Исследователи из Университета штата Северная Каролина разработали сложную модель, позволяющую повысить скорость прибытия служб экстренного реагирования, таких как полиция и скорая помощь, на место дорожно-транспортных происшествий. При вычислительном тестировании модель превзошла существующие методы быстрой доставки спасателей на места происшествий.
«Цель состояла в том, чтобы найти наиболее эффективный способ привлечь первых реагирующих на аварию», — говорит Лейла Хаджибабай, автор статьи о работе и доцент кафедры промышленной и системной инженерии Эдварда П. Фиттса штата Северная Каролина.
«Где должны базироваться службы экстренного реагирования, чтобы реагировать на наиболее вероятные места происшествий? Всегда ли лучше, чтобы ближайшие службы экстренного реагирования выезжали на место происшествия, или — в зависимости от трафика — может ли это быть быстрее для тех, кто находится на месте происшествия ? дальше, чтобы отреагировать? Как тяжесть аварии влияет на время реагирования? Вот некоторые из вопросов, на которые отвечает наша модель».
С этой целью исследователи разработали модель, которая максимизирует зону охвата, чтобы подразделения реагирования могли реагировать на максимальное количество возможных мест происшествий, и сводит к минимуму время, необходимое респондентам для достижения мест происшествий. Модель также учитывает «горячие точки», отдавая приоритет эффективности времени реагирования в местах, где аварии наиболее вероятны на основе исторических данных .
«Модель можно использовать как для долгосрочного планирования , так и для повседневного распределения ресурсов реагирования на инциденты», — говорит Хаджибабай.
Для долгосрочного планирования модель может помочь властям оптимизировать местонахождение респондентов, т. е. помочь им определить, где разместить инфраструктуру первого реагирования. На ежедневной основе эта модель также может помочь властям определить, какие респонденты лучше всего подходят для того, чтобы быстрее добраться до места происшествия.
Чтобы протестировать модель, исследователи использовали данные, собранные Министерством транспорта Северной Каролины в отношении 10 983 дорожно-транспортных происшествий, которые произошли в 10 672 различных местах в Роли, Северная Каролина. Исследователи использовали данные, чтобы проверить, насколько эффективно модель работала по сравнению с двумя текущими современные методы, используемые для распределения ресурсов реагирования на инциденты.
«Наша модель превзошла существующие модели с точки зрения улучшения времени отклика, независимо от размера проблемы с трафиком, на которую они реагировали», — говорит Хаджибабай.
Более того, исследователи сделали модель достаточно гибкой, чтобы учитывать изменения количества ресурсов, доступных для реагирования на инциденты.
«Бюджеты и другие обстоятельства могут значительно меняться со временем, и для нашей модели важно иметь возможность учитывать изменения в количестве доступных респондентов», — говорит Хаджибабай.
В настоящее время исследователи проверяют пределы модели.
«Есть ли что-то, что мы можем сделать, чтобы сделать модель еще быстрее? Это документ для проверки концепции, и результаты превосходны», — говорит Хаджибабай. «Теперь мы хотим посмотреть, что мы можем сделать, чтобы сделать его еще лучше». Исследователи ищут партнеров для проведения пилотных исследований с их моделью.