基于深度强化学习的救护车动态重定位调度研究

被引：12

作者：

刘冠男 ^{[1
]}

曲金铭 ^{[1
]}

李小琳 ^{[2
]}

吴俊杰 ^{[1
]}

机构：

[1] 北京航空航天大学经济管理学院

[2] 南京大学商学院

来源：

管理科学学报 | 2020年 / 02期

关键词：

强化学习; DQN; 救护车调度; 重定位;

D O I：

暂无

中图分类号：

R459.7 [急症、急救处理]; TP18 [人工智能理论]; U492.22 [];

学科分类号：

100218 ; 081104 ; 0812 ; 0835 ; 1405 ; 082302 ; 082303 ;

摘要：

救护车是挽救患者生命的重要医疗资源,合理调配有限的救护车资源可以降低呼叫响应时间,提高医疗服务水平.本文面向救护车动态重定位调度问题,提出了一种基于强化学习的调度策略结构.为解决传统强化学习所面临的高维状态空间的挑战,本文基于深度Q值网络(DQN)方法,提出了一种考虑多种调度交互因子的算法RedCon-DQN,以在给定环境状态下得到最优的重定位调度策略.在此基础上,本文还提出了急救网络弹性概念,以评估各站点对全局救护优化目标的影响力.最后,基于南京市2016年～2017年的实际救护车呼叫及响应数据,构造了环境交互模拟器.在模拟器中通过大规模数据实验,验证了模型得到的调度策略相比已有方法的优越性,并分析了不同时段下调度策略的有效性及其特点.

引用

页码：39 / 53

页数：15

共 18 条

[1] 震后伤员救援车辆两阶段规划模型及算法研究 [J].

王付宇 ;

叶春明 ;

王涛 ;

赵晶晶 .

管理科学学报, 2018, 21 (02) :68-79

[2] 考虑伤情分类的灾后创伤伤员救治与转运路径优化研究 [J].

王晶 ;

刘昊天 ;

黄钧 .

中国管理科学, 2017, 25 (08) :114-122

[3] 基于改进蚁群算法的救护车应急救援路径规划 [J].

孔林 ;

张国富 ;

苏兆品 ;

蒋建国 .

计算机工程与应用, 2018, 54 (13) :153-159

[4] 福建省救护车调度情况调查 [J].

张宇杰 ;

陈兵 ;

林才经 ;

朱鹏立 ;

柯俊 .

中华急诊医学杂志, 2015, 24 (10) :1103-1105

[5] 交通网络弹复度与易碎度的测算与分析 [J].

汪定伟 ;

叶伟雄 .

控制理论与应用, 2010, 27 (07) :849-854

[6]

Strategic investment in enhancing port–hinterland container transportation network resilience: A network game theory approach[J] . Hong Chen,Jasmine Siu Lee Lam,Nan Liu.Transportation Research Part B . 2018

[7]

Evaluation of Dynamic Ambulance Routing for the Transportation of Patients with Acute Coronary Syndrome in Saint-petersburg[J] . Konstantin Knyazkov,Ivan Derevitsky,Leonid Mednikov,Alexey Yakovlev.Procedia Computer Science . 2015

[8]

Assessing the role of network topology in transportation network resilience[J] . X. Zhang,E. Miller-Hooks,K. Denny.Journal of Transport Geography . 2015

[9]

An efficient heuristic for real-time ambulance redeployment[J] . C.J. Jagtenberg,S. Bhulai,R.D. van der Mei.Operations Research for Health Care . 2015

[10] The role of centrality in ambulance dispatching [J].

Lee, Seokcheon .

DECISION SUPPORT SYSTEMS, 2012, 54 (01) :282-291

← 1 2 →