CN115035998A - 基于早期预测和无人快速配送的紧急血液调度方法及系统 - Google Patents

基于早期预测和无人快速配送的紧急血液调度方法及系统 Download PDF

Info

Publication number
CN115035998A
CN115035998A CN202210921805.4A CN202210921805A CN115035998A CN 115035998 A CN115035998 A CN 115035998A CN 202210921805 A CN202210921805 A CN 202210921805A CN 115035998 A CN115035998 A CN 115035998A
Authority
CN
China
Prior art keywords
blood
hospital
patient
emergency
unmanned aerial
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.)
Granted
Application number
CN202210921805.4A
Other languages
English (en)
Other versions
CN115035998B (zh
Inventor
李劲松
夏静
赵英浩
田雨
周天舒
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.)
Zhejiang Lab
Original Assignee
Zhejiang Lab
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 Zhejiang Lab filed Critical Zhejiang Lab
Priority to CN202210921805.4A priority Critical patent/CN115035998B/zh
Publication of CN115035998A publication Critical patent/CN115035998A/zh
Application granted granted Critical
Publication of CN115035998B publication Critical patent/CN115035998B/zh
Priority to US18/353,865 priority patent/US20240047051A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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"
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Mechanical Engineering (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于早期预测和无人快速配送的紧急血液调度方法及系统，本发明引入紧急用血预测模型和无人机快速配送航线，准确预测院前急救创伤患者的用血需求，通过无人机站点实现患者院前紧急输血，不需要耗费大量道路交通时间抵达医院后再开始输血，提升了创伤大出血患者的供血速度和救治质量，对抢救偏远山区创伤患者的价值重大。出现大规模创伤事件时，用血量激增，医院的血液库存不足，本发明实时评估医院用血需求，联合无人机和送血车从血液中心快速配送所需血制品到医院，提升了医院血液补给效率。

