CN111768851B - 一种动态需求下多级别家庭护理调度方法及系统 - Google Patents

一种动态需求下多级别家庭护理调度方法及系统 Download PDF

Info

Publication number
CN111768851B
CN111768851B CN202010574489.9A CN202010574489A CN111768851B CN 111768851 B CN111768851 B CN 111768851B CN 202010574489 A CN202010574489 A CN 202010574489A CN 111768851 B CN111768851 B CN 111768851B
Authority
CN
China
Prior art keywords
service
nursing
nursing staff
service information
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010574489.9A
Other languages
English (en)
Other versions
CN111768851A (zh
Inventor
丁祥海
贾坤
张俊娜
潘威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202010574489.9A priority Critical patent/CN111768851B/zh
Publication of CN111768851A publication Critical patent/CN111768851A/zh
Application granted granted Critical
Publication of CN111768851B publication Critical patent/CN111768851B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Business, Economics & Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Epidemiology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种动态需求下多级别家庭护理调度方法，包括：S1.接收客户预先发送的服务信息，并对接收到的服务信息进行汇总；S2.对汇总的服务信息进行处理，得到数个初始护理服务路径；S3.开启动态信息时间窗；S4.判断是否接收到新的客户发送的服务信息，若是，则存储新客户的服务信息，并则执行步骤S5；若否，则执行步骤S5；S5.判断动态信息时间窗是否关闭，若否，则继续执行步骤S4；若是，则查看是否存储有新客户的服务信息，若否，则继续执初始护理服务路径；若是，则执行步骤S6；S6.对新客户的服务信息以及未完成护理的客户服务信息进行汇总，并对汇总的服务信息进行处理，得到一个或多个新的护理服务路径。

