CN114997653B - 一种基于效能特异性迭代计算的救治资源调度方法 - Google Patents
一种基于效能特异性迭代计算的救治资源调度方法 Download PDFInfo
- Publication number
- CN114997653B CN114997653B CN202210635239.0A CN202210635239A CN114997653B CN 114997653 B CN114997653 B CN 114997653B CN 202210635239 A CN202210635239 A CN 202210635239A CN 114997653 B CN114997653 B CN 114997653B
- Authority
- CN
- China
- Prior art keywords
- wounded
- treatment
- post
- line
- resources
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 208000014674 injury Diseases 0.000 claims abstract description 20
- 208000027418 Wounds and injury Diseases 0.000 claims abstract description 19
- 230000006378 damage Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 description 14
- 238000005457 optimization Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000001172 regenerating effect Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G06Q50/40—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种基于效能特异性迭代计算的救治资源调度方法,包括以下步骤:获取一线伤情和救治资源的实时数据;建立字典;根据一线伤情分布的一线伤员数据,按照后送优先级或救治优先级进行排队;计算每一名一线伤员的救治或后送的时效性要求以及每一救治资源对新救治或新后送任务的总运输时长,对同一类全部救治资源,通过字典搜索出具有效能特异性的解,包括救治资源、一线地点、后方医院地点和后送一线伤员编号,放入候选方案集合;迭代计算,直至当前现存待安排救治资源的伤员数量为0,或该类救治资源候选方案以外的余下空闲数量为0,输出救治资源的调度方案。该方法利用效能特异性计算出可使得救治资源产生最大救治效能的调度方案。
Description
技术领域
本发明涉及资源调度技术领域,具体涉及一种基于效能特异性迭代计算的救治资源调度方法。
背景技术
目前国内外包括美军的救治资源调度策略方法,仅限于根据伤情分布,将当前空闲的救治资源优先分配给需求优先级最高的“前方任务地点”。其中每一“前方任务地点”,都集中有伤员等待后送与救治,例如一线的医疗救护站。需求优先级指的是对救治资源需求的相对优先级,由“前方任务地点”集中的伤员的伤情分布决定,重伤员愈多,对救治资源需求的优先级相对愈高。在伤员总量较少的前提下,救治资源就相对显得比较充裕,调度的方式就比较简单。
然而,一旦遇到伤员集中分布的“前方任务地点”的数量大于救治资源的数量,且伤员数量也不是以全部救治资源的能力可一次性解决的情形,若再使用当前简单的调度策略方法就会遇到以下两方面的问题。
首先,其遇到的第一个问题是:当前的调度策略方法仅考虑局部而未考虑全局,其在每次将空闲救治资源优先分配给需求优先级最高的“前方任务地点”及其任务量时,仅考虑到眼前产生的收益,而未考虑对于全局后续时间内造成的影响,因而,有可能会造成在后续时间内各个“前方任务地点”能获取到救治资源的机会极不均衡,其中一部分“前方任务地点”由于可获取救治资源的机会过多而导致其可得到的“救治资源供给”超出了其实际需求,相反,另外一部分“前方任务地点”却由于无法在规定时间内获取到救治资源而造成大量伤员无法得到时效后送与救治,由此导致救治资源调度对于伤员时效后送与救治所产生的全局整体性效能并不是最优的。
要想解决上述问题,就需要把同类救治资源中的每一个无论是空闲的或是尚处于使用中的,均用于计算其作为调度分配给各个“前方任务地点”的候选方案所产生的成本及收益,然后通过对成本及收益的多目标优化,从中确定出最优的调度方案。显然,其要解决的是一个面向救治资源全局分布和“前方任务地点”全局分布的救治资源调度的全局多目标优化问题。
