خلاصه

برای توزیع یکسان حجم کار و به حداقل رساندن مسافت سفر برای ادارات آتش نشانی، ما یک مدل ایستگاه های شناور پویا جدید (DFSM) برای هدف قرار دادن خدمات فوریت های پزشکی مرتبط با ترافیک (EMS) در ساعات اوج مصرف ایجاد کردیم. این مطالعه نشان داد که حوادث EMS مرتبط با ترافیک ویژگی‌های متفاوتی با سایر حوادث EMS دارند. تعداد ایستگاه های شناور بر اساس تعداد آمبولانس های موجود در یک زمان معین تعیین شد. مکان بهینه ایستگاه شناور با استفاده از ظرفیت داده شده برای ایجاد کوچکترین شعاع سرویس شناسایی شد. در شبیه سازی DFSM با استفاده از ایستگاه های شناور با ظرفیت 100 و 150 حوادث EMS، نتیجه پیشرفت های قابل توجهی را در مقایسه با وضعیت فعلی نشان می دهد.

کلید واژه ها:

پوشش مجموعه ; تخصیص مکان آمبولانس ; EMS ; GIS

1. معرفی

سیستم های خدمات پزشکی اورژانسی (EMS) معمولاً برای افزایش بقا در موقعیت های تهدید کننده زندگی ایجاد می شوند [ 1 ، 2 ]. اصطلاح EMS به تیم های آموزش دیده ای اطلاق می شود که در مواقع اضطراری پزشکی کمک های اولیه را ارائه می دهند. هدف اصلی EMS به خود نام مربوط می شود – ارائه درمان اولیه برای افرادی که نیاز به مراقبت های پزشکی حیاتی دارند. علاوه بر این، EMS وظیفه انتقال بیماران از محل خود به بیمارستان را به شیوه ای ایمن و کارآمد بر عهده دارد که به بیماران اجازه می دهد در صورت نیاز مراقبت های قطعی تری دریافت کنند. EMS برای افزایش کیفیت زندگی افراد وجود دارد. بدون فداکاری روزانه این خدمه برای نجات جان مردم، جامعه ممکن است با نرخ مرگ و میر بالاتری روبرو شود.
علیرغم وجود از ابتدای قرن هجدهم و ارائه خدمات به افراد بی‌شماری از آن زمان، EMS همچنان باید برای ارائه خدمات با کیفیت بالاتر بهبود یابد. رسیدن سریع به محل بیمار یکی از اهداف مهم تیم های EMS است. بنابراین، بهبود راه حل ها برای مشکلات دقت مکان و رسیدگی به نگرانی های زمان بندی ضروری است. هدف از این مطالعه حل این مشکلات و ارائه یک مدل عملیاتی و کاربردی بود که آتش نشانی را قادر می سازد تصمیم بگیرد که چه زمانی، کجا و چه تعداد آمبولانس مستقر شود. بنابراین، این مطالعه یک ایستگاه شناور را توصیف می کند که می تواند برای بهبود EMS استفاده شود.
این مطالعه از یک ایستگاه آمبولانس شناور استفاده می کند زیرا موقعیت جغرافیایی شهر نیو تایپه چالش هایی را برای حرکت تیم های EMS ایجاد می کند و به دلیل اینکه کار به طور نامتقارن بین ایستگاه ها تقسیم شده است [ 3 ]. در شهر نیو تایپه، بیماری حاد بیشترین تعداد حوادث EMS را نشان می دهد و به دنبال آن صدمات ناشی از ترافیک و زخم های عمومی قرار دارند. برای ارزیابی دقیق تقاضا برای EMS از بیماری حاد، این مطالعه همه دسته‌های دیگر مانند آسیب‌های ناشی از ترافیک و زخم‌های عمومی را حذف کرد. بنابراین، ایستگاه های شناور جدید تنها یک دسته را هدف قرار می دهند.
برخی ملاحظات دیگر واضح تر هستند، مانند مسیرهای متنوعی که توسط EMS برای رسیدن به بیماران طی می شود. حوادث EMS غیر مرتبط با ترافیک معمولاً خارج از جاده اتفاق می افتد. بنابراین، با خود آمبولانس نمی توان به بیماران دسترسی داشت. یک تکنسین فوریت های پزشکی (EMT) باید برانکارد و تجهیزات را از طریق فضاهای باز و لابی ها حمل کند و از آسانسور و پله ها برای رسیدن به بیمار در داخل محوطه ساختمان یا در میدان خارج از جاده استفاده کند. این باعث افزایش زمان رسیدن پرسنل EMS به قربانی می‌شود و در زمان سفر مدل‌های پوشش‌دهنده معمولی لحاظ نمی‌شود. در مقابل، درخواست‌های EMS مربوط به ترافیک معمولاً پلیس راهنمایی و رانندگی را در صحنه دارد که می‌تواند به آمبولانس کمک کند تا به بیمار در کنار جاده برسد. به همین دلیل است که ایده اختصاص ایستگاه‌های آمبولانس شناور به کنار جاده برای رسیدگی به حوادث EMS مرتبط با ترافیک، سازمان آتش‌نشانی شهر جدید تایپه را درگیر می‌کند. برای راحتی، ایستگاه های آمبولانس شناور را می توان در امتداد جاده در مناطقی با درخواست EMS بالا، مانند تقاطع نزدیک، قرار داد. به همین دلیل، مطالعه حاضر تقاطع ها را به عنوان کاندیدای ایستگاه های شناور بالقوه ارزیابی کرد.
ایستگاه آمبولانس شناور را می‌توان به عنوان انباری در کنار جاده تعریف کرد که در زمان‌های خاصی مانند ساعات اوج کار در روزهای کاری مورد استفاده قرار می‌گیرد. محل واقعی به یک تقاطع خاص متصل است و آمبولانس پذیرنده تکلیف ثابت می ماند، اما در دید تقاطع مشخص، بدون تداخل با حرکت منظم ترافیک. آمبولانس در محل می تواند بلافاصله به یک حادثه در منطقه خود پاسخ دهد یا از مرکز اعزام ماموریت برای سفر به منطقه مجاور دریافت کند. هدف از این مطالعه کاهش وقوع بالای حوادث EMS مرتبط با ترافیک در تقاطع‌های خاص و افزایش کیفیت خدمات بود. موفقیت ایستگاه های آمبولانس شناور با توجه به کاهش مسافت کل سفر و افزایش منطقه تحت پوشش اندازه گیری شد.
بقیه این مقاله به شرح زیر سازماندهی شده است. در بخش 2 ، ادبیات مورد بررسی قرار می گیرد و تحقیقات مکان یابی آمبولانس مورد بحث قرار می گیرد. در بخش 3 ، مسئله مطالعه تعریف شده و داده ها شرح داده شده است. بخش 4 مدل ایستگاه های شناور پویا پیشنهادی (DFSM) و رویه های مرتبط را توضیح می دهد. بخش 5 نتایج تجربی را ارائه و مورد بحث قرار می دهد. در نهایت، نتیجه گیری و جهت گیری های آتی در بخش 6 ارائه شده است.