Description

一种动态需求下多级别家庭护理调度方法及系统
技术领域
本发明涉及家庭医疗护理技术领域，尤其涉及一种动态需求下多级别家庭护理调度方法及系统。
背景技术
对于目前医疗机构以及护理单位而言，存在医疗能力与区域性不匹配的问题，另一方面，老人行动不便，让老人定期去医院接受日常护理等服务对他们而言也存在很大的局限性。为满足老人对日常的医疗护理服务需求，提供上门的家庭医疗护理（home healthcare，HHC）等服务得到了有效的发展。
针对家庭医疗护理资源调度问题，通常对静态信息问题进行求解，即在服务路径规划之前，客户点的位置，服务请求时间窗，客户被服务时间，对护理人员的级别需求这些信息是预先已知的，这些信息不随着时间的变化而变化，护理人员在这种静态情形下的服务路径通常也是固定的。
在实际的服务过程中，当护理人员从护理中心出发后，仍会有新客户提出服务需求或者客户点信息的变更等动态信息的出现，传统静态护理人员调度通常不能及时的响应，导致客户满意度的降低或者护理中心成本的增加。
发明内容
本发明的目的是针对现有技术的缺陷，提供了一种动态需求下多级别家庭护理调度方法及系统，针对现行研究存在的上述问题，制定了“静态路径规划+动态信息优化”的求解策略处理有动态信息变化的护理人员调度问题，更加符合现实生活的需求。最后，通过引入虚拟客户点，将有动态信息发生的护理人员调度问题转化成静态护理人员调度问题，并利用两阶段算法对动态需求下多级别家庭护理调度问题进行全局寻化。
为了实现以上目的，本发明采用以下技术方案：
一种动态需求下多级别家庭护理调度方法，包括：
S1.接收客户预先发送的服务信息，并对接收到的服务信息进行汇总；
S2.对汇总的服务信息进行处理，得到数个初始护理服务路径；
S3.开启动态信息时间窗；
S4.判断是否接收到新的客户发送的服务信息，若是，则存储新客户的服务信息，并则执行步骤S5；若否，则执行步骤S5；
S5.判断动态信息时间窗是否关闭，若否，则继续执行步骤S4；若是，则查看是否存储有新客户的服务信息，若否，则继续执初始护理服务路径；若是，则执行步骤S6；
S6.对新客户的服务信息以及未完成护理的客户服务信息进行汇总，并对汇总的服务信息进行处理，得到一个或多个新的护理服务路径；并重复执行步骤S3-S6，实现护理服务路径的调度。
进一步的，所述步骤S1中的服务信息包括客户信息、客户所需服务的事项、地点、时间、客户所需的护理人员等级。
进一步的，所述步骤S2以及步骤S6中对汇总的服务信息进行处理均采用遗传算法和模拟退火算法进行处理。
进一步的，所述步骤S2中得到数个初始护理服务路径后还包括：
根据得到的初始护理服务路径进行护理人员的调度。
进一步的，所述采用遗传算法进行处理具体为包括：
A1.染色体编码：采用整数排列编码方法将护理人员依次划分到服务路径中。
A2.种群初始化：随机选择护理人员是否进行调度，根据护理人员的等级将客户随机分配到护理人员的路径中；并判断是否存在虚拟客户点，若是，则初始化时虚拟客户点的位置。
A3.适应度函数：通过个体适应度函数的大小表示服务路径的优劣程度；
A4.选择操作：采用最优个体保留将种群中适应度最大的个体直接选择进入下一代，再利用轮盘赌法对下一代的其他个体进行处理；
A5.交叉操作：选择父代中需要替换的染色体片段，将选择的染色体片段交叉片段移到对方染色体的首部得到新的染色体，依次消除与交叉区域重复的基因，得到子代染色体；
A6.变异：随机选择一个客户点，将其位置进行随机插入，虚拟点不进行变异；
A7.去掉变异后多余的染色体；
A8.使用模拟退火算法，优化当前服务路径及服务路径对应的护理人员。
进一步的，所述采用模拟退火算法进行处理具体为包括：
B1.初始化：设置护理人员的等级信息；
B2.计算当各阶段路径对护理人员的要求以及护理中心剩余护理人员的级别；
B3.根据各阶段路径对护理人员的要求以及护理中心剩余护理人员的级别计算目标函数值；
B4.根据计算得到的目标函数值随机选择护理人员，将选择的护理人员与初始护理人员进行替换，并计算目标函数值以及目标函数的差值；
B5.判断计算得到的差值是否小于0，若是，则将选择的护理人员与初始护理人员进行替换；若否，则不进行替换；
B6.重复执行步骤B3-B5，得到最优的护理路径。
相应的，还提供一种动态需求下多级别家庭护理调度系统，包括：
接收模块，用于接收客户预先发送的服务信息，并对接收到的服务信息进行汇总；
第一处理模块，用于对汇总的服务信息进行处理，得到数个初始护理服务路径；
开启模块，用于开启动态信息时间窗；
第一判断模块，用于判断是否接收到新的客户发送的服务信息；
第二判断模块，用于判断动态信息时间窗是否关闭，若是，则查看是否存储有新客户的服务信息，若否，则继续执初始护理服务路径；
第二处理模块，用于对新客户的服务信息以及未完成护理的客户服务信息进行汇总，并对汇总的服务信息进行处理，得到一个或多个新的护理服务路径，实现护理服务路径的调度。
进一步的，所述接收模块中的服务信息包括客户信息、客户所需服务的事项、地点、时间、客户所需的护理人员等级。
进一步的，所述第一处理模块以及第二处理模块中对汇总的服务信息进行处理均采用遗传算法和模拟退火算法进行处理。
