Optimizing large-scale emergency medical system operations on highways using the hypercube queuing model

Iannoni, Ana Paula; Morábito, Reinaldo; Saydam, Cem

doi:10.1016/j.seps.2010.11.001

Cited by 40 publications

(18 citation statements)

References 25 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Iannoni et al [64] presented several greedy heuristic algorithms to optimize ambulance location and dispatch policies for the EMS presented in Mendonca et al [62]. They embedded in each optimization procedure the hypercube approximation algorithm proposed by Atkinson et al [62], to solve large-scale problems fast and with acceptable precision.…”

Section: Single Dispatch Partial Backup and Non-homogeneous Serversmentioning

confidence: 99%

Hypercube Queuing Models in Emergency Service Systems: A State-of-the-Art Review

2018

View full text Add to dashboard Cite

Abstract. This study provides a review of hypercube queuing models (HQMs) in emergency service systems (ESSs). This survey presents a comprehensive review and taxonomy of models, solutions and applications related to the HQM after Larson [12]. In addition, the structural aspects of HQMs are examined. Important contributions of the existing research are addressed by taking into account multiple factors. In particular, the integration of location decisions with HQMs for designing an ESS is discussed. Finally, a list of issues for future studies are presented.

show abstract

Section: Single Dispatch Partial Backup and Non-homogeneous Serversmentioning

confidence: 99%

Hypercube Queuing Models in Emergency Service Systems: A State-of-the-Art Review

2018

View full text Add to dashboard Cite

show abstract

“…Iannoni et al (2009) developed a hybrid genetic algorithm approach which adds facility locations to districting decisions with a local search on a genetic algorithm. Iannoni et al (2011) replaced the exact method with a hypercube approximation algorithm which enables them to solve instances with 100 servers. Geroliminis et al (2009) extended the hypercube model and developed the spatial queueing model (SQM) to optimize locations of emergency response vehicles for systems with up to 10 servers.…”

Section: Literature Surveymentioning

confidence: 99%

Approximation methods for large-scale spatial queueing systems

Boyacı

Geroliminis

2015

Transportation Research Part B: Methodological

View full text Add to dashboard Cite

a b s t r a c tDifferent than the conventional queueing systems, in spatial queueing systems (SQS) the service rate for each customer-server pairs differs and the server that intervenes for a specific customer is not known a priori, depending on the availability of servers at the moment a request was made. These features make the SQS computationally expensive (almost intractable for large scale) but at the same time more suitable for real-life problems with high reliability expectations. Emergency response and on-demand transportation systems are two similar systems that can be modeled with the SQS.In this research, we aim to solve facility location problems as SQS with stochastic demand and service time. The stochasticity concerned here is temporal and spatial, that emerges from the uncertainty in the demand and service time. In order to tackle this problem Larson (1974)'s 2 n hypercube queueing model (HQM) is extended to 3 n HQM. In this model, there are two different possible service types for each server: (i) service for locations in the proximity of a server (area of responsibility) and (ii) service for other locations where the first responsible server is busy during this event. In addition, to decrease the dimension of the problem, which is intractable due to their size, a new 3 n aggregate hypercube queueing model (AHQM) is developed that treats group of servers (bins) in a similar manner by considering interactions among bins. An efficient graph partitioning algorithm is proposed to cluster servers in groups with an objective to minimize the interactions among groups. Both exact and approximate approaches are integrated inside two optimization methods (i.e. variable neighborhood search and simulated annealing) to find server locations that improve system performance. Computational experiments showed that both models are applicable to use inside optimization algorithms to find good server locations and to improve system performance measures of SQS.

show abstract

“…Outro aprimoramento do modelo seria a sua combinação com metodologias baseadas no Modelo Hipercubo, como em Iannoni et al (2011). O Modelo Hipercubo seria utilizado para avaliar os resultados do modelo de posicionamento de bases e ambulâncias em múltiplos períodos; isso faria com que as características estocásticas do atendimento emergencial fossem descritas de maneira mais apropriada, fornecendo melhores resultados para o planejmento de sistemas de ambulâncias em grandes metrópoles.…”

Section: Considerações Finaisunclassified

“…Outros estudos, como por exemplo o realizado por Iannoni et al (2011), utilizam o Modelo Hipercubo em conjunto com modelos de otimização probabilísticos; o Modelo Hipercubo é utilizado para avaliar configurações fornecidas por modelos de localização e em seguida para determinar as vizinhanças de atendimento de cada ambulância (districting), fornecendo soluções para implantação de sistemas de ambulân-cia através de um algoritmo que combina as duas metodologias. Uma abordagem como esta poderia ser um avanço considerável para o modelo de proposto neste artigo, que tem como foco o posicionamento de bases e ambulâncias considerando um planejamento em múltiplos períodos, o primeiro estágio do projeto de sistemas de ambulância.…”

unclassified

Modelo de apoio à decisão para um problema de posicionamento de bases, alocação e realocação de ambulâncias em centros urbanos: estudo de caso no município de São Paulo

Andrade

Cunha

2014

Transportes

View full text Add to dashboard Cite

INTRODUÇÃOO serviço de atendimento de urgência, ou emergência, compreende os primeiros socorros e a remoção de pacientes sujeitos a acidentes, traumas e outras ocorrências médicas que podem representar risco a vidas humanas. Buscase oferecer um serviço que maximize a probabilidade de sobrevivência dos socorridos, desde o acontecimento da situação de risco até a entrada do paciente em uma unidade de saúde especializada. Todo o trabalho é realizado por veículos de transporte e suporte à vida.As chances de sobrevivência de um indivíduo que necessita de atendimento emergencial, devido a acidente ou outra ocorrência, aumentam com a diminuição do tempo de resposta, que é o tempo gasto entre o acontecimento do acidente e o momento da chegada de uma viatura de socorro. Uma parte importante deste tempo é o tempo de deslocamento da viatura de uma base até o local da ocorrência. Conforme apontam Takeda et al. (2007), este tempo é afetado por diversos fatores, dentre os quais as condições de tráfego local, dia da semana e período do dia, tipo e número de veículos disponíveis e localização destes veículos. Ainda segundo os autores, a regulamentação americana para os serviços médicos de urgência estabelece que 95% das solicitações em área urbana devem ser atendidas em, no máximo, 10 minutos, sendo este período estendido para 30 minutos para a área rural (Ball & Lin, 1993 Resumo: Este artigo apresenta uma proposta de modelo matemático para o problema de localização de bases de atendimento emergencial, alocação de ambulâncias a essas bases em múltiplos períodos de tempo num horizonte de planejamento definido e realocação das viaturas entre períodos subsequentes. Esse problema é relevante para planejamento de sistemas de atendimento emergencial em grandes centros urbanos, nos quais existem variações das condições de tráfego e da concentração de pessoas em diferentes zonas ao longo do dia, fazendo com que os sistemas emergenciais nesses centros precisem ser dinâmicos o suficiente para acompanhar essas variações. Adicionalmente, em grandes metrópoles o número de ambulâncias é elevado (superior a uma centena), assim como o número de distritos em que a cidade é dividida. Como objetivo do planejamento tem-se a maximização de probabilidade de atendimento de um determinado chamado dentro de um tempo máximo de cobertura pré-definido. Neste artigo também é apresentada uma aplicação prática do modelo no sistema de ambulâncias do município de São Paulo.Palavras-chave: Serviço de ambulâncias. Problema de localização. Modelo de otimização. Abstract:In this article a mathematical formulation for the problem of base location, ambulance allocation and relocation in multiple periods of time in a planning horizon is proposed. This problem is relevant for the planning of emergency services, especially in large urban centers where traffic conditions and population's concentration change during the day. These characteristics lead to the need of such services being dynamic enough to adjust to the change of city conditions in terms of traffic speeds a...

show abstract

Optimizing large-scale emergency medical system operations on highways using the hypercube queuing model

Cited by 40 publications

References 25 publications

Hypercube Queuing Models in Emergency Service Systems: A State-of-the-Art Review

Hypercube Queuing Models in Emergency Service Systems: A State-of-the-Art Review

Approximation methods for large-scale spatial queueing systems

Modelo de apoio à decisão para um problema de posicionamento de bases, alocação e realocação de ambulâncias em centros urbanos: estudo de caso no município de São Paulo

Contact Info

Product

Resources

About