对全局多目标优化的上述需求引出了当前调度策略方法遇到的第二个问题:从所有调度候选方案中找出最优调度方案的过程,实际上是要解决一个全局搜索的问题。然而,如果在解决全局搜索问题的同时还要解决多目标优化问题的话,则此时一旦遇到同类救治资源元素个数多和“前方任务地点”的个数多的情形,计算复杂度就会变得非常高,即使是采用诸如遗传算法或粒子群算法之类的启发性搜索方法,也会由于这些算法为了解决多目标优化问题需要人为主观地指定各种成本系数与各个收益系数,因而不仅降低了算法的准确性,并且还反倒更进一步提高了计算复杂度,由此可见,现有的全局搜索及多目标优化算法并不适用于解决救治资源调度的全局多目标优化问题。
发明内容
为解决上述问题,本发明提供一种基于效能特异性迭代计算的救治资源调度方法。
本发明提供了如下的技术方案。
一种基于效能特异性迭代计算的救治资源调度方法,包括以下步骤:
获取一线伤情和救治资源的实时数据;
建立字典,包括救治资源的效能,一线地点和后方医院地点的位置分布,救治资源在各一线地点与各后方医院之间的运输路线距离和运输时长;
根据一线伤情分布的一线伤员数据,按照后送优先级或救治优先级进行排队;
计算每一名一线伤员的救治或后送的时效性要求以及每一救治资源对新救治或新后送任务的总运输时长,对同一类全部救治资源,通过字典搜索出具有效能特异性的解,包括救治资源、一线地点、后方医院地点和后送一线伤员编号,放入候选方案集合;
迭代计算,直至当前现存待安排救治资源的伤员数量为0,或该类救治资源候选方案以外的余下空闲数量为0,输出救治资源的调度方案。
优选地,所述救治资源包括后送工具和手术队。
优选地,所述一线伤员的救治或后送的时效性要求为预期寿命,所述预期寿命为受伤时间+伤势决定的救治时效规定时间,当前时间+运输时长<伤员预期寿命;
为需手术队前往一线的伤员建立手术伤员队列,为需后送的伤员建立后送伤员队列;
手术伤员队列中的伤员按照手术救治优先级排队,后送伤员队列中的伤员按照后送优先级排队。
优选地,所述一线伤员数据按照后送优先级或救治优先级进行排队,包括:所述后送优先级或救治优先级由伤员的伤势和预期寿命决定:重伤员优先级高于中度伤伤员,中度伤伤员优先级高于轻伤员;同一伤势的队列中,预期寿命短的优先级高于预期寿命长的。
优选地,所述救治资源在各一线地点与各后方医院之间的运输路线距离根据救治资源的类型确定:
对每一个后送工具,计算出它从当前位置开始,在先完成当前任务的前提下,再继续新的后送任务中,把各个一线地点的伤员后送至各后方医院的总的运输时长;
对每一支手术队,计算出它从当前位置开始,抵达各个一线地点的运输时长。
优选地,所述效能特异性指全部的同一种救治资源,在未来新任务中被派往一线地点实施救治或后送时,它们获得的全部效能增益中的最大值;
所述效能增益指,同一个救治资源在未来新任务中,被派往一线地点实施救治或后送时,其实现的最优方案比次优方案多增加的时效救治或时效后送伤员数量。
本发明的有益效果:
该方法采用了结合伤情的救治资源调度机制建模,获得了由此带来的技术优势;该方法提出了效能增益和效能特异性两个创新概念,建立了救治资源调度优化效果的测度方法;该方法提出了效能特异性迭代计算的救治资源调度优化方案的迭代收敛性搜索方法,实现了救治资源调度优化方案搜索计算方法的标准化、范式化。
附图说明
图1是本发明实施例的效能特异性迭代计算调度优化模型算法流程图;
图2是本发明实施例的效能特异性迭代计算流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例1
本发明的一种基于效能特异性迭代计算的救治资源调度方法,如图1-2所示:
S1:获取一线伤情和救治资源的实时数据;救治资源包括后送工具和手术队。
S2:建立字典,包括救治资源的效能,一线地点和后方医院地点的位置分布,救治资源在各一线地点与各后方医院之间的运输路线距离和运输时长。
S3:根据一线伤情分布的一线伤员数据,按照后送优先级或救治优先级进行排队。
后送优先级或救治优先级由伤员的伤势和预期寿命决定:重伤员优先级高于中度伤伤员,中度伤伤员优先级高于轻伤员;同一伤势的队列中,预期寿命短的优先级高于预期寿命长的;预期寿命为受伤时间+伤势决定的救治时效规定时间。
S4:计算每一名一线伤员的救治或后送的时效性要求以及每一救治资源对新救治或新后送任务的总运输时长,对同一类全部救治资源,通过字典搜索出具有效能特异性的解,包括救治资源、一线地点、后方医院地点和后送一线伤员编号,放入候选方案集合.
