跳到主要內容

臺灣博碩士論文加值系統

(44.200.140.218) 您好!臺灣時間:2024/07/26 00:23
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:廖珮均
研究生(外文):Pei-Jung Liao
論文名稱:多重災區大量傷患事件救護任務派遣隨機模式探討
論文名稱(外文):A Stochastic Model for Ambulance Assignment of Multi-Disaster Area in Mass Casualty Incidents
指導教授:林耘竹
指導教授(外文):Yun-Zhu Lin
學位類別:碩士
校院名稱:中原大學
系所名稱:土木工程研究所
學門:工程學門
學類:土木工程學類
論文種類:學術論文
論文出版年:2016
畢業學年度:104
語文別:中文
論文頁數:78
中文關鍵詞:大量傷患事件緊急救護回應系統傷患嚴重性等級隨機性傷患治療隨機時間隨機動態規劃模式
外文關鍵詞:mass casualty incidentsmedical emergency response systemsstochastic nature of severity status of casualtiesstochastic treatment timesstochastic dynamic programming model
相關次數:
  • 被引用被引用:1
  • 點閱點閱:271
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
經由天然或人為災難所引發的大型傷患事件回應為現今緊急醫療回應系統之重大挑戰之一。在進行大型傷患事件回應決策時,必須即時地決定如何將傷患由災點救出、運送至醫院,以最快獲得醫療救援。針對此問題本研究提出一隨機動態模式,其同時可以考慮傷患嚴重性等級隨機性、傷患治療隨機時間,以決定一組較佳的救護任務派遣計畫。此模式為一辭書式多目標模式,傷患嚴重性等級越高其獲得緊急醫療救護的優先性等級就越高,尋求每一傷患等級的總傷患回應時間最小化並按照傷患嚴重性等級分級進行之。所謂的傷患回應時間包括傷患於災點等待救援時間、傷患運輸時間、傷患於醫院等待救護時間以及傷患治療時間。假設傷患嚴重性等級隨機性具有馬可夫鏈特性,故可根據這一期的傷患嚴重性等級預測下一期的傷患嚴重性等級,將此資訊導入求解大型傷患事件回應決策的啟發式演算法中,可以避免產生短視的決策。此外,受限於大型傷患緊急救護回應真實問題的狀態空間及決策空間維度過高,故本研究發展一模擬基礎式近似動態規劃演算法求解此大型傷患事件緊急醫療回應隨機動態模式。最後,藉由數個數值測試例評估與驗證此近似演算法的有效性。

Response to mass casualty incidents (MCI) caused by natural or man-made disasters is one of the greatest challenges to medical emergency response systems (MERS). During the emergency response to mass casualty incidents decisions relating to the extrication, transporting and treatment of casualties are made in a real-time, sequential manner. In this thesis, a novel stochastic dynamic programming (SDP) model of this problem is proposed. The stochastic nature of casualty health and treatment time are considered to determine ambulance dispatches assignment. The model is of a multi-objective nature, utilizing a lexicographic view to combine objectives in a manner which capitalizes on their ordering of priority. That is, injuries of higher level of severity have higher priority. Each objective is to minimize the total response time of casualties at the specific level of severity, including waiting times at emergency sites, transportation times, waiting times at hospitals, and treatment times. The uncertainty follows “Markov chain” properties in which the correlations of the variations in the consecutive periods are high and the severity status of casualties in next period is stochastically determined by the present one. These decision results can lead the course of the response operation, thus avoid the myopic decision making which could result from the use of a sequential, heuristic decision making process. Because of the size of the state and action spaces for realistic problems. A simulation-based approximate dynamic programming algorithm is developed to solve the proposed SDP model. The model is evaluated over several potential problems, with results confirming its effective nature.

目錄
摘要
Abstract
目錄
圖目錄
表目錄
第一章 緒論
1.1 研究動機與背景
1.2 研究目的
1.3 研究方法
1.4 研究流程
第二章 文獻回顧
2.1 災害防救及緊急醫療體系簡介
2.1.1 災害防救體系
2.1.2 緊急醫療管理體系
2.2 大量傷患事件之緊急救護任務派遣相關文獻
2.3 隨機規劃與隨機動態規劃理論
2.3.1 機率限制規劃
2.3.2 兩階段規劃
2.3.3 多階段規劃
2.3.4 近似動態規劃
2.4 小結
第三章 研究方法與模式建構
3.1 問題說明及特性
3.2 基本假設
3.3 隨機規劃模式建構
3.3.1符號及變數說明
3.3.2建立數學模式
3.3.3模式說明
3.4 隨機動態規劃模式建構
3.4.1建立數學模式
3.4.2模式說明
第四章 模式求解
4.1 隨機規劃之救護任務指派基本模式
4.1.1 救護任務指派模式之演算法步驟
4.1.3 治療時間隨機性
4.1.4隨機規劃模式之演算法
4.2 隨機動態規劃之滾動時間軸之混合整數規劃求解法
4.2.1 需求情境說明
4.2.2 演算法步驟
第五章 測試例及情境設計分析
5.1 測試例說明
5.2多重災區之情境設計分析
5.2.1災區位置不同
5.2.1.1 災區隨機散布於區域
5.2.1.2 災區集中於區域一側
5.2.1.3 小結
5.2.2災區檢傷等級之傷患數不同
5.3 桃園市真實醫療資源之測試例
5.3.1 桃園市消防單位及醫療院所之介紹
5.3.2 單一災區之情境設計
5.3.2.1 災區於市區
5.3.2.2 災區於郊區
5.3.2.3 小結
5.3.3 多重災區之情境設計
5.3.3.1 總傷患人數80人
5.3.3.2 總傷患人數150人
5.3.3.3 總傷患人數300人
5.3.3.4 小結
5.3.4 小結
第六章 結論與建議
6.1 結論
6.2 建議
參考文獻

圖目錄
圖1-1 災害應變救災醫療能力
圖1-2 研究流程圖
圖2-1 我國中央至地方防救體系架構
圖2-3 基於情境樹基底之兩階段隨機規劃法示意圖(張益菁,2007)
圖2-4 基於情境樹基底之多階段隨機規劃法示意圖
圖4-1 大量傷患事件之救護任務指派基本模式流程圖
圖4-2 均勻分布示意圖
圖4-3 常態分布示意圖
圖4-4 大量傷患事件之隨機規劃救護任務指派基本模式流程圖
圖5-1 消防站及醫院之位置
圖5-2 隨機散布於區域內之三個災區與消防單位及醫院之相對位置
圖5-3 集中於區域內一側之災區與消防單位及醫院相對位置
圖5-4 桃園市消防單位分布圖
圖5-5 桃園市急救責任醫院分布圖
圖5-6 桃園區消防單位及醫院位置
圖5-7 新屋區消防單位及醫院位置
圖5-8 新屋區新增鄰近區域之消防單位及醫院之位置
圖5-9 桃園市五個災區、消防單位及醫院位置

表目錄
表2-1 國內醫療檢傷分級
表2-2 本研究之傷患檢傷等級
表2-3 大量傷患事件之緊急醫療回應相關文獻整理
表4-1 隨機性治療時間分布之範圍值、平均值及標準差
表4-2 檢傷等級移轉機率矩陣
表4-3 起始檢傷等級為輕傷之檢傷等級變化路徑組合庫
表4-4 起始檢傷等級為中傷之檢傷等級變化路徑組合庫
表4-5 起始檢傷等級為重傷之檢傷等級變化路徑組合庫
表4-6 需求路徑產生結果
表4-7 需求實現值計算結果
表5-1 救護任務指派模式之四種方式
表5-2 消防站座標位置及各消防站救護車數
表5-3 醫院座標位置及各醫院手術台數
表5-4 分檢傷等級之救護車容量
表5-5 各檢傷等級之傷患檢傷等級移轉機率
表5-6 各檢傷等級之未救援權重
表5-7 傷患隨機散布於各災區之各檢傷等級之傷患數之一(共60人)
表5-8 三個災區隨機散布於區域內之座標位置
表5-9 災區隨機散布於區域之救護任務指派模式之結果
表5-10 集中於區域內一側之三個災區之座標位置
表5-11 災區集中於區域內一側之救護任務指派模式之結果
表5-12 傷患集中於某災區之各檢傷等級之傷患數之二(共60人)
表5-13 傷患集中於某災區之救護任務指派模式之結果
表5-14 桃園市急救責任醫院列表
表5-15 緊急情況下各醫院最大之容量及單位時間處置率
表5-16 單一災區之災區緊急救護任務情境決策
表5-17 桃園市桃園區消防隊列表
表5-18 桃園區醫院與桃園區災區之距離
表5-19 桃園區單一災區之救護任務指派模式之結果
表5-20 桃園市新屋區消防隊列表
表5-21 桃園市醫院與新屋區災區之距離 58
表5-22 鄰近醫院與新屋區災區之距離 59
表5-23 鄰近桃園市新屋區之消防隊列表 60
表5-24 新屋區單一災區之救護任務指派模式之結果
表5-25 總傷患數80人之各災區之各檢傷等級之傷患數
表5-26 桃園市多重災區(總傷患人數80人)之救護任務指派模式之結果
表5-27 總傷患數150人之各災區之各檢傷等級之傷患數
表5-28 桃園市多重災區(總傷患人數150人)之救護任務指派模式之結果
表5-29 總傷患數300人之各災區之各檢傷等級之傷患數
表5-30 桃園市多重災區(總傷患人數300人)之救護任務指派模式之結果






1.盧善棟譯,Levin, Richard I.,「計量管理學」,台北:中國生產力中心,1968年。
2.王立敏、李建賢,「災難醫學之簡介」,中華民國急救加護醫學會雜誌,第七卷,第四期,頁151-158,1996年。
3.王立敏、胡勝川,急診醫學-災難醫學,金名出版社,1999年。
4.莊世奇,震災疏散行為之研究-以九二一集集大地震為例,淡江大學運輸管理學系運輸科學碩士論文,2001年。
5.施宣政,緊急醫療系統之安全轉院醫療指派演算法,中原大學資訊管理研究所碩士論文,2004年。
6.張益菁,考量需求不確定之單皆多廠產能規劃問題-以TFT-LCD產業為例,國立清華大學工業工程與工程管理研究所碩士論文,2007年。
7.劉欣蘋,多時期多重醫療資源災區配送規劃-以921大地震南投縣為例,中華大學經營管理研究所碩士論文,2007年。
8.石富元,大量傷患事件的緊急救護與醫療之關鍵問題探討,台北區緊急醫療應變中心,2008年。
9.賴奕杉,隨機性班機延誤下整合性機門指派模式與求解演算法之研究,國立中央大學土木工程研究所碩士論文,2008年。
10.李德全,隨機作業時間之道路災害緊急搶修排成模式與演算法探討,中原大學土木工程研究所碩士論文,2009年。
11.吳蘇容,模擬為基之近似動態規劃應用在TFT-LCD 隨機產能規劃,國立清華大學工業工程與工程管理研究所碩士論文,2011年。
12.古澤民,穩健節點p中心於緊急救災物資配送中心區位選擇之應用,國立臺北科技大學工業工程與管理研究所碩士論文,2011年。
13.Beate, R., Kathrin, F., Alexander, B., A Transshipment Model for Distribution and Inventory Relocation under Uncertainty in Humanitarian Operations, Socio-Economic Planning Sciences, Vol.46, pp.98-109, (2012).
14.Erik, C., Tibor, M., Matej, K., Erlang C Formula and Its Use in the Call Centers, Information and Communication Technologies and Services, Vol.9, NO.1, pp.7-13, (2011).
15.FEMA, Guide for All-Hazard Emergency Operation Planning-State and Local Guide (SIG-101), (1996).
16.Gong, Q., and Batta, R., “Allocation and Reallocation of Ambulances to Casualty Clusters in a Disaster Rellef Operation,” IEE Transactions, Vol.39, NO.1, pp.27-39, (2007).
17.Gross, M, Harris, J. Fundamentals of Queueing Theory. Wiley, New York. (1998).
18.Hood, S. J., Bermon, S., and Barahona, F., “Capacity Planning under Demand Uncertainty for Semiconductor Manufacturing,” IEEE Transactions on Semiconductor Manufacturing, Vol.16, No.2, pp.273-280, (2003).
19.Janssen, A.J.E.M., Van Leeuwaarden, J.S.H., Zwart, B., Refining Square Root Staffing by Expanding Erlang C, Operations Research Vol.59, NO.6, pp.1512-1522, (2011).
20.Janssen, A.J.E.M., Van Leeuwaarden, J.S.H., Zwart, B., Gaussian Expansions and Bounds for the Poisson Distribution Applied to the Erlang B Formula, Advances in Applied Probability, Vol.40, No.1, pp.122-143, (2008).
21.Mears, G., Pornato, J., and Dawson, D. E., “Emergency Medical Services Information Systems and a Future EMD National Database,” Prehospital Emergency Care, Vol.6, No.1, pp.123-130, (2002).
22.Najafi, M., Eshghi, K., and Dullaert, W., “A Multi-Objective Robust Optimization Model for Logistics Planning in the Earthquake Response Phase,” Transportation Research Part E: Logistics and Transportation Review, Vol.49, pp.217-249, (2013).
23.Salman, F.S., Sezer, G., Deployment of Field Hospitals in Mass Casualty Incidents, Computers & Industrial Engineering, Vol.74, pp.37-51, (2014).
24.Wei, Y., Arun, K., Ant Colony Optimization for Disaster Relief Operations, Transportation Research Part E, Vol.43, pp.660-672, (2007).
25.Wilson, D. T., Hawe, G. I., Coates, G., and Crouch, R. S., “A Multi- Objective Combinatorial model of casualty processing in major incident response,” European Journal of Operational Research, Vol.230, No.3, pp.643-655, (2013).
26.Zhang, Z.-H., and Jiang H., “A Robust Counterpart Approach to the Bi-Objective Emergency Medical Service Design Problem,” Applied Mathematical Modelling, Vol.38, pp.1033-1040, (2014).


QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top