. Dean, “Why the closest ambulance cannot be dispatched in an urban emergency medical services system,” Prehospital Disaster Med., vol. 23, no. 02, pp. 161–165, 2008.

22.J. Hayes, A. Moore, G. Benwell, and B. W. Wong, “Ambulance dispatch complexity and dispatcher decision strategies: implications for interface design,” in Computer Human Interaction, 2004, pp. 589–593.

23.C. S. Lim, R. Mamat, and T. Braunl, “Impact of ambulance dispatch policies on performance of emergency medical services,” Intell. Transp. Syst. IEEE Trans. On, vol. 12, no. 2, pp. 624–632, 2011.

24.A. Garcia, P. Jodrá, and J. Tejel, “A note on the traveling repairman problem,” Networks, vol. 40, no. 1, pp. 27–31, 2002.

25.M. Gendreau, A. Hertz, and G. Laporte, “New insertion and postoptimization procedures for the traveling salesman problem,” Oper. Res., vol. 40, no. 6, pp. 1086–1094, 1992.

26.S. Arora and G. Karakostas, “Approximation schemes for minimum latency problems,” SIAM J. Comput., vol. 32, no. 5, pp. 1317–1337, 2003.

27.A. Weintraub, J. Aboud, C. Fernandez, G. Laporte, and E. Ramirez, “An emergency vehicle dispatching system for an electric utility in Chile,” J. Oper. Res. Soc., pp. 690–696, 1999.

28.J. Nicholl, P. Coleman, G. Parry, J. Turner, and S. Dixon, “Emergency priority dispatch systems—a new era in the provision of ambulance services in the UK,” Pre-Hosp. Immed. Care, vol. 3, pp. 71–5, 1999.

29.M. Castrén, R. Karlsten, F. Lippert, E. F. Christensen, E. Bovim, A. M. Kvam, I. Robertson-Steel, J. Overton, T. Kraft, L. Engerstrom, and others, “Recommended guidelines for reporting on emergency medical dispatch when conducting research in emergency medicine: the Utstein style,” Resuscitation, vol. 79, no. 2, pp. 193–197, 2008.

30.M. S. Andersen, S. P. Johnsen, J. N. Sørensen, S. B. Jepsen, J. B. Hansen, and E. F. Christensen, “Implementing a nationwide criteria-based emergency medical dispatch system: A register-based follow-up study.,” Scand. J. Trauma Resusc. Emerg. Med., vol. 21, no. 1, pp. 1–8, Jul. 2013.

Share To

Article Url

Providing an optimal method for dispatching an ambulance based on complex networks and artificial intelligence

Rimag

Links

Related Centers

Technical Support

Official pages