进一步的，所述第二处理模块中得到数个初始护理服务路径后还包括：根据得到的初始护理服务路径进行护理人员的调度。
与现有技术相比，本发明对于有客户需求动态变化的护理人员调度问题，通过调度系统接收动态信息，引入虚拟客户点将动态问题转化为静态问题求解。设计两阶段算法解决了服务过程中可能会出现的客户点的增加或减少、客户点的取消，客户点对护理人员等级的变更4种动态信息，灵活合理的分配医疗资源，求解出较低成本的调度方案，对动态需求下护理人员调度具有一定的现实意义。
附图说明
图1是实施例一提供的一种动态需求下多级别家庭护理调度方法流程图；
图2是实施例一提供的交叉操作示意图；
图3是实施例二提供的初始问题优化路线示意图；
图4是实施例二提供的信息变更静态求解路径方案示意图；
图5是实施例二提供的最终服务路径方案示意图。
实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
本发明的目的是针对现有技术的缺陷，提供了一种动态需求下多级别家庭护理调度方法及系统。
实施例
本实施例提供一种动态需求下多级别家庭护理调度方法，如图1所示，包括：
S1.接收客户预先发送的服务信息，并对接收到的服务信息进行汇总；
S2.对汇总的服务信息进行处理，得到数个初始护理服务路径；
S3.开启动态信息时间窗；
S4.判断是否接收到新的客户发送的服务信息，若是，则存储新客户的服务信息，并则执行步骤S5；若否，则执行步骤S5；
S5.判断动态信息时间窗是否关闭，若否，则继续执行步骤S4；若是，则查看是否存储有新客户的服务信息，若否，则继续执初始护理服务路径；若是，则执行步骤S6；
S6.对新客户的服务信息以及未完成护理的客户服务信息进行汇总，并对汇总的服务信息进行处理，得到一个或多个新的护理服务路径；并重复执行步骤S3-S6，实现护理服务路径的调度。
动态需求下家庭护理人员问题描述为：一个护理中心拥有若干等级的护理人员，护理人员从护理中心出发对若干客户点进行服务，服务的过程中存在客户动态信息的变化，表现为客户点的增加、减少，客户点时间窗变化，客户对护理人员等级需求的变化。如何在将动态信息引入到现有的路径中已达到成本最优化是需要解决的问题。为解决此问题，本实施例在传统静态护理人员路径规划模型的基础上提出动态优化模型。
在传统的静态家庭护理人员调度问题描述如下：给定一个连通图G={N, A}，其中，N={1, 2, …, n}是点集，家庭护理中心由1点表示，客户由点{2, 3, …, n, …, n+k}表示；A={(i, j)|i, jÎN, i≠j}是弧集，表示客户点之间的路径。护理人员从护理中心出发，对客户点iÎN进行服务，服务持续时间为s i ，且服务必须在时间窗[a i , b i ]内进行。当护理人员早于a i 到达，不能立即开展服务，晚于时间b i 无法开展服务，服务完成后最终回到护理中心。护理人员的集合为K={0, 1, 2, …, k}，k为护理人员编号。护理人员级别用集合R={1, 2, …, r}来表示，护理人员级别最高为1，随着r增大级别依次降低，r为护理人员级别编号。对于kÎK，r k ÎK代表护理人员k的能力等级。对于iÎN，d i 表示客户点i对护理人员的级别要求，只有当d i ≤r k 时，护理人员k才能满足客户点i的服务需求。
在本实施例中，采用静态模型和动态需求进行处理，其中模型的建立具体为：
每个工作日护理人员开始工作之前，护理中心按照已知的静态需求安排护理人员进行服务。服务过程中开启接收动态信息服务时间窗，经若干小时对动态信息进行汇总，定义[T 0 , T 3 ]为护理中心一天内的服务开启和结束时间；[T 1 , T 2 ]为接收动态信息服务时间窗；T 间为动态信息时间窗间隔。假设服务过程t i 时刻发生动态需求增加后，部分护理人员已经离开护理中心，护理人员在旅行途中或者客户点处，直接调度将无法进行。通过引入虚拟客户点，虚拟客户点是在途护理人员第一个且必须要经过的点，将护理中心与虚拟客户点建立虚拟道路，这样就把动态护理人员路径规划转化为静态护理人员路径规划。
虚拟客户点所处的位置有以下两种情况：①护理人员正在前往下一个客户点的途中，设当前k 1 所处的位置为虚拟客户点，时间窗的上限与下限均为t i ，服务时间为0，护理人员的等级需求为当前护理人员的级别，护理中心到虚拟顾客点的距离和行驶时间均为0；②护理人员正在对客户i进行服务。已经服务时间s ti ，将客户点i作为已完成任务点除去，同时对护理人员k 2 设为虚拟客户点，时间窗的上限为t i ，时间窗下限为t i +s i -s ti ，服务时间为0，虚拟客户点对护理人员的等级需求为当前护理人员的级别，护理中心到虚拟顾客点的距离为0，行驶时间为s i -s ti 。
假设经过第一阶段静态护理人员调度，护理人员已经对若干客户点进行服务，每次对已经服务的客户点进行剔除，同时加入新的动态信息，令T表示尚未服务的顾客和新增的顾客请求总数，用集合T={2, 3, …, t}表示；虚拟客户点的数量总数在途护理人员的数量有关，总数用k表示，虚拟客户点的编号为t+1, t+2，…,t+k，护理中心仍用编号“1”表示，用W表示护理中心、尚未服务的顾客、动态需求下新增的顾客请求、虚拟客户点的集合，W={1, 2, 3, …, t+k}；需要新增派的护理人员数用p表示，所需护理人员用P表示，P={0, 1, 2, …, k,…, k+p}。