其中,一线伤员的救治或后送的时效性要求为预期寿命,预期寿命为受伤时间+伤势决定的救治时效规定时间,当前时间+运输时长<伤员预期寿命;为需手术队前往一线的伤员建立手术伤员队列,为需后送的伤员建立后送伤员队列;手术伤员队列中的伤员按照手术救治优先级排队,后送伤员队列中的伤员按照后送优先级排队。
救治资源在各一线地点与各后方医院之间的运输路线距离根据救治资源的类型确定:对每一个后送工具,计算出它从当前位置开始,在先完成当前任务的前提下,再继续新的后送任务中,把各个一线地点的伤员后送至各后方医院的总的运输时长;对每一支手术队,计算出它从当前位置开始,抵达各个一线地点的运输时长。
效能特异性指全部的同一种救治资源,在未来新任务中被派往一线地点实施救治或后送时,它们获得的全部效能增益中的最大值;
效能增益指,同一个救治资源在未来新任务中,被派往一线地点实施救治或后送时,其实现的最优方案比次优方案多增加的时效救治或时效后送伤员数量。
S5:迭代计算,直至当前现存待安排救治资源的伤员数量为0,或该类救治资源候选方案以外的余下空闲数量为0,输出救治资源的调度方案。
本实施例中,构建救治资源调度模型。
S1:读取数据库中记录的后送工具和前方任务地点的各项数据;
S2:根据各个前方任务地点的各项数据生成各个等待方案预期寿命观测链表,以及各个后送工具的预期累计行程时长数据,并基于预期累计行程时长数据和等待方案预期寿命观测链表生成后送观测迭代计算数据;
S3:根据后送观测迭代计算数据中的效能特异性及其对应的前方任务地点的唯一性标识,获取效能增益观测链表;
S4:基于效能增益观测链表数据,构成后送效能特异性观测方案链表的节点元素,以及空闲状态的后送工具的后送效能特异性预案链表的节点元素,分别插入到对应的链表中;
S5:更新标识对应地点的等待方案预期寿命观测链表的等待后送方案重伤员预期寿命加权均值,以及滤除上述地点可由该后送工具后送的中度伤伤员链表的全部伤员,更新等待方案预期寿命观测链表;
S6:根据更新后的等待方案预期寿命观测链表,重新生成后送工具的后送观测迭代计算数据,将后送观测迭代计算数据中的后送观测双重链表中,删除对应于该后送工具的链表节点元素;
S7:根据后送观测双重链表,重新生成后送观测迭代计算数据中的该种后送工具的效能增益观测链表和该种后送工具提供的效能特异性及其对应的后送工具和前方任务地点;
S8:在后送观测双重链表中,遍历每一个节点元素的该后送工具的当前使用状态,直至所有后送工具处于使用状态,否则构建该后送工具的后送观测迭代计算数据,重新进行迭代;
S9:当后送工具的后送效能特异性预案链表中的链表非空,则生成后送工具调度预案,并发送给外部系统。
其中,后送工具包括医疗救护直升机和救护车。
(1)后送工具的各项数据包括公有属性数据结构和私有属性数据结构;
公有属性数据结构包括:运输速度、伤员运载量和后送工具类别标识,以及该后送工具从各后方医院出发抵达各前方任务地点的最短行程路线长度,该后送工具从各后方医院出发抵达各前方任务地点的最短行程时长,该后送工具从各前方任务地点出发抵达其他各前方任务地点的最短行程路线长度,该后送工具从各前方任务地点出发抵达其他各前方任务地点的最短行程时长,该后送工具各前方任务地点具有的与其之间的行程路线长度最短的后方医院的下标,该后送工具从各前方任务地点出发到其行程路线长度最短的后方医院的行程路线长度,和该后送工具从各前方任务地点出发到其行程路线长度最短的后方医院的行程时长;例如,医疗救治直升机(直8)的运输速度为200km/h,可装载15名重伤员或中度伤伤员;救治车的运输速度为50km/h,可装载2名重伤员或中度伤伤员;医疗救护运输机(运9)的运输速度为550km/h,可装载23名重伤员或中度伤伤员。
私有属性数据结构包括:该后送工具的唯一性标识、该后送工具所属后送工具类别标识、该后送工具所属后送工具类别下标、当前的使用状态、当前的使用状态下标、当前分布位置和当前分布位置对应的当前时间值,以及行进方向是否前方任务地点;行进方向是前方任务地点时,该前方任务地点的唯一性标识;行进方向是前方任务地点时,该前方任务地点的下标;行进方向不是前方任务地点时,行进方向的后方医院的唯一性标识;行进方向不是前方任务地点时,行进方向的后方医院的下标;当前分布位置与即将抵达的前方任务地点之间的最短行程路线长度;当前分布位置与即将抵达的前方任务地点之间的最短行程时长;当前分布位置与即将抵达的后方医院之间的最短行程路线长度;当前分布位置与即将抵达的后方医院之间的最短行程时长。
(2)前方任务地点的私有属性数据结构包括:
