Flottenmanagement für Rettungs- und Krankentransporte
Ambulance Routing - Emergency Service and Dial-a-ride
Wissenschaftsdisziplinen
Mathematik (40%); Wirtschaftswissenschaften (60%)
Keywords
-
Dynamic Vehicle Routing,
Dial-a-Ride Problems,
Ambulance Routing,
Decision Support System,
Emergency Services
Blaulichtorganisationen (z. B. Rettungs- und Krankentransportanbieter, Polizei, Feuerwehr) und andere Einsatzorganisationen (z. B. Automobilclubs) sind mit dem Problem konfrontiert, dass sie mit dem Einsatz ihrer Fahrzeugflotte drei unterschiedliche Arten von Dienstleistungen erfüllen müssen 1) Abdeckung aller Regionen und Gewährleistung eines gewissen Servicelevels in den verschiedenen Regionen. 2) Durchführung von Notfalleinsätzen 3) Durchführung von Routineeinsätzen (e.g.: Dial-a-Ride Probleme -- Pick-up and Delivery von Patienten, geplante und periodische Patiententransporte). Dabei ist eine heterogene Flotte zu berücksichtigen. Weiters ist zu berücksichtigen, dass gewisse Dienstleistungen speziell ausgebildetes Personal erfordern. Das Ziel ist es die gesamte Reisezeit zu minimieren unter Berücksichtigung einiger Nebenbedingungen (z. B. die Einhaltung der Zeitfenster bei den Patienten bzw. im Krankenhaus, Verwendung des geeigneten Fahrzeuges). Bei den österreichischen Rettungs- und Krankentransportdiensten wird Punkt 2) und Punkt 3) in der Regel mit derselben Flotte durchgeführt. Dadurch kommt es zu besonderen dynamischen Effekten. Fahrzeuge, die für die Durchführung von Routinetransporten eingeplant sind, werden für Notfalltransporte neu eingeteilt. Daher muss der Plan für die Durchführung der Routinetransporte adaptiert bzw. reoptimiert werden. Nach Beendigung von Notfalleinsätzen werden ungeplant Fahrzeuge bei den Krankenhäusern verfügbar, die in weiterer Folge für die Durchführung der Routinetransporte verwendet werden können. Daher ist es ebenfalls notwendig, den Routinetransport zu reoptimieren. Neben den Standard Dial-a-Ride Eigenschaften sind zusätzliche Problemeigenschaften zu berücksichtigen. 1) unterschiedliche Zeitfenstertypen - z. B. Dialysepatienten müssen pünktlich zum vereinbarten Zeitpunkt im Krankenhaus eintreffen, da das Dialysegerät reserviert ist. Patienten zu Routineuntersuchungen können jederzeit während der Öffnungszeiten ankommen. 2) Heterogene Flotte und heterogene Patienten - verschiedene Fahrzeuge können eine unterschiedliche Anzahl an Patienten transportieren, liegend transportierte Patienten benötigen mehr Platz als sitzende. 3) Dynamische Aspekte - Manche Aufträge sind im voraus bekannt andere Aufträge kommen während des Tages in der Leitstelle an. Die bereits oben angesprochene Durchführung der Notfalleinsätze mit der gleichen Flotte führt auch zu dynamischen Effekten. 4) Stochastische Aspekte - erwartete Rücktransporte werden in der Planung berücksichtig. Als vorangegangene Grundlagenforschung entwickelten wir verschiedene metaheuristische Lösungsansätze für Standard Tourenplanungsprobleme (teilweise gefördert durch den Jubiläumsfonds der Österreichischen Nationalbank - Projektnummer 8630). Dies sind insbesondere diverse Ansätze der Ant Colony Optimization und der Variable Neighborhood Search. Diese Erfahrung soll genutzt werden, um leistugsfähige Algorithmen für Dial- a-Ride Probleme mit diversen Zusatzaspekten (dynamisch, stochastisch) zu entwickeln. Die Innovation von der Softwareentwicklungssichtweise ist ein vollständig integriertes Entscheidungsunterstützungssystem für das Leitstellensystem, das dem Disponenten in Echtzeit diverse Fahrzeugzuteilungen vorschlägt. Darüberhinaus wird ein standardisiertes Datenmodell entwickelt, das es ermöglicht jegliche Generalisierungen des klassischen Tourenplanungsproblem zu lösen und verschiedene Echtweltdaten mit den integrierten Lösungsalgorithmen verknüpft. Die Integration von geographischen Informationssystemen und realen Strassennetzinformationen ist fixer Bestandteil des Frameworks. Die Innovation aus Sicht der Transportlogistik bzw. der Unternehmensforschung ist die Entwicklung kompetitiver Algorithmen zur Lösung von Dial-a-Ride Problemen unter Berücksichtigung realer Echtweltnebenbedingungen, spezieller dynamischer und stochastischer Eigenschaften.
- Technische Universität Wien - 20%
- Universität Wien - 80%
- Stefan Biffl, Technische Universität Wien , assoziierte:r Forschungspartner:in