Description

基于早期预测和无人快速配送的紧急血液调度方法及系统
技术领域
本发明属于医疗信息技术领域和无人机技术领域，尤其涉及一种基于早期预测和无人快速配送的紧急血液调度方法及系统。
背景技术
对严重创伤患者的院前急救，目前方式是转运患者到医院，抵达医院后进行患者用血判断及医院血液供需综合评估，必要时向血液中心申请调血，通过道路交通运送血制品。目前方式存在的问题是对急救用血的响应不够快，具体体现在：（1）对创伤大出血患者而言供血效率低，尤其对于在偏远山区出现的患者；（2）若发生大规模创伤事件，医院的紧急血液补给速度偏慢。
目前中国已开始尝试将无人机应用于医疗领域，使用无人机辅助日常血制品运送，但尚未应用于急救血液供应。在严重创伤患者的急救流程中，紧急供血的效率仍是不足的。
发明内容
本发明针对以上技术问题，提供一种基于早期预测和无人快速配送的紧急血液调度方法及系统，本发明利用无人机飞行专线，提升紧急血液供应效率及救治质量，具体体现在：
（1）针对偏远山区发生创伤大出血事件，本发明利用紧急用血预测模型和医院至无人机站点的无人机航线，实现患者在院前无人机站点完成紧急输血，不需要耗费大量道路交通时间抵达医院后再开始输血。
（2）针对大规模创伤事件，用血量激增，医院的血液库存不足，需向血液中心快速调血，本发明利用紧急用血预测模型和血液中心至医院的无人机航线，实现医院紧急血液供需的实时评估及无人机快速补给血制品。
本发明的目的是通过以下技术方案实现的：
根据本说明书的第一方面，提供一种基于早期预测和无人快速配送的紧急血液调度方法，该方法包括以下步骤：
步骤1：收集院前创伤患者样本，搭建分阶段多层次紧急用血预测模型；
步骤2：根据创伤患者信息，基于紧急用血预测模型预测患者用血需求；
步骤3：根据患者位置以及与周边无人机站点、周边医院的距离，利用两层结构加权复合比例算法，通过以受伤点为圆心的对比评估和加权三角综合评估，实现患者转运目的地和院前血液配送的智能推荐，辅助急救医生决策；
步骤4：统计各医院血制品需求总量，计算各医院所有患者的全部血制品需求紧张度并排序，形成院内血制品供应先后顺序表；
步骤5：根据各医院血制品需求总量及供应紧张度、院内库存、运输中血制品数量，基于联合无人机和送血车的循环序列算法，以等待时间最小化为目标不断循环进行无人机优先级排序、无人机与送血车差异比较和不定长路线序列调整，实现运输工具智能调度及血制品快速配送；
步骤6：实时评估各医院血制品供需关系、所有患者用血情况、所有运输工具状态，评估当前调度配送方案是否满足需求，若不满足需求则更新调度配送方案。
进一步地，所述步骤1具体为：
收集院前创伤患者样本，记录院前和院内多维信息；预测目标Y为K类，根据紧急程度选用初步方案或改进方案；
初步方案，K取2，预测目标Y为24小时红细胞输注量属于[0, 4]或(4,+∞)，分别取值为0、1；若Y=0则不申请紧急用血；若Y=1则在受伤现场立即提出2单位O型红细胞用血申请；
改进方案，K取3，预测目标Y为24小时红细胞输注量属于0或(0, 4]或(4,+∞)，分别取值为0、1、2；若Y=0则表示不需要输血；若Y=1则到达医院后测定血型再提出2单位特定血型红细胞用血申请；若Y=2则在受伤现场立即提出2单位O型红细胞用血申请、到达医院后测定血型再提出2单位特定血型红细胞用血申请；
所述分阶段多层次紧急用血预测模型表示为：
Figure 475105DEST_PATH_IMAGE001
其中s表示预测阶段，s=1表示院前阶段，s=2表示院内阶段；函数
Figure 743275DEST_PATH_IMAGE002
和
Figure 673185DEST_PATH_IMAGE003
分别表示 院前预测模型和院内预测模型，
Figure 368609DEST_PATH_IMAGE004
分别表示经过均值补缺和归一化预处理后的院前 特征集和院内新增特征集；
Figure 875814DEST_PATH_IMAGE005
表示将
Figure 806729DEST_PATH_IMAGE004
进行拼接；
Figure 981359DEST_PATH_IMAGE006
为分阶段多层次紧 急用血预测模型输出的类别k预测值，
Figure 723050DEST_PATH_IMAGE007
取
Figure 983130DEST_PATH_IMAGE008
；
Figure 327523DEST_PATH_IMAGE009
为预测的用血类别，初步方案中
Figure 481293DEST_PATH_IMAGE009
取0或1，改进方案中
Figure 518519DEST_PATH_IMAGE009
取0或1或2。
进一步地，所述分阶段多层次紧急用血预测模型中，
Figure 141262DEST_PATH_IMAGE010
其中
Figure 289346DEST_PATH_IMAGE011
表示softmax函数，
Figure 291763DEST_PATH_IMAGE012
表示可训练的权重参数，
Figure 499890DEST_PATH_IMAGE013
表示矩阵 乘，
Figure 468983DEST_PATH_IMAGE014
表示可训练的偏置参数，
Figure 296125DEST_PATH_IMAGE015
为院前预测模型输出的类别k预测值，
Figure 34274DEST_PATH_IMAGE016
为院内 预测模型输出的类别k预测值，K取2或3，
Figure 537937DEST_PATH_IMAGE017
取
Figure 994326DEST_PATH_IMAGE018
；K取2时代表初步方案，K取3时代表 改进方案；
总损失函数
Figure 625158DEST_PATH_IMAGE019
为：
Figure 217814DEST_PATH_IMAGE020
其中
Figure 33323DEST_PATH_IMAGE021
为权重系数，
Figure 836063DEST_PATH_IMAGE022
分别为院前预测模型损失函数、院内预测模型损失函 数，M为样本量，
Figure 129641DEST_PATH_IMAGE023
为指示函数，
Figure 576803DEST_PATH_IMAGE024
为第i个样本的真实类别，
Figure 438579DEST_PATH_IMAGE025
分别为院前预测模型、 院内预测模型输出的第i个样本类别j的预测值，
Figure 869561DEST_PATH_IMAGE026
为惩罚项系数，
Figure 91464DEST_PATH_IMAGE027
表示L2范数；
以
Figure 393132DEST_PATH_IMAGE028
最小化为目标，通过梯度下降法获得分阶段多层次紧急用血预测模型的 最佳参数。
进一步地，所述步骤2具体为：
对每位创伤患者，将患者院前信息输入步骤1建立的分阶段多层次紧急用血预测模型，输出患者的紧急用血类别；当患者抵达医院后，将患者院前信息和院内信息均输入步骤1建立的分阶段多层次紧急用血预测模型，更新紧急用血预测结果；
初步方案中，预测为1表示需紧急用血，即在受伤现场立即提出2单位O型红细胞用血申请；预测为0表示不需紧急用血；
改进方案中，预测为2表示红细胞血制品需求十分紧急，即在受伤现场立即提出2单位O型红细胞的用血申请、到达医院后测定血型再申请2单位特定血型红细胞；预测为1表示红细胞血制品需求中等紧急，即到达医院后测定血型再申请2单位特定血型红细胞；预测为0表示不需要输血。
进一步地，所述步骤3中，分为以下两种情况：
情况1：对于步骤2中预测为不需要O型红细胞的患者，通过以受伤点为圆心，对比抵达每个医院的道路交通时间，建议将患者转运至道路交通时间最短的医院NHI进行救治，患者的用血需求对应医院NHI；
情况2：对于步骤2中预测为需要用O型红细胞的患者，判断将患者运送到某无人机站点进行O型红细胞紧急输血再转运至附近医院进一步治疗，或转运至某医院进行O型红细胞紧急输血及进一步治疗；每个无人机站点属于与其无人机飞行耗时最短的医院；具体为：
(a)计算通过急救车将患者从受伤现场运送到医院的最短道路交通时间TNH，记录TNH对应的医院序号NHI；
(b)计算通过急救车将患者从受伤现场运送到无人机站点进行O型红细胞紧急输血的最短时间TNS，记录TNS对应的无人机站点序号NSI；
(c)对医院NHI和无人机站点NSI进行加权三角综合评估，计算加权三角判断指标C，计算公式如下：
Figure 425810DEST_PATH_IMAGE029
其中TSH为无人机站点NSI到其耗时最短医院Q的道路交通时间；
如果指标C大于0，则建议将患者运送到无人机站点NSI进行O型红细胞紧急输血，再转运至医院Q进一步治疗，患者在无人机站点NSI的用血需求由该无人机站点所属医院供应而进一步治疗的用血需求由医院Q供应；否则建议将患者运送到医院NHI进行O型红细胞紧急输血及进一步治疗，患者的用血需求对应医院NHI。
进一步地，所述步骤4中，统计各医院血制品需求总量，具体为：
记医院i在时刻t所有患者数量为
Figure 344087DEST_PATH_IMAGE030
，包括从受伤现场或无人机站点转运至该医院 的患者、在该医院管理的无人机站点进行紧急输血的患者；
对于患者n采用分阶段多层次紧急用血预测模型预测类别
Figure 713889DEST_PATH_IMAGE031
，通过
Figure 525856DEST_PATH_IMAGE032
、患者救治路 线、患者血型测定状态计算得到为救治患者n提出的对该医院红细胞血制品需求数量
Figure 854069DEST_PATH_IMAGE033
；
初步方案中，若
Figure 603850DEST_PATH_IMAGE034
则
Figure 308501DEST_PATH_IMAGE035
；若
Figure 584762DEST_PATH_IMAGE036
则判断患者n的紧急血制品是否由该医 院供应，若在该医院或在该医院管理的无人机站点进行O型红细胞紧急输血则
Figure 208510DEST_PATH_IMAGE037
，若不 需要该医院准备患者n的紧急血制品则
Figure 835800DEST_PATH_IMAGE038
；
改进方案中，若
Figure 688350DEST_PATH_IMAGE039
则
Figure 84696DEST_PATH_IMAGE038
；若
Figure 879346DEST_PATH_IMAGE040
则判断患者n在时刻t是否已测定血型， 若未测定血型则
Figure 993932DEST_PATH_IMAGE038
，若已测定血型则
Figure 509227DEST_PATH_IMAGE041
；若
Figure 901025DEST_PATH_IMAGE042
则判断患者n紧急输血使用的O型 红细胞是否由该医院供应、进一步救治使用的特定血型红细胞是否由该医院供应、患者n在 时刻t是否已测定血型，若患者n的所有红细胞由该医院供应且未测定血型则
Figure 741943DEST_PATH_IMAGE041
，若患 者n的所有红细胞由该医院供应且已测定血型则
Figure 202880DEST_PATH_IMAGE043
，若对于患者n仅O型红细胞由该医 院供应则
Figure 787445DEST_PATH_IMAGE044
，若对于患者n仅特定血型红细胞由该医院供应且未测定血型则
Figure 33750DEST_PATH_IMAGE038
，若 对于患者n仅特定血型红细胞由该医院供应且已测定血型则
Figure 779989DEST_PATH_IMAGE044
；
汇聚该医院所有患者的用血需求，对时刻t的总体血制品需求进行评估；医院i在 时刻t的血制品需求总量
Figure 603588DEST_PATH_IMAGE045
。
进一步地，所述步骤4中，计算各医院所有患者的全部血制品需求紧张度并排序，形成院内血制品供应先后顺序表，具体为：
对于医院i的患者n，采用分阶段多层次紧急用血预测模型预测类别
Figure 122337DEST_PATH_IMAGE046
，结合患者n 等待血制品的时长，计算患者n在医院i的用血紧张度
Figure 82203DEST_PATH_IMAGE047
，根据
Figure 140289DEST_PATH_IMAGE047
