WO2023203650A1 - 配置探索装置、配置探索方法、及び配置探索プログラム - Google Patents

配置探索装置、配置探索方法、及び配置探索プログラム Download PDF

Info

Publication number
WO2023203650A1
WO2023203650A1 PCT/JP2022/018212 JP2022018212W WO2023203650A1 WO 2023203650 A1 WO2023203650 A1 WO 2023203650A1 JP 2022018212 W JP2022018212 W JP 2022018212W WO 2023203650 A1 WO2023203650 A1 WO 2023203650A1
Authority
WO
WIPO (PCT)
Prior art keywords
placement
data
plans
evaluation
resource
Prior art date
Application number
PCT/JP2022/018212
Other languages
English (en)
French (fr)
Inventor
健一 福田
篤彦 前田
幸雄 菊谷
正人 神谷
Original Assignee
日本電信電話株式会社
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 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to PCT/JP2022/018212 priority Critical patent/WO2023203650A1/ja
Publication of WO2023203650A1 publication Critical patent/WO2023203650A1/ja

Links

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
    • 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

Definitions

  • the disclosed technology relates to a placement search device, a placement search method, and a placement search program.
  • Non-Patent Document 1 proposes a method for predicting emergency demand on a regional basis and then optimally deploying multiple emergency teams (ambulances) so that the arrival time at the scene or the distance traveled to arrive at the scene is as short as possible. ing.
  • the disclosed technology has been developed in view of the above points, and is a robust technology that can be expected to be effective even if the prediction result of the occurrence of an event is slightly off during the short time period in which an effective allocation of resources must be determined. It is an object of the present invention to provide a placement search device, a placement search method, and a placement search program that can determine the placement of resources.
  • a placement search device includes a resource data acquisition unit that acquires resource data including the latest resource location and dispatch availability; a placement plan creation unit that creates a placement plan; a placement evaluation unit that uses the resource data to assign an evaluation value to each of the plurality of placement plans; and a placement evaluation unit that uses the resource data to assign an evaluation value to each of the plurality of placement plans; a placement plan selection unit that selects an effective placement plan from among the plurality of placement plans based on the layout plan.
  • the placement plan creation unit uses the resource data and the main samples to create a plurality of placement plans for resources corresponding to the occurring event.
  • two forms are shown: (1) dynamic fire station outside placement, and (2) dynamic fire station placement, but in the case of dynamic fire station outside placement, the main sample is used.
  • the layout plan is created without using the main sample.
  • a placement search method acquires resource data including the latest resource location and availability of dispatch, and uses the resource data to create multiple placement plans for resources corresponding to an event that occurs. , assigning an evaluation value to each of the plurality of placement plans using the resource data, and determining an effective placement from among the plurality of placement plans based on the evaluation value assigned to each of the plurality of placement plans. Select a proposal.
  • a placement search program acquires resource data including the latest resource location and dispatch availability, and uses the resource data to create a plurality of resource placement plans corresponding to an event that occurs. , assigning an evaluation value to each of the plurality of placement plans using the resource data, and determining an effective placement from among the plurality of placement plans based on the evaluation value assigned to each of the plurality of placement plans. Make the computer select a plan.
  • the disclosed technology when there is a desire to shorten the average distance for a resource (for example, an emergency team) to arrive at a scene, it is possible to determine which resource should be moved and where the resource should be moved. By performing calculations in real time, it is possible to obtain a layout plan that is expected to meet the requirements.
  • a resource for example, an emergency team
  • FIG. 1 is a block diagram showing an example of a hardware configuration of a placement search device according to a first embodiment
  • FIG. 1 is a block diagram showing an example of a functional configuration of a placement search device according to a first embodiment
  • FIG. 2 is a diagram showing an example of a data string of casualty and sick person occurrence according to the embodiment.
  • FIG. 3 is a diagram illustrating an example of a pseudo-occurrence data string according to the embodiment.
  • FIG. 7 is a diagram showing another example of a pseudo-occurrence data string according to the embodiment. It is a graph showing an example of the probability of occurrence of a sick or injured person determined by MCMC according to the embodiment. It is a figure showing an example of ambulance data concerning an embodiment.
  • FIG. 7 is a flowchart illustrating an example of the flow of processing in phase 1 by the placement search program according to the first embodiment. 7 is a flowchart illustrating an example of the flow of evaluation processing according to the first embodiment. 7 is a flowchart illustrating an example of the flow of processing in phase 2 by the placement search program according to the first embodiment.
  • FIG. 3 is a block diagram showing an example of a functional configuration of a placement search device according to a second embodiment. It is a figure showing an example of resource data concerning an embodiment. It is a figure showing an example of the main sample concerning an embodiment. It is a figure showing an example of fire department data concerning an embodiment.
  • FIG. 2 is a diagram showing an example of correspondence data between an ambulance and a fire department according to an embodiment.
  • FIG. 3 is a diagram showing an example of a moving vehicle candidate list according to the embodiment.
  • FIG. 3 is a diagram showing an example of a layout plan list according to the embodiment. It is a figure showing an example of the evaluation result concerning an embodiment.
  • 7 is a flowchart illustrating an example of the flow of processing by a placement search program according to the second embodiment. It is a figure showing another example of fire station data concerning an embodiment.
  • FIG. 7 is a diagram showing another example of a moving vehicle candidate list according to the embodiment.
  • FIG. 1 is a block diagram showing an example of the hardware configuration of a placement search device 10 according to the first embodiment.
  • the placement search device 10 includes a CPU (Central Processing Unit) 11, a ROM (Read Only Memory) 12, a RAM (Random Access Memory) 13, a storage 14, an input section 15, and a display section 16. , and communication An interface (I/F) 17 is provided. Each component is communicably connected to each other via a bus 18.
  • CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • storage 14 an input section
  • display section 16 an input section
  • I/F communication
  • Each component is communicably connected to each other via a bus 18.
  • the CPU 11 is a central processing unit that executes various programs and controls various parts. That is, the CPU 11 reads a program from the ROM 12 or the storage 14 and executes the program using the RAM 13 as a work area. The CPU 11 controls each of the above components and performs various arithmetic operations according to programs stored in the ROM 12 or the storage 14. In this embodiment, the ROM 12 or the storage 14 stores a placement search program for searching for the optimal placement of resources.
  • the ROM 12 stores various programs and various data.
  • the RAM 13 temporarily stores programs or data as a work area.
  • the storage 14 is configured with an HDD (Hard Disk Drive) or an SSD (Solid State Drive), and stores various programs including an operating system and various data.
  • the input unit 15 includes a pointing device such as a mouse and a keyboard, and is used to perform various inputs to the own device.
  • the display unit 16 is, for example, a liquid crystal display, and displays various information.
  • the display section 16 may adopt a touch panel method and function as the input section 15.
  • the communication interface 17 is an interface for the self-device to communicate with other external devices.
  • a wired communication standard such as Ethernet (registered trademark) or FDDI (Fiber Distributed Data Interface)
  • a wireless communication standard such as 4G, 5G, or Wi-Fi (registered trademark) is used.
  • a general-purpose computer device such as a server computer or a personal computer (PC) is applied to the location search device 10 according to the present embodiment.
  • FIG. 2 is a block diagram showing an example of the functional configuration of the placement search device 10 according to the first embodiment.
  • the layout search device 10 includes a first sample output section 101, a layout plan creation section 102, a first layout evaluation section 103, a second sample output section 104, and a second layout evaluation section 105 as functional configurations. , and a result output unit 106.
  • Each functional configuration is realized by the CPU 11 reading out a placement search program stored in the ROM 12 or storage 14, loading it into the RAM 13, and executing it.
  • first sample output section 101 includes a first main sample output section 101A and a first auxiliary sample output section 101B
  • second sample output section 104 includes a second main sample output section 104A and a second auxiliary sample output section. 104B included.
  • the storage 14 stores ambulance data 141, fire station data 142, past event occurrence data 143, effective layout plan 144, and latest event occurrence data 145. Note that these ambulance data 141, fire department data 142, past event occurrence data 143, effective layout plan 144, and latest event occurrence data 145 may be stored in an external storage device.
  • the past event occurrence data 143 is a data string of event occurrence data obtained in the past.
  • the past here means a certain period in the past from the current point in time when the placement search is performed, for example, the past several months, the past several years, etc.
  • the latest event occurrence data 145 is a data string of the latest event occurrence data.
  • the latest here means a certain period of time immediately before the current point in time when the placement search is performed, for example, the most recent few days, the most recent several months, or the like. That is, the latest period is a shorter period than the past period.
  • the event occurrence data is, for example, data on the occurrence of a sick or injured person (that is, data indicating what year, month, day, day of the week, hour and minute, and in what latitude and longitude the sick or injured person occurred).
  • the first sample output unit 101 outputs event occurrence data that may occur under predetermined conditions based on past event occurrence data 143, and outputs event occurrence data that may occur under conditions similar to the predetermined conditions.
  • the generated data is output as a first auxiliary sample.
  • the predetermined condition is, for example, a condition such as 10 o'clock on weekdays in September
  • the similar condition is, for example, a condition such as 10 o'clock on weekdays in August and October.
  • the first main sample output section 101A outputs the first main sample
  • the first auxiliary sample output section 101B outputs the first auxiliary sample.
  • the first main sample is, for example, a pseudo-occurrence data sequence that is generated by calculating the frequency of event occurrence in each certain area from a data sequence that actually occurred under predetermined conditions, and then pseudo-generating the event occurrence frequency based on the calculated event frequency. May be expressed.
  • the first auxiliary sample is a pseudo-occurrence data string that is generated by calculating the frequency of event occurrence for each fixed area from a data string that actually occurred under conditions similar to the conditions in question, and based on the determined frequency of event occurrence. May be expressed.
  • the first main sample may be expressed as a pseudo-occurrence data string that is obtained by calculating the event occurrence probability as a random variable from a data string that actually occurred under predetermined conditions, and pseudo-generated according to the calculated random variable.
  • the first auxiliary sample is obtained by determining the event occurrence probability as a random variable from a data string that actually occurred under conditions similar to the conditions in question, and expressing it as a pseudo-occurrence data string that is pseudo-generated according to the determined random variable. Good too. Specific examples of these event occurrence frequencies and event occurrence probabilities will be described later.
  • the placement plan creation unit 102 creates multiple placement plans for resources corresponding to the occurring event.
  • the ambulance data 141 and the fire station data 142 are used to create a plurality of placement plans for ambulances when the ambulances are placed at fire stations.
  • the first placement evaluation unit 103 inputs a first main sample, a first auxiliary sample, and a plurality of placement plans, and applies the first main sample and first auxiliary sample to each of the plurality of placement plans. , evaluates whether each of the plurality of placement plans satisfies predetermined evaluation criteria.
  • the first placement evaluation unit 103 stores placement plans that meet predetermined evaluation criteria in the storage 14 as valid placement plans 144 . The processing up to this point is "phase 1."
  • the second sample output unit 104 outputs future event occurrence data that may occur under predetermined conditions as a second main sample, and outputs future event occurrence data that is similar to the predetermined conditions. Future event occurrence data that may occur under the conditions is output as a second auxiliary sample.
  • each of the predetermined conditions and conditions similar to the predetermined conditions are the same as the conditions in the first sample output unit 101.
  • the second main sample output section 104A outputs the second main sample
  • the second auxiliary sample output section 104B outputs the second auxiliary sample.
  • the second placement evaluation unit 105 inputs the second main sample, the second auxiliary sample, and the effective placement plan 144, and when the second main sample and the second auxiliary sample are applied to each of the valid placement plans 144, , the effective placement plan 144 is re-evaluated to see if it satisfies the predetermined evaluation criteria.
  • the result output unit 106 outputs an effective placement plan that satisfies predetermined evaluation criteria as the optimal placement of resources.
  • the processing up to this point is "Phase 2.”
  • Phase 1 is a phase in which a large number of effective ambulance placement patterns are found in advance from past casualty occurrence data. This phase 1 is performed, for example, at the beginning of the year, every quarter, or once a month.
  • Phase 2 for example, at a fixed time every day, the occurrence of casualties in the near future is predicted from the latest casualty occurrence data, and the most effective layout pattern is selected from the effective placement patterns found in advance in Phase 1. This is the phase of finding a layout pattern and changing the layout accordingly.
  • the first main sample output unit 101A predicts that the occurrence is most likely to occur under predetermined conditions (for example, around 10 o'clock on weekdays in September) based on past injury and illness occurrence data accumulated up to August.
  • the generated data string is output in a plurality of ways as the first main sample.
  • the first auxiliary sample output unit 101B outputs a condition similar to the predetermined condition (for example, 10 o'clock on weekdays in August and October) based on past injury and illness occurrence data accumulated up to August.
  • a plurality of occurrence data sequences that are predicted to occur on a machine are output as first auxiliary samples.
  • the first method which is the simplest, is to output the actual occurrence data for the past few years at 10:00 a.m. on weekdays in September as it is, as the first main sample.
  • the actual data sequence of the time table is output as the first auxiliary sample.
  • FIG. 3 is a diagram illustrating an example of the casualty and illness occurrence data string according to the present embodiment.
  • the injury/sickness occurrence data string shown in FIG. 3 is an example of the occurrence data string for one weekday around 10 o'clock that is output as the first main sample by the first main sample output unit 101A using the above method.
  • the year, month, day, and day of the week information is not output because it is unnecessary for subsequent processing.
  • only one day's worth of data is output, but in reality, multiple days' worth of data (for example, 100 days' worth of data if the corresponding number of days is 100 days) is output.
  • the first auxiliary sample output unit 101B outputs as the first auxiliary sample.
  • the number of days output from the first auxiliary sample output section 101B is generally greater than the number of days output from the first main sample output section 101A.
  • Another simple second method is to output the actual occurrence data string for the past few years at 10:00 a.m. on weekdays in September as is, and output it as the first main sample.
  • An actual occurrence data string around 10 o'clock on weekdays from January to December, including the hour, may be output as the first auxiliary sample.
  • the first main sample output unit 101A extracts the number of injured and sick people in a certain area (for example, every 500 m square, every 1 km square, etc.) from a string of actual occurrence data around 10 o'clock on weekdays in September for the past several years.
  • the frequency of occurrence is determined, and a pseudo occurrence data string is generated according to the frequency.
  • the frequency of occurrence of sick and injured people is an example of the frequency of occurrence of events.
  • occurrence frequencies may be determined in all areas of interest, a pseudo occurrence data string corresponding to these values may be generated, and the data strings for each area may be combined into one and used.
  • past actual occurrence positions may be plotted, kernel density estimation may be performed, and the occurrence may be based on the density.
  • the auxiliary sample output unit 101B increases or decreases the occurrence frequency value of 0.3 calculated as described above by a fixed value (for example, increases or decreases it by 0.05 each time to obtain 0.35 and 0.25. value), and generate a pseudo-occurrence data string from that value.
  • the pseudo occurrence data string may be generated after determining the frequency of occurrence from the past occurrence data strings of August and October.
  • FIG. 4 is a diagram showing an example of a pseudo-occurrence data string according to this embodiment.