（1）
（2）
（3）
（4）
（5）
（6）
（7）
（8）
（9）
其中，函数（1）表示最小化在途护理人员和新派遣护理人员旅行成本、固定成本、服务成本和违反是时间窗的惩罚成本；约束（2）保证每个客户点都被服务；约束（3）和约束（4）表示所有的服务路线必须从护理中心出发，服务若干客户后，最终回到护理中心；约束（5）表示流量守恒，用于保证路径的连续性，即进入某客户点的护理人员和离开客户点的护理人员相同；约束（6）表示路径满足客户时间窗约束，其中M是一个较大的标量；约束（7）表还服务客户的护理人员要满足客户对护理人员等级的要求；约束（8）表示路径中不出现子回路；约束（9）决策变量为0-1变量。
其中，t ikr 为级别为r的护理人员k服务客户点i的开始时间；α和β分别表示护理人员早到和迟到的惩罚成本，且α<β；C ij 为客户点i到客户点j的旅行成本；C sr 和f r 为级别为r的护理人员单位时间的服务成本和固定成本；x ijkr 为0-1变量若级别为r的护理人员k在服务完客户i后服务客户j则x ijkr =1，否则x ijkr =0。
在步骤S1中，接收客户预先发送的服务信息，并对接收到的服务信息进行汇总。其中服务信息包括客户信息、客户所需服务的事项、地点、时间、客户所需的护理人员等级。
本实施例对接收到的服务信息进行初始化。设置客户数量n，护理人员数目k，护理人员资质等级r、客户的位置坐标，所需服务人员级别及服务时间窗。并更新信息集合，根据已有的相关信息，对信息进行更新汇总。
在步骤S2中，对汇总的服务信息进行处理，得到数个初始护理服务路径。
根据更新汇总的信息，形成初始线路方案。对信息进行优化，对预约客户点进行路线求解，优化得到初始路线方案，护理中心根据此路线进行人员调度。
在本实施例中，对汇总的服务信息进行处理均采用遗传算法和模拟退火算法进行处理。
多级别护理人员调度属于NP-hard问题，通常采用启发式是算法进行求解。本文使用遗传算法和模拟退火算法对该问题进行求解，第一阶段借助遗传算法较强的全局搜索能力，采用改进OX法进行交叉防止“早熟”对护理人员路径进行规划；第二阶段利用克服局部最优的模拟退火进行多级别人员安排。
采用遗传算法具体为包括：
A1.染色体编码：采用整数排列编码方法将护理人员依次划分到服务路径中。
采用整数排列编码方法将护理人员依次划分到服务路径中。
A2.种群初始化：随机选择护理人员是否进行调度，根据护理人员的等级将客户随机分配到护理人员的路径中；并判断是否存在虚拟客户点，若是，则初始化时虚拟客户点的位置。
随机选择护理人员是否进行调度，根据护理人员等级约束将客户点随机分配到护理人员的路径中，例如染色体X编码为12352114891，每两个1之间代表护理人员的服务路径，染色体Y11111133333代表的是为每个客户点服务的护理人员编号。若存在虚拟客户点，初始化时虚拟客户点的位置必须在1后面且另个虚拟客户点不在一条路径。
A3.适应度函数：通过个体适应度函数的大小表示服务路径的优劣程度；
个体适应度函数的大小用来表征解的优劣程度, 个体适应度函数的值越大说明该个体越优质，反之越劣质。适应度函数为Fit(x)=λ[f(x)]-ln[f(x)]的，λ为取值较大的参数，x为种群中一个个体，f(x)为目标函数。
A4.选择操作：采用最优个体保留将种群中适应度最大的个体直接选择进入下一代，再利用轮盘赌法对下一代的其他个体进行处理；
采用最优个体保留和轮盘赌法，将种群中适应度最大的个体直接选择进入下一代。再利用轮盘赌法下一代的其他个体，对于种群规模为NP的个体，其选择的概率设为P 1 = Fit(x)/。
A5.交叉操作：选择父代中需要替换的染色体片段，将选择的染色体片段交叉片段移到对方染色体的首部得到新的染色体，依次消除与交叉区域重复的基因，得到子代染色体；
交叉方式采用改进OX法进行交叉，能有效避免传统遗传算法“早熟收敛”的缺点。具体交叉过程如下：选择父代中需要替换的染色体片段，2个1之间的部分进行替换，将选择的染色体交叉片段移到对方染色体的首部得到染色体A1和B1，依次消除与交叉区域重复的基因，得到子代染色体A2和B2。具体步骤如图2所示。
A6.变异：随机选择一个客户点，将其位置进行随机插入，虚拟点不进行变异；
随机选择一个客户点，将其位置进行随机插入，虚拟点不进行变异，保证其在1后面。
A7.去掉变异后多余的染色体；
去掉变异后多余的1
A8.使用模拟退火算法，优化当前服务路径及服务路径对应的护理人员。
使用模拟退火算法，优化当前服务路径对应的护理员，存在虚拟客户点的路径的护理人员为虚拟客户点对应的护理人员编号。
采用模拟退火算法具体为包括：
B1.初始化：设置护理人员的等级信息；
设置主要的控制参数降温速率q，初始温度T b ，结束温度T end 以及链长L。
B2.计算当各阶段路径对护理人员的要求以及护理中心剩余护理人员的级别；
B3.根据各阶段路径对护理人员的要求以及护理中心剩余护理人员的级别计算目标函数值；
初始一个可行方案，计算目标函数值f(x)。
B4.根据计算得到的目标函数值随机选择护理人员，将选择的护理人员与初始护理人员进行替换，并计算目标函数值以及目标函数的差值；
