بررسی اهمیت تخصیص و مسیریابی پویای نیرو های امدادی در کاهش زمان پاسخگویی

هر ساله تعداد کثیری از آسیب دیدگان و بیماران به علت تاخیر در دریافت خدمات فوریت های پزشکی جان می سپارند. تعیین محدوده خدماتی مراکز درمانی و مسیریابی صحیح عملیات امداد و نجات بر کاهش زمان پاسخگویی نیروهای امدادی تاثیرگذار است. تغییر ترافیک معابر از عوامل اصلی در تغییر محدوده خدماتی مراکز می شود، بنابراین مطلوب است با رصد تغییر ترافیک، محدوده تحت پوشش هر بیمارستان به روز گردد. استفاده از تجهیزات سخت افزاری و نرم افزاری که ترافیک معابر را رصد کند، هزینه بر خواهد بود. برای بکارگیری این تجهیزات نیازمند اطلاعاتی در مورد میزان تاثیر تغییرات پویای ترافیک بر تخصیص خدمات مراکز درمانی و بهبود زمان خدمات رسانی به نقاط تقاضا است. در این پژوهش تخصیص خدمات مراکز درمانی با استفاده از داده های ترافیکی ایستا در مقابل تخصیص با داده های ترافیکی پویا در روز ها و ساعات مختلف مورد ارزیابی قرار گرفت سپس میزان تاثیر پذیری مناطق مختلف یک محدوده از تغییرات ترافیکی بررسی شد. در تخصیص خدمات از الگوریتم های فراابتکاری ژنتیک و بهینه سازی ازدحام ذرات استفاده گردید در ادامه میانگین زمان دسترسی (یا زمان پاسخگویی) به همه نقاط تقاضا و نقاط مرزی به صورت مجزا در منطقه 5 تهران بررسی شد. طبق نتایج میانگین زمان پاسخگویی به همه نقاط تقاضا در هنگام استفاده از داده های ترافیکی ایستا ، 13/4 درصد بیشتر از زمان پاسخگویی به همان نقاط در هنگام استفاده از داده های ترافیکی پویا بوده است و میانگین زمان پاسخگویی به نقاط مرزی (نقاط چک) درهنگام تخصیص با داده های ترافیکی ایستا 34/2 درصد معادل 69 ثانیه بیشتر تخصیص با داده ترافیکی پویا بوده است. این نتایج نشان دهنده افزایش تاخیر زمان پاسخگویی به نقاط مرزی در هنگام تخصیص خدمات با داده های ترافیکی ایستا است. همچنین در ساعات بعد از ظهر روز که همزمان با افزایش درخواست های امدادی است، اختلاف زمان پاسخگویی به نقاط تقاضا در هنگام تخصیص خدمات با داده های ترافیکی ایستا و پویا افزایش یافته است. نتایج پژوهش بیانگر اهمیت تخصیص پویا بر بهبود خدمات رسانی دارد. 

evaluating the importance of dynamic allocation and routing of rescuers in reducing response time

due to delay in receiving emergency medical services, a high number of injured people and patients annually lose their lives. determining the medical service area and correct routing of rescuing operation is influential on the reduction of rescuers’ response time. changing the traffic flow leads to change of medical service area. therefore, it is expected that by observing changing traffic, the service area of any hospital would be updated. using the required hardware and software equipment, which observe traffic flow, would be pricey. in order to utilize such equipment, it is required to have information about the degree of effect of traffic dynamic changes on reducing the service time to the demand points.in this research, the allocation of medical center services using static traffic data was evaluated against the allocation with dynamic traffic data on different days and hours. then, the influence of different regional areas from traffic changes was investigated. genetic and particle swarm optimization meta-heuristic algorithms were used in the allocation of services, then the average access time (or response time) to all demand points and border points were investigated separately in the 5th district of tehran. according to the results, the average response time to all demand points when using static traffic data was 13.4% more than the response time to the same points when using dynamic traffic data. also, while allocation with static traffic data, the average response time to border points (checkpoints) was 34.2% equivalent to 69 seconds more than allocation with dynamic traffic data. these results reveal an increase in response time delay to border points when services allocation with static traffic data. in addition, in the afternoon hours of the day, which coincide with the increase in requests for assistance, the difference in response time to the demand points during service allocation with static and dynamic traffic data increased. the research results show the important role of dynamic allocation in service improvement.