该地点的唯一性标识、该地点的下标、该地点的分布位置、后送工具与该地点之间行程路线长度最短的后方医院的唯一性标识、后送工具与该地点之间行程路线长度最短的后方医院的下标、该地点正在救治中的重伤员总数、该地点正在救治中的中度伤伤员总数、该地点当前已安排后送方案的重伤员总数、该地点当前已安排后送方案的中度伤伤员总数、该地点当前剩余存活时长=0的重伤员总数和该地点当前剩余存活时长=0的中度伤伤员总数,以及:
该地点正等待安排后送方案的重伤员的数据结构链表,包括:
一个伤员唯一性标识、该伤员进入该地点的时间、该伤员最近实施的救治措施;
该地点正等待安排后送方案的中度伤伤员的数据结构链表,包括:
一个伤员唯一性标识、该伤员进入该地点的时间、该伤员最近实施的救治措施;
后方医院的私有属性数据结构包括:该医院的唯一性标识、该医院的下标、该医院的分布位置。
(3)等待方案预期寿命观测链表,包括:
前方任务地点的下标;
等待后送方案重伤员预期寿命观测链表,该链表中的每一个节点元素分别对应于一个该地点正等待安排后送方案的重伤员的数据结构,包括相应伤员的唯一性标识,以及链表中的各个节点元素根据各自伤员预期寿命的时间值,按照寿命长度自短至长的顺序自前向后依次插入在该链表中;
等待后送方案重伤员预期寿命加权均值,为等待后送方案重伤员预期寿命观测链表中全部节点元素的预期寿命的加权均值,公式为:
式中,是该地点等待后送方案重伤员预期寿命观测链表中第i(i=0,…,NC,Life-1)个节点元素的伤员预期寿命,NC,Life表示等待后送方案重伤员预期寿命观测链表中全部节点元素的总数;
式中,是等待后送方案重伤员预期寿命观测链表中第i个节点元素的计算加权值,/>由下式给出:
等待后送方案中度伤伤员预期寿命观测链表,该链表中的每一个节点元素分别对应于一个该地点正等待安排后送方案的重伤员的数据结构,包括相应伤员的唯一性标识,以及上述这个伤员的预期寿命;该链表中的各个节点元素根据各自伤员预期寿命的时间值,按照寿命长度自短至长的顺序自前向后依次插入在该链表中。
在依据本方法构建的系统启动运行时,并不需要对每一个前方任务地点的“等待方案预期寿命观测链表”数据结构进行初始化,但是,在每次启动对手术队调度方案或后送工具调度方案的迭代计算过程之前,则须要重新初始化每一个前方任务地点的“等待方案预期寿命观测链表”数据结构,并基于各个前方任务地点“私有属性数据结构”的最新数据,重新生成各个前方任务地点“等待方案预期寿命观测链表”中的全部数据。
(4)每个预期累计行程时长的数据结构均包括:
后送工具的唯一性标识、后送工具的预期累计行程集合和预期累计时长集合;
当后送工具的当前状态为空闲,预期累计行程计算公式:
对于预期的某一个前方任务地点的预期累计行程=(该后送工具当前分布位置与预期的这个前方任务地点之间的最短行程路线长度)+(从预期的这个前方任务地点到其行程路线长度最短的后方医院的行程路线长度);
当后送工具的当前状态为使用中,若该后送工具的行进方向是前方任务地点,则对于预期的某一个前方任务地点的预期累计行程=(该后送工具当前分布位置与当前任务即将抵达的前方任务地点之间的最短行程路线长度)+(从当前任务的前方任务地点到其行程路线长度最短的后方医院的行程路线长度)+(从当前任务的上述后方医院到预期的这个前方任务地点之间的最短行程路线长度)+(从预期的这个前方任务地点到其行程路线长度最短的后方医院的行程路线长度);
若该后送工具的行进方向非前方任务地点,则对于预期的某一个前方任务地点的预期累计行程=(该后送工具当前分布位置与当前任务即将抵达的后方医院之间的最短行程路线长度)+(从当前任务的上述后方医院到预期的这个前方任务地点之间的最短行程路线长度)+(从预期的这个前方任务地点到其行程路线长度最短的后方医院的行程路线长度);
预期累计时长的计算公式:
该后送工具对于预期的一个前方任务地点的预期累计行程时长=该后送工具对于预期的某一个前方任务地点的预期累计行程/该类后送工具速度。
依据本方法构建的系统启动运行时,并不需要对每一个后送工具的预期累计行程时长数据结构进行初始化,但是,在每次启动对手术队调度方案或后送工具调度方案的迭代计算过程之前,则须要重新初始化每一个后送工具的预期累计行程时长数据结构,并基于各个后送工具私有属性数据结构的最新数据,重新生成各个后送工具的预期累计行程时长数据结构中的最新取值。
(5)每个后送观测迭代计算数据结构均包括:
后送工具类别下标;
后送工具的后送观测双重链表,包括该后送工具的唯一性标识,该后送工具的当前使用状,该后送工具的当前使用状态下标,该后送工具的后送时效性上限链表以及该后送工具可提供的效能增益;后送时效性上限链表包括前方任务地点的下标,该后送工具对该地点的重伤员后送时效性上限,该后送工具对该地点的中度伤伤员后送时效性上限,以及后送工具对该地点的伤员后送时效性上限;