从当前方案中随机选择一位护理人员，用可选的护理人员进行替换，计算目标函数值f’(x)以及目标函数差值df=f’ (x)-f(x)。
B5.判断计算得到的差值是否小于0，若是，则将选择的护理人员与初始护理人员进行替换；若否，则不进行替换；
Metropolis准则。若df<0，则以概率1接受新方案，否则以概率P2=exp(-df/T0)接受当前方案。
B6.重复执行步骤B3-B5，得到最优的护理路径。
达到内循环迭代步长，则行降温T 0 =ɳT 0 ；否则继续迭代。
达到外循环终止足够低的温度时算法终止，否则使用模拟退火算法重复计算N次，继续寻优。
在步骤S3中，开启动态信息时间窗；
在步骤S4中，判断是否接收到新的客户发送的服务信息，若是，则存储新客户的服务信息，并则执行步骤S5；若否，则执行步骤S5；
在步骤S5中，判断动态信息时间窗是否关闭，若否，则继续执行步骤S4；若是，则查看是否存储有新客户的服务信息，若否，则继续执初始护理服务路径；若是，则执行步骤S6。
开启动态信息时间窗，判断T 1 是否达到动态时间窗的关闭时间，若是则继续执行未完成的工作，否则查看在T 间时间段是否发生动态信息。
检查是否发生动态事件。在服务过程中时刻监测是否有动态事件的发生，如果没有继续执行初始线路方案。否则，收集动态信息并转到步骤S6。
在步骤S6中，对新客户的服务信息以及未完成护理的客户服务信息进行汇总，并对汇总的服务信息进行处理，得到一个或多个新的护理服务路径；并重复执行步骤S3-S6，实现护理服务路径的调度。
在本实施例中，对汇总的信息进行处理与步骤S2类似，再次不多做赘述。
本实施例对于有客户需求动态变化的护理人员调度问题，通过调度系统接收动态信息，引入虚拟客户点将动态问题转化为静态问题求解。设计两阶段算法解决了服务过程中可能会出现的客户点的增加或减少、客户点的取消，客户点对护理人员等级的变更4种动态信息，灵活合理的分配医疗资源，求解出较低成本的调度方案，对动态需求下护理人员调度具有一定的现实意义。
实施例
本实施例一种动态需求下多级别家庭护理调度方法与实施例一的不同之处在于：
本实施例为了验证模型和算法的有效性，将算法用Matlab2018a进行编程实现，所有的数值实验执行环境是Intel(R) Core(TM) i5-4210U CPU @ 1.70GHz(2401 MHz)，使用Microsoft Windows 8.1 操作系统。下面给出算例结果及分析。
初始参数和优化路线
某护理中心坐标为（0, 0），拥有护理人员12人，分为A、B、C三个等级，每个等级对应人数分别是3人，4人，4人。护理人员等级在算法求解中使用数字1，2，3来表示。对应的的固定成本和单位时间服务成本分别是120，100，80和40，30，20。配送中心时间窗和24个客户点坐标，对护理人员需求级别r，服务时间s i 如表1所示。护理中心服务开始和结束时间窗[T 0 , T 3 ]=[7:00, 18:00]，动态服务时间窗[T 1 , T 2 ]=[7:00, 15, 00]，接收动态信息时间窗间隔T=2h，违反时间窗限制的惩罚成本α=10，β=40。客户点之间的距离可由欧式定理计算得出，车辆平均速度v=40km/h。GA参数设置如下：种群规模N=150，交叉概率p x =0.9，变异概率p m =0.1，最大迭代次数NG=200；SA参数为：初始温度t 0 =100，终止温度t f =0.1，退火系数Ω=0.9，内循环迭代步长为5。
表1 护理中心与客户点信息表
经过多次试验得到最佳初始路径如图3所示。最优路径为：①号护理人员：1—13—14—19—22—23—8—1；②号护理人员：1—6—2—21—24—3—4—20—1；⑤号护理人员：1—5—15—9—17—10—16—18—25—7—1；⑨号护理人员：1—12—11—1。
本实施例的方案与现有技术中的方案进行比对：
本实施例将动态需求下护理人员调度与传统静态调度方法进行对比。传统静态调度会根据客户点预先提出的申请表进行调度，服务过程中路径不做任何改变。对于服务过程中出现的动态需求通常做以下处理：①客户点的增加与取消。新增的客户护理中心另派车辆进行服务，调度方法与传统静态调度方案相同。对于取消订单的客户，服务人员将其略过直接对下个客户点进行服务。②对护理人员需求级别的变化。若客户需求由高等级变为低等级，按照原来路径继续进行服务，不做处理；若由低等级变为高等级，则把此客户点当做取消订单处理，略过此客户点，再当做新客户点重新指派护理人员进行服务。③客户时间窗的变化。对于客户点更改时窗则继续按照原来路径进行服务。
各客户点信息变动情况及调度方案
服务中心开启当天服务后，接收动态信息变化的时间窗也随之开启，一天内4个动态服务时间窗接收到的动态信息表2和表3所示。
表2 原始客户点信息变化
表3 新增客户点信息表
对于信息变更后按照传统静态调度方案求解得到路径规划图4，具体最优路径如下：①号护理人员：1—13—14—19—22—23—1；②号护理人员：1—6—2—21—24—3—4—20—1；③号护理人员：1—16—29—1；④号护理人员：1—26—1；⑤号护理人员：1—5—15—9—17—10—16—18—25—7—1；⑥号护理人员：1—28—27—1；⑧号护理人员：1—30—1；⑨号护理人员：1—12—11—1。
