Оптимизация размещения экипажей скорой. Оптимизация размещения экипажей скорой медицинской_Багаев_Караба. Отчет по проекту 4 по теме Оптимизация размещения экипажей скорой медицинской помощи на основе статистических данных
 Скачать 0.73 Mb.
|
|
МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РФ АСТРАХАНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ Факультет цифровых технологий и кибербезопасности Кафедра информационной безопасности и цифровых технологий Форма обучения очная ОТЧЕТ по проекту №4 по теме: «Оптимизация размещения экипажей скорой медицинской помощи на основе статистических данных» по дисциплине «Интеллектуальные системы и технологии» Выполнили: магистранты группы ИТ-25 Багаев Н.Н., Карабак И.И., Шевченко В.Д. Проверил: к.т.н., доцент Кошкаров А.В. Астрахань, 2022 г. Содержание1 Основные сведения проекта 3 1.1Члены команды 3 1.2 Наименование проекта 3 1.3 Ссылка на исходный репозиторий 3 1.4 Ссылка на презентацию 3 2.1 Описание проблемы 4 2.2 Эффекты 4 2.3 Целевая аудитория 4 2.4 Описание имеющихся данных и ссылка на источник данных 4 3 Описание решения 5 3.1Требования к окружению для запуска продукта. 5 3.2Сценарий сборки и запуска проекта 5 3.4Наши рекомендации и дополнения к решению 8 1 Основные сведения проектаЧлены командыСтуденты 2 курса магистратуры по направлению «Управление данными» группы ИТ-25: Багаев Никита Николаевич. Карабак Илья Игоревич. Шевченко Виктор Дмитриевич. 1.2 Наименование проекта Оптимизация размещения экипажей скорой медицинской помощи на основе статистических данных 1.3 Ссылка на исходный репозиторий https://git.asi.ru/accelerated-assistance/ambulance-placement 1.4 Ссылка на презентацию https://drive.google.com/open?id=1P7f1vxot4txoSqnyY_S9HFX2_eF1CsJO 2 Описание задачи 2.1 Описание проблемы В современных условиях необходимо максимально сократить время реагирования скорой медицинской помощи на обращения граждан. При этом, среднее время реагирования существенно зависит от того, как расположены места базирования экипажей скорой помощи по отношению к основным местам, из которых осуществляются обращения за помощью. Накоплена и пополняется значительная статистика обращений, позволяющая вести статистический анализ и обучение моделей искусственного интеллекта. 2.2 Эффекты Сокращение времени реакции скорой помощи на звонок пациента за счет оптимального размещения экипажей скорой помощи в городе, учитывающего текущие тенденции заболеваемости и вызовов экипажей СМП. Снижение смертности за счет своевременного реагирования СМП на вызовы пациентов. 2.3 Целевая аудиторияМинистерство здравоохранения, руководство станций скорой медицинской помощи. 2.4 Описание имеющихся данных и ссылка на источник данныхДля данной задачи использовались данные, расположенные в папке data в репозитории по ссылке https://git.asi.ru/accelerated-assistance/ambulance-placement/-/tree/master/data, полученные из исходных данных путём геокодирования имеющихся адресов. Для геокодирования адресов был использован сервис here.com. 3 Описание решенияТребования к окружению для запуска продукта. Приложение выполнено в виде записной книжки Jupyter, запускаемой в облачном сервисе Google Colaboratory. Использованные технологии: Язык - Python 3.8 Библиотеки - Numpy, Pandas, folium, sklearn, geocoder Сторонние сервисы - Google Colab, Here.com Среда для запуска - Google Colab  Рисунок 1 – Запуск продукта в Google Colaboratory Сценарий сборки и запуска проекта Данное приложение стремится оптимизировать расположение экипажей СМП на основе статистических данных о вызовах в данный период. Вычисляются частоты вызовов разных экипажей по типам и в соответствии с этими частотами предлагается план размещения. План размещения оформлен в виде списка, отрисовывающегося на самой странице с формой. Для начала работы нужно загрузить данные в приложение (рисунок 2, рисунок 3, рисунок 4).  Рисунок 2 – Пример загружаемых данных  Рисунок 3 – Пример загружаемых данных  Рисунок 4 – Пример загружаемых данных Далее пользователь должен выбрать дату, для которой будет сгенерировано расписание и тепловая карта (рисунок 5).  Рисунок 5 – Выбор даты После выбора даты и запуска ячейки генерируется расписание следующего вида (рисунок 6).  Рисунок 6 – Генерация расписания Далее генерируется тепловая карта вызовов (рисунок 7).  Рисунок 7 – Тепловая карта вызовов На последнем этапе генерируется время доезда для текущего месяца (рисунок 8).  Рисунок 8 – Время доезда для текущего месяца Наши рекомендации и дополнения к решению В целом, реализованное ПО решает поставленную задачу, однако, решение можно улучшить, ориентируясь на более тонкие особенности предметной области, а также используя другие метрики и алгоритмы. Автором реализованы открытость исходного кода и масштабируемость, однако отсутствует какой-либо программный интерфейс, который обеспечит удобство работы для пользователя. |