其中,后送时效性上限链表的节点元素的排序规则为:
前方任务地点的伤员后送时效性上限数值愈高,则插在该链表中的位置愈靠近该链表的头部;
当两个前方任务地点的伤员后送时效性上限数值相等时,其中重伤员后送时效性上限数值较大的一个插在较小的另一个前方任务地点之前的位置;
当两个前方任务地点的伤员后送时效性上限数值相等,且重伤员后送时效性上限数值也相等时,则其中等待后送方案重伤员预期寿命加权均值较小的一个插在较大的另一个之前的位置;
当两个前方任务地点的伤员后送时效性上限数值相等、重伤员后送时效性上限数值相等,且等待后送方案重伤员预期寿命加权均值也相等时,则待安排重伤员预期寿命观测链表最头部位置的伤员预期寿命较小的一个插在较大的另一个之前的位置。
还包括:
后送工具的效能增益观测链表,包括:该后送工具的唯一性标识、该后送工具的当前使用状态、该后送工具的当前使用状态下标、该后送工具可提供的效能特异性、该效能特异性对应的前方任务地点的标识、上述地点可由该后送工具提供的伤员后送时效性上限、上述地点可由该后送工具提供的重伤员后送时效性上限、上述地点可由该后送工具后送的重伤员链表、上述地点可由该后送工具后送的中度伤伤员链表,以及上述地点可由该后送工具后送的中度伤伤员链表;
其中,效能增益观测链表的节点元素的排序规则为:
后送工具的效能增益的值愈高,则插在该链表中的位置愈靠近该链表的最头部;
当两个后送工具的效能增益相同时,则其中对应的伤员后送时效性上限较大的一个在该链表中插在较小的另一个之前的位置;
当两个后送工具的效能增益相同,且对应的伤员后送时效性上限也相同时,则其中对应的重伤员后送时效性上限较大的一个插在较小的另一个之前的位置;
当两个后送工具的效能增益相同、对应的伤员后送时效性上限相同,且对应的重伤员后送时效性上限也相同时,则其中对应的重伤员预期寿命加权均值较小的一个插在较大的另一个之前的位置;
当两个后送工具的效能增益相同、对应的伤员后送时效性上限相同、对应的重伤员后送时效性上限相同,且对应的重伤员预期寿命加权均值也相等时,则对应的最短重伤员预期寿命较小的一个插在较大的另一个之前的位置。
后送工具提供的效能特异性及其对应的后送工具和前方任务地点。
在依据本方法构建的系统启动运行时,并不需要对后送观测迭代计算数据结构进行初始化,但是,在每次启动对后送工具调度方案的迭代计算过程之前,则须要重新初始化后送观测迭代计算数据结构,并基于各个救治资源、前方任务地点私有属性数据结构的最新数据,以及重新生成的各个前方任务地点的等待后送方案预期寿命观测链表的最新数据,重新生成后送观测迭代计算中的全部数据。
(6)后送效能特异性观测方案链表、后送效能特异性观测方案链表以及后送工具调度预案的数据结构均包括:
该后送工具的唯一性标识;该后送工具的当前使用状态;该后送工具的当前使用状态下标;该后送工具可提供的效能特异性;该效能特异性对应的前方任务地点的标识;上述地点可由该后送工具提供的伤员后送时效性上限;上述地点可由该后送工具提供的重伤员后送时效性上限;上述地点可由该后送工具后送的重伤员链表;上述地点可由该后送工具后送的中度伤伤员链表。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于效能特异性迭代计算的救治资源调度方法,其特征在于,包括:
获取一线伤情和救治资源的实时数据;
建立字典,包括救治资源的效能,一线地点和后方医院地点的位置分布,救治资源在各一线地点与各后方医院之间的运输路线距离和运输时长;
根据一线伤情分布的一线伤员数据,按照后送优先级或救治优先级进行排队;
计算每一名一线伤员的救治或后送的时效性要求以及每一救治资源对新救治或新后送任务的总运输时长,对同一类全部救治资源,通过字典搜索出具有效能特异性的解,包括救治资源、一线地点、后方医院地点和后送一线伤员编号,放入候选方案集合;
迭代计算,直至当前现存待安排救治资源的伤员数量为0,或该类救治资源候选方案以外的余下空闲数量为0,输出救治资源的调度方案;
所述救治资源包括后送工具和手术队;
所述救治资源在各一线地点与各后方医院之间的运输路线距离根据救治资源的类型确定:
对每一个后送工具,计算出它从当前位置开始,在先完成当前任务的前提下,再继续新的后送任务中,把各个一线地点的伤员后送至各后方医院的总的运输时长;
对每一支手术队,计算出它从当前位置开始,抵达各个一线地点的运输时长;
所述效能特异性指全部的同一种救治资源,在未来新任务中被派往一线地点实施救治或后送时,它们获得的全部效能增益中的最大值;
所述效能增益指,同一个救治资源在未来新任务中,被派往一线地点实施救治或后送时,其实现的最优方案比次优方案多增加的时效救治或时效后送伤员数量。