客户信息变更后动态调度优化结果
根据初始服务路线护理人员进行服务，接收动态信息服务时间窗开启后执行动态护理人员的调度，最终形成的优化路线图如图5所示。
在9:00时①号和⑨号护理暂时未出发；②号护理人员到达6号客户点暂未到达2号客户点，此时②号护理人员被设为虚拟客户点1；⑤号护理人员已经经过5号和15号客户点，正在前往9号客户点的途中，此时⑤号客户点被设置为虚拟客户点2。
在11:00时②号护理人员已经过虚拟客户点，并服务完客户点2和8，正在前往19号客户点的途中，此时设置虚拟客户点3；⑤号客户点经过虚拟客户点2，又对客户17、16、13进行服务，⑤号护理人员停留在客户点13，此时设置虚拟客户点4；⑦号护理人员从护理中心出发，对客户点9、21、20进行了服务，停留在客户点20，设置虚拟客户点5；⑧号护理人员在这个时间间隔内从护理中心出发，已服务客户点14、12、11和10，停留在客户点10，设置此点为虚拟客户点6。
在13:00时②号护理人员经过虚拟客户点3，并依次对客户点23、22、4进性服务，停留在客户点4，此时位置设置为虚拟客户点7；⑤号护理人员经过虚拟客户点3，依次对客户点24和26进性服务并停留在客户点26，设置此位置为虚拟客户点8；⑦号护理人员从虚拟客户点5出发，完成对客户点28的服务后回到护理中心。⑧号护理人员从虚拟客户点6出发，对客户点27完成服务后回到护理中心。
在15:00时接收到②号护理人员从虚拟客户点7出发，多客户点29和19完成服务后回到护理中心；⑤号护理人员从虚拟客户点8出发，完成客户点3的服务后回到护理中心；
在18:00时接收到⑨号护理人员对客户点7和30服务完成后也回到护理中心。
经过动态护理人员的调度，最终形成的护理人员与路径如下：②号护理人员：1—6—2—8—23—22—4—29—19—1；⑤号护理人员：1—5—17—16—13—24—26—3—1；⑦号护理人员：1—9—21—20—28—1；⑧号护理人员：1—14—12—10—27—1；⑨号护理人员：1—7—30—1。
本实施例的方案与现有技术中的方案结果对比及分析
对信息变更后的动态调度的优化结果与传统静态调度结果的比较见表4。
表4 方案指标对比
对比表4中的优化结果可以看出，相对于传统静态护理人员调度，动态调度优化的护理人员成本，违反时间窗约束的惩罚成本，服务总里程，护理人员数量都有较大幅度的减少，分别得到了10.95%、36.74%、43.62%、37.50%的优化提高。其中违反时间窗惩罚成本的明显减低也说明了客户要求的时间窗得到了很大的满足，能够增加客户的满意度。护理中心总成本降低了230.2元，得到12.43%的优化，这说明了动态护理人调度的有效性。
本实施例对于有客户需求动态变化的护理人员调度问题，通过调度系统接收动态信息，引入虚拟客户点将动态问题转化为静态问题求解。设计两阶段算法解决了服务过程中可能会出现的客户点的增加或减少、客户点的取消，客户点对护理人员等级的变更4种动态信息，灵活合理的分配医疗资源，求解出较低成本的调度方案，对动态需求下护理人员调度具有一定的现实意义。
以当前研究为基础，在后续研究中可以从以下三个方面进行考虑：第一，考虑护理到岗的不确定性，如请假相关因素进行研究；第二，考虑多个护理中心护理人员调度问题；第三，考虑护理人员在旅行过程中面临的交通拥堵、天气状况、道路状况等问题。
实施例
本实施例提供一种动态需求下多级别家庭护理调度系统，包括：
接收模块，用于接收客户预先发送的服务信息，并对接收到的服务信息进行汇总；
第一处理模块，用于对汇总的服务信息进行处理，得到数个初始护理服务路径；
开启模块，用于开启动态信息时间窗；
第一判断模块，用于判断是否接收到新的客户发送的服务信息；
第二判断模块，用于判断动态信息时间窗是否关闭，若是，则查看是否存储有新客户的服务信息，若否，则继续执初始护理服务路径；
第二处理模块，用于对新客户的服务信息以及未完成护理的客户服务信息进行汇总，并对汇总的服务信息进行处理，得到一个或多个新的护理服务路径，实现护理服务路径的调度。
进一步的，所述接收模块中的服务信息包括客户信息、客户所需服务的事项、地点、时间、客户所需的护理人员等级。
进一步的，所述第一处理模块以及第二处理模块中对汇总的服务信息进行处理均采用遗传算法和模拟退火算法进行处理。
进一步的，所述第二处理模块中得到数个初始护理服务路径后还包括：根据得到的初始护理服务路径进行护理人员的调度。
需要说明的是，本实施例提供的一种动态需求下多级别家庭护理调度系统与实施例一类似，再次不多做赘述。
与现有技术相比，本实施例对于有客户需求动态变化的护理人员调度问题，通过调度系统接收动态信息，引入虚拟客户点将动态问题转化为静态问题求解。设计两阶段算法解决了服务过程中可能会出现的客户点的增加或减少、客户点的取消，客户点对护理人员等级的变更4种动态信息，灵活合理的分配医疗资源，求解出较低成本的调度方案，对动态需求下护理人员调度具有一定的现实意义。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例， 而本发明的范围由所附的权利要求范围决定。