计算患者n所 有红细胞在医院i的需求紧张度
Figure 716764DEST_PATH_IMAGE048
，
Figure 377552DEST_PATH_IMAGE049
为患者n的红细胞需求总量；
初步方案中，若
Figure 582138DEST_PATH_IMAGE050
则
Figure 935758DEST_PATH_IMAGE051
；若
Figure 609316DEST_PATH_IMAGE052
则
Figure 73796DEST_PATH_IMAGE053
，其中
Figure 8254DEST_PATH_IMAGE054
表示患者n的紧急血制品是否由该医院供应，如果由该医院供应则
Figure 922989DEST_PATH_IMAGE055
，否则
Figure 942898DEST_PATH_IMAGE056
，
Figure 86434DEST_PATH_IMAGE057
表示在时刻t患者n等待紧急血制品已消耗的时间；若
Figure 140978DEST_PATH_IMAGE058
则没有
Figure 961035DEST_PATH_IMAGE059
；若
Figure 733819DEST_PATH_IMAGE060
则血制品需求紧张度
Figure 540101DEST_PATH_IMAGE061
；
改进方案中，若
Figure 324517DEST_PATH_IMAGE062
则
Figure 456421DEST_PATH_IMAGE063
；若
Figure 309977DEST_PATH_IMAGE064
则
Figure 185529DEST_PATH_IMAGE065
，其中
Figure 90031DEST_PATH_IMAGE066
表示患者n的紧急血制品是否由该医院供应且是否已测定血型，如果由该医院供应且已测 定血型则
Figure 127257DEST_PATH_IMAGE067
，否则
Figure 609054DEST_PATH_IMAGE068
，
Figure 147352DEST_PATH_IMAGE069
表示在时刻t患者n等待紧急血制品已消耗的时间；若
Figure 30994DEST_PATH_IMAGE070
则
Figure 848909DEST_PATH_IMAGE071
，其中A为十分紧急患者输血重要性与中 等紧急患者输血重要性的比例系数，A＞1，
Figure 818002DEST_PATH_IMAGE072
分别表示患者n第一步紧急治疗所用O 型红细胞血制品是否由该医院供应、进一步治疗所用特定血型红细胞是否由该医院供应且 是否已测定血型，如果第一步紧急治疗所用O型红细胞血制品由该医院供应则
Figure 159990DEST_PATH_IMAGE073
，否 则
Figure 632560DEST_PATH_IMAGE074
，如果进一步治疗所用特定血型红细胞由该医院供应且已测定血型则
Figure 277168DEST_PATH_IMAGE075
， 否则
Figure 608923DEST_PATH_IMAGE076
；
Figure 364389DEST_PATH_IMAGE077
分别表示在时刻t患者n等待第一步紧急治疗所需O型红细胞已 消耗的时间、等待进一步治疗所需特定血型红细胞已消耗的时间，
Figure 81679DEST_PATH_IMAGE078
为进一步治疗所需特定 血型红细胞的价值折扣因子，
Figure 897188DEST_PATH_IMAGE079
；若
Figure 450660DEST_PATH_IMAGE080
则没有
Figure 744238DEST_PATH_IMAGE081
；若
Figure 456979DEST_PATH_IMAGE082
则血制品需求 紧张度
Figure 585602DEST_PATH_IMAGE083
；若
Figure 16583DEST_PATH_IMAGE084
则血制品需求紧张度
Figure 723639DEST_PATH_IMAGE085
，而
Figure 290887DEST_PATH_IMAGE086
；
对该医院全部所需血制品按
Figure 182619DEST_PATH_IMAGE087
降序排序，按照需求紧张度优先的规则形成院 内血制品供应先后顺序表。
进一步地，所述步骤5具体为：
（5.1）根据运输工具配送状态，衡量各医院血制品供需情况，构建当前调度配送方案；
将医院i内血制品库存记为
Figure DEST_PATH_IMAGE088
，将运往医院i的运输途中的血制品数量记为
Figure 225530DEST_PATH_IMAGE089
；
Figure 1857DEST_PATH_IMAGE090
其中U和T为血液中心管理的无人机数量和送血车数量；无人机和送血车能装载的 最大量分别为BU和BT；
Figure 689190DEST_PATH_IMAGE091
为指示函数；
集合
Figure 751824DEST_PATH_IMAGE092
表示启用无人机的情况，其中
Figure 16452DEST_PATH_IMAGE093
取值0，i，-i分别代 表第u架无人机处于在血液中心待命的状态、正在去往医院i的途中、正在从医院i返回血液 中心的途中；
Figure 455523DEST_PATH_IMAGE094
为第u架无人机预定飞行的航班数量，集合
Figure 607150DEST_PATH_IMAGE095
表示第u架无人机预定飞行的目标医院，如果
Figure 106265DEST_PATH_IMAGE096
则表示第u架无人机预定飞行的第k次 航班的目标医院为医院i；集合
Figure 467976DEST_PATH_IMAGE097
；
集合
Figure 835372DEST_PATH_IMAGE098
表示启用送血车的情况，其中
Figure 497298DEST_PATH_IMAGE099
取值0，i，-i分别代 表第t辆送血车处于在血液中心待命的状态、正在去往医院i的途中、正在从医院i返回血液 中心的途中；
Figure 777100DEST_PATH_IMAGE100
为第t辆送血车预定驾驶的趟次，集合
Figure 626108DEST_PATH_IMAGE101
表示第t 辆送血车预定驾驶的目标医院，如果
Figure 406982DEST_PATH_IMAGE102
则表示第t辆送血车预定驾驶的第k趟次的目 标医院为医院i；集合
Figure 48048DEST_PATH_IMAGE103
；
如果该医院的准备血量不能满足需求血量
Figure 888965DEST_PATH_IMAGE104
，即
Figure 835055DEST_PATH_IMAGE105
，则标记该医院为缺 血状态；
初始调度时，
Figure 419620DEST_PATH_IMAGE106
，所有无人机和送血车均处于在血液中心待命的状态；
集合
Figure 524980DEST_PATH_IMAGE107
以及各医院的院内血制品供应先后顺序表构成当前调度配送 方案；
（5.2）将所有标记为缺血状态的医院汇总到集合LH中，得到
Figure 661432DEST_PATH_IMAGE108
，其中
Figure 750610DEST_PATH_IMAGE109
为缺血状态医院数量，
Figure 483074DEST_PATH_IMAGE110
表示第j家缺血状态医院；
基于当前调度配送方案，计算集合LH中第j家缺血状态医院的总体未来血制品供 应紧张度估算值
Figure 974098DEST_PATH_IMAGE111
为：
Figure 891239DEST_PATH_IMAGE112
其中
Figure 326768DEST_PATH_IMAGE113
表示根据当前调度配送方案患者n第p单位红细胞血制品的未来供 应紧张度估算值，
Figure 987557DEST_PATH_IMAGE114
表示第j家缺血状态医院的患者总数；
选出所有
Figure 208454DEST_PATH_IMAGE115
中取值最大的医院，记为医院m，对该医院优先进行调度配血；
（5.3）基于无人机和送血车，制定出医院m等待时间尽可能小的调度方案，包括：
采用循环序列算法，以医院m所有患者的血制品等待时间最小为目标，通过无人机优先级排序、无人机与送血车的差异比较和不定长路线序列调整，在当前调度配送方案基础上制定出下一步调度配送方案，即派出一架待命无人机至医院m，或者在某架无人机的预定序列中增加一项医院m的预定航班，或者派出一辆待命送血车至医院m，或者在某辆送血车的预定序列中增加一项医院m的预定趟次；
首先计算血液中心无人机u的下一次飞行就绪时间
Figure 562075DEST_PATH_IMAGE116
，将
Figure 484900DEST_PATH_IMAGE117
进行升序排序，得 到无人机调度排序表为
Figure 949379DEST_PATH_IMAGE118
，从最小
Figure 149417DEST_PATH_IMAGE119
的无人机
Figure 283726DEST_PATH_IMAGE120
开始调度；
接着利用调度代价函数进行调度策略评价和判断，通过计算无人机和送血车调度策略的调度代价差异大小，比较两种工具调度优势；
派出就绪时间最短的无人机
Figure 569214DEST_PATH_IMAGE120
装载BU单位血制品，得到调度代价值为
Figure 233456DEST_PATH_IMAGE121
；派出送 血车装载BT单位血制品，BU单位血制品用于救治患者，其余浪费，得到调度代价值为
Figure 22421DEST_PATH_IMAGE122
；计 算调度代价差异
Figure 717844DEST_PATH_IMAGE123
，若
Figure 365995DEST_PATH_IMAGE124
则调度无人机
Figure 172276DEST_PATH_IMAGE120
，否则调度最短就绪时间的 送血车；
（5.4）循环运行步骤（5.1）~步骤（5.3），直到所有缺血状态医院血制品供应均已满足。
进一步地，所述步骤6中，如果出现新发创伤患者则更新步骤2中的患者数量及患者用血需求，再执行步骤3~步骤5；如果患者信息发生变化，则更新步骤2中的患者用血需求，再执行步骤3~步骤5；如果患者的转运路线、患者血型检测状态发生变化导致对医院的血制品需求改变，则更新患者对医院的血制品需求，再执行步骤4、步骤5；如果无人机或送血车抵达某医院则更新该医院的血制品库存量、运输途中血制品数量，再执行步骤4、步骤5；如果患者在某无人机站点完成输血则更新该无人机站点所属医院的血制品库存量、患者对该无人机站点所属医院的血制品需求，再执行步骤4、步骤5；如果患者在某医院完成输血则更新该医院的血制品库存量、患者对该医院的血制品需求，再执行步骤4、步骤5。
根据本说明书的第二方面，提供一种基于早期预测和无人快速配送的紧急血液调度系统，该系统包括急救医生终端和调度指挥平台两部分；
所述急救医生终端包括信息录入模块和第一通信模块，所述第一通信模块发送患者信息，接收患者紧急用血预测信息、患者的转送目的地推荐方案；
所述调度指挥平台包括第二通信模块、需求分析监测模块和调度计算模块；所述第二通信模块接收患者信息，发送供血需求、调度指令；所述需求分析监测模块通过紧急用血预测模型判断患者的紧急用血需求情况及综合评估医院需求血量、院内库存、运输中血量情况；所述调度计算模块用于生成无人机和送血车的调度指令，通过第二通信模块发送指令。
本发明的有益效果为：本发明引入紧急用血预测模型和无人机快速配送航线，准确预测院前急救创伤患者的用血需求，通过无人机站点实现患者院前紧急输血，提升了创伤大出血患者的供血速度和救治质量，对抢救偏远山区创伤患者的价值重大。出现大规模创伤事件时，用血量激增，本发明实时评估医院用血需求，联合无人机和送血车从血液中心快速配送所需血制品到医院，提升了医院血液补给效率。
附图说明
图1为一示例性实施例提供的基于早期预测和无人快速配送的紧急血液调度方法流程图；
图2为一示例性实施例提供的基于早期预测和无人快速配送的紧急血液调度框架示意图；
图3为一示例性实施例提供的基于早期预测和无人快速配送的紧急血液调度系统结构图；
