مکان یابی بهینه استقرار آمبولانس ها در شبکه جاده ای استان آذربایجان شرقی با رویکرد ترکیبی شبیه سازی عامل بنیان و الگوریتم ژنتیک

میزان و نوع تخصیص منابع و اتخاذ استراتژیهای لازم برای تامین موثر اقدامات اورژانسی با توجه به نقش حیاتی این مراکز در سیستم سلامت، و میزان توانایی این مراکز در پاسخ موثر به تماسهای اورژانسی یک عنصر مهم در تامین و بازیابی سلامت بیماران محسوب میشود. بهینه‌ترین موقعیت مکانی اورژانسها با توجه به کنش متقابل بین عوامل، محدودیت‎های محیطی و ویژگیهای رفتاری متفاوت عوامل مختلف مفروض در مسئله را بیابیم. از لحاظ هدف کاربردی و توصیفی با رویکرد مدل‌سازی تبیینی که در ارائه مدل از نظرسنجی خبرگان استفاده و در اجرای مدل که مبتنی بر کاربست الگوریتم متاهیورستیکال (از نوع ژنتیک) میباشد، دادههای عینی و ذهنی ترکیب گردیده متغیرهای عامل و محیطی طی رویکرد ترکیبی شبیه‌سازی عامل بنیان و الگوریتم متاهیورستیک مدلیزه شده‌اند. زمان اولیه برای پیمایش یک ساختار اولیه برای 40 نقطه حادثه‌خیز و 5 ایستگاه برابر با 7860 بوده که پس از بهینه‌سازی به روش ژنتیک و تولید لیست جدید و نیز جهش آمبولانسها از یک ایستگاه به ایستگاه دیگر نتایج به عددی بین 2700 الی 4000 رسید. استفاده از این نوع بهینه‌سازی میتواند به‌سرعت فعالیتها و کاهش هزینه‌ها کمک شایانی نماید. با توجه به یکسان نبودن ترافیک نقاط، زمان رسیدن آمبولانس به نقاط حادثه‌خیز برابر نخواهد بود لذا با تغییر نقاط استقرار، بنا بر شرایط با جلو یا عقب رفتن و اختصاصی نمودن خصوصیات آمبولانس‌ها و نقاط حادثه‌خیز و ترکیب لیست نقاط میتوان زمان پیمایش کل نقاط حادثه‌خیز را کاهش داد.

Optimal Location of ambulances in the road network of East Azarbaijan province with a combined approach of factor-based simulation and genetic algorithm

The amount and type of resource allocation and adoption of necessary strategies to effectively provide emergency measures, given the vital role of these centers in the health system, and the ability of these centers to respond effectively to emergency calls is an important element in providing patients’ health. Find the most optimal location of emergencies according to the interaction between factors, environmental constraints and different behavioral characteristics of different factors assumed in the problem. In terms of practical and descriptive purpose, with the explanatory modeling approach, which uses expert opinion polls in presenting the model and in implementing the model, which is based on the application of metaherstical algorithm. Combined objective and subjective data Factor and environmental variables are modeled through a combined approach of factorbased simulation and metaheuristic algorithm. The initial time to navigate an initial structure for 40 accident hotspots and 5 stations was 7860, which after genetic optimization and the production of a new list, as well as the jump of ambulances from one station to another, the results reached a number between 2700 and 4000. Using this type of optimization can help speed up activities and reduce costs. Due to the unequal traffic of the points, the time of arrival of the ambulance to the accident hotspots will not be equal, so by changing the deployment points, according to the conditions and specializing the characteristics of ambulances and accident hotspots and combining the list of points, the total travel time can be Reduced accident hotspo