Claims (6)

1.一种动态需求下多级别家庭护理调度方法，其特征在于，包括：
S1.接收客户预先发送的服务信息，并对接收到的服务信息进行汇总；
S2.对汇总的服务信息进行处理，得到数个初始护理服务路径；
S3.开启动态信息时间窗；
S4.判断是否接收到新的客户发送的服务信息，若是，则存储新客户的服务信息，并则执行步骤S5；若否，则执行步骤S5；
S5.判断动态信息时间窗是否关闭，若否，则继续执行步骤S4；若是，则查看是否存储有新客户的服务信息，若否，则继续执行初始护理服务路径；若是，则执行步骤S6；
S6.对新客户的服务信息以及未完成护理的客户服务信息进行汇总，并对汇总的服务信息进行处理，得到一个或多个新的护理服务路径；并重复执行步骤S3-S6，实现护理服务路径的调度；
所述步骤S2以及步骤S6中对汇总的服务信息进行处理均采用遗传算法和模拟退火算法进行处理；
所述采用遗传算法进行处理具体为：
A1.染色体编码：采用整数排列编码方法将护理人员依次划分到服务路径中；
A2.种群初始化：随机选择护理人员是否进行调度，根据护理人员的等级将客户随机分配到护理人员的路径中；并判断是否存在虚拟客户点，虚拟客户点是在途护理人员第一个且必须要经过的点，若是，则初始化虚拟客户点的位置；
A3.适应度函数：通过个体适应度函数的大小表示服务路径的优劣程度；其中，个体适应度函数的大小用来表征解的优劣程度, 个体适应度函数的值越大表示个体越优质，反之越劣质；
A4.选择操作：采用最优个体保留将种群中适应度最大的个体直接选择进入下一代，再利用轮盘赌法对下一代的其他个体进行处理；
A5.交叉操作：选择父代中需要替换的染色体片段，将选择的染色体交叉片段移到对方染色体的首部得到新的染色体，依次消除与交叉区域重复的基因，得到子代染色体；
A6.变异：随机选择一个客户点，将其位置进行随机插入，虚拟点不进行变异；
A7.去掉变异后多余的染色体；
A8.使用模拟退火算法，优化当前服务路径及服务路径对应的护理人员；
所述使用模拟退火算法进行处理具体为：
B1.初始化：设置护理人员的等级信息；
B2.计算各阶段路径对护理人员的要求以及护理中心剩余护理人员的级别；
B3.根据各阶段路径对护理人员的要求以及护理中心剩余护理人员的级别计算目标函数值；
B4.根据计算得到的目标函数值随机选择护理人员，将选择的护理人员与初始护理人员进行替换，并计算目标函数值以及目标函数的差值；
B5.判断计算得到的差值是否小于0，若是，则将选择的护理人员与初始护理人员进行替换；若否，则不进行替换；
B6.重复执行步骤B3-B5，得到最优的护理路径。
2.根据权利要求1所述的一种动态需求下多级别家庭护理调度方法，其特征在于，所述步骤S1中的服务信息包括客户信息、客户所需服务的事项、地点、时间、客户所需的护理人员等级。
3.根据权利要求1所述的一种动态需求下多级别家庭护理调度方法，其特征在于，所述步骤S2中得到数个初始护理服务路径后还包括：
根据得到的初始护理服务路径进行护理人员的调度。
4.一种动态需求下多级别家庭护理调度系统，其特征在于，包括：
接收模块，用于接收客户预先发送的服务信息，并对接收到的服务信息进行汇总；
第一处理模块，用于对汇总的服务信息进行处理，得到数个初始护理服务路径；
开启模块，用于开启动态信息时间窗；
第一判断模块，用于判断是否接收到新的客户发送的服务信息；
第二判断模块，用于判断动态信息时间窗是否关闭，若是，则查看是否存储有新客户的服务信息，若否，则继续执行初始护理服务路径；
第二处理模块，用于对新客户的服务信息以及未完成护理的客户服务信息进行汇总，并对汇总的服务信息进行处理，得到一个或多个新的护理服务路径，实现护理服务路径的调度；
所述第一处理模块以及第二处理模块中对汇总的服务信息进行处理均采用遗传算法和模拟退火算法进行处理；
所述采用遗传算法进行处理具体为：
A1.染色体编码：采用整数排列编码方法将护理人员依次划分到服务路径中；
A2.种群初始化：随机选择护理人员是否进行调度，根据护理人员的等级将客户随机分配到护理人员的路径中；并判断是否存在虚拟客户点，虚拟客户点是在途护理人员第一个且必须要经过的点，若是，则初始化虚拟客户点的位置；
A3.适应度函数：通过个体适应度函数的大小表示服务路径的优劣程度；其中，个体适应度函数的大小用来表征解的优劣程度, 个体适应度函数的值越大表示个体越优质，反之越劣质；
A4.选择操作：采用最优个体保留将种群中适应度最大的个体直接选择进入下一代，再利用轮盘赌法对下一代的其他个体进行处理；
A5.交叉操作：选择父代中需要替换的染色体片段，将选择的染色体交叉片段移到对方染色体的首部得到新的染色体，依次消除与交叉区域重复的基因，得到子代染色体；
A6.变异：随机选择一个客户点，将其位置进行随机插入，虚拟点不进行变异；
A7.去掉变异后多余的染色体；
A8.使用模拟退火算法，优化当前服务路径及服务路径对应的护理人员；
所述使用模拟退火算法进行处理具体为：
B1.初始化：设置护理人员的等级信息；
B2.计算各阶段路径对护理人员的要求以及护理中心剩余护理人员的级别；
B3.根据各阶段路径对护理人员的要求以及护理中心剩余护理人员的级别计算目标函数值；
B4.根据计算得到的目标函数值随机选择护理人员，将选择的护理人员与初始护理人员进行替换，并计算目标函数值以及目标函数的差值；
B5.判断计算得到的差值是否小于0，若是，则将选择的护理人员与初始护理人员进行替换；若否，则不进行替换；
B6.重复执行步骤B3-B5，得到最优的护理路径。
5.根据权利要求4所述的一种动态需求下多级别家庭护理调度系统，其特征在于，所述接收模块中的服务信息包括客户信息、客户所需服务的事项、地点、时间、客户所需的护理人员等级。
6.根据权利要求5所述的一种动态需求下多级别家庭护理调度系统，其特征在于，所述第一处理模块中得到数个初始护理服务路径后还包括：根据得到的初始护理服务路径进行护理人员的调度。
CN202010574489.9A 2020-06-22 2020-06-22 一种动态需求下多级别家庭护理调度方法及系统 Active CN111768851B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010574489.9A CN111768851B (zh) 2020-06-22 2020-06-22 一种动态需求下多级别家庭护理调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010574489.9A CN111768851B (zh) 2020-06-22 2020-06-22 一种动态需求下多级别家庭护理调度方法及系统

