Optimieren der Reaktionszeit von Krankenwagen mithilfe von Uber-Bewegungsdaten

Blog

Einführung

Die Effizienz des Rettungsdienstes (EMS) ist ein wichtiger Indikator für ein gut funktionierendes Gesundheitssystem. In diesem Bericht vergleiche ich verschiedene Strategien für das Flottenmanagement von Krankenwagen, um ihre Reaktionszeit zu minimieren. Basierend auf realen Daten analysiere ich die Ergebnisse der Simulation und vergleiche sie dann mit dem Benchmark der EMS-Reaktionszeit in London. Außerdem teste ich den Einfluss unterschiedlicher Durchschnittsgeschwindigkeiten von Krankenwagen sowie den Einfluss der Schließung der London Tower Bridge im letzten Quartal 2016 auf die durchschnittliche Reaktionszeit.



Methodik

Das Zusammenstellen des Straßennetzes von London zu einem Netz ist rechenintensiv, daher bestand der Ansatz darin, das System grob zu gliedern, um Regionen (mit einer mittleren Fläche von 1,6 km²) als Bausteine ​​​​zu verwenden. Unter Verwendung des Open-Source-Datensatzes Uber Movement wurde die Stadt mit etwa 1000 Regionen des Großraums London konstruiert, die aus Polygonformen bestehen. Als nächstes hängt das Erstellen von Kanten zwischen zwei bestimmten Regionen von der Anzahl der Koordinaten ab, die ihre Polygone teilen (d. h. wenn ein Paar von Regionen mindestens eine Koordinaten teilt, dann sind sie benachbart und somit mit einer Kante verbunden).

Ein Netzwerk der Greater London Area generiert mit Netzwerkx Paket



Für eine gezieltere Analyse wurde ein Unterabschnitt der Londoner Regionen ausgewählt, der 71 Gebiete rund um das Epizentrum der Stadt umfasst. Der Datensatz der Uber-Bewegung gibt die durchschnittliche Reisezeit zwischen allen Regionenpaaren an, die dann als Kantengewichte für den Unterabschnitt des Londoner Netzwerks dienten ( dunkelgrau für hohe durchschnittliche Reisezeit, hellgrau für niedrige durchschnittliche Reisezeit )

Die Wahrscheinlichkeit, einen Krankenwagen anzufordern, ist regional unterschiedlich. Mit dem Kriminalitätsindex veröffentlicht von der Metropolitan Police of London , jeder Region wurde eine Kriminalitätsrate-Metrik zugewiesen, die durch die Knotenfarbe im Netzwerk angezeigt wird ( rot für hohe Kriminalitätsrate und blau für niedrige Kriminalitätsrate ). Die Größe der Knoten spiegelt die Fläche der Region in km² wider. Schließlich wurden Krankenhäuser in London mithilfe der Google Maps API ( grüne Knoten ) dann ihrer jeweiligen Region im Londoner Unterabschnittsnetz zugeordnet. (d. h. wenn die Koordinaten des medizinischen Zentrums innerhalb des Polygons einer Region liegen, wird es in den Knoten der Region aufgenommen).



#uber #london #simulation #ambulance #data-science

zudatascience.com

Optimieren der Reaktionszeit von Krankenwagen mithilfe von Uber-Bewegungsdaten

Optimieren der Reaktionszeit von Krankenwagen mithilfe von Uber-Bewegungsdaten. In diesem Bericht vergleiche ich verschiedene Strategien für das Flottenmanagement von Krankenwagen, um ihre Reaktionszeit zu minimieren. Basierend auf realen Daten analysiere ich die Ergebnisse der Simulation und vergleiche sie dann mit dem Benchmark der EMS-Reaktionszeit in London.