图4为城市仿真场景示例；
图5为乡村仿真场景示例。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
本发明提供一种基于早期预测和无人快速配送的紧急血液调度方法，如图1、图2所示，该方法包括以下步骤：
步骤1：收集院前创伤患者样本，搭建分阶段多层次紧急用血预测模型；
步骤2：根据创伤患者信息，基于紧急用血预测模型预测患者用血需求；
步骤3：根据患者位置以及与周边无人机站点、周边医院的距离，利用两层结构加权复合比例算法，通过以受伤点为圆心的对比评估和加权三角综合评估，实现患者转运目的地和院前血液配送的智能推荐，辅助急救医生决策；
步骤4：统计各医院血制品需求总量，计算各医院所有患者的全部血制品需求紧张度并排序，形成院内血制品供应先后顺序表；
步骤5：根据各医院血制品需求总量及供应紧张度、院内库存、运输中血制品数量，基于联合无人机和送血车的循环序列算法，以等待时间最小化为目标不断循环进行无人机优先级排序、无人机与送血车差异比较和不定长路线序列调整，实现运输工具智能调度及血制品快速配送；
步骤6：实时评估各医院血制品供需关系、所有患者用血情况、所有运输工具状态，评估当前调度配送方案是否满足需求，若不满足需求则更新调度配送方案。
下述说明进一步给出了符合本申请要求的基于早期预测和无人快速配送的紧急血液调度方法实现的部分实施例。
步骤1：收集一批院前创伤患者样本，搭建分阶段多层次紧急用血预测模型，具体为：
收集一批院前严重创伤患者样本，剔除烧伤患者，样本量记为M。对每个入选样本记录其院前和院内多维信息。
院前检测到的特征集
Figure 205960DEST_PATH_IMAGE125
， 其中Age、Sex、HR、SBP、DBP、T、
Figure 337865DEST_PATH_IMAGE126
、
Figure 207732DEST_PATH_IMAGE127
和
Figure 817704DEST_PATH_IMAGE128
分别代表年龄、性别、心率、收 缩压、舒张压、体温、血氧饱和度、是否穿透伤和是否骨盆骨折。
当患者被转运到医院，在院内通过血液检验和超声检查，采集到更多特征构成新 增特征集
Figure 315682DEST_PATH_IMAGE129
，其中HGB、ALB、BE、pH、HCT和
Figure 743121DEST_PATH_IMAGE130
分别代表血红蛋白、白蛋白、剩余碱、氢离子浓度指数、血细胞压积、是否有腹腔积液。
预测目标Y为K类，可选用初步方案和改进方案。
初步方案，K取2，预测目标Y为24小时红细胞输注量是否大于某个阈值ε，取值1代表需要紧急用血的情况，取值0则不是紧急用血样本。根据已有研究，该阈值ε设置为4单位，若Y=0则不申请紧急用血；若Y=1则在受伤现场立即提出2单位通用O型红细胞的用血申请。
在初步方案的基础上提出改进方案，具体为，K取3，预测目标Y为24小时红细胞输注量属于0或(0,4]或(4,+∞)，分别取值为0、1、2。若Y=0则表示不需要输血；若Y=1则到达医院后测定血型再提出2单位特定血型红细胞的用血申请；若Y=2则在受伤现场立即提出2单位通用O型红细胞的用血申请、到达医院后测定血型再提出2单位特定血型红细胞的用血申请。
所有特征先经过均值补缺和归一化预处理，得到预处理后的院前特征集
Figure 224918DEST_PATH_IMAGE131
和院 内新增特征集
Figure 373003DEST_PATH_IMAGE132
，再基于预处理后的特征集采用多分类网络算法构建分阶段多层次紧急 用血预测模型。该紧急用血预测模型表示为：
Figure 132011DEST_PATH_IMAGE133
其中s表示预测阶段，包括院前阶段（s=1）和院内阶段（s=2）。函数
Figure 605718DEST_PATH_IMAGE002
和
Figure 699445DEST_PATH_IMAGE003
分别表示 院前预测模型和院内预测模型，
Figure 651220DEST_PATH_IMAGE005
表示将
Figure 264735DEST_PATH_IMAGE134
进行拼接。
Figure 643764DEST_PATH_IMAGE135
为分阶段多层 次紧急用血预测模型输出的类别k预测值，
Figure 100153DEST_PATH_IMAGE136
取
Figure 980253DEST_PATH_IMAGE137
。
Figure 572909DEST_PATH_IMAGE009
为预测的用血类别，初步方案 中
Figure 998205DEST_PATH_IMAGE009
取0或1，改进方案中
Figure 676311DEST_PATH_IMAGE009
取0或1或2。
Figure 235468DEST_PATH_IMAGE138
其中
Figure 807264DEST_PATH_IMAGE011
表示softmax函数，
Figure 793674DEST_PATH_IMAGE139
表示可训练的权重参数，
Figure 834443DEST_PATH_IMAGE013
表示矩阵 乘，
Figure 666132DEST_PATH_IMAGE014
表示可训练的偏置参数，
Figure 498959DEST_PATH_IMAGE140
为院前预测模型输出的类别k预测值，
Figure 515326DEST_PATH_IMAGE016
为院内 预测模型输出的类别k预测值，K取2或3，
Figure 168024DEST_PATH_IMAGE141
取
Figure 944350DEST_PATH_IMAGE142
。K取2时代表初步方案，K取3时代 表改进方案，不同紧急程度对应不同方案，通过紧急程度的分层，进一步提高患者用血需求 预测精度。
总损失函数
Figure 631683DEST_PATH_IMAGE143
为：
Figure 694317DEST_PATH_IMAGE144
其中
Figure 958945DEST_PATH_IMAGE145
为权重系数，
Figure 132438DEST_PATH_IMAGE146
分别为院前预测模型损失函数、院内预测模型损失函 数，
Figure 549644DEST_PATH_IMAGE147
为指示函数，
Figure 48758DEST_PATH_IMAGE148
为第i个样本的真实类别，
Figure 410469DEST_PATH_IMAGE149
分别为院前预测模型、院内预测模 型输出的第i个样本类别j的预测值，
Figure 772006DEST_PATH_IMAGE150
为惩罚项系数，
Figure 168353DEST_PATH_IMAGE151
表示L2范数。
以
Figure 448155DEST_PATH_IMAGE152
最小化为目标，通过梯度下降法获得分阶段多层次紧急用血预测模型的 最佳参数。
步骤2：应用步骤1建立的模型预测患者紧急用血需求，具体为：
对每位创伤患者n，将其院前信息输入步骤1建立的分阶段多层次紧急用血预测模 型，模型输出患者n的紧急用血类别
Figure 562742DEST_PATH_IMAGE153
；如有需要，提出O型红细胞用血申 请。当患者抵达医院后，将其院前信息和院内信息均输入步骤1建立的分阶段多层次紧急用 血预测模型，更新紧急用血预测结果；同时，如有需要，测定血型后提出特定血型红细胞用 血申请。
初步方案中，预测为1表示需紧急用血，即在受伤现场立即提出2单位通用O型红细胞的用血申请；预测为0表示不需紧急用血。
改进方案中，预测为2表示红细胞血制品需求十分紧急，即在受伤现场立即提出2单位通用O型红细胞的用血申请、到达医院后测定血型再申请2单位特定血型红细胞；预测为1表示红细胞血制品需求中等紧急，即到达医院后测定血型再申请2单位特定血型红细胞；预测为0表示不需要输血。
步骤3：根据患者位置以及与周边无人机站点、周边医院的距离，利用两层结构加权复合比例算法，通过以受伤点为圆心的对比评估和加权三角综合评估，实现患者转运目的地（包括无人机站点及医院）和院前血液配送的智能推荐，辅助急救医生决策。急救医生根据推荐结果为每位患者指定转运目的地。具体为：
符号H和S为设定区域内医院的数量和无人机站点的数量。医院位置标记为
Figure 733829DEST_PATH_IMAGE154
，其中
Figure 719103DEST_PATH_IMAGE155
代表第i个医院的位置。无人机站点位置 标记为
Figure 560020DEST_PATH_IMAGE156
，其中
Figure 37268DEST_PATH_IMAGE157
代表第j个无人机站点的位置。符号PP代表院 前创伤患者的位置。函数MapT(start, end)表示通过地图应用计算的从起始点start到终 结点end所需的道路交通时间。分为以下两种情况：
①对于步骤2中预测为不需要O型红细胞的患者，通过以受伤点为圆心，对比抵达每个医院的耗时，判断将患者转运至哪家医院进行救治。
通过函数MapT()计算患者位置到第i个医院位置的道路交通时间
Figure 356254DEST_PATH_IMAGE158
：
Figure 851827DEST_PATH_IMAGE159
选出道路交通时间最短的医院的序号NHI：
Figure 863645DEST_PATH_IMAGE160
建议将患者转运至医院NHI进行救治，患者的用血需求对应医院NHI。
②对于步骤2中预测为需要用O型红细胞的患者，判断将患者运送到某无人机站点进行O型红细胞紧急输血再转运至附近医院进一步治疗，或转运至某医院进行O型红细胞紧急输血及进一步治疗。每个无人机站点属于与其无人机飞行耗时最短的医院。在该步骤使用以受伤点为圆心的对比评估，获取转运患者耗时最短的医院和无人机站点。具体为：
（a）计算通过急救车将患者从受伤现场运送到医院的最短时间，包括以下步骤：
通过函数MapT()计算患者位置到第i个医院位置的道路交通时间
Figure 687244DEST_PATH_IMAGE161
：
Figure 685287DEST_PATH_IMAGE162
选出道路交通时间最短的医院的序号NHI：
Figure 910732DEST_PATH_IMAGE163
因此，运送患者到医院的最短时间，即患者到医院NHI的耗时TNH：
Figure 483665DEST_PATH_IMAGE164
（b）计算通过急救车将患者从受伤现场运送到无人机站点进行O型红细胞紧急输血的最短时间，包括以下步骤：
通过函数MapT()计算患者位置到第j个无人机站点位置的道路交通时间，再计算该无人机站点所属医院血液库存充足的条件下患者在该无人机站点获取到O型红细胞的时间：
Figure 528982DEST_PATH_IMAGE165
其中
Figure 330715DEST_PATH_IMAGE166
为取最大值函数，
Figure 676246DEST_PATH_IMAGE167
为第j个无人机站点所属医院到第j个无人机站点 的无人机飞行时间。
选出
Figure 764288DEST_PATH_IMAGE168
最小的无人机站点的序号NSI：
Figure 687113DEST_PATH_IMAGE169
因此，运送患者到无人机站点进行紧急输血的最短时间TNS：
Figure 417172DEST_PATH_IMAGE170
（c）计算加权三角判断指标，用于判断患者运送目的地，即在该步骤对医院NHI和无人机站点NSI进行加权三角综合评估。首要的因素是相比医院输血，无人机站点输血如果能实现患者尽可能早的紧急输血，无人机站点输血的价值会较大。且无人机站点完成输血后运送到医院的耗时越短，患者能越早进行输血后进一步治疗，越有利。因此，加权三角判断指标C为：
Figure 492575DEST_PATH_IMAGE171
其中TSH为无人机站点NSI到其耗时最短医院Q的道路交通时间。
该步骤的输出为DEST，包含患者运送目的地的类型和具体地点信息。如果指标C大 于0，则输出
Figure 751518DEST_PATH_IMAGE172
，即建议将患者运送到无人机站点NSI进 行O型红细胞紧急输血，再转运至医院Q进一步治疗，患者在无人机站点NSI的用血需求由该 无人机站点所属医院供应而进一步治疗的用血需求由医院Q供应；否则，输出