2. بررسی ادبیات

چندین مقاله تحولات اخیر در تحقیقات مکان یابی آمبولانس و جابجایی را بررسی کرده اند. به عنوان مثال، مکان یابی امکانات و وسایل نقلیه خدماتی [ 4 ، 5 ]، برنامه ریزی شیفت های خدمه [ 6 ]، اعزام وسایل نقلیه به مکان های تماس [ 7 ، 8 ]، و جابجایی پویا وسایل نقلیه موجود هنگامی که وسایل نقلیه دیگر مشغول هستند [ 9 ].
Brotcorne، Laporte و Semet [ 4 ] مطالعات عمده در مورد مکان آمبولانس و مدل های جابجایی را بررسی کردند و آنها را به عنوان مدل های قطعی، احتمالی و پویا طبقه بندی کردند. لی و همکاران [ 10 ] مدل‌های عملیاتی انبارهای آمبولانس را به چند نوع تفکیک کرد: مدل‌های پوششی، که از یک فاصله از پیش تعریف‌شده برای پوشش تماس‌های EMS استفاده می‌کنند. مدل‌های p-median که حداقل فاصله متوسط ​​را تا تمام نقاط تقاضا تعیین می‌کنند. و مدل‌های مرکز p، که حداقل فاصله حداکثر تا تمام نقاط تقاضا را تعیین می‌کنند. آنها تماس های اضطراری را به عنوان تقاضا برای EMS در نظر گرفتند.
مشکل پوشش مجموعه مکان اولیه توسط تورگاس و همکاران پیشنهاد شد. [ 11 ]، و این مدیریت بلادرنگ EMS را ساده می کند. پوشش مجموعه نشان می دهد که در صورتی که حداقل یک مرکز EMS بتواند تماس اضطراری را در فاصله از پیش تعریف شده سرویس دهد، یک نقطه تقاضا پوشش داده می شود. سپس مدل های پوشش به طور گسترده مورد استفاده و مطالعه قرار می گیرند [ 10 ]. علاوه بر این، مشکل مکان پوشش حداکثر توسط [ 12 ] پیشنهاد شد. به این معنی که پایگاه های آمبولانس موجود نمی توانند به اندازه کافی تمام نقاط تقاضا را پوشش دهند. این مدل تقاضای کل تحت پوشش تعداد محدودی از پایگاه های آمبولانس را به حداکثر می رساند.
بسط های دیگر مسئله مکان پوشش حداکثر را می توان در ادبیات یافت، از جمله مدل استاندارد دوگانه پیشنهاد شده توسط [ 13 ]، حداکثر مشکل مکان پوشش مورد انتظار پیشنهاد شده توسط [ 14 ]، مشکل مکان حداکثر در دسترس بودن پیشنهاد شده توسط [ 15 ]، استاندارد دوگانه پویا مدل پیشنهاد شده توسط [ 13 ]، و مدل مکان پوشش در دسترس پویا پیشنهاد شده توسط [ 16 ]. به عنوان مثال، Erkut و همکاران. [ 17 ] یک تابع بقا را در مدل پوشش گنجاند و مشکل مکان حداکثر بقا را پیشنهاد کرد. زرندی و همکاران. [ 18 ] یک رویکرد در مقیاس بزرگ برای حل مشکل در یک زمان معقول توسعه داد. دل اولمو و همکاران [19 ] یک مدل بهینه سازی چند دوره ای را با در نظر گرفتن یک شبکه ترافیک شهری برای به حداکثر رساندن کنترل جاده و به حداقل رساندن تعداد تصادفات ایجاد کرد.
اکثر مدل‌های پوشش‌دهنده مجموعه برای مکان یابی و جابجایی آمبولانس از یک هواپیما با سطح همگن به عنوان نقطه شروع استفاده می‌کنند. آنها مسافت سفر را متغیر و حداقل برد قابل قبول در نظر می گیرند یا همان طور که قبلاً گفته شد مسافت کلی را کاهش می دهند. برخی از مدل ها از فاصله جاده (فاصله منهتن) برای اندازه گیری فضای بین درخواست EMS و ایستگاه آتش نشانی استفاده می کنند [ 20 ، 21 ]، در حالی که اکثر مدل های دیگر از فاصله خط مستقیم (فاصله اقلیدسی) استفاده می کنند. با این حال، بیشتر مدل‌های پوشش‌دهنده مجموعه، به جای استفاده از مکان‌های حادثه EMS دریافت‌شده توسط یک ایستگاه آمبولانس برای تعیین مکان ایستگاه آمبولانس جدید، از یک عدد شبیه‌سازی شده به عنوان محدودیت ظرفیت استفاده می‌کنند. جریان و استوربک [ 22] مشکلات مکان پوشش مجموعه ظرفیت دار و مشکلات مکان پوشش حداکثر ظرفیت ایجاد شده را فهرست کرده است.
مدل‌های پوششی فوق الذکر مدل‌های ایستا هستند که برای سطح استراتژیک مناسب هستند، اما فاقد انعطاف‌پذیری لازم برای سطح عملیاتی هستند. خواسته های اضطراری در زمان واقعی از نظر مکانی و زمانی متفاوت است. برای به حداکثر رساندن پوشش تماس های اضطراری، پایگاه های بیکار EMS واقع در مناطق کم تقاضا باید به مناطق پرتقاضا منتقل شوند. علاوه بر این، یک تصمیم گیرنده می تواند پایگاه های آمبولانس را برای ارائه پوشش بهتر مجدداً مستقر کند. در سال 1971، اسکات برای پیش‌بینی تقاضای آینده، یک مشکل تسهیلات مکان تخصیص پویا را مطالعه کرد. اخیراً مشکل جابجایی بلادرنگ به طور کامل مورد مطالعه قرار گرفت و مدل‌های مختلفی پیشنهاد شد. این مدل ها تقاضاهای متغیر زمانی و مکانی را در مدل مکان پویا در نظر گرفتند. ماکسول و همکاران (2009) تحقیقات در مورد مسائل تخصیص پویا را به سه دسته تقسیم کرد:
بسیاری از کشورها مشکلات حادثه EMS مرتبط با ترافیک مشابهی دارند. در برزیل، مرگ و میر ناشی از ترافیک (26.2%) دومین علت مرگ قابل پیشگیری است [ 23 ]. صدمات ناشی از تصادفات جاده ای نیز علت اصلی مرگ و میر و ناتوانی زودرس در ایران است [ 24 ]. ایران دارای یکی از بالاترین نرخ تصادفات جاده ای در جهان است [ 25 ]. در تایوان، موتورسواران به ترتیب 13% و 16% از کل تلفات سالانه ناشی از ترافیک و جراحات بستری را تشکیل می دهند [ 26 ]. اداره ملی ایمنی ترافیک بزرگراه تایوان گزارش داد که احتمال مرگ موتورسواران در تصادف وسیله نقلیه موتوری 30 برابر بیشتر از سرنشینان وسایل نقلیه موتوری در سال 2011 است [ 27 ]]. علاوه بر این، میزان جراحات کشنده موتورسیکلت در قاره آمریکا بالاتر است [ 28 ]. برخی از مطالعات از دوره های اوج برای تعیین زمان سفر آمبولانس استفاده کرده اند [ 29 ، 30 ، 31 ، 32 ]. مطالعات دیگر از داده های مکان آمبولانس در روز استفاده کرده اند [ 33 ، 34 ]. با این حال، هیچ مطالعه ای از داده های ساعات اوج مصرف و روزهای هفته به عنوان عوامل مکان هدف استفاده نکرده است.
مدل تخصیص پویا برای استقرار مجدد در زمان واقعی آمبولانس‌ها باید به طور دوره‌ای تغییر کند تا مکان‌های پایگاه آمبولانس در طول روز تغییر مکان دهد تا به تقاضای بلادرنگ پاسخ داده شود و زمان پاسخگویی کاهش یابد [ 4 ]. در عمل، جابجایی پویا یک پایگاه پرهزینه و پیچیده است. هر جابجایی بار کاری را برای خدمه آمبولانس افزایش می دهد و به طور بالقوه آمادگی آنها را برای پاسخ به تماس اضطراری کاهش می دهد. بنابراین، در این مطالعه، ما یک مدل ایستگاه‌های شناور پویا را پیشنهاد می‌کنیم که بر به‌روزرسانی مکان‌های پایگاه آمبولانس با شناسایی داده‌های ترافیکی تاریخی تمرکز دارد.