2.根据权利要求1所述的基于效能特异性迭代计算的救治资源调度方法,其特征在于,所述一线伤员的救治或后送的时效性要求为预期寿命,所述预期寿命为受伤时间+伤势决定的救治时效规定时间,当前时间+运输时长<伤员预期寿命;
为需手术队前往一线的伤员建立手术伤员队列,为需后送的伤员建立后送伤员队列;
手术伤员队列中的伤员按照手术救治优先级排队,后送伤员队列中的伤员按照后送优先级排队。
3.根据权利要求2所述的基于效能特异性迭代计算的救治资源调度方法,其特征在于,所述一线伤员数据按照后送优先级或救治优先级进行排队,包括:所述后送优先级或救治优先级由伤员的伤势和预期寿命决定:重伤员优先级高于中度伤伤员,中度伤伤员优先级高于轻伤员;同一伤势的队列中,预期寿命短的优先级高于预期寿命长的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635239.0A CN114997653B (zh) | 2022-06-07 | 2022-06-07 | 一种基于效能特异性迭代计算的救治资源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210635239.0A CN114997653B (zh) | 2022-06-07 | 2022-06-07 | 一种基于效能特异性迭代计算的救治资源调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114997653A CN114997653A (zh) | 2022-09-02 |
CN114997653B true CN114997653B (zh) | 2023-09-01 |
Family
ID=83033452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210635239.0A Active CN114997653B (zh) | 2022-06-07 | 2022-06-07 | 一种基于效能特异性迭代计算的救治资源调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114997653B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897552A (zh) * | 2017-02-13 | 2017-06-27 | 中国人民解放军第二军医大学 | 一种登岛作战海上伤病员医疗后送仿真系统 |
CN111061995A (zh) * | 2019-11-28 | 2020-04-24 | 江南机电设计研究所 | 作战资源分配方法、第一设备及第二设备 |
CN114334102A (zh) * | 2021-09-28 | 2022-04-12 | 中国人民解放军总医院第三医学中心 | 一种针对大型体育赛事突发事件应急医疗救援资源调度优化模型 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10706129B2 (en) * | 2013-02-27 | 2020-07-07 | The United States Of America As Represented By The Secretary Of The Navy | Medical logistics management program |
US8489419B2 (en) * | 2002-03-22 | 2013-07-16 | Thinksharp, Inc. | Transportation mode determination in non-mass casualty triage |
-
2022
- 2022-06-07 CN CN202210635239.0A patent/CN114997653B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897552A (zh) * | 2017-02-13 | 2017-06-27 | 中国人民解放军第二军医大学 | 一种登岛作战海上伤病员医疗后送仿真系统 |
CN111061995A (zh) * | 2019-11-28 | 2020-04-24 | 江南机电设计研究所 | 作战资源分配方法、第一设备及第二设备 |
CN114334102A (zh) * | 2021-09-28 | 2022-04-12 | 中国人民解放军总医院第三医学中心 | 一种针对大型体育赛事突发事件应急医疗救援资源调度优化模型 |