Publications (2)

Publication Number Publication Date
CN111768851A CN111768851A (zh) 2020-10-13
CN111768851B true CN111768851B (zh) 2023-10-03

Family

ID=72721540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010574489.9A Active CN111768851B (zh) 2020-06-22 2020-06-22 一种动态需求下多级别家庭护理调度方法及系统

Country Status (1)

Country Link
CN (1) CN111768851B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112734188B (zh) * 2020-12-30 2023-11-24 杭州电子科技大学 一种基于两阶段混合元启发式算法的家庭医疗护理调度优化方法
CN114550894A (zh) * 2022-02-24 2022-05-27 西南交通大学 一种家庭医护人员调度方法
CN115994677B (zh) * 2023-03-23 2023-05-30 中南大学湘雅医院 一种老人医疗服务的时间评估方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108737569A (zh) * 2018-06-22 2018-11-02 浙江大学 一种面向移动边缘计算环境的服务选择方法
CN108960585A (zh) * 2018-06-14 2018-12-07 广东工业大学 一种带硬时间窗的远程健康监护线下服务任务调度方法
CN109347913A (zh) * 2018-09-13 2019-02-15 山东大学 一种基于智能遗传算法的web服务协同调度方法及系统
CN109693576A (zh) * 2019-01-10 2019-04-30 浙江工业大学 一种基于模拟退火算法的电动汽车充电调度优化方法
CN111127274A (zh) * 2019-12-13 2020-05-08 河海大学常州校区 一种社区居家养老服务调度与路径规划方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960585A (zh) * 2018-06-14 2018-12-07 广东工业大学 一种带硬时间窗的远程健康监护线下服务任务调度方法
CN108737569A (zh) * 2018-06-22 2018-11-02 浙江大学 一种面向移动边缘计算环境的服务选择方法
CN109347913A (zh) * 2018-09-13 2019-02-15 山东大学 一种基于智能遗传算法的web服务协同调度方法及系统
CN109693576A (zh) * 2019-01-10 2019-04-30 浙江工业大学 一种基于模拟退火算法的电动汽车充电调度优化方法
CN111127274A (zh) * 2019-12-13 2020-05-08 河海大学常州校区 一种社区居家养老服务调度与路径规划方法和装置

Also Published As

Publication number Publication date
CN111768851A (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
CN111768851B (zh) 一种动态需求下多级别家庭护理调度方法及系统
CN110119835B (zh) 一种基于区间计算的公交动态发车调度优化方法
Gao et al. Rescheduling a metro line in an over-crowded situation after disruptions
CN111401614B (zh) 一种城市轨道交通动态客流分配方法及系统
Yang et al. Analysis of energy consumption reduction in metro systems using rolling stop-skipping patterns
CN113780808B (zh) 基于柔性公交接驳系统线的车辆服务属性决策优化方法
CN108229725B (zh) 一种基于混合整数规划模型的高铁运行图加线优化方法
CN109948854B (zh) 一种基于多目标优化的城际网约车订单分配方法
CN111127274B (zh) 一种社区居家养老服务调度与路径规划方法和装置
CN113077086A (zh) 一种接驳地铁枢纽的公交车同步换乘时刻表设计方法
CN110803204B (zh) 一种保持高速列车运行稳定性的在线控制方法
Pei et al. Real-time optimal scheduling model for transit system with flexible bus line length
CN112053580A (zh) 一种交叉口公交信号优先控制优化方法
CN113781787A (zh) 公交发车时刻表生成方法及系统
Sadrani et al. Designing limited-stop bus services for minimizing operator and user costs under crowding conditions
Chen et al. Multiperiod metro timetable optimization based on the complex network and dynamic travel demand
CN111091286A (zh) 一种公共自行车调度模型与求解方法
CN113257028B (zh) 一种乘客需求过饱和的可变线路式接驳公交调度方法
CN116151538A (zh) 一种应用于智能公交需求均衡式调度的仿真系统及方法
Zhang et al. Dynamic multi-bus dispatching strategy with boarding and holding control for passenger delay alleviation and schedule reliability: A combined dispatching-operation system
CN114331060A (zh) 一种MaaS背景下面向高铁站接驳的DRT车辆路径生成方法
Als et al. A data-driven bi-objective matheuristic for energy-optimising timetables in a passenger railway network
CN111859717A (zh) 最小化区域多制式轨道交通旅客拥挤系数的方法及系统
JP2013239007A (ja) 利用状況算出プログラム、利用状況算出方法、及び利用状況算出装置
Zhou et al. Demand Response Model of Urban and Rural Customized Public Transport under the Background of Rural Revitalization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant