Введение 3
Глава 1. Постановка задачи. Обзор научной литературы 10
1.1 Постановка задачи 10
1.1.1 Параметры «предложения» 11
1.1.2 Параметры «спрос» 12
1.2 Обзор литературы 13
Глава 2. Математическое моделирование системы 35
2.1 Построение статистической модели перераспределения ресурсов скорой
помощи 35
2.2 Анализ данных для построения модели системы скорой помощи 36
Глава 3. Моделирование работы системы 43
3.1 Моделирование системы 43
3.2 Вероятно-статистическая модель 46
3.3 Интерпретация результатов 49
Заключение 58
Список литературы 59
Приложение
Система скорой медицинской помощи является одной из самых востребованных систем жизнедеятельности населенного пункта. От эффективностей работы данного учреждения зависят жизни людей. Одной из особенностей работы данной службы является постоянное место расположения машин скорой помощи и необходимость возвращения на станцию перед следующим вызовом. При этом загруженность системы оценивается, как количество вызовов, поступающих на станции ежедневно, на количество выездов машин, совершаемых за сутки [1]. Существуют такие понятия, как «скорая медицинская помощь» и «неотложная медицинская помощь». Отличием этих систем в том, что машины «неотложной помощи» выезжают на вызовы, которые связаны с проблемами, не несущими угрозы для жизни человека, в то время как «скорая помощь» выезжает при наличии угроз для жизнедеятельности человека [2].
Одним из ключевых факторов является нормативное время отклика, то есть время с момента поступления вызова к диспетчеру до появления машины скорой медицинской помощи на месте происшествия. Время отклика для каждой страны своё. Причиной данного различия являются условия внутри страны (погодные, географические, состояния дорог и т.п.). Для сравнения рассмотрим такие страны, как США и Россия. Нормативы работы скорой помощи в США установлены актом «о работе службы скорой медицинской помощи от 1973 г.» [3]. Территория покрытия станции описана двумя
радиусами, первый из них описывает область 10-ти минутной доступности, вторая область, в свою очередь, 15-ти минутную. Также устанавливается минимальное процентное значение для первой области - 90% вызовов должны выполняться не более, чем за 10 минут. Таких показателей страна добилась за счёт скооперированной работы транспортной системы с системой скорой помощи. Для Англии временем для первой области обозначено 8 минут с процентом выполнения 75%.
В ходе выполнения работы были осуществлены следующие пункты:
• осуществлен обзор научной литературы, рассмотрены модели по системе скорой помощи и методы решения;
• проведен анализ работы системы скорой помощи в г. Санкт-Петербург;
• выявлены «проблемные» участки города Санкт-Петербург;
• осуществлено построение вероятностно-статистической модели распределения ресурсов системы скорой помощи, использующее введение мультипериодичности;
• проведено имитационное моделирование работы системы, в которой была использована мультипериодичность;
• разработано программное обеспечение для получения распределения машин для каждого из выбранных подпериодов.
Проведенное моделирование дает в результате рекомендованное расположение машин для выбранных подпериодов. При этом разработанная программа остается гибкой к изменениям условий или дополнению других элементов, которые необходимо рассмотреть.
1. [Электронный ресурс]: http://www.03spb.ru/ Дата посещения:
23.03.2015.
2. [Электронный ресурс]: http://www.aif.ru/dontknows/1230226. Дата
посещения: 15.03.2015.
3. Takeda R.A., Widmer J.A., Morabito R. Analysis of ambulance decentralization in urban emergency medical service using the hypercube queueing model // Computers and Operational Research. 2007. Vol. 34. P. 727-741.
4. [Электронный ресурс]: http://www.rg.ru/2013/01/28/brit.html. Дата
посещения: 19.02.2015.
5. Электронный ресурс]: https://www.rosminzdrav.ru/documents/9118-
prikaz-ministerstva-zdravoohraneniya-rossiyskoy-federatsii-ot-20-iyunya- 2013-g-388n-ob-utverzhdenii-poryadka-okazaniya-skoroy-v-tom-chisle- skoroy-spetsializirovannoy-meditsinskoy-pomoschi. Дата посещения: 20.09.2016
6. Информационно-правовой портал [Электронный ресурс]:
http://www.garant.ru/article/499754/. Дата посещения: 22.02.2014.
7. Информационный портал [Электронный ресурс]
http://ambulances.ru/wheel_types.shtml Дата посещения: 08.04.2017
8. Информационный портал [Электронный ресурс]
http://www.who.int/mediacentre/factsheets/fs310/ru/. Дата посещения: 08.04.2017
9. Крылатов А. Ю. Оптимальные стратегии управления транспортными потоками на сети из параллельных каналов // Вестник Санкт- Петербургского университета. Серия 10: Прикладная математика. Информатика. Процессы управления. 2014. № 2. С. 120-129.
10. Единая межведомственная информационно-статистическая система
[Электронный ресурс]: http://www.fedstat.ru/indicator/data.do. Дата
посещения: 13.03.2015.
11. [Электронный ресурс]:
https: //gov.spb .ru/gov/otrasl/c_health/news/102381/. Дата посещения:
21.01.2017.
12. [Электронный ресурс]: http://topspb.tv/news/news25049//. Дата
посещения: 08.04.2017
13. [Электронный ресурс]: http://spb2020.livejournal.com/ Дата посещения: 05.04.2015.