Figure 161640DEST_PATH_IMAGE173
，即建议将患者运送到医院NHI进行O型红细胞紧急输血及进一步 治疗，患者的用血需求对应医院NHI。
步骤4：统计各家医院在时刻t的血制品需求总量，计算每家医院所有患者的全部血制品需求紧张度并进行排序，形成医院内血制品供应先后顺序表。具体为：
记医院i在时刻t所有患者数量为
Figure 429810DEST_PATH_IMAGE174
，包括从受伤现场或无人机站点转运至该医院 的患者、在该医院管理的无人机站点进行紧急输血的患者。
（4.1）统计各家医院的血制品需求总量。对于患者n采用分阶段多层次紧急用血预 测模型预测其所处的类别记为
Figure 218775DEST_PATH_IMAGE175
，通过
Figure 55144DEST_PATH_IMAGE176
、患者救治路线、患者血型测定状态等信息计算得 到为救治患者n提出的对该医院红细胞血制品需求数量
Figure 827928DEST_PATH_IMAGE177
。
初步方案中，若
Figure 493264DEST_PATH_IMAGE178
，则
Figure 667894DEST_PATH_IMAGE179
；若
Figure 409585DEST_PATH_IMAGE180
，则判断患者n的紧急血制品是否由该 医院供应，若在该医院或在该医院管理的无人机站点进行O型红细胞紧急输血则
Figure 669665DEST_PATH_IMAGE181
即 在受伤现场立即提出该医院的2单位O型红细胞用血申请，若不需要该医院准备患者n的紧 急血制品则
Figure 14058DEST_PATH_IMAGE182
。
改进方案中，若
Figure 167828DEST_PATH_IMAGE183
则
Figure 205054DEST_PATH_IMAGE184
；若
Figure 562217DEST_PATH_IMAGE185
，则判断患者n在时刻t是否已测定血 型，若未测定血型则
Figure 975881DEST_PATH_IMAGE186
，若已测定血型则
Figure 593944DEST_PATH_IMAGE187
即提出2单位特定血型红细胞用血申 请；若
Figure 198144DEST_PATH_IMAGE188
，则判断患者n紧急输血使用的O型红细胞是否由该医院供应、进一步救治使用 的特定血型红细胞是否由该医院供应、患者n在时刻t是否已测定血型，若患者n的所有红细 胞由该医院供应且未测定血型则
Figure 167237DEST_PATH_IMAGE181
即在受伤现场提出2单位O型红细胞用血申请，若患 者n的所有红细胞由该医院供应且已测定血型则
Figure 728800DEST_PATH_IMAGE189
即在受伤现场、院内各提出2单位 用血申请，若对于患者n仅O型红细胞由该医院供应则
Figure 732528DEST_PATH_IMAGE181
，若对于患者n仅特定血型红细 胞由该医院供应且未测定血型则
Figure 111556DEST_PATH_IMAGE190
，若对于患者n仅特定血型红细胞由该医院供应且 已测定血型则
Figure 692579DEST_PATH_IMAGE181
。
接着，汇聚该医院所有患者的用血需求，对时刻t的总体血制品需求进行评估。医 院i在时刻t的血制品需求总量
Figure 182467DEST_PATH_IMAGE191
。
（4.2）计算每家医院所有患者的全部血制品需求紧张度并进行排序，形成医院内 血制品供应先后顺序表。对于医院i的患者n，根据步骤2得到其紧急用血需求预测结果，结 合患者n等待血制品的时长（单位可采用分钟），计算患者n在医院i的用血紧张度
Figure 650488DEST_PATH_IMAGE192
， 根据
Figure 465997DEST_PATH_IMAGE192
计算患者n所有红细胞在医院i的需求紧张度
Figure 144103DEST_PATH_IMAGE193
为患者n的 红细胞需求总量。
初步方案中，若
Figure 827894DEST_PATH_IMAGE194
则患者用血紧张度
Figure 275056DEST_PATH_IMAGE195
；若
Figure 871254DEST_PATH_IMAGE196
则
Figure 302235DEST_PATH_IMAGE197
，其中
Figure 133925DEST_PATH_IMAGE198
表示患者n的紧急血制品是否由该医院供应，如果由该医院 供应则
Figure 91386DEST_PATH_IMAGE199
，否则
Figure 983118DEST_PATH_IMAGE200
，
Figure 511183DEST_PATH_IMAGE201
表示在时刻t患者n等待紧急血制品已消耗的时间。若
Figure 412143DEST_PATH_IMAGE202
则没有
Figure 568317DEST_PATH_IMAGE203
；若
Figure 21164DEST_PATH_IMAGE204
则血制品需求紧张度
Figure 161159DEST_PATH_IMAGE205
，即第1单 位和第2单位的血制品需求紧张度相同，均等于
Figure 475596DEST_PATH_IMAGE192
。
改进方案中，若
Figure 17436DEST_PATH_IMAGE206
则患者用血紧张度
Figure 250971DEST_PATH_IMAGE207
；若
Figure 2896DEST_PATH_IMAGE204
则
Figure 245658DEST_PATH_IMAGE208
，其中
Figure 251791DEST_PATH_IMAGE209
表示患者n的紧急血制品是否由该医院供应且是否已测定血 型，如果由该医院供应且已测定血型则
Figure 921807DEST_PATH_IMAGE210
，否则
Figure 161027DEST_PATH_IMAGE211
，
Figure 676322DEST_PATH_IMAGE212
表示在时刻t患者n等 待紧急血制品已消耗的时间；若
Figure 192754DEST_PATH_IMAGE213
则
Figure 643458DEST_PATH_IMAGE214
， 其中A为十分紧急患者输血重要性与中等紧急患者输血重要性的比例系数，A 由临床经验 确定，A＞1，
Figure 245341DEST_PATH_IMAGE215
分别表示患者n第一步紧急治疗所用O型红细胞血制品是否由该医院供 应、进一步治疗所用特定血型红细胞是否由该医院供应且是否已测定血型，如果第一步紧 急治疗所用O型红细胞血制品由该医院供应，则
Figure 954540DEST_PATH_IMAGE216
，否则
Figure 59899DEST_PATH_IMAGE217
，如果进一步治疗所用 特定血型红细胞由该医院供应且已测定血型，则
Figure 71718DEST_PATH_IMAGE218
，否则
Figure 505104DEST_PATH_IMAGE219
；
Figure 893360DEST_PATH_IMAGE220
分别 表示在时刻t患者n等待第一步紧急治疗所需O型红细胞已消耗的时间、等待进一步治疗所 需特定血型红细胞已消耗的时间，
Figure 261017DEST_PATH_IMAGE221
为进一步治疗所需特定血型红细胞的价值折扣因子，
Figure 178157DEST_PATH_IMAGE222
。若
Figure 754632DEST_PATH_IMAGE223
则没有
Figure 556366DEST_PATH_IMAGE224
；若
Figure 370738DEST_PATH_IMAGE204
则血制品需求紧张度
Figure 114572DEST_PATH_IMAGE225
；若
Figure 647185DEST_PATH_IMAGE226
则血制品需求紧张度
Figure 377244DEST_PATH_IMAGE227
，而
Figure 187068DEST_PATH_IMAGE228
。
对该医院全部所需血制品按
Figure 711590DEST_PATH_IMAGE229
降序排序，按照需求紧张度优先的规则形成院 内血制品供应先后顺序表。如遇到需求紧张度相同的两份血制品，先按照其所属患者的
Figure 121712DEST_PATH_IMAGE230
进行降序排序，再采取随机方式排序。
步骤5：根据各医院在时刻t的血制品需求总量及紧张度、院内库存、运输中血制品数量等信息，基于联合无人机和送血车的循环序列优化算法，以等待时间最小化为目标不断循环进行无人机优先级排序、无人机与送血车差异比较和不定长路线序列调整，实现运输工具的智能调度及大量血制品的快速配送。具体为：
综合所有将要送往该医院或该医院管理无人机站点的患者情况，评估每家医院的血制品供需情况及血制品供应紧张度。通过对比所有医院的用血紧张度，确定如何调度无人机或送血车进行血制品快速配送。
（5.1）根据运输工具的配送状态，衡量各家医院的血制品供需情况，构建当前调度配送方案。
将医院i内血制品库存记为
Figure 124303DEST_PATH_IMAGE231
，将运往医院i的运输途中的血制品数量记为
Figure 178846DEST_PATH_IMAGE232
。
Figure 15215DEST_PATH_IMAGE233
其中U和T为血液中心管理的无人机数量和送血车数量。无人机和送血车能装载的 最大量分别为BU和BT。
Figure 256841DEST_PATH_IMAGE234
为指示函数。集合
Figure 453336DEST_PATH_IMAGE235
表示启用无人机的 情况，其中
Figure 627965DEST_PATH_IMAGE236
取值0代表第u架无人机处于在血液中心待命的状态，取值i代表该无人机正 在去往医院i的途中，取值-i代表该无人机正在从医院i返回血液中心的途中。
Figure 228711DEST_PATH_IMAGE237
为第u架 无人机预定飞行的航班数量，集合
Figure 364157DEST_PATH_IMAGE238
表示第u架无人机预定飞行 的目标医院，如果
Figure 708551DEST_PATH_IMAGE239
则表示第u架无人机预定飞行的第k次航班的目标医院为医院i。 集合
Figure 127900DEST_PATH_IMAGE240
。集合
Figure 899547DEST_PATH_IMAGE241
表示启用送血车的情况，具 体取值的涵义与SU一致。
Figure 522289DEST_PATH_IMAGE242
为第t辆送血车预定驾驶的趟次。集合
Figure 670373DEST_PATH_IMAGE243
表示第t辆送血车预定驾驶的目标医院，如果
Figure 554016DEST_PATH_IMAGE244
则表示第t 辆送血车预定驾驶的第k趟次的目标医院为医院i。集合
Figure 152356DEST_PATH_IMAGE245
。
如果该医院的准备血量不能满足需求血量
Figure 855870DEST_PATH_IMAGE246
，即
Figure 683012DEST_PATH_IMAGE247
，则标记该医院为缺 血状态。
初始调度时，
Figure 421161DEST_PATH_IMAGE248
，所有无人机和送血车均处于在血液中心待命的状态。
集合
Figure 800189DEST_PATH_IMAGE249
以及各家医院的院内血制品供应先后顺序表构成当前调 度配送方案。
（5.2）汇总血制品供应不足的医院，即缺血状态的医院，评估这些医院的总体未来血制品供应紧张度，选出优先调度配送的医院。
将所有标记为缺血状态的医院汇总到集合LH中，得到
Figure 381212DEST_PATH_IMAGE250
，其 中
Figure 871099DEST_PATH_IMAGE251
为缺血状态医院数量，
Figure 604700DEST_PATH_IMAGE252
表示第j家缺血状态医院。
基于当前调度配送方案，计算集合LH中第j家缺血状态医院的总体未来血制品供 应紧张度估算值
Figure 420210DEST_PATH_IMAGE253
为：
Figure 98316DEST_PATH_IMAGE254
其中
Figure 516527DEST_PATH_IMAGE255
表示根据当前调度配送方案患者n第p单位红细胞血制品的未来供 应紧张度估算值，
Figure 229268DEST_PATH_IMAGE256
表示第j家缺血状态医院的患者总数。
初步方案中，若
Figure 91045DEST_PATH_IMAGE257
则不存在
Figure 256447DEST_PATH_IMAGE258
；若
Figure 484210DEST_PATH_IMAGE259
则未来血制品供应紧张度 估算值
Figure 51457DEST_PATH_IMAGE260
，其中
Figure 84135DEST_PATH_IMAGE261
表示根据当前调度配送方案得到的患 者n等待紧急血制品的估算时间，如果当前调度配送方案无法满足患者n所需血制品的需 求，则将
Figure 736833DEST_PATH_IMAGE261
设置为一个较大的固定值，例如
Figure 106635DEST_PATH_IMAGE262
分钟。
改进方案中，若
Figure 918602DEST_PATH_IMAGE257
则不存在
Figure 246815DEST_PATH_IMAGE258
；若
Figure 262176DEST_PATH_IMAGE259
则未来血制品供应紧张度估 算值
Figure 701247DEST_PATH_IMAGE263
；若
Figure 243087DEST_PATH_IMAGE264
则
Figure 601256DEST_PATH_IMAGE265
，而
Figure 228546DEST_PATH_IMAGE266
，其中
Figure 81096DEST_PATH_IMAGE267
分别表示根据当前调度配送方 案患者n等待第一步紧急治疗所需O型红细胞的估算时间、等待进一步治疗所需特定血型红 细胞的估算时间，如果当前调度配送方案无法满足患者n所需第1,2单位或第3,4单位血制 品的需求，则将
Figure 477442DEST_PATH_IMAGE268
或
Figure 147458DEST_PATH_IMAGE269
设置为一个较大的固定值，例如令
Figure 386678DEST_PATH_IMAGE270
分钟或 者令
Figure 901973DEST_PATH_IMAGE271
分钟。
选出所有
Figure 293771DEST_PATH_IMAGE272
中取值最大的医院，记为医院m，对该医院优先进行调度配血，即 执行下一步骤。
（5.3）基于无人机和送血车，制定出医院m等待时间尽可能小的调度方案。
采用循环序列优化算法，以医院m所有患者的血制品等待时间最小为目标，通过无人机优先级排序、无人机与送血车的差异比较和不定长路线序列调整，在当前调度配送方案基础上制定出下一步调度配送方案，即派出一架待命无人机至医院m，或者在某架无人机的预定序列中增加一项医院m的预定航班，或者派出一辆待命送血车至医院m，或者在某辆送血车的预定序列中增加一项医院m的预定趟次。
首先计算血液中心无人机u的下一次飞行就绪时间
Figure 134688DEST_PATH_IMAGE273
及其排序。对于待命状态 的无人机
Figure 470992DEST_PATH_IMAGE274
；对于在路上且没有预定飞行航班的无人机
Figure 180191DEST_PATH_IMAGE275
，其中
Figure 285550DEST_PATH_IMAGE276
为无人 机u结束当前趟次飞行所需时间；对于其余状态的无人机，则：
Figure 172735DEST_PATH_IMAGE277
其中
Figure 996334DEST_PATH_IMAGE278
为无人机u预定飞行的航班数量，
Figure 119011DEST_PATH_IMAGE279
为无人机u第k趟预定飞行的目标 医院，
Figure 469090DEST_PATH_IMAGE280
表示无人机从血液中心到医院
Figure 386230DEST_PATH_IMAGE281
的飞行时间。
将
Figure 838071DEST_PATH_IMAGE273
进行升序排序，无人机调度排序表为
Figure 764439DEST_PATH_IMAGE282
，从最小
Figure 578811DEST_PATH_IMAGE283
的无人机，即
Figure 322645DEST_PATH_IMAGE284
开始调度。
接着，利用调度代价函数进行调度策略评价和判断，通过计算无人机和送血车调度策略的调度代价差异大小，比较两种工具调度优势。
初步方案中，调度代价函数为：
Figure 855258DEST_PATH_IMAGE285
其中
Figure 195103DEST_PATH_IMAGE286
为指示函数，
Figure 395140DEST_PATH_IMAGE287
为医院m的患者数量。
Figure 919663DEST_PATH_IMAGE288
表示根据制定出的下一步调度 配送方案得到的患者n等待紧急血制品的估算时间，如果该调度配送方案无法满足患者n所 需血制品的需求，则将
Figure 64205DEST_PATH_IMAGE289
设置为一个较大的固定值，例如令
Figure 332375DEST_PATH_IMAGE289
等于1440分钟。
Figure 262285DEST_PATH_IMAGE290
表示血制 品浪费的惩罚系数，由临床经验和血液中心血制品库存量决定。
Figure DEST_PATH_IMAGE291
表示由于过度供应 导致浪费的血制品数量。
改进方案中，调度代价函数为：
Figure 873221DEST_PATH_IMAGE292
式中，
Figure 380426DEST_PATH_IMAGE286
为指示函数；
Figure 327653DEST_PATH_IMAGE293
分别表示根据制定出的下一步调度配送方案 得到的患者n等待第一步紧急治疗所需O型红细胞的估算时间、等待进一步治疗所需特定血 型红细胞的估算时间，如果该调度配送方案无法满足患者n所需O型红细胞或特定血型红细 胞的需求，则将
Figure 236703DEST_PATH_IMAGE294
或
Figure 103028DEST_PATH_IMAGE295
设置为一个较大的固定值，例如令
Figure 222163DEST_PATH_IMAGE296
分钟或者令
Figure 832135DEST_PATH_IMAGE297
分钟。
Figure 736638DEST_PATH_IMAGE298
表示血制品浪费的惩罚系数，由临床经验和血液中心血制品库存量决 定。
Figure 773864DEST_PATH_IMAGE299
表示由于过度供应导致浪费的血制品数量。
为了具备可比性，方案1为派出就绪时间最短的无人机
Figure 255661DEST_PATH_IMAGE300
（装载BU单位血制品），得 到调度代价值为
Figure 793958DEST_PATH_IMAGE301
；方案2为派出送血车（装载BT单位血制品，BU单位血制品用于救治患者， 其余浪费），得到调度代价值为
Figure 677601DEST_PATH_IMAGE302
。计算调度代价差异
Figure 495515DEST_PATH_IMAGE303
。若
Figure 464608DEST_PATH_IMAGE304
则使用无 人机
Figure 806597DEST_PATH_IMAGE300
，并根据其状态判断使用方式，若
Figure 279166DEST_PATH_IMAGE305
等于0则立即派出无人机
Figure 923774DEST_PATH_IMAGE300
运送血制品到医 院m，若
Figure 255529DEST_PATH_IMAGE306
大于0则预定列表
Figure 745417DEST_PATH_IMAGE307
增加一项医院m的预定航班，同时更新运输途中血制品 数量
Figure 728285DEST_PATH_IMAGE308
、就绪时间
Figure 543794DEST_PATH_IMAGE306
及无人机调度排序表
Figure 956321DEST_PATH_IMAGE309
；若
Figure 390845DEST_PATH_IMAGE310
则调度最短就绪时间的 送血车，具体操作与上述使用无人机的操作一致。
（5.4）循环运行步骤（5.1）~步骤（5.3），直到所有缺血状态医院的血制品供应都已满足。具体为：计算各医院的血制品供需情况，即再次执行步骤（5.1）；若仍存在供应不足的医院，再次执行步骤（5.2），选出需要进一步调度的缺血状态医院；执行步骤（5.3），调度无人机或送血车配送血制品。重复以上步骤，直到所有缺血状态医院的血制品供应都已满足再退出。
步骤6：实时评估所有医院的血制品供需关系、所有患者的用血情况、所有运输工具的状态，步骤2~步骤5中任一变量发生变化时，评估当前调度配送方案是否满足需求，若不满足需求则对调度配送方案进行更新。
如果出现新发创伤患者，则更新步骤2中的患者数量及患者用血需求，再执行步骤3~步骤5；如果患者信息发生变化，则更新步骤2中的患者用血需求，再执行步骤3~步骤5；如果患者的转运路线、患者血型检测状态等发生变化导致对医院的血制品需求有所改变，则更新患者对医院的血制品需求，再执行步骤4、步骤5；如果无人机或送血车抵达某医院则更新该医院的血制品库存量、运输途中血制品数量，再执行步骤4、步骤5；如果患者在某无人机站点完成输血则更新该无人机站点所属医院的血制品库存量、更新患者对该无人机站点所属医院的血制品需求，再执行步骤4、步骤5；如果患者在某医院完成输血则更新该医院的血制品库存量、更新患者对该医院的血制品需求，再执行步骤4、步骤5。
与前述基于早期预测和无人快速配送的紧急血液调度方法的实施例相对应，本发明还提供了基于早期预测和无人快速配送的紧急血液调度系统的实施例。
如图3所示，本发明实施例提供的一种基于早期预测和无人快速配送的紧急血液调度系统， 包括急救医生终端和调度指挥平台两部分。
急救医生终端包括信息录入模块和第一通信模块。第一通信模块发送患者信息，接收患者紧急用血预测信息、患者的转送目的地推荐方案。
调度指挥平台包括第二通信模块、需求分析监测模块和调度计算模块。具体功能为：第二通信模块接收患者信息，发送供血需求、调度指令；需求分析监测模块通过紧急用血预测模型判断患者的紧急用血需求情况及综合评估医院需求血量、院内库存、运输中血量等情况；调度计算模块基于调度算法生成无人机和送血车的调度指令，通过第二通信模块发送指令。
在以下实施例中，说明本发明的应用场景及仿真结果。
（1）本发明经过仿真实验测试，结果表明减少了等待时间，提高了紧急血液供应效率。
本发明调度方法及系统在两个仿真实验中进行测试，分别模拟城市特征的场景和乡村特征的场景，基于AnyLogic软件（免费版本）实现。
a.城市特征的仿真实验
该场景中包含血液中心、医院、受伤现场。其中血液中心拥有若干送血车和无人机，受伤现场会出现若干严重创伤患者且部分患者需要紧急输血。城市仿真场景如图4所示。
结果是，受伤现场出现300名创伤患者时，传统策略的平均等待输血时间为30.52分钟，而本发明调度系统所需的平均等待输血时间为17.55分钟。
b.乡村特征的仿真实验
该场景中包含医院、无人机站点、受伤现场。其中医院拥有若干无人机，受伤现场会出现若干严重创伤患者且部分患者需要紧急输血。乡村仿真场景如图5所示。
结果是，传统策略的平均等待输血时间为89.37分钟，而本发明调度系统所需的平均等待输血时间为42.05分钟。
（2）本发明调度方法及系统已经过真实运行，在11例上证实确实可行。从接收到院前到患者抵达医院是21-132分钟，无人机从血液中心飞到医院仅需5分钟，在患者抵达前可达到准备就绪的状态。
以上所述仅是本发明的优选实施方式，虽然本发明已以较佳实施例披露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (10)

1.一种基于早期预测和无人快速配送的紧急血液调度方法，其特征在于，包括以下步骤：
步骤1：收集院前创伤患者样本，搭建分阶段多层次紧急用血预测模型；
步骤2：根据创伤患者信息，基于紧急用血预测模型预测患者用血需求；
步骤3：根据患者位置以及与周边无人机站点、周边医院的距离，利用两层结构加权复合比例算法，通过以受伤点为圆心的对比评估和加权三角综合评估，实现患者转运目的地和院前血液配送的智能推荐，辅助急救医生决策；
步骤4：统计各医院血制品需求总量，计算各医院所有患者的全部血制品需求紧张度并排序，形成院内血制品供应先后顺序表；
步骤5：根据各医院血制品需求总量及供应紧张度、院内库存、运输中血制品数量，基于联合无人机和送血车的循环序列算法，以等待时间最小化为目标不断循环进行无人机优先级排序、无人机与送血车差异比较和不定长路线序列调整，实现运输工具智能调度及血制品快速配送；
步骤6：实时评估各医院血制品供需关系、所有患者用血情况、所有运输工具状态，评估当前调度配送方案是否满足需求，若不满足需求则更新调度配送方案。
2.根据权利要求1所述的基于早期预测和无人快速配送的紧急血液调度方法，其特征在于，所述步骤1具体为：
收集院前创伤患者样本，记录院前和院内多维信息；预测目标Y为K类，根据紧急程度选用初步方案或改进方案；
初步方案，K取2，预测目标Y为24小时红细胞输注量属于[0, 4]或(4,+∞)，分别取值为0、1；若Y=0则不申请紧急用血；若Y=1则在受伤现场立即提出2单位O型红细胞用血申请；
改进方案，K取3，预测目标Y为24小时红细胞输注量属于0或(0, 4]或(4,+∞)，分别取值为0、1、2；若Y=0则表示不需要输血；若Y=1则到达医院后测定血型再提出2单位特定血型红细胞用血申请；若Y=2则在受伤现场立即提出2单位O型红细胞用血申请、到达医院后测定血型再提出2单位特定血型红细胞用血申请；
所述分阶段多层次紧急用血预测模型表示为：
Figure DEST_PATH_IMAGE001
其中s表示预测阶段，s=1表示院前阶段，s=2表示院内阶段；函数
Figure 147305DEST_PATH_IMAGE002
和
Figure DEST_PATH_IMAGE003
分别表示院前预测模型和院内预测模型，
Figure 126762DEST_PATH_IMAGE004
分别表示经过均值补缺和归一化预处理后的院前特征集和院内新增特征集；
Figure DEST_PATH_IMAGE005
表示将
Figure 109762DEST_PATH_IMAGE004
进行拼接；
Figure 98446DEST_PATH_IMAGE006
为分阶段多层次紧急用血预测模型输出的类别k预测值，
Figure 647239DEST_PATH_IMAGE006
取
Figure DEST_PATH_IMAGE007
；
Figure 532019DEST_PATH_IMAGE008
为预测的用血类别，初步方案中
Figure 392527DEST_PATH_IMAGE008
取0或1，改进方案中
Figure 325848DEST_PATH_IMAGE008
取0或1或2。
3.根据权利要求2所述的基于早期预测和无人快速配送的紧急血液调度方法，其特征在于，所述分阶段多层次紧急用血预测模型中，
Figure DEST_PATH_IMAGE009
其中
Figure 322623DEST_PATH_IMAGE010
表示softmax函数，
Figure DEST_PATH_IMAGE011
表示可训练的权重参数，
Figure 378304DEST_PATH_IMAGE012
表示矩阵乘，
Figure DEST_PATH_IMAGE013
表示可训练的偏置参数，
Figure 335895DEST_PATH_IMAGE014
为院前预测模型输出的类别k预测值，
Figure DEST_PATH_IMAGE015
为院内预测模型输出的类别k预测值，K取2或3，
Figure 400803DEST_PATH_IMAGE016
取
Figure DEST_PATH_IMAGE017
；K取2时代表初步方案，K取3时代表改进方案；
总损失函数
Figure 316584DEST_PATH_IMAGE018
为：
Figure DEST_PATH_IMAGE019
其中
Figure 74324DEST_PATH_IMAGE020
为权重系数，
Figure DEST_PATH_IMAGE021
分别为院前预测模型损失函数、院内预测模型损失函数，M为样本量，
Figure 643846DEST_PATH_IMAGE022
为指示函数，
Figure DEST_PATH_IMAGE023
为第i个样本的真实类别，
Figure 122231DEST_PATH_IMAGE024
分别为院前预测模型、院内预测模型输出的第i个样本类别j的预测值，
Figure DEST_PATH_IMAGE025
为惩罚项系数，
Figure 828019DEST_PATH_IMAGE026
表示L2范数；
以
Figure DEST_PATH_IMAGE027
最小化为目标，通过梯度下降法获得分阶段多层次紧急用血预测模型的最佳参数。
4.根据权利要求3所述的基于早期预测和无人快速配送的紧急血液调度方法，其特征在于，所述步骤2具体为：
对每位创伤患者，将患者院前信息输入步骤1建立的分阶段多层次紧急用血预测模型，输出患者的紧急用血类别；当患者抵达医院后，将患者院前信息和院内信息均输入步骤1建立的分阶段多层次紧急用血预测模型，更新紧急用血预测结果；
初步方案中，预测为1表示需紧急用血，即在受伤现场立即提出2单位O型红细胞用血申请；预测为0表示不需紧急用血；
改进方案中，预测为2表示红细胞血制品需求十分紧急，即在受伤现场立即提出2单位O型红细胞的用血申请、到达医院后测定血型再申请2单位特定血型红细胞；预测为1表示红细胞血制品需求中等紧急，即到达医院后测定血型再申请2单位特定血型红细胞；预测为0表示不需要输血。
5.根据权利要求4所述的基于早期预测和无人快速配送的紧急血液调度方法，其特征在于，所述步骤3中，分为以下两种情况：
情况1：对于步骤2中预测为不需要O型红细胞的患者，通过以受伤点为圆心，对比抵达每个医院的道路交通时间，建议将患者转运至道路交通时间最短的医院NHI进行救治，患者的用血需求对应医院NHI；
情况2：对于步骤2中预测为需要用O型红细胞的患者，判断将患者运送到某无人机站点进行O型红细胞紧急输血再转运至附近医院进一步治疗，或转运至某医院进行O型红细胞紧急输血及进一步治疗；每个无人机站点属于与其无人机飞行耗时最短的医院；具体为：
(a)计算通过急救车将患者从受伤现场运送到医院的最短道路交通时间TNH，记录TNH对应的医院序号NHI；
(b)计算通过急救车将患者从受伤现场运送到无人机站点进行O型红细胞紧急输血的最短时间TNS，记录TNS对应的无人机站点序号NSI；
(c)对医院NHI和无人机站点NSI进行加权三角综合评估，计算加权三角判断指标C，计算公式如下：
Figure 491082DEST_PATH_IMAGE028
其中TSH为无人机站点NSI到其耗时最短医院Q的道路交通时间；
如果指标C大于0，则建议将患者运送到无人机站点NSI进行O型红细胞紧急输血，再转运至医院Q进一步治疗，患者在无人机站点NSI的用血需求由该无人机站点所属医院供应而进一步治疗的用血需求由医院Q供应；否则建议将患者运送到医院NHI进行O型红细胞紧急输血及进一步治疗，患者的用血需求对应医院NHI。
6.根据权利要求5所述的基于早期预测和无人快速配送的紧急血液调度方法，其特征在于，所述步骤4中，统计各医院血制品需求总量，具体为：
记医院i在时刻t所有患者数量为
Figure DEST_PATH_IMAGE029
，包括从受伤现场或无人机站点转运至该医院的患者、在该医院管理的无人机站点进行紧急输血的患者；
对于患者n采用分阶段多层次紧急用血预测模型预测类别
Figure 282320DEST_PATH_IMAGE030
，通过
Figure DEST_PATH_IMAGE031
、患者救治路线、患者血型测定状态计算得到为救治患者n提出的对该医院红细胞血制品需求数量
Figure 689031DEST_PATH_IMAGE032
；
初步方案中，若
Figure DEST_PATH_IMAGE033
则
Figure 514904DEST_PATH_IMAGE034
；若
Figure DEST_PATH_IMAGE035
则判断患者n的紧急血制品是否由该医院供应，若在该医院或在该医院管理的无人机站点进行O型红细胞紧急输血则
Figure 489814DEST_PATH_IMAGE036
，若不需要该医院准备患者n的紧急血制品则
Figure DEST_PATH_IMAGE037
；
改进方案中，若
Figure 502769DEST_PATH_IMAGE038
则
Figure 244329DEST_PATH_IMAGE037
；若
Figure DEST_PATH_IMAGE039
则判断患者n在时刻t是否已测定血型，若未测定血型则
Figure 800075DEST_PATH_IMAGE037
，若已测定血型则
Figure 336099DEST_PATH_IMAGE040
；若
Figure DEST_PATH_IMAGE041
则判断患者n紧急输血使用的O型红细胞是否由该医院供应、进一步救治使用的特定血型红细胞是否由该医院供应、患者n在时刻t是否已测定血型，若患者n的所有红细胞由该医院供应且未测定血型则
Figure 101929DEST_PATH_IMAGE040
，若患者n的所有红细胞由该医院供应且已测定血型则
Figure 991388DEST_PATH_IMAGE042
，若对于患者n仅O型红细胞由该医院供应则
Figure DEST_PATH_IMAGE043
，若对于患者n仅特定血型红细胞由该医院供应且未测定血型则
Figure 791854DEST_PATH_IMAGE037
，若对于患者n仅特定血型红细胞由该医院供应且已测定血型则
Figure 639724DEST_PATH_IMAGE043
；
汇聚该医院所有患者的用血需求，对时刻t的总体血制品需求进行评估；医院i在时刻t的血制品需求总量
Figure 158430DEST_PATH_IMAGE044
。
7.根据权利要求6所述的基于早期预测和无人快速配送的紧急血液调度方法，其特征在于，所述步骤4中，计算各医院所有患者的全部血制品需求紧张度并排序，形成院内血制品供应先后顺序表，具体为：
对于医院i的患者n，采用分阶段多层次紧急用血预测模型预测类别
Figure DEST_PATH_IMAGE045
，结合患者n等待血制品的时长，计算患者n在医院i的用血紧张度
Figure 586000DEST_PATH_IMAGE046
，根据
Figure 240973DEST_PATH_IMAGE046
计算患者n所有红细胞在医院i的需求紧张度
Figure DEST_PATH_IMAGE047
，
Figure 853220DEST_PATH_IMAGE048
为患者n的红细胞需求总量；
初步方案中，若
Figure DEST_PATH_IMAGE049
则
Figure 469009DEST_PATH_IMAGE050
；若
Figure DEST_PATH_IMAGE051
则
Figure 565184DEST_PATH_IMAGE052
，其中
Figure DEST_PATH_IMAGE053
表示患者n的紧急血制品是否由该医院供应，如果由该医院供应则
Figure 74663DEST_PATH_IMAGE054
，否则
Figure DEST_PATH_IMAGE055
，
Figure 592232DEST_PATH_IMAGE056
表示在时刻t患者n等待紧急血制品已消耗的时间；若
Figure DEST_PATH_IMAGE057
则没有
Figure 554371DEST_PATH_IMAGE058
；若
Figure DEST_PATH_IMAGE059
则血制品需求紧张度
Figure 448378DEST_PATH_IMAGE060
；
改进方案中，若
Figure DEST_PATH_IMAGE061
则
Figure 953309DEST_PATH_IMAGE062
；若
Figure DEST_PATH_IMAGE063
则
Figure 376200DEST_PATH_IMAGE064
，其中
Figure DEST_PATH_IMAGE065
表示患者n的紧急血制品是否由该医院供应且是否已测定血型，如果由该医院供应且已测定血型则
Figure 91215DEST_PATH_IMAGE066
，否则
Figure DEST_PATH_IMAGE067
，
Figure 788913DEST_PATH_IMAGE068
表示在时刻t患者n等待紧急血制品已消耗的时间；若
Figure DEST_PATH_IMAGE069
则
Figure 7404DEST_PATH_IMAGE070
，其中A为十分紧急患者输血重要性与中等紧急患者输血重要性的比例系数，A＞1，
Figure DEST_PATH_IMAGE071
分别表示患者n第一步紧急治疗所用O型红细胞血制品是否由该医院供应、进一步治疗所用特定血型红细胞是否由该医院供应且是否已测定血型，如果第一步紧急治疗所用O型红细胞血制品由该医院供应则
Figure 866776DEST_PATH_IMAGE072
，否则
Figure DEST_PATH_IMAGE073
，如果进一步治疗所用特定血型红细胞由该医院供应且已测定血型则
Figure 678874DEST_PATH_IMAGE074
，否则
Figure DEST_PATH_IMAGE075
；
Figure 180263DEST_PATH_IMAGE076
分别表示在时刻t患者n等待第一步紧急治疗所需O型红细胞已消耗的时间、等待进一步治疗所需特定血型红细胞已消耗的时间，
Figure DEST_PATH_IMAGE077
为进一步治疗所需特定血型红细胞的价值折扣因子，
Figure 518840DEST_PATH_IMAGE078
；若
Figure DEST_PATH_IMAGE079
则没有
Figure 814692DEST_PATH_IMAGE080
；若
Figure DEST_PATH_IMAGE081
则血制品需求紧张度
Figure 973141DEST_PATH_IMAGE082
；若
Figure DEST_PATH_IMAGE083
则血制品需求紧张度
Figure 888007DEST_PATH_IMAGE084
，而
Figure DEST_PATH_IMAGE085
；
对该医院全部所需血制品按
Figure 81091DEST_PATH_IMAGE086
降序排序，按照需求紧张度优先的规则形成院内血制品供应先后顺序表。
8.根据权利要求7所述的基于早期预测和无人快速配送的紧急血液调度方法，其特征在于，所述步骤5具体为：
（5.1）根据运输工具配送状态，衡量各医院血制品供需情况，构建当前调度配送方案；
将医院i内血制品库存记为
Figure 813424DEST_PATH_IMAGE088
，将运往医院i的运输途中的血制品数量记为
Figure DEST_PATH_IMAGE089
；
Figure 600114DEST_PATH_IMAGE090
其中U和T为血液中心管理的无人机数量和送血车数量；无人机和送血车能装载的最大量分别为BU和BT；
Figure DEST_PATH_IMAGE091
为指示函数；
集合
Figure 906288DEST_PATH_IMAGE092
表示启用无人机的情况，其中
Figure DEST_PATH_IMAGE093
取值0，i，-i分别代表第u架无人机处于在血液中心待命的状态、正在去往医院i的途中、正在从医院i返回血液中心的途中；
Figure 219457DEST_PATH_IMAGE094
为第u架无人机预定飞行的航班数量，集合
Figure DEST_PATH_IMAGE095
表示第u架无人机预定飞行的目标医院，如果
Figure 857112DEST_PATH_IMAGE096
则表示第u架无人机预定飞行的第k次航班的目标医院为医院i；集合
Figure DEST_PATH_IMAGE097
；
集合
Figure 255732DEST_PATH_IMAGE098
表示启用送血车的情况，其中
Figure DEST_PATH_IMAGE099
取值0，i，-i分别代表第t辆送血车处于在血液中心待命的状态、正在去往医院i的途中、正在从医院i返回血液中心的途中；
Figure 512401DEST_PATH_IMAGE100
为第t辆送血车预定驾驶的趟次，集合
Figure DEST_PATH_IMAGE101
表示第t辆送血车预定驾驶的目标医院，如果
Figure 414498DEST_PATH_IMAGE102
则表示第t辆送血车预定驾驶的第k趟次的目标医院为医院i；集合
Figure DEST_PATH_IMAGE103
；
如果该医院的准备血量不能满足需求血量
Figure 223054DEST_PATH_IMAGE104
，即
Figure DEST_PATH_IMAGE105
，则标记该医院为缺血状态；
初始调度时，
Figure 843391DEST_PATH_IMAGE106
，所有无人机和送血车均处于在血液中心待命的状态；
集合
Figure DEST_PATH_IMAGE107
以及各医院的院内血制品供应先后顺序表构成当前调度配送方案；
（5.2）将所有标记为缺血状态的医院汇总到集合LH中，得到
Figure 762806DEST_PATH_IMAGE108
，其中
Figure DEST_PATH_IMAGE109
为缺血状态医院数量，
Figure 784989DEST_PATH_IMAGE110
表示第j家缺血状态医院；
基于当前调度配送方案，计算集合LH中第j家缺血状态医院的总体未来血制品供应紧张度估算值
Figure DEST_PATH_IMAGE111
为：
Figure 498867DEST_PATH_IMAGE112
其中
Figure DEST_PATH_IMAGE113
表示根据当前调度配送方案患者n第p单位红细胞血制品的未来供应紧张度估算值，
Figure 747445DEST_PATH_IMAGE114
表示第j家缺血状态医院的患者总数；
选出所有
Figure DEST_PATH_IMAGE115
中取值最大的医院，记为医院m，对该医院优先进行调度配血；
（5.3）基于无人机和送血车，制定出医院m等待时间尽可能小的调度方案，包括：
采用循环序列算法，以医院m所有患者的血制品等待时间最小为目标，通过无人机优先级排序、无人机与送血车的差异比较和不定长路线序列调整，在当前调度配送方案基础上制定出下一步调度配送方案，即派出一架待命无人机至医院m，或者在某架无人机的预定序列中增加一项医院m的预定航班，或者派出一辆待命送血车至医院m，或者在某辆送血车的预定序列中增加一项医院m的预定趟次；
首先计算血液中心无人机u的下一次飞行就绪时间
Figure 470551DEST_PATH_IMAGE116
，将
Figure DEST_PATH_IMAGE117
进行升序排序，得到无人机调度排序表为
Figure 347240DEST_PATH_IMAGE118
，从最小
Figure DEST_PATH_IMAGE119
的无人机
Figure 497599DEST_PATH_IMAGE120
开始调度；
接着利用调度代价函数进行调度策略评价和判断，通过计算无人机和送血车调度策略的调度代价差异大小，比较两种工具调度优势；
派出就绪时间最短的无人机
Figure 499053DEST_PATH_IMAGE120
装载BU单位血制品，得到调度代价值为
Figure DEST_PATH_IMAGE121
；派出送血车装载BT单位血制品，BU单位血制品用于救治患者，其余浪费，得到调度代价值为
Figure 25849DEST_PATH_IMAGE122
；计算调度代价差异
Figure DEST_PATH_IMAGE123
，若
Figure 491465DEST_PATH_IMAGE124
则调度无人机
Figure 484829DEST_PATH_IMAGE120
，否则调度最短就绪时间的送血车；
（5.4）循环运行步骤（5.1）~步骤（5.3），直到所有缺血状态医院血制品供应均已满足。
9.根据权利要求8所述的基于早期预测和无人快速配送的紧急血液调度方法，其特征在于，所述步骤6中，如果出现新发创伤患者则更新步骤2中的患者数量及患者用血需求，再执行步骤3~步骤5；如果患者信息发生变化，则更新步骤2中的患者用血需求，再执行步骤3~步骤5；如果患者的转运路线、患者血型检测状态发生变化导致对医院的血制品需求改变，则更新患者对医院的血制品需求，再执行步骤4、步骤5；如果无人机或送血车抵达某医院则更新该医院的血制品库存量、运输途中血制品数量，再执行步骤4、步骤5；如果患者在某无人机站点完成输血则更新该无人机站点所属医院的血制品库存量、患者对该无人机站点所属医院的血制品需求，再执行步骤4、步骤5；如果患者在某医院完成输血则更新该医院的血制品库存量、患者对该医院的血制品需求，再执行步骤4、步骤5。
10.一种实现如权利要求1-9中任一项所述方法的基于早期预测和无人快速配送的紧急血液调度系统，其特征在于，包括急救医生终端和调度指挥平台两部分；
所述急救医生终端包括信息录入模块和第一通信模块，所述第一通信模块发送患者信息，接收患者紧急用血预测信息、患者的转送目的地推荐方案；
所述调度指挥平台包括第二通信模块、需求分析监测模块和调度计算模块；所述第二通信模块接收患者信息，发送供血需求、调度指令；所述需求分析监测模块通过紧急用血预测模型判断患者的紧急用血需求情况及综合评估医院需求血量、院内库存、运输中血量情况；所述调度计算模块用于生成无人机和送血车的调度指令，通过第二通信模块发送指令。
CN202210921805.4A 2022-08-02 2022-08-02 基于早期预测和无人快速配送的紧急血液调度方法及系统 Active CN115035998B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210921805.4A CN115035998B (zh) 2022-08-02 2022-08-02 基于早期预测和无人快速配送的紧急血液调度方法及系统
US18/353,865 US20240047051A1 (en) 2022-08-02 2023-07-17 Emergency blood dispatching method and system based on early prediction and unmanned fast delivery

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210921805.4A CN115035998B (zh) 2022-08-02 2022-08-02 基于早期预测和无人快速配送的紧急血液调度方法及系统

Publications (2)

Publication Number Publication Date
CN115035998A true CN115035998A (zh) 2022-09-09
CN115035998B CN115035998B (zh) 2022-11-11

Family

ID=83130832

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210921805.4A Active CN115035998B (zh) 2022-08-02 2022-08-02 基于早期预测和无人快速配送的紧急血液调度方法及系统

Country Status (2)

Country Link
US (1) US20240047051A1 (zh)
CN (1) CN115035998B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455100A (zh) * 2023-12-26 2024-01-26 长春市优客云仓科技有限公司 一种基于全局最优化的智能仓储物流调度方法
CN117541042A (zh) * 2024-01-10 2024-02-09 山东钢铁股份有限公司 一种实现炼钢炉机匹配的排程方法和排程系统
CN117766095A (zh) * 2024-01-10 2024-03-26 广东迈科医学科技股份有限公司 一种用户输血的血液量确定方法和系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200629790A (en) * 2005-02-15 2006-08-16 Univ Nat Pingtung Sci & Tech Emergency medical flow path of environmental cognition and system using embedded multimedia communication technique
US20120016686A1 (en) * 2010-07-13 2012-01-19 Cerner Innovation, Inc. Inpatient blood management
CN111161865A (zh) * 2019-09-06 2020-05-15 中国人民解放军总医院 一种用于血液需求量预测方法以及血液动态库存预警系统
CN111290424A (zh) * 2020-03-26 2020-06-16 南方医科大学南方医院 用于医院血液样本运输的无人机姿态控制方法及无人机
CN111724910A (zh) * 2020-05-25 2020-09-29 北京和兴创联健康科技有限公司 一种适用于围手术期患者血液管理的检测评估方法
CN113921127A (zh) * 2021-11-25 2022-01-11 浙江大学医学院附属第一医院 一种区域内血液资源优化调度及精准使用信息系统及方法
CN114203284A (zh) * 2021-11-01 2022-03-18 重庆工商大学 一种应急血液调度方法
CN114462693A (zh) * 2022-01-26 2022-05-10 电子科技大学 一种基于车辆无人机协同的配送路线优化方法
CN114496180A (zh) * 2020-10-27 2022-05-13 青岛海尔生物医疗科技有限公司 一种血液调配方法及系统
CN114626836A (zh) * 2022-05-17 2022-06-14 浙江大学 基于多智能体强化学习的急救后送决策系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210280287A1 (en) * 2019-11-27 2021-09-09 Vineti Inc. Capacity optimization across distributed manufacturing systems

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW200629790A (en) * 2005-02-15 2006-08-16 Univ Nat Pingtung Sci & Tech Emergency medical flow path of environmental cognition and system using embedded multimedia communication technique
US20120016686A1 (en) * 2010-07-13 2012-01-19 Cerner Innovation, Inc. Inpatient blood management
CN111161865A (zh) * 2019-09-06 2020-05-15 中国人民解放军总医院 一种用于血液需求量预测方法以及血液动态库存预警系统
CN111290424A (zh) * 2020-03-26 2020-06-16 南方医科大学南方医院 用于医院血液样本运输的无人机姿态控制方法及无人机
CN111724910A (zh) * 2020-05-25 2020-09-29 北京和兴创联健康科技有限公司 一种适用于围手术期患者血液管理的检测评估方法
CN114496180A (zh) * 2020-10-27 2022-05-13 青岛海尔生物医疗科技有限公司 一种血液调配方法及系统
CN114203284A (zh) * 2021-11-01 2022-03-18 重庆工商大学 一种应急血液调度方法
CN113921127A (zh) * 2021-11-25 2022-01-11 浙江大学医学院附属第一医院 一种区域内血液资源优化调度及精准使用信息系统及方法
CN114462693A (zh) * 2022-01-26 2022-05-10 电子科技大学 一种基于车辆无人机协同的配送路线优化方法
CN114626836A (zh) * 2022-05-17 2022-06-14 浙江大学 基于多智能体强化学习的急救后送决策系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
POOJA SELVARAJ ET AL.: "Blood Donation Prediction System Using Machine Learning Techniques", 《2022 INTERNATIONAL CONFERENCE ON COMPUTER COMMUNICATION AND INFORMATICS (ICCCI)》 *
秦晓燕: "应急救援血液优化调度模型与算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
胡锋兰等: "非同型输血方案在重度创伤患者紧急抢救中的应用", 《中国输血杂志》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455100A (zh) * 2023-12-26 2024-01-26 长春市优客云仓科技有限公司 一种基于全局最优化的智能仓储物流调度方法
CN117455100B (zh) * 2023-12-26 2024-03-15 长春市优客云仓科技有限公司 一种基于全局最优化的智能仓储物流调度方法
CN117541042A (zh) * 2024-01-10 2024-02-09 山东钢铁股份有限公司 一种实现炼钢炉机匹配的排程方法和排程系统
CN117766095A (zh) * 2024-01-10 2024-03-26 广东迈科医学科技股份有限公司 一种用户输血的血液量确定方法和系统
CN117766095B (zh) * 2024-01-10 2024-05-24 广东迈科医学科技股份有限公司 一种用户输血的血液量确定方法和系统

Also Published As

Publication number Publication date
CN115035998B (zh) 2022-11-11
US20240047051A1 (en) 2024-02-08

Similar Documents

Publication Publication Date Title
CN115035998B (zh) 基于早期预测和无人快速配送的紧急血液调度方法及系统
CN111815189B (zh) 模块化公交调度系统
CN108511057A (zh) 输血量模型建立及预测方法、装置、设备及其存储介质
CN107885595A (zh) 一种资源分配方法、相关设备及系统
CN103732471A (zh) 资源运用计划制作装置及其方法、以及程序
CN109974735A (zh) 到达时间的预估方法、装置及计算机设备
CN112418497A (zh) 一种面向制造物联的物料配送路径优化方法
Yang et al. The optimization of total laboratory automation by simulation of a pull-strategy
CN113764087B (zh) 医院物资配送方法、装置、服务器及存储介质
US20220214368A1 (en) Optimization-based load planning systems and methods for laboratory analyzers
CN111738409B (zh) 一种资源调度的方法及其相关设备
CN111161865A (zh) 一种用于血液需求量预测方法以及血液动态库存预警系统
CN111127274B (zh) 一种社区居家养老服务调度与路径规划方法和装置
CN114399095A (zh) 基于云边端协同的动态车辆配送路径优化方法及装置
CN106094751B (zh) 一种原料的调度方法及装置
CN112819228B (zh) 任务处理方法、装置、存储介质和电子设备
CN113505713A (zh) 一种基于机场安全管理平台的视频智能分析方法及系统
CN115995290B (zh) 一种基于大数据的血液调配智能跟踪监控管理系统
CN108985510A (zh) 基于人工智能的大规模智能物流路径判定系统
CN111582408B (zh) 数据处理方法、数据处理装置、存储介质和电子设备
CN114881558B (zh) 基于无人机与车辆协同的快递配送方法、装置及电子设备
JP2021140418A (ja) プログラム、情報処理方法および情報処理システム
CN116229701B (zh) 一种车路及中央控制调度系统联动的控制方法
Amrollahibiouki et al. Operating room scheduling by considering surgical inventory, post anesthesia beds, and emergency surgeries to improve efficiency during the COVID-19 outbreak with machine learning
CN117789538B (zh) 一种基于规则引擎的航班动态连班方法

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