  • the pseudo-occurrence data string shown in FIG. 4 is obtained by determining the frequency of occurrence for each area, generating pseudo-occurrence data, and combining them into one data string, which has the same occurrence frequency as the example in FIG. 3 above. There is.
  • FIG. 5 is a diagram showing another example of the pseudo-occurrence data string according to the present embodiment.
  • the pseudo-occurrence data string shown in Figure 5 is created by calculating the occurrence frequency for each area and then reducing the occurrence frequency of each area by a certain value. The total number of occurrences is smaller compared to the example of FIG.
  • the probability of occurrence of an injured or sick person is an example of the probability of occurrence of an event.
  • the probability of occurrence of 0.3 people is 50%
  • the probability of occurrence of 0.31 people is 10%
  • the probability of occurrence of 0.32 people is 5%, etc.
  • This means considering the possibility that the probability of injury or illness occurring may take various values, and expressing each possibility as a probability.
  • MCMC Markov chain Monte Carlo method
  • the first main sample output unit 101A preferably generates pseudo occurrence data from the parameter with the highest probability
  • the first auxiliary sample output unit 101B preferably generates the pseudo occurrence data from parameters with other probabilities.
  • the distribution of occurrence probabilities is continuous, so it is preferable to pick up parameters from there at regular intervals to generate pseudo occurrence data.
  • FIG. 6 is a graph showing an example of the probability of occurrence of a sick or injured person determined by MCMC according to the present embodiment.
  • the graph shown in FIG. 6 is a visualization of the results of determining the parameters of the Poisson distribution as random variables as described above.
  • the horizontal axis represents the parameter value of the Poisson distribution
  • the vertical axis represents its probability.
  • four graphs are drawn, and each graph corresponds to a chain of MCMC and represents calculation using the four chains.
  • the four graphs almost overlap, indicating that the MCMC calculations have almost converged.
  • the first main sample output unit 101A generates generated data in a pseudo manner so as to follow a Poisson distribution with a parameter of 0.6, which has the highest probability.
  • the first auxiliary sample output unit 101B generates generated data from parameters such as 0.2, 0.4, 0.8, and 1.0 around 0.6, for example.
  • the number of days of the first auxiliary sample output section 101B may be intentionally reduced. However, it is not the length of the data string. The length of the data string increases as the occurrence probability parameter increases.
  • the parameters of the Poisson distribution are determined as random variables using the MCMC described above, the number of days for data generation may be determined according to the magnitude of the probability. In the example of FIG. 6 described above, the number of samples is decreased in the order of parameters 0.6, 0.8, 0.4, 1.0, and 0.2.
  • the first placement evaluation unit 103 in the latter stage basically performs evaluation by giving weight to the data string output by the first main sample output unit 101A, but it evaluates the data string output by the first auxiliary sample output unit 101B for the number of days. If the number is intentionally reduced from the first main sample output unit 101A, the same processing will be obtained even if the evaluation is performed using a weighted average based on a unified evaluation standard.
  • the generated data strings created by each of the first main sample output unit 101A and the first auxiliary sample output unit 101B are output to the first placement evaluation unit 103, respectively.
  • the placement plan creation unit 102 creates a plurality of placement plans for arranging ambulances at fire stations based on, for example, the ambulance data 141 shown in FIG. 7 and the fire department data 142 shown in FIG. 8.
  • FIG. 7 is a diagram showing an example of the ambulance data 141 according to the present embodiment. Further, FIG. 8 is a diagram showing an example of fire department data 142 according to the present embodiment.
  • the layout plan may be created randomly.
  • FIG. 9 is a diagram showing an example of an arrangement plan for ambulances according to the present embodiment. Note that a unique ID (not shown) is assigned to the plurality of placement plans created by the placement plan creation unit 102.
  • the layout plan created by the layout plan creation unit 102 is output to the first layout evaluation unit 103.
  • Various methods can be considered for creating the second and subsequent layout plans. The simplest method is to randomly create placement plans for the second and subsequent locations. However, in this case, if the number of combinations is enormous, it may take a long time for the first placement evaluation unit 103 to identify a placement plan that is evaluated as effective. Therefore, it is possible to use various heuristics (also called heuristics). One method is to use genetic algorithms.
  • layout plans are created at random, and when the layout plan is evaluated as effective, a part of the layout plan is created based on the layout plan.
  • the next layout plan is created by randomly changing the layout plan or by combining multiple layout plans that have been evaluated as effective.
  • combining a plurality of placement plans means, for example, extracting and combining the placement of ambulances a to c from one placement plan and the placement of ambulances d to f from the other placement plan. It has been empirically found that by doing this, a solution close to the optimal solution can be obtained in a relatively short time.
  • the first placement evaluation section 103 evaluates the placement plan obtained from the placement plan creation section 102 using the generated data strings obtained from each of the first main sample output section 101A and the first auxiliary sample output section 101B. do.
  • An example of an evaluation method is to calculate the average distance traveled by an ambulance that is closest to the scene of injury or illness and is available for dispatch before arriving at the scene. , by comparing the average travel distance in the case of the original arrangement of ambulances shown in FIG.
  • FIG. 10 is a diagram showing an example of the original arrangement of ambulances according to this embodiment.
  • This certain period of time may, for example, be determined in advance by determining the average time it takes to complete transportation of the sick and injured, and use that value as the value. For example, if it takes 50 minutes on average to complete transportation of the sick and injured, it is assumed that the next dispatch request cannot be responded to for 50 minutes.
  • the method of determining the distance to the site of occurrence of the injury or illness may be, for example, the simplest straight-line distance, or, if road network data is available, the shortest distance on the road network.
  • the first placement evaluation unit 103 evaluates all 100 days. The same applies to the data output from the first auxiliary sample output section 101B.
  • the initial state is, for example, that ambulance a is on the way and will return in 30 minutes, or that ambulance a and ambulance b are on the dispatch and that ambulance a can respond after 30 minutes and ambulance b can respond after 40 minutes. .
  • the placement plan if the placement plan satisfies the predetermined evaluation criteria, the placement plan is deemed to be valid and is stored in the storage 14 as a valid placement plan 144.
  • the importance of the generated data string acquired from the first main sample output unit 101A and the generated data sequence acquired from the first auxiliary sample output unit 101B is different, so they are evaluated using different evaluation criteria. You can do it like this.
  • the average distance to reach the site (hereinafter referred to as "site arrival distance") is different from the original arrangement as compared to the original layout that is the reference.
  • the evaluation criteria will be met if the length is shortened by an average of 100 m or more compared to the case of the layout.
  • the occurrence data string acquired from the first auxiliary sample output unit 101B satisfies the evaluation criteria if the average arrival distance at the site is shortened by 50 m or more.
  • FIG. 11 is a diagram showing an example of an effective placement plan 144 that satisfies the evaluation criteria according to the present embodiment.
  • FIG. 12 is a diagram showing an example of a layout plan that fails to satisfy the evaluation criteria according to the present embodiment.
  • a main evaluation and an auxiliary evaluation are associated with a placement ID indicating the placement plan.
  • the main evaluation represents the distance difference when the occurrence data string obtained from the first main sample output section 101A is applied to the arrangement plan
  • the auxiliary evaluation represents the distance difference when the occurrence data string obtained from the first auxiliary sample output section 101B is applied. It represents the distance difference when applied to the layout plan.
  • the distance difference here is the difference between the average distance to reach the site when the occurrence data sequence is applied to the layout plan and the average distance to reach the site when the occurrence data sequence is applied to the original layout. represents the difference.
  • the evaluation criteria includes different criteria for the primary evaluation and the auxiliary evaluation (for example, in the primary evaluation, the average distance difference is 100 m or more, and in the auxiliary evaluation, the average distance difference is 50 m or more).
  • the effective placement plan 144 shown in FIG. 11 is a placement plan in which each of the primary evaluation and the auxiliary evaluation satisfies the respective evaluation criteria.
  • the layout plan shown in FIG. 12 is a layout plan that fails to satisfy the evaluation criteria.
  • the evaluation criteria are not satisfied in either the main evaluation or the auxiliary evaluation.
  • the layout plan with the layout ID 3A721C59 although it satisfies the evaluation criteria in the main evaluation, it does not satisfy the evaluation criteria in the auxiliary evaluation.
  • the layout plan with the layout ID C12FA275 the opposite is true, that is, the evaluation criteria are not satisfied in the main evaluation, but the evaluation criteria are satisfied in the auxiliary evaluation.
  • the weighted average based on the unified evaluation criteria is used. May be evaluated.
  • the first placement evaluation unit 103 may output the evaluation result of a certain placement plan to the placement plan creation unit 102, and have it reflected in the creation of the next placement plan.
  • FIG. 13 is a flowchart illustrating an example of the flow of processing in phase 1 by the placement search program according to the first embodiment.
  • Phase 1 processing by the placement search program is realized by the CPU 11 of the placement search device 10 writing the placement search program stored in the ROM 12 or storage 14 into the RAM 13 and executing it.
  • step S101 in FIG. 13 the CPU 11 receives input of past event occurrence data 143 representing event occurrence data for the past several years, for example.
  • the event occurrence data represents, for example, injury or illness occurrence data, as described above.
  • step S102 the CPU 11 outputs event occurrence data that could occur under predetermined conditions as the first main sample, based on the past event occurrence data 143 that was input in step S101.
  • the predetermined condition is, as described above, a condition such as 10 o'clock on a weekday in September.
  • step S103 the CPU 11 outputs event occurrence data that could occur under conditions similar to the above conditions as a first auxiliary sample, based on the past event occurrence data 143 received as input in step S101.
  • similar conditions refer to, for example, conditions such as 10 o'clock weekdays in August and October before and after September, as described above.
  • step S103 may be skipped if the first auxiliary sample is not used.
  • step S104 the CPU 11 creates a plurality of placement plans for ambulances corresponding to the occurrence of injured or sick people based on, for example, the ambulance data 141 shown in FIG. 7 described above and the fire department data 142 shown in FIG. 8 described above. do.
  • step S105 the CPU 11 applies the first main sample outputted in step S102 and the first auxiliary sample outputted in step S103 to each of the plurality of placement plans created in step S104, and Evaluate whether each proposal meets the evaluation criteria. Then, the CPU 11 stores an effective arrangement plan that satisfies the evaluation criteria among the plurality of arrangement plans in the storage 14 as, for example, the effective arrangement plan 144 shown in FIG. Terminates the process.
  • FIG. 14 is a flowchart illustrating an example of the flow of evaluation processing according to the first embodiment.
  • the flow in FIG. 14 specifically shows the evaluation process in step S105 in FIG.
  • step S111 in FIG. 14 the CPU 11 determines whether event occurrence data representing the first main sample or the first auxiliary sample exists. If it is determined that the event occurrence data exists (in the case of a positive determination), the process moves to step S112, and if it is determined that the event occurrence data does not exist (in the case of a negative determination), the process moves to step S115.
  • step S112 the CPU 11 extracts one piece of event occurrence data.
  • step S113 the CPU 11 assigns, to the event occurrence data extracted in step S112, a dispatch disable flag indicating that the nearest ambulance will be dispatched and that the dispatched ambulance will not be dispatched again for a certain period of time. .
  • step S114 the CPU 11 calculates the distance from the fire station where the ambulance to which the non-dispatch flag was assigned in step S113 is placed to the arrival at the scene, stores the calculated distance in the storage 14, returns to step S111, Repeat the process for event occurrence data.
  • step S115 the CPU 11 calculates the average distance to the site, and returns to step S105 in FIG. 13.
  • the evaluation method is to calculate the average distance traveled by an ambulance that is closest to the scene of injury or illness and is available for dispatch before arriving at the scene, and then calculate the average distance traveled by This is done by comparing, for example, the average travel distance in the case of the original arrangement of ambulances shown in FIG. 10 described above.
  • Phase 2 processing is executed, for example, in September at a fixed time (for example, 9 o'clock) before 10 o'clock every weekday.
  • the second sample output unit 104 obtains, for example, the frequency of occurrence of sick and injured people in each area around 10 o'clock on weekdays in the most recent month from the latest event occurrence data 145, and samples future pseudo-occurrence data from the result.
  • the latest event occurrence data 145 represents the latest past injury and illness occurrence data accumulated up to the last minute.
  • the number of days to be sampled is, for example, 100 days.
  • the second main sample output unit 104A and the second auxiliary sample output unit 104B share the roles and output samples by increasing or decreasing the frequency of occurrence by a certain value, similar to the process of Phase 1 described above.
  • samples may be generated based on random variables using the MCMC shown in FIG. 6 described above.
  • the second placement evaluation unit 105 evaluates all of the valid placement plans 144 stored in the storage 14.
  • the evaluation method here is the same as in Phase 1 described above, except that the placement plan to be obtained is not the placement plan created by the placement plan creation unit 102 but the effective placement plan 144 evaluated by the first placement evaluation unit 103. This is the same as the evaluation method in processing.
  • FIG. 15 is a flowchart illustrating an example of the flow of processing in phase 2 by the placement search program according to the first embodiment.
  • Phase 2 processing by the placement search program is realized by the CPU 11 of the placement search device 10 writing the placement search program stored in the ROM 12 or storage 14 into the RAM 13 and executing it.
  • step S121 of FIG. 15 the CPU 11 receives input of the latest event occurrence data 145 representing event occurrence data of the most recent month, for example.
  • the event occurrence data shall represent, for example, injury or illness occurrence data, as in the above-mentioned phase 1.
  • step S122 the CPU 11 outputs future event occurrence data that may occur under predetermined conditions as a second main sample, based on the latest event occurrence data 145 received as input in step S121.
  • the predetermined condition represents a condition such as, for example, around 10 o'clock on a weekday in September, as in the above-mentioned phase 1.
  • step S123 the CPU 11 outputs future event occurrence data that may occur under conditions similar to the above conditions as a second auxiliary sample, based on the latest event occurrence data 145 input in step S121.
  • similar conditions refer to conditions such as 10 o'clock weekdays in August and October before and after September, for example, as in Phase 1 above.
  • step S123 may be skipped if the second auxiliary sample is not used.
  • step S124 the CPU 11 outputs the second main sample output in step S122 and the second main sample output in step S123 for each of the valid placement plans 144 (see FIG. 11) stored in the storage 14 in phase 1 described above.
  • the second auxiliary sample is applied to re-evaluate whether each of the valid placement plans 144 satisfies the evaluation criteria. Note that the method of re-evaluation is the same as the evaluation method of Phase 1 described above.
  • step S125 the CPU 11 outputs the final evaluation result obtained by the re-evaluation in step S124, and ends the phase 2 processing by this placement search program.
  • the effective placement plan is evaluated again based on the latest occurrence data string.
  • the evaluation result may be different from the evaluation result shown in FIG. 11 described above.
  • the user can view the evaluation results and make a final decision on which resource allocation to proceed with.
  • Phase 2 can be carried out on a general-purpose PC in about several tens of seconds to several minutes. Therefore, for example, on the day when it is desired to change the arrangement of resources, it is possible to quickly find and adopt an appropriate arrangement of resources based on the latest event occurrence data.
  • the above method can be applied to other methods as well. For example, in case the number of emergency services decreases for some reason, it is possible to determine in advance the effective deployment of a small number of emergency services and make use of it.
  • the functional configuration of the placement search device 10A according to the second embodiment will be described.
  • the above-mentioned (1) dynamic fire station outside placement that is, a mode in which a placement plan is created using main samples, will be explained.
  • FIG. 16 is a block diagram illustrating an example of the functional configuration of a placement search device 10A according to the second embodiment.
  • the layout search device 10A includes a resource data acquisition section 111, a sample output section 112, a various data acquisition section 113, a layout plan creation section 114, a layout evaluation section 115, and a layout plan selection section as functional configurations. It is equipped with 116. Each functional configuration is realized by the CPU 11 reading out a placement search program stored in the ROM 12 or storage 14, loading it into the RAM 13, and executing it.
  • the resource data acquisition unit 111 acquires resource data including the latest resource location and availability.
  • the resource data is, for example, data regarding the latest ambulance (vehicle), and is acquired from the ambulance data 141.
  • FIG. 17 is a diagram showing an example of resource data according to this embodiment.
  • the resource data shown in FIG. 17 includes the name of the vehicle, the latitude and longitude representing the current position, the availability of dispatch indicating whether dispatch is possible, and the number of times the ambulance has traveled, indicating the number of times the ambulance has traveled. This resource data is updated at regular intervals or whenever there is a change in the data.
  • the sample output unit 112 Based on the latest event occurrence data, the sample output unit 112 outputs future event occurrence data that may occur under predetermined conditions as a main sample.
  • the latest event occurrence data is acquired from the latest event occurrence data 145.
  • the main sample is expressed as a pseudo-occurrence data sequence that is generated in accordance with the event frequency by determining the frequency of event occurrence in each certain area from the data sequence that actually occurred under predetermined conditions. Ru.
  • the main sample may be expressed as a pseudo-occurrence data string that is obtained by determining the event occurrence probability as a random variable from a data string that actually occurred under predetermined conditions, and that is pseudo-generated according to the random variable.
  • FIG. 18 is a diagram showing an example of the main sample according to this embodiment.
  • the main sample shown in FIG. 18 is data that predicts possible events, and includes the date and time of the event occurrence, the latitude and longitude representing the location of the event occurrence, and data used to calculate the evaluation value. Note that the "data used for calculating the evaluation value" represents, for example, the time required from dispatch to return to the station.
  • the various data acquisition unit 113 acquires fire department data regarding fire stations and correspondence data between ambulances and fire stations.
  • the fire department data is acquired from the fire department data 142
  • the correspondence data between the ambulance and the fire station is acquired from the ambulance data 141 or the fire station data 142.
  • FIG. 19 is a diagram showing an example of fire department data according to this embodiment.
  • the fire station data shown in FIG. 19 includes the signature name, latitude and longitude representing the location regarding the fire station.
  • FIG. 20 is a diagram showing an example of correspondence data between an ambulance and a fire station according to the present embodiment.
  • the placement plan creation unit 114 uses the various data shown in FIGS. 17 to 20 described above to create multiple placement plans for resources corresponding to events that occur in real time. An example of a procedure for creating a layout plan will be described with reference to FIGS. 21 and 22.
  • FIG. 21 is a diagram showing an example of a moving vehicle candidate list according to the present embodiment.
  • one vehicle or multiple vehicles may be specified as the moving target vehicle.
  • resource data obtained in real time is reflected, for example, by limiting to vehicles that can be dispatched and are waiting at the fire station, or to vehicles whose number of movements is less than a threshold value.
  • the destination of each moving vehicle candidate registered in the moving vehicle candidate list shown in FIG. 21 is calculated using an arbitrary calculation method, and as an example, a layout plan list shown in FIG. 22 is created.
  • the movement destination here is not limited to the fire station, but includes any point other than the fire station.
  • FIG. 22 is a diagram showing an example of a layout plan list according to this embodiment.
  • the layout plan list shown in FIG. 22 is expressed as a list in which the latitude and longitude of the destination are given to each moving vehicle candidate in the moving vehicle candidate list.
  • the placement evaluation unit 115 uses the resource data to assign an evaluation value to each of the plurality of placement plans. Specifically, an evaluation value is assigned to each placement plan in the placement plan list shown in FIG. 22 described above, and as an example, an evaluation result shown in FIG. 23 is obtained.
  • FIG. 23 is a diagram showing an example of evaluation results according to this embodiment.
  • a method of calculating the evaluation value for example, by reflecting the current position information and dispatch availability information of each vehicle obtained from the resource data shown in FIG.
  • One method is to perform a simulation when the vehicle is moved to the latitude and longitude of the destination. By calculating the average arrival distance at the site through this simulation, it can be used as an evaluation value.
  • the "data used for calculating the evaluation value" of the main samples shown in FIG. 18 described above can be used.
  • data used for evaluation value calculation data corresponding to the content of the simulation to be performed may be acquired.
  • the placement evaluation unit 115 determines the initial state of each resource using the current resource location information and dispatch availability information included in the resource data, executes a simulation, and selects multiple placement plans based on the simulation results. Assign an evaluation value to each. For example, for each vehicle, an initial state that reflects the current position and whether or not it can be dispatched is set, and a simulation is started. This allows the simulation to reflect the current situation rather than randomly determining the initial state, and it is expected that more appropriate evaluation values can be calculated.
  • the placement evaluation unit 115 uses the current resource location information and dispatch availability information included in the resource data to execute a simulation when each resource is moved to the latitude and longitude of the placement destination, and uses the simulation results as Based on this, an evaluation value may be assigned to each of the plurality of placement plans. In this case, the quality of movement can be evaluated by taking into account changes in the coverage area due to the dispatch of each unit.
  • An example of the "data used to calculate evaluation value" shown in FIG. 18 is, as described above, the time it takes from the time the vehicle is dispatched to the time it returns to the station. Further, the number of evaluation values to be given does not need to be one; for example, it is possible to give the number of cases where the arrival distance at the site is equal to or greater than a threshold value as an evaluation value. Furthermore, in order to obtain a more accurate evaluation value, the simulation may be performed multiple times and an evaluation value calculated from the results of the multiple evaluations may be assigned to each evaluation item. When performing the simulation multiple times, it is desirable to obtain main samples as shown in FIG. 18 for the number of simulations. Note that the calculation time can be adjusted by adjusting the number of simulations.
  • the simulation not only assigns an evaluation value in the placement evaluation unit 115, but also performs calculations to calculate the placement plan by performing a simulation on the current situation and calculating the evaluation value before creating the placement plan. It can also be used to decide whether or not to do so. For example, the number of cases where the distance to reach the site is equal to or greater than a threshold value may also be assigned as an evaluation value, and a layout plan may be calculated only when the number of cases exceeds a certain constant.
  • the placement plan selection unit 116 selects an effective placement plan from among the plurality of placement plans based on the evaluation value given to each of the plurality of placement plans by the placement evaluation unit 115. Specifically, for example, by selecting the vehicle with the highest evaluation value from the evaluation results shown in FIG. 23, the vehicle to be moved and its destination can be determined. If there are multiple evaluation values, for example, if the evaluation value 1 is the same, select the one with the higher evaluation value 2, or select the one with the highest evaluation value 1 among the evaluation values 2 equal to or higher than the threshold. be able to.
  • the sample output unit 112 may further output, as auxiliary samples, future event occurrence data that may occur under conditions similar to the predetermined conditions, based on the new event occurrence data.
  • the auxiliary sample is expressed as a pseudo-occurrence data string that is generated in accordance with the event occurrence frequency by determining the frequency of event occurrence for each given region from a data string that actually occurred under similar conditions.
  • the auxiliary sample may be expressed as a pseudo-occurrence data string that is obtained by determining the event occurrence probability as a random variable from a data string that actually occurred under similar conditions, and that is generated in a pseudo manner according to the random variable.
  • the placement plan creation unit 114 creates multiple placement plans in real time using the resource data, the main sample, and the auxiliary sample. Then, when the main sample and the auxiliary sample are applied to each of the plurality of placement plans created by the placement plan creation section 114, the placement evaluation section 115 uses the resource data to evaluate each of the plurality of placement plans. Assign evaluation value. However, since the auxiliary sample is not essential, it is optional whether or not to use the auxiliary sample.
  • FIG. 24 is a flowchart showing an example of the flow of processing by the placement search program according to the second embodiment. Processing by the placement search program is realized by the CPU 11 of the placement search device 10A writing the placement search program stored in the ROM 12 or storage 14 into the RAM 13 and executing it.
  • step S131 of FIG. 24 the CPU 11 acquires, for example, the resource data shown in FIG. 17, the main samples shown in FIG. 18, the fire department data shown in FIG. 19, and the correspondence data between ambulances and fire departments shown in FIG. .
  • step S132 the CPU 11 uses the various data acquired in step S131 to create a moving vehicle candidate list shown in FIG. 21 described above, as an example, according to the real-time situation.
  • one vehicle or a plurality of vehicles may be designated as the moving target vehicle in the moving vehicle candidate list.
  • resource data obtained in real time will be reflected, such as limiting to vehicles that can be dispatched and are waiting at the fire station, or vehicles that have traveled less than a threshold number of times.
  • step S133 the CPU 11 uses any calculation method to calculate the destination of each moving vehicle candidate registered in the moving vehicle candidate list created in step S132, and uses the arrangement plan list shown in FIG. 22 as an example. Create. Note that the movement destination here is not limited to the fire station, but includes any point other than the fire station.
  • step S134 when the CPU 11 applies the main sample to each placement plan registered in the placement plan list created in step S133, or when the main sample and the auxiliary sample are applied, the CPU 11 uses the resource data to As an example, an evaluation value as shown in FIG. 23 described above is given. Specifically, as an example, the evaluation value is calculated for each moving vehicle candidate by reflecting the current position information and dispatch availability information of each vehicle obtained from the resource data shown in FIG. , a method in which a simulation is performed when the vehicle to be moved is moved to the latitude and longitude of the destination.
  • step S135 the CPU 11 selects an effective placement plan from among the plurality of placement plans based on the evaluation value assigned to each of the plurality of placement plans in step S134, and ends the series of processing by this placement search program. do. Specifically, as an example, by selecting the one with the highest evaluation value from the evaluation results shown in FIG. 23 described above, the vehicle to be moved and its destination can be determined.
  • the placement search device 10A includes one sample output section 112 and one placement evaluation section 115.
  • the sample output unit 112 can take one of two configurations: a configuration that outputs only the main sample, and a configuration that outputs the main sample and auxiliary samples.
  • the evaluation criteria by the placement evaluation unit 115 may be the same or different for the main sample and the auxiliary sample.
  • the placement plan creation unit 114 uses the resource data to create multiple placement plans for resources corresponding to the occurring event. Then, the placement evaluation unit 115 uses the resource data to assign an evaluation value to each of the plurality of placement plans. Note that the placement evaluation unit 115 may further use the main sample output from the sample output unit 112 in addition to the resource data to provide an evaluation value.
  • An example of a method for assigning such an evaluation value is a method using simulation.
  • step S131 As the fire department data acquired in step S131, it is desirable to adopt, for example, the fire department data shown in FIG. 25.
  • FIG. 25 is a diagram showing another example of fire department data according to this embodiment.
  • the fire station data shown in FIG. 25 includes the signature name, the latitude and longitude representing the location, and the maximum number of parking spaces related to the fire station. However, if the maximum number of parking spaces is not taken into consideration, the fire department data shown in FIG. 19 described above may be adopted.
  • step S133 a moving vehicle candidate list shown in FIG. 26 is created from the moving vehicle candidate list shown in FIG. 21 described above.
  • FIG. 26 is a diagram showing another example of the moving vehicle candidate list according to the present embodiment.
  • one candidate is basically the case where one vehicle is moved to a fire station, and by finding all the patterns, the destination fire station is assigned. You can get a list of In this case, the number of rows in the list with the destination fire station will be greater than the number of rows in the original list as shown in FIG. 21. In addition, candidates can be narrowed down by the following process.
  • (a) Excludes the fire station to which the vehicle belongs.
  • (b) Consider parking spaces at each fire station. Mobile fire stations (that is, parkable fire stations) are extracted from the current location of each vehicle, dispatch availability information, and the maximum number of parking spaces for each fire station. At this time, you can think of using the parking space if you are actually at the fire station as your current location, or if you are heading towards the fire station, you can think of using the parking space of the fire station you are heading towards. Also good. However, if parking spaces are not taken into account, this process does not need to be performed. (c) Setting restrictions based on distance.
  • a method for extracting fire stations whose distance from the fire station to which the vehicle belongs is less than a threshold value, or a method in which the sum of the distance from the vehicle's current location to the destination fire station and the distance from the destination fire station to the fire station to which it belongs is less than the threshold value.
  • One possible method is to extract it so that This process allows you to exclude fire stations that are too far away. However, if no restrictions based on distance are set, this process does not need to be performed.
  • step S133 the latitude and longitude of each fire station are assigned to each moving vehicle candidate, and a list of placement plans as shown in FIG. 22 described above is obtained as an example.
  • the destination of resources can be calculated in real time using the latest data.
  • the placement search process that was executed by the CPU in the above embodiment by reading the software (program) may be executed by various processors other than the CPU.
  • the processors include FPGA (Field-Programmable Gate Array), PLD (Programmable Logic Device) whose circuit configuration can be changed after manufacturing, and ASIC (Application Specific I).
  • FPGA Field-Programmable Gate Array
  • PLD Programmable Logic Device
  • ASIC Application Specific I
  • An example is a dedicated electric circuit that is a processor having a specially designed circuit configuration.
  • the placement search process may be executed by one of these various processors, or by a combination of two or more processors of the same type or different types (for example, a combination of multiple FPGAs, and a combination of a CPU and an FPGA). etc.).
  • the hardware structure of these various processors is, more specifically, an electric circuit that is a combination of circuit elements such as semiconductor elements.
  • the placement search program is stored (installed) in the storage in advance, but the present invention is not limited to this.
  • the program can be installed on CD-ROM (Compact Disk Read Only Memory), DVD-ROM (Digital Versatile Disk Read Only Memory), and USB (Universal Serial Bus) stored in a non-transitory storage medium such as memory It may be provided in the form of Further, the program may be downloaded from an external device via a network.
  • the processor includes: Obtain resource data including the latest resource location and availability, Using the resource data, create multiple placement plans for resources corresponding to the occurring event, assigning an evaluation value to each of the plurality of placement plans using the resource data; selecting an effective placement plan from the plurality of placement plans based on evaluation values assigned to each of the plurality of placement plans;
  • a placement search device configured as follows.
  • the placement search process includes: Obtain resource data including the latest resource location and availability, Using the resource data, create multiple placement plans for resources corresponding to the occurring event, assigning an evaluation value to each of the plurality of placement plans using the resource data; selecting an effective placement plan from the plurality of placement plans based on evaluation values assigned to each of the plurality of placement plans; Non-transitory storage medium.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

配置探索装置は、最新のリソースの位置及び出動可否を含むリソースデータを取得するリソースデータ取得部と、リソースデータを用いて、発生する事象に対応するリソースの複数の配置案を作成する配置案作成部と、リソースデータを用いて、複数の配置案の各々に評価値を付与する配置評価部と、評価値に基づいて、複数の配置案の中から有効な配置案を選択する配置案選択部と、を備える。

Description

配置探索装置、配置探索方法、及び配置探索プログラム
　開示の技術は、配置探索装置、配置探索方法、及び配置探索プログラムに関する。
　地域毎の事象の発生を予測し、それに対応する複数のリソースを最適に配置する技術が知られている。例えば、非特許文献１では、地域単位の救急需要予測を行い、それに対して現場到着時間若しくは現場到着までの走行距離がなるべく短くなるよう複数の救急隊（救急車）を最適配置する方法が提案されている。
　しかしながら、例えば、５００ｍ四方や１ｋｍ四方の地域メッシュごとに単位時間あたりの傷病者発生を予測し、現場到着時間若しくは現場到着までの走行距離がなるべく短くなるよう複数の救急隊（救急車）を適切に配置したいとする。救急隊が配置できる場所は、対象となる地域内に存在する複数の消防署であるとし、傷病者発生現場に最も近い距離で待機していた救急隊が出動するものとする。この場合、複数の消防署間で複数の救急隊を適切に配置しようとするわけであるから、離散最適化問題となる。
　しかし、例えば、日本の中核都市では、消防署は５０程度、救急隊は４０程度存在している場合がある。この場合、例えば、各消防署には何台でも救急隊を配置できるものと単純化すると、その配置パターンの数は単純計算で５０の４０乗にもなる。そのため、このような問題の最適解を実時間で見つけることは難しい。また、移動させる先として、例えば、消防署等の離散的な地点ではなく、連続空間で考える場合であったとしても、複数の救急隊の中からどの救急隊を動かすのが良いのかを決定するという離散的な要素が出現し、どの救急隊を動かすのかを決められることが望ましい。
　一方、地域メッシュごとの傷病者発生を予測したとしても、その結果は外れることもある。それに対して、救急隊の配置は、予測が多少外れたとしても、効果が見込めるロバストな配置となっていることが望ましい。
　開示の技術は、上記の点に鑑みてなされたものであり、リソースの有効な配置を決定しなければいけない短い時間の間に、事象発生の予測結果が多少はずれたとしても効果が見込めるロバストなリソースの配置を求めることができる配置探索装置、配置探索方法、及び配置探索プログラムを提供することを目的とする。
　本開示の一態様に係る配置探索装置は、最新のリソースの位置及び出動可否を含むリソースデータを取得するリソースデータ取得部と、前記リソースデータを用いて、発生する事象に対応するリソースの複数の配置案を作成する配置案作成部と、前記リソースデータを用いて、前記複数の配置案の各々に評価値を付与する配置評価部と、前記複数の配置案の各々に付与された評価値に基づいて、前記複数の配置案の中から有効な配置案を選択する配置案選択部と、を備える。
　また、最新の事象発生データに基づいて、予め定められた条件において起こり得る未来の事象発生データを主要サンプルとして出力するサンプル出力部を更に備えるようにしてもよい。この場合、配置案作成部は、リソースデータ及び主要サンプルを用いて、発生する事象に対応するリソースの複数の配置案を作成する。後述の第２の実施形態においては、（１）動的消防署外配置、（２）動的消防署配置の２つの形態について示しているが、動的消防署外配置の場合には、主要サンプルを用いて配置案を作成し、一方、動的消防署配置の場合には、主要サンプルを用いることなく配置案を作成する。
　本開示の一態様に係る配置探索方法は、最新のリソースの位置及び出動可否を含むリソースデータを取得し、前記リソースデータを用いて、発生する事象に対応するリソースの複数の配置案を作成し、前記リソースデータを用いて、前記複数の配置案の各々に評価値を付与し、前記複数の配置案の各々に付与された評価値に基づいて、前記複数の配置案の中から有効な配置案を選択する。
　本開示の一態様に係る配置探索プログラムは、最新のリソースの位置及び出動可否を含むリソースデータを取得し、前記リソースデータを用いて、発生する事象に対応するリソースの複数の配置案を作成し、前記リソースデータを用いて、前記複数の配置案の各々に評価値を付与し、前記複数の配置案の各々に付与された評価値に基づいて、前記複数の配置案の中から有効な配置案を選択することを、コンピュータに実行させる。
　開示の技術によれば、リソース（例えば、救急隊）が現場に到着するまでの平均的な距離を短くしたい等の要望があるときに、どのリソースを移動すれば良いかとそのリソースの移動先をリアルタイムに計算して、その要望を満たすことが期待されるような配置案を求めることができる。
第１の実施形態に係る配置探索装置のハードウェア構成の一例を示すブロック図である。 第１の実施形態に係る配置探索装置の機能構成の一例を示すブロック図である。 実施形態に係る傷病者発生データ列の一例を示す図である。 実施形態に係る擬似発生データ列の一例を示す図である。 実施形態に係る擬似発生データ列の別の例を示す図である。 実施形態に係るＭＣＭＣで求めた傷病者発生確率の一例を示すグラフである。 実施形態に係る救急車データの一例を示す図である。 実施形態に係る消防署データの一例を示す図である。 実施形態に係る救急車の配置案の一例を示す図である。 実施形態に係る元々の救急車の配置の一例を示す図である。 実施形態に係る評価基準を満たす有効配置案の一例を示す図である。 実施形態に係る評価基準を満たせなかった配置案の一例を示す図である。 第１の実施形態に係る配置探索プログラムによるフェーズ１の処理の流れの一例を示すフローチャートである。 第１の実施形態に係る評価処理の流れの一例を示すフローチャートである。 第１の実施形態に係る配置探索プログラムによるフェーズ２の処理の流れの一例を示すフローチャートである。 第２の実施形態に係る配置探索装置の機能構成の一例を示すブロック図である。 実施形態に係るリソースデータの一例を示す図である。 実施形態に係る主要サンプルの一例を示す図である。 実施形態に係る消防署データの一例を示す図である。 実施形態に係る救急車と消防署との対応データの一例を示す図である。 実施形態に係る移動車両候補リストの一例を示す図である。 実施形態に係る配置案リストの一例を示す図である。 実施形態に係る評価結果の一例を示す図である。 第２の実施形態に係る配置探索プログラムによる処理の流れの一例を示すフローチャートである。 実施形態に係る消防署データの別の例を示す図である。 実施形態に係る移動車両候補リストの別の例を示す図である。
　以下、開示の技術の実施形態の一例を、図面を参照しつつ説明する。なお、各図面において、同一又は等価な構成要素及び部分には同一の参照符号を付与している。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。
　本実施形態では、地域単位の救急需要予測を行い、それに対して現場到着時間若しくは現場到着までの走行距離がなるべく短くなるように、複数の救急隊（救急車）を最適に配置する形態を例示して説明する。但し、本実施形態は、発生する事象に対してリソースを最適に配置する形態であれば適用可能とされる。
[第１の実施形態]
　図１は、第１の実施形態に係る配置探索装置１０のハードウェア構成の一例を示すブロック図である。
　図１に示すように、配置探索装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１１、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１３、ストレージ１４、入力部１５、表示部１６、及び通信インタフェース（Ｉ／Ｆ）１７を備えている。各構成は、バス１８を介して相互に通信可能に接続されている。
　ＣＰＵ１１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４からプログラムを読み出し、ＲＡＭ１３を作業領域としてプログラムを実行する。ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４に記憶されているプログラムに従って、上記各構成の制御及び各種の演算処理を行う。本実施形態では、ＲＯＭ１２又はストレージ１４には、リソースの最適な配置を探索するための配置探索プログラムが格納されている。
　ＲＯＭ１２は、各種プログラム及び各種データを格納する。ＲＡＭ１３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ１４は、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。
　入力部１５は、マウス等のポインティングデバイス、及びキーボードを含み、自装置に対して各種の入力を行うために使用される。
　表示部１６は、例えば、液晶ディスプレイであり、各種の情報を表示する。表示部１６は、タッチパネル方式を採用して、入力部１５として機能しても良い。
　通信インタフェース１７は、自装置が他の外部機器と通信するためのインタフェースである。当該通信には、例えば、イーサネット（登録商標）若しくはＦＤＤＩ（Ｆｉｂｅｒ　Ｄｉｓｔｒｉｂｕｔｅｄ　Ｄａｔａ　Ｉｎｔｅｒｆａｃｅ）等の有線通信の規格、又は、４Ｇ、５Ｇ、若しくはＷｉ－Ｆｉ（登録商標）等の無線通信の規格が用いられる。
　本実施形態に係る配置探索装置１０には、例えば、サーバコンピュータ、パーソナルコンピュータ（ＰＣ：Personal Computer）等の汎用的なコンピュータ装置が適用される。
　次に、図２を参照して、第１の実施形態に係る配置探索装置１０の機能構成について説明する。
　図２は、第１の実施形態に係る配置探索装置１０の機能構成の一例を示すブロック図である。
　図２に示すように、配置探索装置１０は、機能構成として、第１サンプル出力部１０１、配置案作成部１０２、第１配置評価部１０３、第２サンプル出力部１０４、第２配置評価部１０５、及び結果出力部１０６を備えている。各機能構成は、ＣＰＵ１１がＲＯＭ１２又はストレージ１４に記憶された配置探索プログラムを読み出し、ＲＡＭ１３に展開して実行することにより実現される。
　また、第１サンプル出力部１０１は、第１主要サンプル出力部１０１Ａ及び第１補助サンプル出力部１０１Ｂを含み、第２サンプル出力部１０４は、第２主要サンプル出力部１０４Ａ及び第２補助サンプル出力部１０４Ｂを含む。
　ストレージ１４には、救急車データ１４１、消防署データ１４２、過去事象発生データ１４３、有効配置案１４４、及び最新事象発生データ１４５が記憶される。なお、これらの救急車データ１４１、消防署データ１４２、過去事象発生データ１４３、有効配置案１４４、及び最新事象発生データ１４５は、外部の記憶装置に記憶されるようにしてもよい。
　過去事象発生データ１４３は、過去に得られた事象発生データのデータ列である。ここでいう過去とは、配置探索を行う現時点よりも過去の一定期間であることを意味し、例えば、過去数ヶ月、過去数年等の期間とされる。最新事象発生データ１４５は、最新の事象発生データのデータ列である。ここでいう最新とは、配置探索を行う現時点の直前までの一定期間であることを意味し、例えば、直近数日、直近数ヶ月等の期間とされる。すなわち、最新の期間は、過去の期間よりも短い期間である。なお、事象発生データとは、例えば、傷病者発生データ（つまり、何年何月何日何曜日何時何分に、どこの経度緯度で傷病者が発生したかを示すデータ）である。
　第１サンプル出力部１０１は、過去事象発生データ１４３に基づいて、予め定められた条件において起こり得る事象発生データを第１主要サンプルとして出力し、予め定められた条件と類似する条件において起こり得る事象発生データを第１補助サンプルとして出力する。なお、予め定められた条件とは、例えば、９月の平日１０時等の条件であり、当該条件と類似する条件とは、例えば、８月及び１０月の平日１０時等の条件である。本実施形態の場合、第１主要サンプル出力部１０１Ａが第１主要サンプルを出力し、第１補助サンプル出力部１０１Ｂが第１補助サンプルを出力する。
　なお、第１主要サンプルは、例えば、予め定められた条件において実際に発生したデータ列から一定領域毎の事象発生頻度を求め、求めた事象発生頻度に従って擬似的に生成された擬似発生データ列として表してもよい。同様に、第１補助サンプルは、当該条件と類似する条件において実際に発生したデータ列から一定領域毎の事象発生頻度を求め、求めた事象発生頻度に従って擬似的に生成された擬似発生データ列として表してもよい。また、第１主要サンプルは、予め定められた条件において実際に発生したデータ列から事象発生確率を確率変数として求め、求めた確率変数に従って擬似的に生成された擬似発生データ列として表してもよい。同様に、第１補助サンプルは、当該条件と類似する条件において実際に発生したデータ列から事象発生確率を確率変数として求め、求めた確率変数に従って擬似的に生成された擬似発生データ列として表してもよい。これらの事象発生頻度及び事象発生確率の具体例については後述する。
　配置案作成部１０２は、発生する事象に対応するリソースの複数の配置案を作成する。本実施形態の場合、救急車データ１４１及び消防署データ１４２を用いて、救急車を消防署に配置する場合における、救急車についての複数の配置案を作成する。
　第１配置評価部１０３は、第１主要サンプル、第１補助サンプル、及び複数の配置案を入力とし、複数の配置案の各々に対して第１主要サンプル及び第１補助サンプルを適用した場合に、複数の配置案の各々が所定の評価基準を満たすか否かを評価する。第１配置評価部１０３は、所定の評価基準を満たす配置案を有効配置案１４４としてストレージ１４に記憶する。ここまでの処理が「フェーズ１」である。
　次に、第２サンプル出力部１０４は、最新事象発生データ１４５に基づいて、予め定められた条件において起こり得る未来の事象発生データを第２主要サンプルとして出力し、予め定められた条件と類似する条件において起こり得る未来の事象発生データを第２補助サンプルとして出力する。なお、予め定められた条件及び当該条件と類似する条件の各々は、それぞれ第１サンプル出力部１０１における条件と同じである。本実施形態の場合、第２主要サンプル出力部１０４Ａが第２主要サンプルを出力し、第２補助サンプル出力部１０４Ｂが第２補助サンプルを出力する。
　第２配置評価部１０５は、第２主要サンプル、第２補助サンプル、及び有効配置案１４４を入力とし、有効配置案１４４の各々に対して第２主要サンプル及び第２補助サンプルを適用した場合に、有効配置案１４４の各々が所定の評価基準を満たすか否かを再度評価する。
　結果出力部１０６は、第２配置評価部１０５による再評価の結果、所定の評価基準を満たす有効配置案を、リソースの最適な配置として出力する。ここまでの処理が「フェーズ２」である。
　本実施形態では、上述したように、大きく分けて、フェーズ１及びフェーズ２という２つの実施フェーズを含んでいる。フェーズ１は、過去の傷病者発生データから、予め有効な救急車の配置案の多数の配置パターンを見つけておくフェーズである。このフェーズ１は、例えば、年度始めや、四半期毎、若しくは、月に一回等のタイミングで実施される。また、フェーズ２は、例えば、毎日決まった時刻に、最新の傷病者発生データから、近い未来の傷病者発生を予測し、フェーズ１で事前に見つけておいた有効な配置パターンから、最も有効な配置パターンを見つけ、それに従って配置変更を行うというフェーズである。
　まず、フェーズ１の処理について、ここでは例えば８月に翌月９月の平日１０時台の救急車の最適配置を求めるケースを例示して説明する。第１主要サンプル出力部１０１Ａは、８月までに蓄積された過去の傷病者発生データに基づいて、予め定められた条件（例えば、９月の平日１０時台）に最も起こり得ると予測される発生データ列を第１主要サンプルとして複数通り出力する。また、第１補助サンプル出力部１０１Ｂは、８月までに蓄積された過去の傷病者発生データに基づいて、上記予め定められた条件と類似する条件（例えば、８月及び１０月の平日１０時台等）で起こり得ると予測される発生データ列を第１補助サンプルとして複数通り出力する。
　第１主要サンプル及び第１補助サンプルを出力する方法は複数考えられる。最も簡単な第１の方法は、過去数年分の９月の平日１０時台の実際の発生データ列をそのまま第１主要サンプルとして出力し、過去数年分の８月及び１０月の平日１０時台の実際の発生データ列を第１補助サンプルとして出力するというものである。このように処理する場合には、毎年同じ月、同じ曜日、同じ時間帯には同じような傷病者発生パターンが生じるという前提と、８月及び１０月の発生データ列は９月に対して日々の平均気温が比較的近い等の理由で発生データ列も類似しているという前提と、があるものとする。
　図３は、本実施形態に係る傷病者発生データ列の一例を示す図である。
　図３に示す傷病者発生データ列は、上記の方法で第１主要サンプル出力部１０１Ａが第１主要サンプルとして出力した平日１０時台１日分の発生データ列の例である。図３の例では、年、月、日、曜日の情報は以降の処理で不要なため出力していない。図３の例では、１日分だけであるが、実際には複数日分（該当する日数が例えば１００日であれば１００日分）のデータが出力される。第１補助サンプル出力部１０１Ｂが第１補助サンプルとして出力する傷病者発生データ列も同様である。この方法の場合には、第１補助サンプル出力部１０１Ｂから出力される日数のほうが、第１主要サンプル出力部１０１Ａから出力される日数よりも一般的に多くなる。
　もう１つの簡単な第２の方法としては、過去数年分の９月の平日１０時台の実際の発生データ列をそのまま第１主要サンプルとして出力し、過去数年分の９月の平日１０時台を含む１月から１２月の平日の１０時台の実際の発生データ列を第１補助サンプルとして出力してもよい。
　次に、更に別な第３の方法として、擬似発生データ列を作成して利用する方法について説明する。具体的には、第１主要サンプル出力部１０１Ａは、過去数年分の９月の平日１０時台の実際の発生データ列から、一定領域（例えば、５００ｍ四方、１ｋｍ四方ごと等）の傷病者発生頻度を求め、その頻度にしたがって擬似的に発生データ列を生成する。傷病者発生頻度は、事象発生頻度の一例である。例えば、ある５００ｍ四方のエリアの９月の平日１０時台の傷病者発生頻度は、利用する過去の発生データ列が例えば１００日分で、その間の合計傷病者発生数が例えば３０人であったとすると、３０／１００＝０．３、として求められる。同様に、対象となる地域全てのエリアで発生頻度を求め、それらの値に見合った擬似的な発生データ列を生成し、エリア毎のデータ列を１つにまとめて利用してもよい。対象となるエリア内のどの位置で傷病者が発生するかは、過去の実際の発生位置をプロットし、例えば、カーネル密度推定を行い、その密度に基づいて発生させるようにしてもよい。擬似発生データ列を作成する方法の利点は、過去に実際に発生した発生データ列より多くのサンプルを作り出し、より多くの発生パターンによるロバストな検証を行える点である。
　このとき、補助サンプル出力部１０１Ｂは、上記のように算出した発生頻度の値である０．３を一定値増減させて（例えば、毎度０．０５増減させて、０．３５と０．２５という値を算出）、その値から擬似発生データ列を生成してもよい。あるいは、上述の例のように、過去の８月及び１０月の発生データ列から発生頻度を求めたのち、擬似発生データ列を生成してもよい。
　図４は、本実施形態に係る擬似発生データ列の一例を示す図である。
　図４に示す擬似発生データ列は、エリア毎に発生頻度を求めて、擬似発生データを生成し、１つのデータ列としてまとめたものであり、上述の図３の例と同じ発生頻度となっている。
　図５は、本実施形態に係る擬似発生データ列の別の例を示す図である。
　図５に示す擬似発生データ列は、エリア毎に発生頻度を求めた後に、個々のエリアの発生頻度を一定値減少させて、擬似発生データ列を作成したものであり、結果として１０時台の合計発生回数が図４の例と比較して少なくなっている。
　更に別な第４の方法として、傷病者発生確率を確率変数として求め、擬似発生データを作成する方法について説明する。傷病者発生確率は、事象発生確率の一例である。確率変数として求めるとは、例えば、０．３人発生する可能性が５０％、０．３１人発生する確率が１０％、０．３２人発生する確率が５％、・・・というように、傷病者発生確率が様々な値をとる可能性を考え、それぞれの可能性を確率で表すという意味である。確率変数として求めるには、対象となる過去の発生データ列がポアソン分布にしたがって発生していると仮定し、マルコフ連鎖モンテカルロ法（ＭＣＭＣ）等を使って、ポアソン分布のパラメータ（一定時間内に何回発生するかを表す）を確率変数として求めるとよい。この結果から、第１主要サンプル出力部１０１Ａは、最も確率が高いパラメータから擬似発生データを生成し、第１補助サンプル出力部１０１Ｂは、それ以外の確率のパラメータから擬似発生データを生成するとよい。実際には、発生確率の分布は連続しているので、そこから一定間隔でパラメータを拾い上げ、擬似発生データを生成するとよい。
　図６は、本実施形態に係るＭＣＭＣで求めた傷病者発生確率の一例を示すグラフである。
　図６に示すグラフは、上記のようにしてポアソン分布のパラメータを確率変数として求めた結果を可視化したものである。横軸がポアソン分布のパラメータの値で、縦軸がその確率を表している。図６の例では、４つのグラフが描かれており、個々のグラフはＭＣＭＣのチェーンに対応し、４つのチェーンを使って計算したことを表している。４つのグラフはほぼ重なっており、ＭＣＭＣの計算がほぼ収束していることを示している。この場合、第１主要サンプル出力部１０１Ａは、確率が最も高い、パラメータが０．６のポアソン分布に従うように発生データを擬似的に生成する。一方、第１補助サンプル出力部１０１Ｂは、例えば、０．６の前後の０．２，０．４，０．８，１．０というパラメータから発生データを生成する。
　なお、第１主要サンプル出力部１０１Ａ及び第１補助サンプル出力部１０１Ｂの各々が擬似発生データ列を生成する場合、第１補助サンプル出力部１０１Ｂの日数分を意図的に少なくしてもよい。但し、データ列の長さではない。データ列の長さは発生確率のパラメータが大きくなるほど長くなる。上記で示したＭＣＭＣでポアソン分布のパラメータを確率変数として求めた場合には、確率の大きさにしたがってデータ生成日数を決めてもよい。上述の図６の例であれば、パラメータが０．６，０．８，０．４，１．０，０．２という順にサンプル数を少なくしていく。後段の第１配置評価部１０３では基本的に第１主要サンプル出力部１０１Ａが出力したデータ列にウエイトを置いた評価を行うが、第１補助サンプル出力部１０１Ｂが出力したデータ列の日数分を意図的に第１主要サンプル出力部１０１Ａより減らしている場合には、統一した評価基準による加重平均で評価しても同等の処理となる。
　第１主要サンプル出力部１０１Ａ及び第１補助サンプル出力部１０１Ｂの各々で作成された発生データ列は、それぞれ第１配置評価部１０３に出力される。
　一方、配置案作成部１０２は、一例として、図７に示す救急車データ１４１、及び、図８に示す消防署データ１４２に基づいて、消防署に救急車を配置する複数の配置案を作成する。
　図７は、本実施形態に係る救急車データ１４１の一例を示す図である。また、図８は、本実施形態に係る消防署データ１４２の一例を示す図である。
　図７に示す救急車データ１４１の例では、ａ～ｆの救急車ＩＤ（Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）を有する６台の救急車が登録されている。また、図８に示す消防署データ１４２の例では、Ａ～Ｉの消防署ＩＤを有する９箇所の消防署が登録されている。最初の配置案を作成する方法は、一例として、図９に示すように、ランダムに配置案を作成するということでよい。
　図９は、本実施形態に係る救急車の配置案の一例を示す図である。なお、配置案作成部１０２によって作成された複数の配置案にはユニークなＩＤ（図示省略）が付与される。
　配置案作成部１０２によって作成された配置案は、第１配置評価部１０３に出力される。２番目以降の配置案を作成する方法としては、様々な方法が考えられる。最も簡単な方法は、２番目以降についてもランダムに配置案を作成する方法である。しかし、この場合、組合せ数が膨大であれば、第１配置評価部１０３で有効と評価される配置案を特定するまでに長い時間を要すると考えられる。そこで、様々なヒューリスティクス（発見的手法とも呼ばれる。）を使うことが考えられる。その１つとして、遺伝的アルゴリズムを利用する方法がある。
　遺伝的アルゴリズムを利用する方法の一例について説明する。第１配置評価部１０３で有効と評価される配置案が特定されるまでは、ランダムに配置案を作成し、有効と評価された場合には、その配置案に基づいて、配置案の一部をランダムに変更したり、有効と評価された複数の配置案を組み合わせたりして、次の配置案を作成する、といった具合に行う。なお、複数の配置案を組み合わせるとは、例えば、一方の配置案から救急車ａ～ｃの配置、もう一方の配置案から救急車ｄ～ｆの配置を抽出して組み合わせる等とされる。こうすると、経験的には比較的短時間で最適解に近い解が得られることがわかっている。
　次に、第１配置評価部１０３は、配置案作成部１０２から取得した配置案を、第１主要サンプル出力部１０１Ａ及び第１補助サンプル出力部１０１Ｂの各々から取得した発生データ列を使って評価する。評価方法としては、一例として、傷病者発生現場の最寄りに存在し、かつ、出動可能な救急車が現場に到着するまでに走行する距離の平均を計算し、計算した走行距離の平均と、一例として、図１０に示す元々の救急車の配置の場合における走行距離の平均とを比較することで行う。
　図１０は、本実施形態に係る元々の救急車の配置の一例を示す図である。
　ある救急車が出動してしまった場合、一定時間、次の出動要請には対応できないものとする。この一定時間は、例えば、傷病者搬送完了までの平均的な時間を予め求めておき、その値とすればよい。例えば、傷病者搬送完了までの平均的な時間が５０分であれば、５０分間は次の出動要請に対応できないものとする。傷病者発生現場までの距離の求め方としては、一例として、最も簡単には直線距離でもよいし、あるいは、道路ネットワークデータが準備できれば、道路ネットワーク上の最短距離としてもよい。
　また、第１配置評価部１０３は、第１主要サンプル出力部１０１Ａが例えば１００日分のデータを出力していれば、１００日分全てについて評価する。第１補助サンプル出力部１０１Ｂから出力されるデータに対しても同様である。
　また、救急車の状態の初期値については、実際にはいくつかの救急車が既に出動対応中となる可能性も考えられる。このため、例えば、１日分のサンプルごとに、様々な初期状態から評価を行うことが望ましい。初期状態は、例えば、救急車ａが出動中で３０分後に復帰、あるいは、救急車ａ及び救急車ｂが出動中で、救急車ａは３０分後、救急車ｂは４０分後から対応可能、等とされる。
　以上のような評価の結果、配置案が所定の評価基準を満たせば、当該配置案は有効であるとみなされ、有効配置案１４４としてストレージ１４に記憶される。
　このとき、基本的に、第１主要サンプル出力部１０１Ａから取得した発生データ列と、第１補助サンプル出力部１０１Ｂから取得した発生データ列との重要性は異なるため、それぞれ異なる評価基準で評価するようにしてもよい。例えば、第１主要サンプル出力部１０１Ａから取得した発生データ列では、基準となる元々の配置と比べて、現場に到着するまでの距離（以下、「現場到着距離」という。）の平均が元々の配置の場合と比較して平均１００ｍ以上短縮された場合に評価基準を満たすものとする。一方、第１補助サンプル出力部１０１Ｂから取得した発生データ列では、現場到着距離の平均が５０ｍ以上短縮された場合に評価基準を満たすものとする。
　図１１は、本実施形態に係る評価基準を満たす有効配置案１４４の一例を示す図である。また、図１２は、本実施形態に係る評価基準を満たせなかった配置案の一例を示す図である。
　図１１に示す有効配置案１４４は、配置案を示す配置ＩＤに対して、主要評価及び補助評価が対応付けられている。主要評価は、第１主要サンプル出力部１０１Ａから取得された発生データ列を配置案に適用した場合の距離差を表し、補助評価は、第１補助サンプル出力部１０１Ｂから取得された発生データ列を配置案に適用した場合の距離差を表している。ここでいう距離差とは、上述したように、発生データ列を配置案に適用した場合の現場到着距離の平均と、発生データ列を元々の配置に適用した場合の現場到着距離の平均との差を表す。なお、評価基準には、上述したように、主要評価と補助評価とで異なる基準（例えば、主要評価では短縮された距離差が平均１００ｍ以上、補助評価では短縮された距離差が平均５０ｍ以上）とされる。つまり、図１１に示す有効配置案１４４は、主要評価及び補助評価の各々がそれぞれの評価基準を満たす配置案とされる。
　一方、図１２に示す配置案は、評価基準を満たせなかった配置案である。例えば、配置ＩＤがＤ１Ｆ２ＥＤ３Ａの配置案の場合、主要評価及び補助評価のいずれでも評価基準を満たせていない。また、配置ＩＤが３Ａ７２１Ｃ５９の配置案の場合、主要評価では評価基準を満たしているものの、補助評価では評価基準を満たせていない。また、配置ＩＤがＣ１２ＦＡ２７５の配置案の場合、その逆、つまり、主要評価では評価基準を満たしておらず、補助評価では評価基準を満たしている。
　なお、上述したように、第１補助サンプル出力部１０１Ｂが出力した発生データ列の日数分を意図的に第１主要サンプル出力部１０１Ａより減らしている場合には、統一した評価基準による加重平均で評価してもよい。
　また、第１配置評価部１０３は、ある配置案の評価結果を配置案作成部１０２に出力して、次の配置案の作成に反映させるようにしてもよい。
　以上のようにして、ここまでのフェーズ１の処理を汎用的なＰＣ等で十数時間繰り返すことにより、経験的には数十～数百パターンの有効配置を見つけることができる。
　次に、図１３を参照して、第１の実施形態に係る配置探索装置１０の作用について説明する。
　図１３は、第１の実施形態に係る配置探索プログラムによるフェーズ１の処理の流れの一例を示すフローチャートである。配置探索プログラムによるフェーズ１の処理は、配置探索装置１０のＣＰＵ１１が、ＲＯＭ１２又はストレージ１４に記憶されている配置探索プログラムをＲＡＭ１３に書き込んで実行することにより、実現される。
　図１３のステップＳ１０１では、ＣＰＵ１１が、例えば、過去数年分の事象発生データを表す過去事象発生データ１４３の入力を受け付ける。なお、この例の場合、事象発生データとは、上述したように、例えば、傷病者発生データを表すものとする。
　ステップＳ１０２では、ＣＰＵ１１が、ステップＳ１０１で入力を受け付けた過去事象発生データ１４３に基づいて、予め定められた条件において起こり得る事象発生データを第１主要サンプルとして出力する。なお、この例の場合、予め定められた条件とは、上述したように、例えば、９月の平日１０時台等の条件を表すものとする。
　ステップＳ１０３では、ＣＰＵ１１が、ステップＳ１０１で入力を受け付けた過去事象発生データ１４３に基づいて、上記条件と類似する条件において起こり得る事象発生データを第１補助サンプルとして出力する。なお、この例の場合、類似する条件とは、上述したように、例えば、９月の前後の８月及び１０月の各々の平日１０時台等の条件を表すものとする。また、第１補助サンプルは必須ではないため、第１補助サンプルを用いない場合にはステップＳ１０３をスキップしてもよい。
　ステップＳ１０４では、ＣＰＵ１１が、一例として、上述の図７に示す救急車データ１４１、及び、上述の図８に示す消防署データ１４２に基づいて、傷病者発生事象に対応する救急車の複数の配置案を作成する。
　ステップＳ１０５では、ＣＰＵ１１が、ステップＳ１０４で作成した複数の配置案の各々に対して、ステップＳ１０２で出力した第１主要サンプル、及び、ステップＳ１０３で出力した第１補助サンプルを適用し、複数の配置案の各々が評価基準を満たすか否かを評価する。そして、ＣＰＵ１１は、複数の配置案のうち、評価基準を満たす有効な配置案を、一例として、上述の図１１に示す有効配置案１４４としてストレージ１４に記憶して、本配置探索プログラムによるフェーズ１の処理を終了する。
　図１４は、第１の実施形態に係る評価処理の流れの一例を示すフローチャートである。図１４のフローは、図１３のステップＳ１０５の評価処理を具体的に示したものである。
　図１４のステップＳ１１１では、ＣＰＵ１１が、第１主要サンプル又は第１補助サンプルを表す事象発生データが存在するか否かを判定する。事象発生データが存在すると判定した場合（肯定判定の場合）、ステップＳ１１２に移行し、事象発生データが存在しないと判定した場合（否定判定の場合）、ステップＳ１１５に移行する。
　ステップＳ１１２では、ＣＰＵ１１が、事象発生データを１つ抽出する。
　ステップＳ１１３では、ＣＰＵ１１が、ステップＳ１１２で抽出した事象発生データに対して、最寄りの救急車を出動とし、出動した救急車に対して一定時間次の出動を不可とすることを示す出動不可フラグを付与する。
　ステップＳ１１４では、ＣＰＵ１１が、ステップＳ１１３で出動不可フラグが付与された救急車が配置された消防署から現場到着までの距離を計算し、計算した距離をストレージ１４に記憶し、ステップＳ１１１に戻り、全ての事象発生データについて処理を繰り返す。
　一方、ステップＳ１１５では、ＣＰＵ１１が、現場到着までの距離の平均を計算し、図１３のステップＳ１０５にリターンする。なお、評価方法としては、上述したように、傷病者発生現場の最寄りに存在し、かつ、出動可能な救急車が現場に到着するまでに走行する距離の平均を計算し、計算した走行距離の平均と、一例として、上述の図１０に示す元々の救急車の配置の場合における走行距離の平均とを比較することで行う。
　次に、フェーズ２の処理について説明する。フェーズ２の処理は、例えば、９月に入り、毎日の平日１０時前の決まった時刻（例えば、９時など）に実行される。第２サンプル出力部１０４は、最新事象発生データ１４５から、例えば、直近１ヶ月の平日１０時台のエリアごとの傷病者の発生頻度を求め、その結果から未来の擬似発生データをサンプリングする。なお、最新事象発生データ１４５は、直前までに蓄積された最新の過去の傷病者発生データを表す。また、サンプリングする日数分としては、例えば、１００日分とする。この他にも上述のフェーズ１の処理と同様に、第２主要サンプル出力部１０４Ａと第２補助サンプル出力部１０４Ｂとで役割を分担し、発生頻度を一定値増加又は減少させて、サンプルを出力してもよいし、上述の図６に示すＭＣＭＣを用いて確率変数に基づいてサンプルを生成してもよい。
　第２配置評価部１０５は、ストレージ１４に蓄積されている有効配置案１４４の全てについて評価を行う。ここでの評価方法は、取得する配置案が配置案作成部１０２で作成された配置案ではなく、第１配置評価部１０３で評価された有効配置案１４４である以外は、上述のフェーズ１の処理での評価方法と同様である。
　図１５は、第１の実施形態に係る配置探索プログラムによるフェーズ２の処理の流れの一例を示すフローチャートである。配置探索プログラムによるフェーズ２の処理は、配置探索装置１０のＣＰＵ１１が、ＲＯＭ１２又はストレージ１４に記憶されている配置探索プログラムをＲＡＭ１３に書き込んで実行することにより、実現される。
　図１５のステップＳ１２１では、ＣＰＵ１１が、例えば、直近１ヶ月の事象発生データを表す最新事象発生データ１４５の入力を受け付ける。なお、この例の場合、事象発生データとは、上述のフェーズ１と同様に、例えば、傷病者発生データを表すものとする。
　ステップＳ１２２では、ＣＰＵ１１が、ステップＳ１２１で入力を受け付けた最新事象発生データ１４５に基づいて、予め定められた条件において起こり得る未来の事象発生データを第２主要サンプルとして出力する。なお、この例の場合、予め定められた条件とは、上述のフェーズ１と同様に、例えば、９月の平日１０時台等の条件を表すものとする。
　ステップＳ１２３では、ＣＰＵ１１が、ステップＳ１２１で入力を受け付けた最新事象発生データ１４５に基づいて、上記条件と類似する条件において起こり得る未来の事象発生データを第２補助サンプルとして出力する。なお、この例の場合、類似する条件とは、上述のフェーズ１と同様に、例えば、９月の前後の８月及び１０月の各々の平日１０時台等の条件を表すものとする。また、第２補助サンプルは必須ではないため、第２補助サンプルを用いない場合にはステップＳ１２３をスキップしてもよい。
　ステップＳ１２４では、ＣＰＵ１１が、上述のフェーズ１でストレージ１４に記憶した有効配置案１４４（図１１を参照）の各々に対して、ステップＳ１２２で出力した第２主要サンプル、及び、ステップＳ１２３で出力した第２補助サンプルを適用し、有効配置案１４４の各々が評価基準を満たすか否かを再評価する。なお、再評価の方法は、上述のフェーズ１の評価方法と同様である。
　ステップＳ１２５では、ＣＰＵ１１が、ステップＳ１２４での再評価により得られた最終的な評価結果を出力し、本配置探索プログラムによるフェーズ２の処理を終了する。
　このようにして、最新の発生データ列に基づき、改めて有効配置案を評価する。この結果、上述の図１１に示した評価結果とは異なる評価結果となる場合がある。ユーザはこの評価結果をみて、最終的にどのリソース配置で行くかを意思決定することができる。
　フェーズ２の処理は、汎用的なＰＣで数十秒から数分程度で実施することができる。そのため、例えば、リソースの配置変更を実施したい当日に、最新の事象発生データに基づいて、リソースの適切な配置を迅速に見つけ、採用することができる。
　以上の方法はその他にも応用が可能である。例えば、救急隊の数が何らかの理由で減少してしまったときのために、予め少ない救急隊数での有効配置を求めておき、活用することもできる。
　このように本実施形態によれば、比較的短い時間の間にリソースの有効な配置を決定しなければいけない場合に、事象発生の予測結果が多少はずれたとしても効果が見込めるロバストなリソースの配置を求めることができる。
[第２の実施形態]
　第２の実施形態では、最新のデータを利用して、リアルタイムでリソース（例えば、救急車）の移動先を算出する形態について説明する。
　図１６を参照して、第２の実施形態に係る配置探索装置１０Ａの機能構成について説明する。以下では、上述の（１）動的消防署外配置、つまり、主要サンプルを用いて配置案を作成する形態について説明する。
　図１６は、第２の実施形態に係る配置探索装置１０Ａの機能構成の一例を示すブロック図である。
　図１６に示すように、配置探索装置１０Ａは、機能構成として、リソースデータ取得部１１１、サンプル出力部１１２、各種データ取得部１１３、配置案作成部１１４、配置評価部１１５、及び配置案選択部１１６を備えている。各機能構成は、ＣＰＵ１１がＲＯＭ１２又はストレージ１４に記憶された配置探索プログラムを読み出し、ＲＡＭ１３に展開して実行することにより実現される。
　リソースデータ取得部１１１は、最新のリソースの位置及び出動可否を含むリソースデータを取得する。リソースデータは、例えば、最新の救急車（車両）に関するデータであり、救急車データ１４１から取得される。
　図１７は、本実施形態に係るリソースデータの一例を示す図である。
　図１７に示すリソースデータには、救急車に関する、車両名、現在位置を表す緯度及び経度、出動が可能か否かを表す出動可否、及び、移動した回数を表す移動回数が含まれる。このリソースデータは、一定時間毎、あるいは、データに変化がある度に、更新される。
　サンプル出力部１１２は、最新の事象発生データに基づいて、予め定められた条件において起こり得る未来の事象発生データを主要サンプルとして出力する。なお、最新の事象発生データは、最新事象発生データ１４５から取得される。主要サンプルは、上述したように、予め定められた条件において実際に発生したデータ列から一定領域毎の事象発生頻度を求め、当該事象発生頻度に従って擬似的に生成された擬似発生データ列として表される。また、主要サンプルは、予め定められた条件において実際に発生したデータ列から事象発生確率を確率変数として求め、当該確率変数に従って擬似的に生成された擬似発生データ列として表すようにしてもよい。
　図１８は、本実施形態に係る主要サンプルの一例を示す図である。
　図１８に示す主要サンプルは、起こり得る事象を予測したデータであり、事象発生日時、事象発生の場所を表す緯度及び経度、及び、評価値算出に使うデータが含まれる。なお、「評価値算出に使うデータ」とは、例えば、出動してから帰署するまでにかかる時間を表す。
　各種データ取得部１１３は、消防署に関する消防署データ、救急車と消防署との対応データを取得する。消防署データは、消防署データ１４２から取得され、救急車と消防署との対応データは、救急車データ１４１又は消防署データ１４２から取得される。
　図１９は、本実施形態に係る消防署データの一例を示す図である。
　図１９に示す消防署データには、消防署に関する、署名称、場所を表す緯度及び経度が含まれる。
　図２０は、本実施形態に係る救急車と消防署との対応データの一例を示す図である。
　図２０に示す救急車と消防署との対応データでは、救急車の車両名と、消防署の署名称とが対応付けられている。
　配置案作成部１１４は、上述の図１７～図２０に示す各種データを用いて、リアルタイムで発生する事象に対応するリソースの複数の配置案を作成する。図２１及び図２２を参照して、配置案を作成する手順の一例について説明する。
　図２１は、本実施形態に係る移動車両候補リストの一例を示す図である。
　図２１に示す移動車両候補リストには、移動対象車両として１つの車両を指定してもよいし、複数の車両を指定してもよい。また、例えば、出動可能でかつ消防署に待機している車両に限定する、移動回数が閾値以下の車両に限定する等、リアルタイムで得られるリソースデータを反映したものとする。
　次に、図２１に示す移動車両候補リストに登録された各移動車両候補の移動先を任意の計算方法を用いて計算し、一例として、図２２に示す配置案リストを作成する。なお、ここでいう移動先は、消防署に限らず、消防署以外の任意の地点を含む。
　図２２は、本実施形態に係る配置案リストの一例を示す図である。
　図２２に示す配置案リストは、移動車両候補リストの各移動車両候補に移動先の緯度及び経度が付与されたリストとして表される。
　配置評価部１１５は、複数の配置案の各々に対して主要サンプルを適用した場合に、リソースデータを用いて、複数の配置案の各々に評価値を付与する。具体的に、上述の図２２に示す配置案リストの各配置案に対して評価値を付与し、一例として、図２３に示す評価結果を得る。
　図２３は、本実施形態に係る評価結果の一例を示す図である。
　ここで、評価値の算出方法としては、例えば、上述の図１７に示すリソースデータから得られる各車両の現在の位置情報、出動可否情報を反映して、各移動車両候補に対して、移動対象車両を移動先の緯度及び経度に動かした場合のシミュレーションを実施する方法が挙げられる。このシミュレーションにより、平均現場到着距離を算出すれば、それを評価値とすることができる。また、シミュレーションにおいては、上述の図１８に示す主要サンプルの「評価値算出に使うデータ」を使用することができる。「評価値算出に使うデータ」としては、実施するシミュレーションの内容に応じたデータを取得すればよい。
　上記シミュレーションについて具体的に説明する。配置評価部１１５は、リソースデータに含まれる現在のリソースの位置情報及び出動可否情報を用いて、各リソースの初期状態を定めてシミュレーションを実行し、シミュレーションの結果に基づいて、複数の配置案の各々に評価値を付与する。例えば、各車両について、現在の位置、現在の出動可否を反映した初期状態を設定し、シミュレーションを開始させる。これによりランダムに初期状態を決定するよりも現在の状況を反映したシミュレーションとすることができ、より適切な評価値を算出できることが期待される。
　また、配置評価部１１５は、リソースデータに含まれる現在のリソースの位置情報及び出動可否情報を用いて、各リソースを配置先の緯度及び経度に動かした場合のシミュレーションを実行し、シミュレーションの結果に基づいて、複数の配置案の各々に評価値を付与するようにしてもよい。この場合、各隊の出動によるカバー範囲の変化を考慮した上で移動の良否を評価することができる。
　上記シミュレーションでは、例えば、１時間先といった近未来のことを考えることで、車両を動かす影響が大きい時間帯に注目して評価できたり、例えば、１日分などのシミュレーションを回すよりも計算にかかる時間が短くて済むことが期待できたりする、といった効果が得られる。また、車両の初期状態を最新の情報を使って決めれば、近未来のシミュレーションだけで妥当な評価値が得られることが期待される。
　図１８に示す「評価値算出に使うデータ」の例としては、上述したように、車両が出動してから帰署までにかかる時間が挙げられる。また、付与する評価値は一つでなくて良く、例えば、閾値以上の現場到着距離であった件数も評価値として付与することが考えられる。また、より精度の高い評価値とするために、シミュレーションを複数回実施し、各評価項目についてその複数回の結果から算出した評価値を付与しても良い。複数回実施する場合は、上述の図１８に示すような主要サンプルをシミュレーションの回数分取得しておくことが望ましい。なお、シミュレーションの回数を調整することで、計算時間の調整が可能とされる。
　なお、シミュレーションは、配置評価部１１５における評価値の付与だけでなく、配置案作成前に、現在の状況に対してシミュレーションを行って評価値を算出することで、配置案を算出する計算を実施するか否かの決定にも利用することができる。例えば、閾値以上の現場到着距離であった件数も評価値として付与し、その件数がある定数を超えていた場合だけ配置案を算出するようにしてもよい。
　上記の効果として、実運用上においては、配置案を求める操作を行う回数を減らすことができるので、運用者の負担の低減等が期待される。一方、分析者の立場においては、配置案を評価する回数を減らせるので、期間を通したシミュレーション全体の計算時間の抑制等が期待される。
　配置案選択部１１６は、配置評価部１１５により複数の配置案の各々に付与された評価値に基づいて、複数の配置案の中から有効な配置案を選択する。具体的に、例えば、図２３に示す評価結果から評価値が最も高いものを選ぶことで、移動対象車両とその移動先を決定することができる。複数の評価値がある場合には、例えば、評価値１が同じであれば評価値２が高いものを選んだり、評価値２が閾値以上のもののうち評価値１が最も高いものを選んだりすることができる。また、車両を移動させる前の状況（現在の状況）に対して、各評価項目の評価値を計算しておけば、車両を移動させることによってそれらがどう変化するかを算出でき、現在の状況より評価値が低下するなら、配置案リストの中で最も評価値が高いものでも採用しない、といった処理を行うことができる。
　ここで、サンプル出力部１１２は、新規の事象発生データに基づいて、予め定められた条件と類似する条件において起こり得る未来の事象発生データを補助サンプルとして更に出力してもよい。補助サンプルは、上述したように、類似する条件において実際に発生したデータ列から一定領域毎の事象発生頻度を求め、当該事象発生頻度に従って擬似的に生成された擬似発生データ列として表される。また、補助サンプルは、類似する条件において実際に発生したデータ列から事象発生確率を確率変数として求め、当該確率変数に従って擬似的に生成された擬似発生データ列として表すようにしてもよい。
　この場合、配置案作成部１１４は、リソースデータ、主要サンプル、及び補助サンプルを用いて、リアルタイムで複数の配置案を作成する。そして、配置評価部１１５は、配置案作成部１１４により作成された複数の配置案の各々に対して主要サンプル及び補助サンプルを適用した場合に、リソースデータを用いて、複数の配置案の各々に評価値を付与する。但し、補助サンプルは、必須ではないため、補助サンプルを用いるか否かは任意とされる。
　図２４は、第２の実施形態に係る配置探索プログラムによる処理の流れの一例を示すフローチャートである。配置探索プログラムによる処理は、配置探索装置１０ＡのＣＰＵ１１が、ＲＯＭ１２又はストレージ１４に記憶されている配置探索プログラムをＲＡＭ１３に書き込んで実行することにより、実現される。
　図２４のステップＳ１３１では、ＣＰＵ１１が、一例として、上述の図１７に示すリソースデータ、図１８に示す主要サンプル、図１９に示す消防署データ、図２０に示す救急車と消防署との対応データを取得する。
　ステップＳ１３２では、ＣＰＵ１１が、ステップＳ１３１で取得した各種データを用いて、リアルタイム状況に応じて、一例として、上述の図２１に示す移動車両候補リストを作成する。移動車両候補リストには、上述したように、移動対象車両として１つの車両を指定してもよいし、複数の車両を指定してもよい。また、出動可能でかつ消防署に待機している車両に限定する、移動回数が閾値以下の車両に限定する等、リアルタイムで得られるリソースデータを反映したものとする。
　ステップＳ１３３では、ＣＰＵ１１が、ステップＳ１３２で作成した移動車両候補リストに登録された各移動車両候補の移動先を任意の計算方法を用いて計算し、一例として、上述の図２２に示す配置案リストを作成する。なお、ここでいう移動先は、消防署に限らず、消防署以外の任意の地点を含む。
　ステップＳ１３４では、ＣＰＵ１１が、ステップＳ１３３で作成した配置案リストに登録された各配置案に対して主要サンプルを適用した場合、又は、主要サンプル及び補助サンプルを適用した場合に、リソースデータを用いて、一例として、上述の図２３に示すような評価値を付与する。評価値の算出方法としては、具体的には、一例として、上述の図１７に示すリソースデータから得られる各車両の現在の位置情報、出動可否情報を反映して、各移動車両候補に対して、移動対象車両を移動先の緯度及び経度に動かした場合のシミュレーションを実施する方法が挙げられる。
　ステップＳ１３５では、ＣＰＵ１１が、ステップＳ１３４で複数の配置案の各々に付与した評価値に基づいて、複数の配置案の中から有効な配置案を選択し、本配置探索プログラムによる一連の処理を終了する。具体的には、一例として、上述の図２３に示す評価結果から評価値が最も高いものを選ぶことで、移動対象車両とその移動先を決定することができる。
　ここで、本実施形態に係る配置探索装置１０Ａは、上述したように、サンプル出力部１１２及び配置評価部１１５を１つずつ備えている。サンプル出力部１１２は、主要サンプルのみを出力する構成と、主要サンプル及び補助サンプルを出力する構成との２つの構成のうちのいずれかを取り得る。なお、主要サンプルと補助サンプルにおいて、配置評価部１１５による評価基準は同じでもよいし、異なっていてもよい。
[第２の実施形態の変形例]
　上記実施形態では移動先として消防署以外の任意の地点を含む形態について説明したが、以下の変形例では、移動先を消防署に限定した形態について説明する。つまり、上述の（２）動的消防署配置、つまり、主要サンプルを用いることなく配置案を作成する形態について説明する。
　この場合、配置案作成部１１４は、リソースデータを用いて、発生する事象に対応するリソースの複数の配置案を作成する。そして、配置評価部１１５は、リソースデータを用いて、複数の配置案の各々に評価値を付与する。なお、配置評価部１１５は、リソースデータに加えてサンプル出力部１１２から出力された主要サンプルをさらに使用して、評価値を付与しても良い。このような評価値の付与方法の例としては、シミュレーションを用いた方法が挙げられる。
　本変形例においては、上述の図２４に示すフローチャートを参照して、異なる処理について説明する。
　ステップＳ１３１で取得する消防署データとしては、例えば、図２５に示す消防署データを採用することが望ましい。
　図２５は、本実施形態に係る消防署データの別の例を示す図である。
　図２５に示す消防署データでは、消防署に関する、署名称、場所を表す緯度及び経度、及び、最大駐車可能台数が含まれる。但し、最大駐車可能台数のことを考慮しないのであれば、上述の図１９に示す消防署データを採用してもよい。
　ステップＳ１３３では、上述の図２１に示す移動車両候補リストから、図２６に示す移動車両候補リストを作成する。
　図２６は、本実施形態に係る移動車両候補リストの別の例を示す図である。
　図２６に示す移動車両候補リストでは、例えば、基本的に１つの車両をいずれかの消防署に動かした場合を１つの候補とすることにして、その全パターンを求めることで移動先の消防署が付いたリストを得ることができる。この場合、元々の図２１のようなリストの行数よりも移動先の消防署が付いたリストの行数の方が大きくなることになる。また、以下のような処理によって、候補を絞ることができる。
（ａ）自車両の所属する消防署は除く。
（ｂ）各消防署の駐車スペースを考慮する。現在の各車両の位置、出動可否情報、各消防署の最大駐車可能台数から、移動可能な消防署（つまり駐車可能な消防署）を抽出する。このとき、実際に現在位置として消防署にいる場合に駐車スペースを使っている、と考えても良いし、消防署に向かっている場合に向かっている先の消防署の駐車スペースを使っていると考えても良い。但し、駐車スペースを考慮しない場合は、この処理は実施しなくても良い。
（ｃ）距離による制限を設定する。例えば、車両の所属する消防署からの距離が閾値以下の消防署を抽出する方法や、車両の現在位置から移動先の消防署までの距離と移動先の消防署から所属する消防署までの距離の合計が閾値以下になるように抽出する方法が考えられる。この処理で遠すぎる消防署を除外することができる。但し、距離による制限を設定しない場合は、この処理は実施しなくても良い。
　ステップＳ１３３では、各移動車両候補に対して、各消防署の緯度経度を付与し、一例として、上述の図２２に示すような配置案リストを得る。
　図２２に示す配置案リストを得たあとは、上述の消防署以外の任意の地点を含む形態と同様である。なお、消防署以外の離散的な待機地点についても、ステップＳ１３３において消防署に関するデータを用いる代わりに、その離散的な待機地点に関するデータを使用すれば同様に扱うことができると考えられる。
　このように本実施形態によれば、最新のデータを利用して、リアルタイムでリソースの移動先を算出することができる。
　なお、上記実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行した配置探索処理を、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）等の製造後に回路構成を変更可能なＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ　Ｌｏｇｉｃ　Ｄｅｖｉｃｅ）、及びＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、配置探索処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。
　また、上記実施形態では、配置探索プログラムがストレージに予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ　Ｄｉｓｋ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｋ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、及びＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）メモリ等の非一時的（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）記憶媒体に記憶された形態で提供されてもよい。また、プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。
　以上の実施形態に関し、更に以下の付記を開示する。
（付記項１）
　メモリと、
　前記メモリに接続された少なくとも１つのプロセッサと、
　を含み、
　前記プロセッサは、
　最新のリソースの位置及び出動可否を含むリソースデータを取得し、
　前記リソースデータを用いて、発生する事象に対応するリソースの複数の配置案を作成し、
　前記リソースデータを用いて、前記複数の配置案の各々に評価値を付与し、
　前記複数の配置案の各々に付与された評価値に基づいて、前記複数の配置案の中から有効な配置案を選択する、
　ように構成されている配置探索装置。
（付記項２）
　配置探索処理を実行するようにコンピュータによって実行可能なプログラムを記憶した非一時的記憶媒体であって、
　前記配置探索処理は、
　最新のリソースの位置及び出動可否を含むリソースデータを取得し、
　前記リソースデータを用いて、発生する事象に対応するリソースの複数の配置案を作成し、
　前記リソースデータを用いて、前記複数の配置案の各々に評価値を付与し、
　前記複数の配置案の各々に付与された評価値に基づいて、前記複数の配置案の中から有効な配置案を選択する、
　非一時的記憶媒体。
１０、１０Ａ　配置探索装置
１１   ＣＰＵ
１２   ＲＯＭ
１３   ＲＡＭ
１４   ストレージ
１５   入力部
１６   表示部
１７   通信Ｉ／Ｆ
１８   バス
１０１　第１サンプル出力部
１０１Ａ      　第１主要サンプル出力部
１０１Ｂ　第１補助サンプル出力部
１０２ 配置案作成部
１０３　第１配置評価部
１０４　第２サンプル出力部
１０４Ａ      　第２主要サンプル出力部
１０４Ｂ　第２補助サンプル出力部
１０５　第２配置評価部
１０６ 結果出力部
１１１ リソースデータ取得部
１１２ サンプル出力部
１１３ 各種データ取得部
１１４ 配置案作成部
１１５ 配置評価部
１１６ 配置案選択部
１４１ 救急車データ
１４２ 消防署データ
１４３ 過去事象発生データ
１４４ 有効配置案
１４５ 最新事象発生データ

Claims (8)

  1. 　最新のリソースの位置及び出動可否を含むリソースデータを取得するリソースデータ取得部と、
    　前記リソースデータを用いて、発生する事象に対応するリソースの複数の配置案を作成する配置案作成部と、
    　前記リソースデータを用いて、前記複数の配置案の各々に評価値を付与する配置評価部と、
    　前記複数の配置案の各々に付与された評価値に基づいて、前記複数の配置案の中から有効な配置案を選択する配置案選択部と、
    　を備えた配置探索装置。
  2. 　最新の事象発生データに基づいて、予め定められた条件において起こり得る未来の事象発生データを主要サンプルとして出力するサンプル出力部を更に備え、
    　前記配置案作成部は、前記リソースデータ及び前記主要サンプルを用いて、前記複数の配置案を作成し、
    　前記配置評価部は、前記複数の配置案の各々に対して前記主要サンプルを適用した場合に、前記リソースデータを用いて、前記複数の配置案の各々に評価値を付与する
    　請求項１に記載の配置探索装置。
  3. 　前記配置評価部は、リソースデータに含まれる現在のリソースの位置情報及び出動可否情報を用いて、各リソースを配置先の緯度及び経度に動かした場合のシミュレーションを実行し、当該シミュレーションの結果に基づいて、前記複数の配置案の各々に評価値を付与する
    　請求項１又は請求項２に記載の配置探索装置。
  4. 　前記配置評価部は、リソースデータに含まれる現在のリソースの位置情報及び出動可否情報を用いて、各リソースの初期状態を定めてシミュレーションを実行し、当該シミュレーションの結果に基づいて、前記複数の配置案の各々に評価値を付与する
    　請求項１又は請求項２に記載の配置探索装置。
  5. 　前記主要サンプルは、前記予め定められた条件において実際に発生したデータ列から一定領域毎の事象発生頻度を求め、当該事象発生頻度に従って擬似的に生成された擬似発生データ列として表される
    　請求項２に記載の配置探索装置。
  6. 　前記主要サンプルは、前記予め定められた条件において実際に発生したデータ列から事象発生確率を確率変数として求め、当該確率変数に従って擬似的に生成された擬似発生データ列として表される
    　請求項２に記載の配置探索装置。
  7. 　最新のリソースの位置及び出動可否を含むリソースデータを取得し、
    　前記リソースデータを用いて、発生する事象に対応するリソースの複数の配置案を作成し、
    　前記リソースデータを用いて、前記複数の配置案の各々に評価値を付与し、
    　前記複数の配置案の各々に付与された評価値に基づいて、前記複数の配置案の中から有効な配置案を選択する
    　配置探索方法。
  8. 　最新のリソースの位置及び出動可否を含むリソースデータを取得し、
    　前記リソースデータを用いて、発生する事象に対応するリソースの複数の配置案を作成し、
    　前記リソースデータを用いて、前記複数の配置案の各々に評価値を付与し、
    　前記複数の配置案の各々に付与された評価値に基づいて、前記複数の配置案の中から有効な配置案を選択することを、
    　コンピュータに実行させるための配置探索プログラム。
PCT/JP2022/018212 2022-04-19 2022-04-19 配置探索装置、配置探索方法、及び配置探索プログラム WO2023203650A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/018212 WO2023203650A1 (ja) 2022-04-19 2022-04-19 配置探索装置、配置探索方法、及び配置探索プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/018212 WO2023203650A1 (ja) 2022-04-19 2022-04-19 配置探索装置、配置探索方法、及び配置探索プログラム

Publications (1)

Publication Number Publication Date
WO2023203650A1 true WO2023203650A1 (ja) 2023-10-26

Family

ID=88419542

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/018212 WO2023203650A1 (ja) 2022-04-19 2022-04-19 配置探索装置、配置探索方法、及び配置探索プログラム

Country Status (1)

Country Link
WO (1) WO2023203650A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10254946A (ja) * 1997-03-06 1998-09-25 Oki Electric Ind Co Ltd 移動体の配置数決定方法およびその配置数決定装置ならびにその編成システム
JP2005284991A (ja) * 2004-03-30 2005-10-13 Fujitsu Fip Corp 救急業務シミュレーションシステム及び方法
JP2012098926A (ja) * 2010-11-02 2012-05-24 Hitachi Ltd 人員配置支援方法
US20130332474A1 (en) * 2012-06-12 2013-12-12 Risk Management Solutions, Inc. Predicting and managing impacts from catastrophic events
JP2019028489A (ja) * 2017-07-25 2019-02-21 ヤフー株式会社 予測装置、予測方法、予測プログラム、学習データ、及びモデル

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10254946A (ja) * 1997-03-06 1998-09-25 Oki Electric Ind Co Ltd 移動体の配置数決定方法およびその配置数決定装置ならびにその編成システム
JP2005284991A (ja) * 2004-03-30 2005-10-13 Fujitsu Fip Corp 救急業務シミュレーションシステム及び方法
JP2012098926A (ja) * 2010-11-02 2012-05-24 Hitachi Ltd 人員配置支援方法
US20130332474A1 (en) * 2012-06-12 2013-12-12 Risk Management Solutions, Inc. Predicting and managing impacts from catastrophic events
JP2019028489A (ja) * 2017-07-25 2019-02-21 ヤフー株式会社 予測装置、予測方法、予測プログラム、学習データ、及びモデル

Similar Documents

Publication Publication Date Title
McCormack et al. A simulation model to enable the optimization of ambulance fleet allocation and base station location for increased patient survival
US10930157B2 (en) Systems and methods for automated real-time and advisory routing within a fleet of geographically distributed drivers
JP5902607B2 (ja) 旅行時間情報提供装置、旅行時間情報提供方法
Chen et al. Optimal team deployment in urban search and rescue
Li et al. A decision support system for the single-depot vehicle rescheduling problem
JP6802916B2 (ja) 需要予測装置
CN112602110B (zh) 合乘车辆用需求预测装置、合乘车辆用需求预测方法及程序
Avci et al. An adaptive large neighborhood search approach for multiple traveling repairman problem with profits
CN103250031A (zh) 路线选择系统、路线选择方法和路线选择程序
Flores-Garza et al. The multi-vehicle cumulative covering tour problem
Antonio et al. An advanced planner for urban freight delivering
Pettet et al. Hierarchical planning for resource allocation in emergency response systems
WO2019042275A1 (zh) 目标区域范围内的移动模式的确定方法及电子设备
Roozbeh et al. A solution approach to the orienteering problem with time windows and synchronisation constraints
US20150356491A1 (en) Workforce optimization by improved provision of job performance plan
Ahmadizar et al. Group shops scheduling with makespan criterion subject to random release dates and processing times
Gomes et al. A grasp-based approach for demand responsive transportation
Xie et al. A shared parking optimization framework based on dynamic resource allocation and path planning
WO2023203650A1 (ja) 配置探索装置、配置探索方法、及び配置探索プログラム
Yazdani et al. Optimisation-based integrated decision model for ambulance routing in response to pandemic outbreaks
US20230274216A1 (en) Delivery plan generation apparatus, delivery plan generation method, and program
JP2020019462A (ja) 輸送力調整装置、輸送力調整システムおよび輸送力調整方法
JP6027229B2 (ja) 計画作成システム、計画作成方法、および計画作成プログラム
JP6799313B2 (ja) 業務施策構築支援システム、業務施策構築支援方法及びプログラム
JP7491391B2 (ja) 配置探索装置、配置探索方法、及び配置探索プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22938453

Country of ref document: EP

Kind code of ref document: A1