14.Shavidze G.G., Balykina Y.E., Lejnina E.A., Svirkin M.V. Mathematical model of ambulance resources in Saint Petersburg // AIP Conference Proceedings. 2016, Vol. 1738. doi: http://dx.doi.org/10.1063/1.4951883
15. [Электронный ресурс]: https://yandex.ru/maps Дата посещения:
25.04.2015.
16. Toregas C.R., Swain R., ReVelle C.S., Bergman L. The location of emergency service facilities // Operations Research. 1971. Vol.19. pp. 1363-1373.
17. Church R.L., ReVelle C.S. The maximal covering location problem // Papers of the Regional Science Association. 1974. Vol. 32. pp. 101-118.
18. Hogan K., ReVelle C.S. Concepts and applications of backup coverage // Management Science. 1986. Vol. 34. pp.1434-1444.
19. Berman O., Krass D., Drezner Z. The gradual covering decay location problem on a network // European journal of Operational Research. 2003. Vol. 151. pp. 474-480.
20. Gendreau M., Laporte G., Semet F .Solving an ambulance location model by Tabu search // Location Science. 1997. Vol. 27. pp. 1641-1653.
21.Schilling D.A., Elzinga D.J., Cohon J., Church R.L., ReVelle C.S. The TEAM/FLEET models for simultaneous facility and equipment sitting // Transportation Science. 1979. Vol. 13. pp. 163-175.
22. Daskin M.S. A maximum expected location model: Formulation, properties and heuristic solution // Transportation Science. 1983. Vol. 7. pp. 48-70.
23. Pinto L.R., Silva P.M.S., Young T.P. A generic method to develop simulation models for ambulance systems // Simulation Modelling Practice and Theory. 2015. Vol. 51. pp. 170-183.
24. McCormack R., Coates G. A simulation model to enable the optimization of ambulance fleet allocation and base station location for increased patient survival // European Journal of Operational Research. 2015. Vol. 247. pp. 294-309.
25. Naoum-Sawaya J., Elhendi S. A stochastic optimization model for real-time ambulance redeployment // Computers & Operations Research. 2013. Vol. 40. pp. 1972-1978.
26. Knight V.A., Harper P.R., Smith L. Ambulance allocation for maximal survival with heterogeneous outcome measures // Omega. 2012, Vol. 40, Iss. 6. pp. 918-926.
27. Nickel S., Reuter-Oppermann M.,Saldanha-da-Gama F. Ambulance location under stochastic demand: A sampling approach // Operations Research for Health Care. 2016. Vol. 8. pp. 24-32.
28. Shariat-Mohaymany A., Babaei M., Moadi S., Amiripour M. S. Linear upper¬bound unavailability set covering models for locating ambulances: Application to Tehran rural roads // European Journal of Operational Research. 2012. Vol. 221. pp. 263-272.
29. Marianov V., Serra D. Probabilistic maximal covering location-allocation models for congested systems // Journal of Regional Science. 1998. pp. 401-424.
30. ReVelle C.S., Hogan K. The maximum availability location problem // Transportaion Science. 1989. Vol. 23. p. 192-200.
31. ReVelle C., Hogan K. The maximum reliability location problem and alpha¬reliable p-center problems: derivates of probabilistic location set covering problem // Annals of Operations Research. 1989. Vol. 18. pp. 155-174.
32. Rajagopalan H.K., Saydam C. A minimum expected response model: Formulation, heuristic solution and application // Socio-Economic Planning Sciences. 2009. Vol. 43. pp. 253-262.
33. Batta R., Dolan J.M., Krishnamurty N.N. The maximal expected covering location problem: Revisited // Transportation Science. 1989. Vol. 23. pp. 277¬287.
34. Ball M.O., Lin L.F. A reliability model applied to emergency service vehicle location // Operations Research. 1993. Vol. 41. pp. 18-36.
35. Marianov V., ReVelle C.S. The queuing probabilistic location set covering problem and some extensions // Socio-Economic Planning Sciences. 1994. Vol. 28, Iss. 3. pp. 167-178.
36. Goldberg J., Dietrich R., Chen J.M., Mitwasi M.G. Validating and applying a model for locating emergency medical services in Tucson, AZ // European Journal of Operational Research. 1990. Vol. 49, Iss. 3. pp. 308-324.
37. Repede J.F., Bernardo J.J. Developing and validating a decision support system for locating emergency medical vehicles in Louisville, Kentucky // European Journal of Operational Research. 1994. Vol. 75, Iss. 3. pp. 567-581.
38. Mandell M.B. Covering models for two-tiered emergency medical services systems // Location Science. 1998. Vol. 6. P. 355-368.
39. Gendreau M., Laporte G., Semet F. The maximal expected coverage relocation problem for emergency vehicles // Journal of Operational Research Society. 2006. Vol. 57, Iss. 1. pp. 22-28.
40. Maleki M., Majlesinasab N., Sepehri M. Two new models for redeployment of ambulances // Computers & Industrial Engeneering. 2014. Vol 78. pp. 271¬284.
41. Van den Berg L.P., Aardal K. Time-dependent MEXCLP with start-up and relocation cost // European Journal of Operational Research. 2015. Vol. 242. pp. 383-389.