Non-Patent Citations (1)
Title |
---|
基于移动平台的急救决策支持系统研发与应用研究;田雨;《中国优秀硕士学位论文全文数据库信息科技辑》;第1-121页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114997653A (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhu et al. | Public vehicles for future urban transportation | |
CN107145971A (zh) | 一种动态调整的快递配送优化方法 | |
CN107101645B (zh) | 一种路径规划方法及路径规划装置 | |
CN106042963B (zh) | 电气化交通网络和电力系统的协同优化方法与系统 | |
CN109902866B (zh) | 铁路快运班列开行方案与车底运用的协同优化方法 | |
CN111860948A (zh) | 电力智能运维路径规划方法 | |
CN111144618A (zh) | 一种基于两阶段优化模型的需求响应型定制公交网络规划方法 | |
CN113505962B (zh) | 一种考虑完整行程的电动汽车导航与充电预约方法 | |
Herbawi et al. | Modeling the multihop ridematching problem with time windows and solving it using genetic algorithms | |
Kim et al. | San: Self-adaptive navigation for drone battery charging in wireless drone networks | |
Raj et al. | A branch-and-price approach for the parallel drone scheduling vehicle routing problem | |
CN114997653B (zh) | 一种基于效能特异性迭代计算的救治资源调度方法 | |
WO2020128111A1 (en) | Method for improving the routing of a fleet of modular electric vehicles | |
CN116911729A (zh) | 一种考虑电池更换计划的无人机与卡车协同配送方法 | |
CN114611794A (zh) | 基于亚启发式算法的车机协同取送货路径优化方法和系统 | |
Wang et al. | Achieving better solutions for vehicle routing problem involving split deliveries and pickups using a competitive decision algorithm | |
CN113487264B (zh) | 一种基于异构多无人机的物流配送方法及系统 | |
CN112862414B (zh) | 基于集群旅行商问题的协同配送路径优化方法 | |
CN114021914A (zh) | 一种无人机集群飞防调度方法及装置 | |
CN113990093A (zh) | 一种无人驾驶电动出租车动态合乘调度系统及方法 | |
Graf et al. | Rescue path optimization using ant colony systems | |
CN113741418A (zh) | 异构车机编队协同路径的生成方法和装置 | |
Hu et al. | Research and solution for the shortest routing problem of logistics vehicle based on genetic algorithm | |
Paparella et al. | Ride-pooling electric autonomous mobility-on-demand: Joint optimization of operations and fleet and infrastructure design | |
Lu et al. | Scheduling multiple vehicle mobility allowance shuttle transit (m-MAST) services |
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 |