3. روش شناسی

برای بهبود خدمات آمبولانس در شهر، رویکرد DFSM را توسعه دادیم. ما ابتدا مناطقی را با خدمات EMS ضعیف با توجه به ظرفیت خدمات موجود شناسایی کردیم. در این مناطق با خدمات ضعیف، مکان‌های جدیدی را برای ایستگاه‌های آمبولانس شناور شناسایی کردیم. ما مکان هایی را انتخاب کردیم که دور از ایستگاه های آتش نشانی موجود بودند و حوادث EMS کافی داشتند. زمان‌بندی نیز با تمرکز بر ساعت‌های اوج با سنگین‌ترین ترافیک و درخواست‌های EMS بالا در نظر گرفته شد. ما یک مدل عملیاتی جدید برای رسیدگی به چالش‌های ذکر شده ایجاد کردیم و چندین مکان ایستگاه شناور را بر اساس توزیع حوادث EMS گذشته پیشنهاد کردیم. شبیه‌سازی‌های مدل، پیشرفت‌های قابل‌توجهی در پوشش منطقه و نسبت پوشش برای حوادث EMS پس از اجرای ایستگاه شناور پیشنهاد کردند.
این مطالعه یک مدل تصمیم‌گیری پویا جدید را برای تسهیل انتخاب ایستگاه‌های آمبولانس شناور با در نظر گرفتن ایستگاه‌های آتش‌نشانی موجود و مکان و فراوانی حوادث EMS گذشته فرموله کرد. مدل پویا است زیرا هنگامی که یک ایستگاه شناور جدید انتخاب شده است، حوادث EMS تحت پوشش از خود مدل حذف می شوند و ایستگاه شناور بعدی مجموعه جدیدی از نقاط EMS کشف نشده را برای اطلاع از انتخاب مکان دریافت می کند.
هدف این مدل افزایش کیفیت خدمات با کاهش زمان سفر برای نجات جان افراد در تصادفات مرتبط با ترافیک در ساعات اوج مصرف است. با توجه به چالش‌های مکان‌یابی ایستگاه‌های آتش‌نشانی موجود، استقرار ایستگاه‌های شناور جدید در مکان‌های مناسب در ساعات اوج بار باعث کاهش زمان سفر و در نتیجه ارائه خدمات بهتر می‌شود.
این مدل ابتدا از میانگین ظرفیت هر ایستگاه موجود برای تعیین شعاع سرویس بهینه استفاده کرد. هر ایستگاه منابعی برای پاسخگویی به درخواست های EMS در شعاع خود دارد. در ادامه دور ایستگاه های موجود دایره ای رسم شد و از شعاع تعیین شده برای تعیین محدوده تحت پوشش استفاده شد. پس از شناسایی شعاع تمام ایستگاه‌های موجود در شهر، مناطقی که توسط دایره‌ها پوشانده شده بودند، مناطقی را نشان دادند که به ایستگاه‌های آمبولانس شناور نیاز داشتند.
در مرحله بعد، مدل تمام تقاطع ها را در مناطق بدون پوشش شناسایی کرد و شعاع هر یک را با استفاده از ظرفیت داده شده و اندازه گیری تمام نقاط تحت پوشش محاسبه کرد. در این مرحله، تمام ایستگاه‌های آمبولانس شناور بالقوه ظرفیت‌های حادثه EMS مشابهی داشتند. سپس مدل اولین کوچکترین شعاع موجود از ایستگاه های بالقوه را جستجو کرد و آن ایستگاه شناور را به عنوان ایستگاه جدید پیشنهادی تعیین کرد. پس از انتخاب ایستگاه شناور جدید، به ایستگاه های آتش نشانی موجود اضافه شد و شعاع خدمات رسانی آن ترسیم شد. سپس این فرآیند برای شناسایی بهترین ایستگاه شناور بالقوه بعدی، تا رسیدن به حداکثر تعداد ایستگاه ها تکرار شد.
از آنجا که مدل از حداکثر ظرفیت و حداقل شعاع خدمات ایستگاه استفاده می کند، زمانی که فرآیند تکرار چندین مکان را شناسایی می کند، یکی با کمترین شعاع به عنوان ایستگاه شناور پیشنهادی انتخاب می شود. اگر بیش از یک ایستگاه پیشنهادی شناسایی شود، اولین مکان انتخاب می شود. مکان با همان شرایط در مرحله بعدی انتخاب می شود و به همین ترتیب. شکل 1 مراحل مربوط به شناسایی ایستگاه های شناور جدید را نشان می دهد.
مدل به صورت زیر پیش می رود:
  • یک شعاع در اطراف هر ایستگاه آتش نشانی بکشید که تمام حوادث EMS در منطقه را تا زمانی که به ظرفیت ایستگاه برسد، پوشش دهد.
  • تمام نقاط EMS واقع در تمام شعاع ایستگاه آتش نشانی را به عنوان “پوشیده” علامت گذاری کنید.
  • از تمام تقاطع‌های جاده، شعاع‌هایی را که حاوی نقاط EMS بدون پوشش هستند تا رسیدن به ظرفیت داده شده شناسایی کنید.
  • اولین کوچکترین شعاع را از نقاط تقاطع جاده به عنوان ایستگاه شناور جدید بعدی تعیین کنید.
  • اگر هیچ ایستگاه شناور جدیدی با نقاط ظرفیت EMS مناسب شناسایی نشود، فرآیند متوقف می شود.
  • برای هر ایستگاه شناور جدید، یک دایره با استفاده از شعاع یافت شده رسم کنید و تمام نقاط EMS درون آن دایره را به عنوان “پوشیده” علامت گذاری کنید.
  • اگر به حداکثر تعداد ایستگاه های شناور جدید برسد، فرآیند متوقف می شود.
مدل دارای دو روش توقف است: در مرحله 5 و 7. مرحله 7 از حداکثر عدد ایستگاه شناور جدید داده شده برای توقف مدل استفاده می کند. اگر هیچ ایستگاه آتش نشانی بالقوه دیگری به ظرفیت داده شده نرسد، مرحله 5 مدل را متوقف می کند.

معادلات مورد استفاده در DFSM به شرح زیر است:

F i +1 = Min R ( I k ) st
I k ∉ R ( F i )، i = 1، 2، … n ،
R ( I k ) <= C ، k = 1، 2، … r ،
R ( F i ) <= C ، i = 1، 2، … n

جایی که W نشان دهنده منطقه مورد مطالعه است. F i نشان دهنده ایستگاه های آتش نشانی است. و i = 1، 2، … n ، که n نشان دهنده تعداد کل ایستگاه های آتش نشانی است. عبارت I k تعداد ایستگاه‌های شناور از پیش تعریف‌شده جدید بالقوه است (در این مدل، ما از تقاطع‌های جاده‌ای استفاده کردیم)، و k = 1، 2، … r ، که r حداکثر تعداد سایت‌های شناور آمبولانس بالقوه است که تقاطع هستند. عبارت R ( x ) به شعاع مکان x زمانی اشاره دارد که حداکثر تعداد نقاط EMS را پوشش می دهد، x = {من k | F i }. C مقدار ظرفیت داده شده است.

تابع (1) تابع هدف است که از آن می توانیم اولین کوچکترین شعاع را از ایستگاه های شناور بالقوه شناسایی کنیم. تابع (2) نشان می دهد که آیا یک ایستگاه شناور جدید بالقوه خارج از شعاع ظرفیت ایستگاه های آتش نشانی موجود واقع شده است یا خیر. تابع (3) به دنبال شعاع مناسب برای تمام ایستگاه های شناور جدید بالقوه است که ظرفیت داده شده را برآورده می کند. تابع (4) همان تابع (3) است، با این تفاوت که از ایستگاه های آتش نشانی موجود استفاده می کند. از طریق یک فرآیند تکراری، DFSM ایستگاه های شناور جدید را شناسایی می کند تا زمانی که به حداکثر تعداد برسد یا نتواند یک ایستگاه بالقوه با ظرفیت کافی را پیدا کند.
توزیع کوشی توصیف شده توسط Pillai و Meng ایده آل است زیرا دارای واریانس بی نهایت است و حد بالایی یا میانگین ندارد [ 35 ]. اکثر مدل‌های پوشش‌دهنده مجموعه، مسافت سفر را در نظر می‌گیرند و از حداقل محدوده قابل قبول یا کاهش مسافت کلی به عنوان مفروضات استفاده می‌کنند. این مطالعه از ظرفیت منطقه خدماتی به عنوان متغیر اصلی برای تعیین مکان ایستگاه‌های آمبولانس شناور جدید استفاده کرد. چند مطالعه از مفهوم مشابه استفاده کرده اند. مدل ظرفیت تخصیص آمبولانس (AACM) ایجاد شده توسط شیاه و چن، از حوادث EMS در شهر تایچونگ به عنوان تقاضا و ایستگاه های آتش نشانی محلی به عنوان عرضه، مشابه مطالعه فعلی، برای ارائه توزیع عادلانه خدمات به ساکنان استفاده کرد [ 36 ]]. مدل مکان یابی آمبولانس چند ظرفیتی (MCAL) که توسط Shiah، Hung و Chen ایجاد شده است، مسافت سفر، نقطه آدرس (جمعیت) و محل حادثه EMS را به عنوان عوامل تعیین مکان و تعداد آمبولانس های مورد نیاز در نظر می گیرد [ 36 , 37 ].

4. مطالعه موردی

4.1. تعریف مشکل

در این مطالعه، شهر نیو تایپه – یک شهر بزرگ در تایوان با جمعیت بیش از 4 میلیون نفر و مساحت شهری 2052.57 کیلومتر مربع – در تایوان را به عنوان منطقه تحقیقاتی در نظر گرفتیم [ 3 ]. در طول 4 سال گذشته، این شهر تقریبا 161000 درخواست EMS سالانه را ثبت کرده است که معادل 441 درخواست EMS در روز است و این اعداد در حال افزایش است. در مارس 2018، اداره آتش نشانی شهر نیو تایپه دارای 69 ایستگاه آتش نشانی با آمبولانس و تقریباً 125 آمبولانس در خدمت بود.
مطالعه حاضر از پایگاه داده سازمان آتش نشانی از 632024 رکورد با مختصات مکان دقیق استفاده کرد. در مجموع، 98.3 درصد درخواست‌های EMS به آمبولانس نیاز داشت که کمتر از 5 کیلومتر را در یک خط مستقیم طی کند. از نظر مسافت، بیشترین فرکانس (حالت) 700 متر (7.02٪ از کل درخواست ها) و میانگین تعداد سفر برای تمام ایستگاه های آتش نشانی در این فاصله 643 بود. متداول ترین فاصله بعدی 800 متر بود که نشان دهنده 6.98 است. ٪ از تمام سفرها و 639.7 سفر به طور متوسط ​​در هر ایستگاه. ایستگاه آتش نشانی با بالاترین فرکانس درخواست EMS، 26215 سفر را طی 4 سال گذشته گزارش کرده است (4.15٪ از کل درخواست های EMS)، و ایستگاه با کمترین فرکانس تنها به 306 سفر (0.05٪ از کل درخواست ها) نیاز دارد. دو ایستگاه با بیشترین و کمترین فرکانس به ترتیب 6554 و 76 سفر متوسط ​​سالانه داشتند. از این رو، شلوغ ترین ایستگاه آتش نشانی تقریباً 18 سفر در روز داشت، در حالی که ایستگاه آتش نشانی کمترین شلوغی فقط به طور متوسط ​​هر 5 روز یک سفر داشت. علاوه بر این، در طول 4 سال گذشته، 33 ایستگاه (تقریبا نیمی از کل ایستگاه های آتش نشانی) بیش از 6 درخواست در روز دریافت کرده اند که 12 ایستگاه بیش از 12 درخواست در روز دریافت کرده اند. این اعداد حجم کاری نابرابر بین ایستگاه ها را نشان می دهد.
توزیع نابرابر همچنین به مکان ایستگاه و مسافت طی شده مربوط می شود. ایستگاه Sanchong یکی از شلوغ ترین ایستگاه ها در این منطقه مورد مطالعه است، در حالی که ایستگاه Snow Mountain (با تنها 306 سفر در سال) کمترین شلوغی را در بین تمام ایستگاه ها دارد. توزیع مسافت سفر بین این دو ایستگاه متفاوت است ( شکل 2). اکثر سفرها از ایستگاه سانچونگ مسافت کمتری نسبت به میانگین شهر داشتند. با این حال، توزیع برای ایستگاه Snow Mountain کمتر به طور یکنواخت پخش شد. این به این معنی است که آمبولانس‌های ایستگاه سانچونگ نسبت به آمبولانس‌هایی که از ایستگاه Snow Mountain حرکت می‌کنند، احتمالاً در عرض چند دقیقه به محل حادثه EMS می‌رسند. این مشکل منحصر به فرد ناشی از موقعیت مکانی هر دو ایستگاه و همچنین موقعیت سایر ایستگاه ها است. ایستگاه Sanchong در یک منطقه شهری پر تراکم واقع شده است، در حالی که ایستگاه Snow Mountain در یک منطقه کوهستانی واقع شده است.

4.2. توضیحات داده ها

منطقه مورد مطالعه عمدتاً توسط رودخانه ها احاطه شده است ( شکل 3 ) که با به حداقل رساندن اثر مرزی آن را از سایر مناطق جدا می کند. منطقه مورد مطالعه شامل دو منطقه شهر نیو تایپه – سانچونگ و لوژو – است که 23.76 کیلومتر مربع از زمین بسیار توسعه یافته (1.16٪ از مساحت شهر جدید تایپه) را پوشش می دهد و 14.73٪ از جمعیت شهر را شامل می شود. شکل 2 نشان می دهد که مناطق بزرگ در سمت راست وسط منطقه مورد مطالعه از هر ایستگاه آتش نشانی موجود دور است. این به این دلیل است که هیچ فضایی برای ایستگاه آتش نشانی جدید در آن منطقه وجود ندارد.
اثر مرزی، همانطور که در این مطالعه استفاده شد، به دو نوع حادثه EMS اشاره دارد: (1) یک حادثه EMS که در خارج از منطقه مورد مطالعه قرار دارد، اما توسط یک ایستگاه آتش نشانی در داخل منطقه مورد مطالعه سرویس می شود، و (2) حادثه EMS که در داخل منطقه مورد مطالعه قرار دارد، اما توسط یک ایستگاه آتش نشانی بیرونی سرویس می شود. رویدادهایی که شامل عبور از مرز منطقه مورد مطالعه است به عنوان اثر مرزی نامیده می شود. اثر مرزی به کار گرفته شده در این مطالعه مشابه مفهوم “کسری مشغول” است که در مطالعات متعدد مورد استفاده قرار گرفته است [ 4 ، 29 ، 38 ، 39 ، 40 ، 41 ].
منطقه مورد مطالعه دارای هفت ایستگاه آتش نشانی با مجموع 16 آمبولانس است که 12.8 درصد از 125 آمبولانس شهر را تشکیل می دهد که کمتر از نسبت جمعیت شهر ساکن در منطقه است. میانگین بار کاری سالانه (از نظر حوادث EMS) هر آمبولانس در منطقه مورد مطالعه و کل شهر به ترتیب 1588 و 1273 بود ( جدول 1).). تفاوت بین منطقه مورد مطالعه و میانگین شهر از نظر درخواست‌های EMS مرتبط با ترافیک، حوادث EMS روزهای هفته، و حوادث ساعات اوج بار در روز به ترتیب 485 در مقابل 377، 357 در مقابل 279 و 103 در مقابل 85 بود. با در نظر گرفتن میانگین 250 روز کاری در سال، هر آمبولانس در منطقه مورد مطالعه به حدود 0.41 حادثه EMS در هر روز کاری پاسخ می‌دهد، در مقایسه با میانگین 0.34 برای کل شهر. اعداد ذکر شده برای منطقه مورد مطالعه بین 122 تا 129 درصد مقادیر برای کل شهر بود. بنابراین، منطقه مورد مطالعه به وضوح در مقایسه با بقیه شهر فاقد ایستگاه های آتش نشانی و آمبولانس کافی است. از آنجایی که در منطقه مورد مطالعه فضایی برای احداث ایستگاه آتش نشانی جدید وجود ندارد و منطقه با کمبود آمبولانس مواجه است.
مشکل دیگری که باید به آن پرداخته شود، نیاز به تجزیه و تحلیل دقیق داده های EMS در دسته های مختلف از شهر نیو تایپه و ارائه راه حل های مناسب است. به عنوان مثال، بیماری حاد و حوادث EMS مرتبط با ترافیک، مقوله های متمایز در عملیات آمبولانس هستند و بعداً مورد بحث قرار می گیرند. تحقیقات مجموعه‌ای روی آمبولانس‌ها معمولاً از تمام داده‌های EMS به عنوان مرجع اصلی برای تعیین مکان‌های استقرار EMS در آینده استفاده می‌کند [ 40 ، 42 ، 43]. تا کنون، هیچ مطالعه ای حوادث EMS را به دسته های مختلف تقسیم نکرده است تا تفاوت بین آنها را مورد بحث قرار دهد. تحقیقات فعلی تفاوت‌های زیادی را بین حوادث EMS مرتبط با ترافیک و سایر دسته‌ها، بسته به زمان روز، مشاهده کرد. به همین دلیل، فرآیند تصمیم گیری مورد استفاده برای مکان ایستگاه شناور با سایر مدل های پوشش متفاوت بود.
تفاوت بین EMS ترافیکی و حوادث EMS غیر ترافیکی واضح و سرراست است. اول، داده های آتش نشانی نشان داد که توزیع حوادث EMS مربوط به ترافیک در جاده های اصلی یا کنار جاده متمرکز است. در مقابل، حوادث EMS غیرمرتبط با ترافیک نیز در نزدیکی جاده ها قرار دارند، اما بیشتر به مسکن یا ساختمان های نزدیک گسترش می یابند ( شکل 3 ). مکان‌های EMS غیر ترافیکی به شکلی شبیه بلوک‌های شهری توزیع شده‌اند ( شکل 3 ، پانل سمت چپ)، در حالی که مکان‌های EMS مرتبط با ترافیک در امتداد خطوط توزیع شده‌اند ( شکل 3)، پانل سمت راست). این تفاوت انتخاب مکان برای ایستگاه های آمبولانس شناور را بسیار محدود می کند. مدل‌های مرسوم پوشش‌دهنده مجموعه، توزیع خط‌دار مکان‌های EMS مرتبط با ترافیک را در نظر نمی‌گیرند، عمدتاً به این دلیل که حوادث EMS مرتبط با ترافیک بیشترین نسبت همه حوادث EMS را تشکیل نمی‌دهند. حوادث حاد بیماری معمولاً بر مکان ایستگاه‌های آمبولانس شناور جدید تأثیر می‌گذارند، زیرا آنها تقریباً نیمی از تمام رکوردهای EMS را تشکیل می‌دهند. حوادث EMS مرتبط با ترافیک کمتر از یک سوم تمام حوادث EMS ارزیابی شده در این مطالعه را تشکیل می‌دهند. بنابراین، مدل‌های معمولی ممکن است برای چنین حوادثی مناسب نباشند.
نکته بعدی زمان است. داده‌های جدید EMS شهر تایپه نشان داد که فرکانس‌های روزهای هفته و ساعات اوج مصرف (07:00-08:00 و 17:00-18:00) با همه حوادث EMS مرتبط با ترافیک، با وجود اینکه در یک دسته قرار دارند، متفاوت است. این تفاوت همچنین قویاً نشان می‌دهد که آنها انواع مختلفی از درخواست‌های EMS را نشان می‌دهند و باید جداگانه با آنها برخورد کرد. توزیع فرکانس روزانه و ساعتی برای حوادث EMS مرتبط با ترافیک و غیر ترافیک در شکل 4 نشان داده شده است.پانل سمت راست همه حوادث EMS در منطقه مورد مطالعه را در کنار فرکانس های EMS مربوط به ترافیک و غیر ترافیک نشان می دهد. خط EMS مربوط به ترافیک و خط EMS غیرمرتبط با ترافیک در ساعت‌های 07:00 و 20:00 در یک روز معمولی تقاطع می‌کنند و در طرف مقابل خط قرار دارند که نشان دهنده همه حوادث EMS در منطقه مورد مطالعه است. حوادث EMS غیرمرتبط با ترافیک در شب فرکانس بالاتر و در ظهر فرکانس کمتری نسبت به حوادث EMS مرتبط با ترافیک نشان می دهند. دو دوره اوج (07:00-08:00 و 17:00-18:00) شلوغ ترین دوره های روز هستند. این دو ساعت 26.56 درصد از درخواست های روزانه EMS را تشکیل می دهد.
پانل سمت چپ شکل 4 نشان می دهد که جمعه روز تقسیم است. پس از جمعه، فراوانی حوادث EMS مرتبط با ترافیک و خطوط ساعات اوج مصرف به شدت کاهش می‌یابد، در حالی که خطوط EMS غیرمرتبط با ترافیک نسبتاً ثابت باقی می‌مانند، با افزایش جزئی در روز یکشنبه. خط نشان دهنده تمام حوادث EMS در طول هفته نسبتاً ثابت باقی می ماند. خط ضخیم نشان دهنده حوادث EMS مربوط به ترافیک در روزهای هفته در همان سطح 14 تا 15 درصد باقی می ماند و تا یکشنبه به 12 درصد کاهش می یابد. حوادث EMS مرتبط با ترافیک در ساعات اوج مصرف تقریباً 16٪ در روزهای هفته است و به شدت کاهش می یابد و به کمتر از 9٪ در روز یکشنبه کاهش می یابد. این داده ها نشان می دهد که حوادث EMS مرتبط با ترافیک در ساعات اوج مصرف دارای ویژگی های قابل توجهی متفاوت با انواع دیگر است.
نسبت به نرخ حوادث EMS برای کل شهر، منطقه مورد مطالعه 15.97٪ بیشتر حوادث EMS عمومی و 16.48٪ بیشتر حوادث EMS مرتبط با ترافیک را داشت که هر دو بیشتر از نسبت جمعیت منطقه 14.73٪ است. میانگین تعداد حوادث EMS سالانه در ساعات اوج بار در منطقه مورد مطالعه 236.3 حادثه بوده است که 153 درصد از میانگین شهر 154.1 است. حجم کار هر ایستگاه آتش نشانی در منطقه مورد مطالعه تقریبا دو برابر میانگین شهر است که یکی از دلایل انتخاب این منطقه برای این مطالعه است.
حوادث EMS مربوط به ترافیک در ساعات اوج مصرف نشان دهنده شلوغ ترین دوره ها برای اداره آتش نشانی شهر جدید تایپه است. ایستگاه های آتش نشانی خارج از منطقه مورد مطالعه به 7.43٪ از تمام حوادث EMS مربوط به ترافیک در منطقه مورد مطالعه پاسخ دادند. برای ساعات اوج مصرف، این عدد 7.86 درصد بود. کاهش زمان سفر برای هر حادثه EMS برای فراهم کردن زمان بیشتری برای هفت ایستگاه آتش نشانی برای رسیدگی به حوادث EMS خود بدون پشتیبانی خارجی، یک نگرانی حیاتی برای آتش نشانی است.
پایگاه داده EMS 42527 حادثه EMS را در شهر در ساعات اوج روز هفته نشان داد که 30.5٪ از تمام حوادث EMS مربوط به ترافیک در روزهای هفته، 22.59٪ از تمام حوادث EMS مرتبط با ترافیک و تنها 6.68٪ از تمام حوادث EMS را نشان می دهد. این بخش کوچک از حوادث EMS نه تنها دارای ویژگی های منحصر به فرد است، بلکه می تواند به حل یک مشکل بزرگ برای آتش نشانی کمک کند.
در منطقه مورد مطالعه، میانگین مسافت سفر برای حوادث EMS 1162 متر و حالت 900 متر بود (7.8٪ از تمام حوادث EMS در منطقه مورد مطالعه را نشان می دهد). متداول ترین فاصله بعدی 800 متر (7.65٪ از کل) بود. میانگین مسافت سفر فقط کمی بیشتر از حالت بود، که نشان می‌دهد، در منطقه مورد مطالعه، میانگین مسافت سفر حول میانگین (1162 متر) و مد (900 متر) متمرکز شده است. داده های منطقه مورد مطالعه در جدول 1 نشان می دهد که تنها 0.68٪، 0.1٪ و 0.001٪ از سفرهای EMS به ترتیب مسافت های بیشتر از 5، 10 و 15 کیلومتر را شامل می شود. این اعداد به طور قابل توجهی کمتر از میانگین کل شهر هستند.
میانگین مسافت سفر برای EMS مرتبط با ترافیک 1424.6 متر برای کل شهر بود. حالت 900 متر (6.85٪ از تمام حوادث EMS مربوط به ترافیک) و پس از آن 700 متر (6.48٪) بود. فاصله متناظر در منطقه مورد مطالعه 1233.5 متر بود. حالت 900 متر (8.37٪ از کل) و پس از آن 700 متر (7.03٪) بود. تعداد در منطقه مورد مطالعه بدون اثر مرزی فوق 1144.6 متر بود. حالت 900 متر (8.4٪ از کل) و پس از آن 700 متر (7٪) بود.
مسافت سفر در ساعات اوج مصرف برای تمام حوادث EMS در کل شهر 1458.9 متر بود. حالت 900 متر (6.7٪ از کل) و پس از آن 700 متر (6.4٪) بود. مسافت پیک پیک در منطقه مورد مطالعه 1386.8 متر بود. حالت 900 متر (7.9٪ از کل) و پس از آن 700 متر (6.5٪) بود. مسافت پیک سفر در منطقه مورد مطالعه بدون در نظر گرفتن اثر مرزی 1190.7 متر بود. حالت 900 متر (8.3٪ از کل) و پس از آن 700 متر (6.7٪) بود. ما مشاهده کردیم که منطقه مورد مطالعه ما مسافت های سفر کوتاه تری برای همه دسته های ذکر شده داشت (به ترتیب 89.3٪ و 74.8٪ از میانگین کل شهر برای میانگین مسافت سفر و فاصله ساعات اوج بار).
انتخاب یک مکان ایده آل برای یک ایستگاه شناور جدید از بین نامزدهای احتمالی تمرکز اصلی مدل بود. میانگین سالیانه تعداد سفرهای آمبولانس در ساعات اوج هفته برای منطقه مورد مطالعه 103 و برای شهر 85 سفر بود. بنابراین، مدل ایستگاه شناور از 100 و 150 به عنوان ظرفیت های مورد نیاز برای عملیات و تولید نتایج برای مقایسه و بحث استفاده کرد ( جدول 1 ).

5. نتایج

نتایج شبیه سازی شده از اجرای چهار ایستگاه شناور جدید در منطقه مورد مطالعه در شکل 5 نشان داده شده است، با توجه به اینکه هر ایستگاه ظرفیت 100 حادثه EMS مربوط به ترافیک سالانه در ساعات اوج مصرف در منطقه مورد مطالعه را داشت ( شکل 5 )، اجرای اولین ایستگاه شناور نرخ پوشش حوادث EMS مرتبط با ترافیک را در دوره های اوج به میزان 5.54 درصد افزایش داد ( جدول 2)) و رتبه های دوم تا چهارم به ترتیب 5.39 درصد، 4.22 درصد و 6.17 درصد افزایش یافت. پوشش کل حوادث EMS مرتبط با ترافیک در ساعات اوج مصرف از 1/31 درصد در زمانی که هیچ ایستگاه شناور فعال نبود به 614/36 درصد، 005/42 درصد، 225/46 درصد و 390/52 درصد افزایش یافت که به ترتیب یک، دو، سه و چهار ایستگاه شناور اجرا شدند. . شعاع سه ایستگاه جدید 400 متر و برای دیگری 600 متر بود.
با توجه به اینکه هر ایستگاه ظرفیت 150 حادثه EMS مرتبط با ترافیک سالانه در ساعات اوج بار داشت ( شکل 6 )، نرخ پوشش ایستگاه های یک تا چهار به ترتیب 281/9 درصد، 078/8، 298/9 درصد و 677/9 درصد افزایش یافت. پوشش کل از 46.571 درصد بدون ایستگاه شناور به 55.852، 63.930، 73.228 درصد و 82.905 درصد با نصب یک تا چهار ایستگاه جدید به ترتیب افزایش یافت. شعاع ایستگاه های شناور جدید به ترتیب 600، 600، 700 و 1200 متر بود. پوشش در هنگام استفاده از ایستگاه های شناور با ظرفیت 100 و 150 حادثه EMS به ترتیب 68.6 و 78 درصد افزایش یافته است که پیشرفت های قابل توجهی را ایجاد می کند.
پوشش منطقه هفت ایستگاه آتش نشانی موجود 31.1٪ بود، اما پس از نصب چهار ایستگاه شناور (با ظرفیت 100 حادثه EMS) به 52.4٪ افزایش یافت که منجر به بهبود 68.6٪ شد ( جدول 2 ). هنگام استفاده از ایستگاه های شناور با ظرفیت 150 حادثه در سال، پوشش منطقه از 46.57٪ به 82.91٪ (78٪ افزایش) بهبود یافت. هر دو پیشرفت قابل توجه بود.
هنگام استفاده از چهار ایستگاه شناور با ظرفیت 100 حادثه، میانگین مسافت سفر در ساعات اوج بار 1074 متر بود. حالت 400 متر (11.1٪ از تمام سفرها) و به دنبال آن 500 متر (7.9٪) بود. میانگین مسافت سفر بدون اثر مرزی 989.4 متر بود. حالت 400 متر (12٪ از تمام سفرها) و به دنبال آن 500 متر (8.5٪) بود. برای چهار ایستگاه شناور با ظرفیت هر یک 150 حادثه، میانگین مسافت سفر در دوره های اوج 889.7 متر بود. حالت 500 متر (12.2٪ از کل سفرها) و پس از آن 600 متر (11.4٪) بود. میانگین مسافت سفر بدون اثر مرزی 824 متر بود. حالت 500 متر (13.1٪ از کل سفرها) و پس از آن 600 متر (12.2٪) بود. نسبت به اعداد مشابه در جدول 1بهبود قابل توجهی در مسافت سفر برای هر دو شرایط ظرفیت مشاهده شد. میانگین مسافت سفر در ساعات اوج بار پس از اجرای ایستگاه های شناور با ظرفیت 100 و 150 حادثه به ترتیب 1/87 و 1/72 درصد بود. بدون اثر مرزی، این مقادیر در هنگام نصب ایستگاه های با ظرفیت 100 و 150 به ترتیب 71.3 و 59.5 درصد مقادیر معمولی بود.

6. نتیجه گیری

این مطالعه یک مدل تصمیم‌گیری پویا جدید برای تسهیل انتخاب ایستگاه‌های آمبولانس شناور با در نظر گرفتن ایستگاه‌های آتش‌نشانی موجود و مکان و فراوانی حوادث EMS گذشته پیشنهاد کرده است. مدل‌های پوشش سنتی، مدل‌های ایستا هستند که برای سطح استراتژیک مناسب هستند، اما فاقد انعطاف‌پذیری لازم برای سطح عملیاتی هستند. خواسته های اضطراری در زمان واقعی از نظر مکانی و زمانی متفاوت است. در عمل، جابجایی پویا یک پایگاه پرهزینه و پیچیده است. هر جابجایی بار کار خدمه آمبولانس را افزایش می دهد و به طور بالقوه آمادگی آنها را برای پاسخ به تماس اضطراری کاهش می دهد. علاوه بر این، اکثر مدل‌های پوشش‌دهنده مجموعه، مسافت سفر را در نظر می‌گیرند و از حداقل محدوده قابل قبول یا کاهش مسافت کلی به عنوان مفروضات استفاده می‌کنند.
مدل تخصیص پویا برای استقرار مجدد آمبولانس‌ها باید به طور دوره‌ای تغییر کند تا مکان‌های پایگاه آمبولانس در طول روز تغییر مکان دهد تا به تقاضای بلادرنگ پاسخ داده شود و زمان پاسخگویی کاهش یابد. بنابراین، در این مطالعه، ما یک مدل ایستگاه‌های شناور پویا را پیشنهاد کرده‌ایم که بر به‌روزرسانی مکان‌های پایگاه آمبولانس با شناسایی داده‌های ترافیکی تاریخی تمرکز دارد. توزیع کوشی برای فراوانی حوادث EMS ترافیکی استفاده شده است. این مطالعه از ساعات اوج مصرف در روزهای هفته به عنوان مقوله هدف برای ایستگاه‌های شناور، عمدتاً برای تسهیل عملیات و مدیریت استفاده کرد.
برای شبیه سازی مورد، ایستگاه های شناور جدید مناطق وسیعی از نقاط EMS را پوشش می دهند. این نقاط قبلاً توسط ایستگاه های آتش نشانی موجود دورتر از ایستگاه های شناور جدید خدمت می کردند. با این ایستگاه‌های شناور جدید، مطمئناً میانگین مسافت سفر کاهش می‌یابد که انتظار برای این نوع عملیات است. شبیه سازی ها هنگام استفاده از مدل ما پیشرفت های قابل توجهی را نشان دادند. با این حال، واقعیت ممکن است به طور قابل توجهی متفاوت باشد. برای نتایج دقیق تر، این مدل باید در یک سیستم دنیای واقعی با استفاده از داده های روزمره و انجام اصلاحات از بازخورد در سایت پیاده سازی شود. قبل از چنین پیاده سازی، ما فقط می توانیم از نتایج شبیه سازی مدل برای اثبات پیشرفت ها استفاده کنیم. نتایج همچنین نشان داد که این مدل تنها با آمبولانس های محدود ارائه شده، مناطق مشکل را بهبود می بخشد. به جای تأثیرگذاری بر پوشش در منطقه مطالعه کامل که در آن خدمات به طور ایده آل باید ارائه شود. با این حال، بر اساس این بحث، کاربرد ایستگاه های شناور ممکن است برای شهرهای دیگر یا کشورهایی که منابع آمبولانس محدودی دارند مناسب باشد.
مدل ما ظرفیت را به عنوان محدودیت اصلی در هنگام شناسایی مکان‌های ایستگاه‌های شناور جدید در نظر می‌گیرد. فقط چهار آمبولانس برای تعیین تکلیف در دسترس بود. بنابراین، این یک عملیات در مقیاس کوچک بود. با این حال، نگرانی های EMS را از نظر مسافت سفر و حجم کاری برطرف کرد. به دلیل محدودیت منابع آمبولانس، از اولین حداکثر ظرفیت یافت شده برای شناسایی ایستگاه های جدید بالقوه برای اولویت بندی پشتیبانی در مناطقی با بیشترین مشکلات استفاده کردیم.
از طریق این استقرار پویا آمبولانس ها، می توان از منابع آمبولانس به طور موثر در ساعات اوج ترافیک استفاده کرد. در دوره غیر پیک ترافیک، بدون نیاز به فعال سازی حالت استقرار پویا آمبولانس ها، حالت خدمات اولیه واحد آمبولانس بازیابی می شود. از آنجایی که سرعت آمبولانس‌ها در ساعات غیر اوج ترافیک می‌تواند سریع‌تر باشد و پوشش خدمات آمبولانس‌ها نیز بیشتر از آن در ساعات اوج ترافیک است، آمبولانس اصلی می‌تواند زمان پاسخگویی آمبولانس را در دوره غیر اوج ترافیک برآورده کند. .
با توجه به غیر منقول بودن آتش نشانی های موجود و غیرقابل پیش بینی بودن توسعه شهری، به نظر می رسد ایستگاه های شناور راه حل مناسبی برای مناطق شهری باشد. سناریو در مناطق شهری و مناطق غیر شهری ممکن است نیازمند رویکردهای مختلف استقرار باشد. شبکه راه ها در مناطق غیر شهری به اندازه مناطق شهری متراکم نیست. مطالعات آینده ممکن است تحقیقات را به پوشش منطقه غیر شهری، به عنوان یک اندازه گیری محدودیت دیگر، برای شناسایی راه حل های بهینه گسترش دهد. علاوه بر این، حذف حوادث EMS غیر مرتبط با ترافیک و تعیین مکان ایستگاه آمبولانس شناور از اهداف این مطالعه بود. در مطالعات آینده، ما ممکن است مدل دیگری را برای شبیه‌سازی حوادث EMS غیرمرتبط با ترافیک، مانند موارد مربوط به بیماری حاد، توسعه دهیم.

منابع

  1. سیستم های خدمات پزشکی اورژانس مک لی، لس آنجلس که بقای بیمار را بهبود می بخشد. دایره ویلی. اپراتور Res. مدیریت علمی 2010 . [ Google Scholar ]
  2. مک فارلین، سی. Benn, C. ارزیابی سیستم های خدمات فوریت های پزشکی: طبقه بندی برای کمک به تعیین شاخص ها. ظهور. پزشکی J. 2003 , 20 , 188-191. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  3. اداره آتش نشانی دولت شهر جدید تایپه مرکز اعزام امداد و نجات در بلایای طبیعی پایگاه داده مختصات GPS . اداره آتش نشانی دولت شهر جدید تایپه: شهر جدید تایپه، تایوان، 2018.
  4. براتکورن، ال. لاپورت، جی. Semet، F. مدل های مکان و جابجایی آمبولانس. یورو جی. اوپر. Res. 2003 ، 147 ، 451-463. [ Google Scholar ] [ CrossRef ]
  5. سورنسن، پی. Church, R. یکپارچه سازی پوشش مورد انتظار و قابلیت اطمینان محلی برای مشکلات مکان یابی خدمات پزشکی اورژانس. اجتماعی-اقتصادی طرح. علمی 2010 ، 44 ، 8-18. [ Google Scholar ] [ CrossRef ]
  6. مدل‌های تحقیقاتی گلدبرگ، JB برای استقرار وسایل نقلیه خدمات اضطراری. Ems Manag. J. 2004 ، 1 ، 20-39. [ Google Scholar ]
  7. اشمید، وی. حل مشکل جابجایی و اعزام آمبولانس پویا با استفاده از برنامه نویسی پویا تقریبی. یورو جی. اوپر. Res. 2012 ، 219 ، 611-621. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  8. لیم، CS; مامت، ر. براونل، تی. تأثیر سیاست‌های اعزام آمبولانس بر عملکرد خدمات فوریت‌های پزشکی. Ieee Trans. هوشمند ترانسپ سیستم 2011 ، 12 ، 624-632. [ Google Scholar ] [ CrossRef ]
  9. کوله سار، پ. گرین، ال. بهبود پاسخگویی اضطراری با علم مدیریت. مدیریت علمی 2004 ، 50 ، 1001-1014. [ Google Scholar ]
  10. لی، ایکس. ژائو، ز. زو، ایکس. وایات، تی. مدل‌های پوشش و تکنیک‌های بهینه‌سازی برای مکان‌یابی و برنامه‌ریزی تسهیلات واکنش اضطراری: یک بررسی. ریاضی. روش ها. Res. 2011 ، 74 ، 281-310. [ Google Scholar ] [ CrossRef ]
  11. تورگاس، سی. سواین، آر. ریول، سی. برگمن، ال. محل تأسیسات خدمات اضطراری. اپراتور Res. 1971 ، 19 ، 1363-1373. [ Google Scholar ] [ CrossRef ]
  12. کلیسا، آر. ReVelle, C. حداکثر مشکل مکان پوشش. Reg. علمی دانشیار 1973 ، 32 . [ Google Scholar ]
  13. جندرو، م. لاپورت، جی. Semet، F. یک مدل پویا و اکتشافی جستجوی موازی تابو برای جابجایی آمبولانس در زمان واقعی. محاسبات موازی 2001 ، 27 ، 1641-1653. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  14. Daskin، MS حداکثر مدل محل پوشش مورد انتظار: فرمولاسیون، خواص و راه حل اکتشافی. ترانسپ علمی 1983 ، 17 ، 48-70. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. ریول، سی. Hogan، K. مشکل مکان حداکثر در دسترس بودن. ترانسپ علمی 1989 ، 23 ، 192-200. [ Google Scholar ] [ CrossRef ]
  16. راجاگوپالان، هنگ کنگ؛ سیدام، سی. Xiao, J. مجموعه ای چند دوره ای که مدل مکان را برای استقرار مجدد پویا آمبولانس ها پوشش می دهد. محاسبه کنید. اپراتور Res. 2008 ، 35 ، 814-826. [ Google Scholar ] [ CrossRef ]
  17. ارکوت، ای. اینگولفسون، آ. اردوغان، جی. محل آمبولانس برای حداکثر بقا. Nav Res. تدارکات. (NRL) 2008 ، 55 ، 42-58. [ Google Scholar ] [ CrossRef ]
  18. زرندی، م.ف. داوری، س. سی سخت، SH مسئله مکان پوشش حداکثری در مقیاس بزرگ. علمی ایران. 2011 ، 18 ، 1564-1570. [ Google Scholar ] [ CrossRef ]
  19. دل اولمو، پی. ریکاردی، ن. Sgalambro، A. مدل مکان پوشش حداکثر چند دوره ای برای مکان بهینه دوربین های ایمنی تقاطع در یک شبکه ترافیک شهری. Procedia-Soc. رفتار علمی 2014 ، 108 ، 106-117. [ Google Scholar ]
  20. Boscoe، FP; هنری، کالیفرنیا؛ Zdeb، MS مقایسه سراسری مسافت رانندگی در مقابل فاصله مستقیم تا بیمارستان ها. پروفسور Geogr. 2012 ، 64 ، 188-196. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. نوردین، NAM؛ زهارودین، ز. Maasar، MA; Nordin, NA یافتن کوتاهترین مسیر مسیریابی آمبولانس: رابط الگوریتم A∗ با استفاده از برنامه نویسی C#. در مجموعه مقالات سمپوزیوم IEEE 2012 در علوم انسانی، علوم و تحقیقات مهندسی، کوالالامپور، مالزی، 24-27 ژوئن 2012. صص 1569-1573. [ Google Scholar ]
  22. فعلی، JR. مدل های پوشش ظرفیت دار Storbeck، JE. محیط زیست طرح. برنامه B دس 1988 ، 15 ، 153-163. [ Google Scholar ] [ CrossRef ]
  23. Gawryszewski، معاون; رودریگز، EMS بار آسیب در برزیل، 2003. سائو پائولو مد J. 2006 ، 124 ، 208-213. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  24. اردلان، ع. معصومی، گ. گویا، م.م. سرور، م. حدادی، م. میعادفر، ج. رضوانی، ف. شاه، م.م آسیب های ترافیکی جاده: چالشی برای نظام سلامت ایران. ایران. J. بهداشت عمومی 2009 ، 38 ، 98-101. [ Google Scholar ]
  25. پراور، م. حسین پور، م. صالحی، س. محمدزاده، م. شجاعی، ع. اکبری، ح. میرزاده، مراقبت های پیش بیمارستانی تروما در تصادفات جاده ای در کاشان، ایران. قوس. Trauma Res. 2013 ، 1 ، 166. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  26. حسیه، ج.-ح. Hsu، S.-Y.; حسیه، ح.-ی. چن، ی.-سی. تفاوت بین جنسیت در جراحات و تلفات ناشی از موتورسیکلت در یک مرکز ترومای سطح I تایوانی. Biomed. J. 2017 ، 40 ، 113-120. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  27. اداره ملی ایمنی ترافیک بزرگراه (NHTS). برگه اطلاعات ایمنی ترافیک موتورسیکلت ; اداره ملی ایمنی ترافیک بزرگراه (NHTS): واشنگتن، دی سی، ایالات متحده آمریکا، می 2013.
  28. رودریگز، EM; ویلاوسس، ا. سانهوئزا، ا. Escamilla-Cejudo، JA روند آسیب های مرگبار موتور سیکلت در قاره آمریکا، 1998-2010. بین المللی J. Inj. Saf را کنترل کنید. ارتقاء دهید. 2014 ، 21 ، 170-180. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  29. بودج، اس. اینگولفسون، آ. Zerom، D. تجزیه و تحلیل تجربی زمان سفر آمبولانس: مورد خدمات پزشکی اورژانس کلگری. مدیریت علمی 2010 ، 56 ، 716-723. [ Google Scholar ] [ CrossRef ]
  30. اشمید، وی. مشکلات مکان Doerner، KF آمبولانس و جابجایی با زمان سفر وابسته به زمان. یورو جی. اوپر. Res. 2010 ، 207 ، 1293-1303. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  31. ژن، ال. وانگ، ک. متعجب.؛ چانگ، دی. چارچوب بهینه سازی شبیه سازی برای مشکلات استقرار آمبولانس و جابجایی. محاسبه کنید. مهندسی صنعتی 2014 ، 72 ، 12-23. [ Google Scholar ] [ CrossRef ]
  32. تاکدا، RA; ویدمر، جی. مورابیتو، آر. تجزیه و تحلیل تمرکززدایی آمبولانس در یک خدمات فوریت های پزشکی شهری با استفاده از مدل صف بندی هایپرمکعب. محاسبه کنید. اپراتور Res. 2007 ، 34 ، 727-741. [ Google Scholar ] [ CrossRef ]
  33. دولنی، تی جی; شریدان، SC رابطه بین گرمای شدید و پاسخ آمبولانس برای شهر تورنتو، انتاریو، کانادا. محیط زیست Res. 2006 ، 101 ، 94-103. [ Google Scholar ] [ CrossRef ]
  34. ایتون، دی جی; U، HMLS؛ لانتیگوا، RR; مورگان، جی. تعیین استقرار آمبولانس در سانتو دومینگو، جمهوری دومینیکن. جی. اوپر. Res. Soc. 1986 ، 37 ، 113-126. [ Google Scholar ] [ CrossRef ]
  35. پیلای، NS; منگ، X.-L. یک برخورد غیرمنتظره با کوشی و لوی. ان آمار 2016 ، 2089–2097. [ Google Scholar ] [ CrossRef ]
  36. شیعه، د.-م. چن، اس.-دبلیو. مدل ظرفیت تخصیص آمبولانس. در مجموعه مقالات نهمین کنفرانس بین المللی سال 2007 در زمینه شبکه های بهداشت الکترونیک، کاربردها و خدمات، تایپه، تایوان، 19 تا 20 ژوئن 2007. ص 40-45. [ Google Scholar ]
  37. شیعه، د.-م. هونگ، سی.-تی. چن، اس.-دبلیو. مدل مکان یابی آمبولانس چند ظرفیتی. در مجموعه مقالات پنجمین کنفرانس بین‌المللی 2009 در مورد بسترهای آزمایش و زیرساخت‌های تحقیقاتی برای توسعه شبکه‌ها و جوامع و کارگاه‌ها، واشنگتن، دی سی، ایالات متحده آمریکا، 6-8 آوریل 2009. صص 1-6. [ Google Scholar ]
  38. اینگولفسون، آ. بودج، اس. Erkut، E. مکان بهینه آمبولانس با تاخیرهای تصادفی و زمان سفر. مدیریت مراقبت های بهداشتی. علمی 2008 ، 11 ، 262-274. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  39. Jagtenberg، CJ; بولای، س. van der Mei, RD یک اکتشافی کارآمد برای استقرار مجدد آمبولانس در زمان واقعی. اپراتور Res. مراقبت های بهداشتی 2015 ، 4 ، 27-35. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  40. رول، سی. هوگان، ک. مشکل مکان حداکثر قابلیت اطمینان و مشکل مرکز α-reliablep: مشتقات مسئله پوشش مجموعه مکان احتمالی. ان اپراتور Res. 1989 ، 18 ، 155-173. [ Google Scholar ] [ CrossRef ]
  41. شریعت مهیمانی، ع. بابایی، م. معادی، س. امیری پور، مدل های پوشش عدم دسترسی کران بالا خطی برای مکان یابی آمبولانس ها: کاربرد در راه های روستایی تهران. یورو جی. اوپر. Res. 2012 ، 221 ، 263-272. [ Google Scholar ] [ CrossRef ]
  42. چانتا، اس. مایورگا، من؛ مک‌لی، لس آنجلس بهبود خدمات اضطراری در مناطق روستایی: یک مدل مکان پوششی دوهدفه برای سیستم‌های EMS. ان اپراتور Res. 2014 ، 221 ، 133-159. [ Google Scholar ] [ CrossRef ]
  43. معینی، م. جمایی، ز. شاهین، ای. مشکلات مکان یابی و جابجایی در زمینه سیستم های خدمات فوریت های پزشکی: مطالعه موردی. سنت. یورو جی. اوپر. Res. 2015 ، 23 ، 641-658. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00336 g001 550
شکل 1. رویه های مدل ایستگاه های شناور پویا (DFSM).
Ijgi 09 00336 g002 550
شکل 2. توزیع مسافت سفر برای ایستگاه های Sanchong و Snow Mountain. (x: متر، y: فرکانس).
Ijgi 09 00336 g003 550
شکل 3. خدمات فوریت های پزشکی غیرمرتبط با ترافیک (EMS) ( سمت چپ ) و حوادث EMS مربوط به ترافیک ( سمت راست ) برای مناطق سانچونگ و لوژو.
Ijgi 09 00336 g004 550
شکل 4. فرکانس های حادثه EMS برای روزهای هفته ( a ) و ساعات روز ( b ) برای مناطق Sanchong و Luzhou.
Ijgi 09 00336 g005 550
شکل 5. چهار ایستگاه شناور جدید پیشنهاد شده، با ایستگاه های آتش نشانی موجود و نقاط EMS کشف شده با ظرفیت 100 حادثه در سال در دوره های اوج.
Ijgi 09 00336 g006 550
شکل 6. چهار ایستگاه شناور جدید پیشنهاد شده، با ایستگاه های آتش نشانی موجود و نقاط EMS کشف شده با ظرفیت 150 حادثه در سال در دوره های اوج.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید