Detailansicht

Bicriterial relocation of the Viennese ambulance service

Martin Petz

Art der Arbeit

Diplomarbeit

Universität

Universität Wien

Fakultät

Fakultät für Wirtschaftswissenschaften

Betreuer*in

Walter Gutjahr

Volltext herunterladen
Volltext in Browser öffnen

DOI

10.25365/thesis.571

URN

urn:nbn:at:at-ubw:1-29611.77344.120070-9

Link zu u:search

(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract

(Deutsch)

PRINTAUSGABE: 1 CD als Beilage! -- In der Organisation von Rettungsdiensten ergeben sich immer wieder konkurrierende Ziele. Neben einer möglichst hohen Verfügbarkeit der Rettungsfahrzeuge müssen bei der Aufstellung der Rettungsflotte auch andere Aspekte berücksichtigt werden. Zur Lösung dieses Problems wird in dieser Arbeit eine dynamische Reallokations-Strategie für Rettungs Fahrzeuge entwickelt. Eines der Ziele ist die Anzahl der innerhalb eines vorgegebenen Zeitraums erreichbaren Wohnbevölkerung zu maximieren. Für eine bestimmte Anzahl an Fahrzeugen kann eine gute Aufstellung relativ einfach gefunden werden, jedoch verändert sich die Anzahl der Fahrzeuge jedes Mal, wenn ein Fahrzeug zu Einsatz kommt. In diesem Fall müssen die Fahrzeuge möglicherweise neu verteilt werden, um eine maximale Abdeckung zu erreichen. Zu viele Fahrten allein zur Neustrukturierung sind den Fahrzeugbesatzungen allerdings nicht zuzumuten. Deshalb soll in einem zweiten Ziel die Anzahl der Neuverteilungen minimiert werden. Die dynamische Neuverteilung wird durch einen a priori Ansatz gelöst, bei dem im Vorhinein für alle möglichen Zustände eine Lösung errechnet wird. Wenn sich der Zustand ändert, kann die jeweilige Lösung angewandt werden. Der hohe Rechenaufwand dieser Methode wird mit Hilfe der Pareto Ant Colony Optimization bewältigt. PACO ist eine auf Mehrzieloptimierung spezialisierte Metaheuristik, dessen Prinzip durch das Verhalten von Ameisen bei der Futtersuche inspiriert ist. Unterschiedliche Algorithmus Varianten werden entwickelt und in MatLab programmiert um das Potential des Algorithmus zu erforschen. Variationen der Peromonstrukturen, unterschiedlich große Lösungsräume und ein Ansatz mit veränderlicher Ameisenanzahl werden auf ihren Einfluss auf den Algorithmus getestet. Der Algorithmus liefert gleich mehrere Lösungen als Ergebnis. Da mehrere Zielvorgaben bestehen ist es nicht möglich diese Lösungs-Sets objektiv zu reihen. Es können jedoch Kennzahlen errechnet werden, um bestimmte Aspekte der Lösungsgüte zu beschreiben. In dieser Arbeit kommen der Anteil der gefundenen Lösungen, die durchschnittliche Distanz und die Hypervolume Metrik zur Anwendung. Ist die pareto optimale Front bekannt, kann die Qualität der Lösungs-Sets genauer bewertet werden. Deshalb werden die Algorithmen zunächst an einer Probleminstanz getestet, die klein genug ist alle Lösungen zu errechnen, bevor sie benutzt werden, um eine Relokalisierungs-Strategie für das NEF-System (Notarzt Einsatz Fahrzeug) der Wiener Rettung zu entwickeln.

Abstract

(Englisch)

The organization of emergency medical services is characterised by competing objectives. Besides low response times of the ambulances other aspects have to be considered as well. To address this problem a dynamic relocation strategy for ambulance vehicles is established in this work. One objective is to maximize the resident population reachable within a given time frame. This can be done relatively easy for a set number of vehicles, but whenever a vehicle is dispatched to a call the number of available vehicles changes and relocations may be necessary to maximize the population coverage. However too many relocations would be unreasonable for the ambulance crews. Therefore the second objective is to minimize the number of relocations. The problem of dynamically relocating the vehicles is resolved by an a priori approach which solves all possible states in advance. Each time the number of vehicles changes the appropriate precalculated solution is applied. The high computational complexity of this strategy is met by Pareto Ant Colony Optimization. PACO is a specialized metaheuristic for multiobjective optimisation problems inspired by the foraging behaviour of real ants. Different algorithm versions are established and programmed in MatLab in order to explore the capabilities of the algorithm. Variations in the pheromone structures and size of the solution space, as well as approaches using shifting ant numbers are tested for their influence on the convergence behaviour of the algorithm. Multiple solutions are the outcome of the algorithm. These sets of solutions are called approximation sets, as they are an approximation of the pareto optimal front. The presence of several optimization criteria prevents an objective rating of the approximation sets, but a combination of unary measures can be used to assess certain quality aspects. In this work the found solutions ratio, the average distance and the hypervolume metric are implemented. The knowledge of the real pareto optimal front allows for a far better evaluation of the performance. Therefore the algorithms are tested on a problem instance small enough to completely enumerate all solutions, before they are used to develop a relocation strategy for the NEF-system (Notarzt Einsatz Fahrzeug) of the Viennese ambulance service.

Autor*innen

Martin Petz

Haupttitel (Englisch)

Bicriterial relocation of the Viennese ambulance service

Paralleltitel (Deutsch)

Bikriterielle Relokalisation des Wiener Rettungsdienstes

Publikationsjahr

2008

Umfangsangabe

66 S.

Sprache

Englisch

Beurteiler*in

Walter Gutjahr

Klassifikation

85 Betriebswirtschaft > 85.99 Betriebswirtschaft: Sonstiges

AC Nummer

AC06731970

Utheses ID

427

Studienkennzahl

UA | 157 | | |

Detailansicht

Abstracts

Schlagwörter