Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Jurnal Riset Operasional Eropa 147 (2003) 451–463

www.elsevier.com/locate/dsw

Ulasan yang Diundang

Lokasi ambulans dan model relokasi

Luce Brotcorne sebuah, Gilbert Laporte b,c,*, Fr-ed-eric Semet iklan
sebuah LAMIH-ROI, Universite- de Valenciennes, Le Mont-Houy, 59304 Valenciennes, Cedex 9, Prancis
B GERAD dan Ketua Riset Kanada dalam Manajemen Distribusi, E-cole des Hautes E-tudes Komersial,
3000 chemin de la Cte-Sainte-Catherine, Montre-al, Kanada H3T 2A7
C Center de recherche sur les transports, Universite- de Montre-al, Pos pos 6128, Succursale Centre-Ville, Montre-al, Kanada H3C 3J7
D GRIS, De-bagian d-administrasi de la sante-, universitase- de Montre-al, Pos pos 6128, Succursale Centre-Ville, Montre-Al,
Kanada H3C 3J7

Abstrak

Artikel ini menelusuri evolusi lokasi ambulans dan model relokasi yang diusulkan selama 30 tahun terakhir. Model
diklasifikasikan dalam dua kategori utama.Deterministik model digunakan pada tahap perencanaan dan mengabaikan
pertimbangan stokastik mengenai ketersediaan ambulans. Probabilistik model mencerminkan fakta bahwa ambulans beroperasi
sebagai server dalam sistem antrian dan tidak selalu dapat menjawab panggilan. Selain itu,dinamis model telah dikembangkan
untuk berulang kali merelokasi ambulans sepanjang hari.
- 2002 Elsevier Science BV Hak cipta dilindungi undang-undang.

Kata kunci: Ambulans; Layanan medis darurat; Lokasi; Relokasi; Pemindahan

1. Perkenalan pengambilan keputusan. Literatur tentang sistem penentuan

Artikel ulasan ini menelusuri evolusi lokasi ambulans
dan model relokasi yang diusulkan selama 30 tahun
terakhir. Periode ini ditandai oleh pertumbuhan yang
belum pernah terjadi sebelumnya tidak hanya dalam
teknologi komputer, tetapi juga dalam pemodelan dan
kecanggihan algoritme, dalam kinerja pemecah
pemrograman matematika, dan dalam adopsi perangkat
lunak komputer secara luas di beberapa tingkat.
*
Penulis yang sesuai. Alamat: Center de recherche sur les
transports, Universit-e de Montr-eal, Case postale 6128,
Succursale Centre-Ville, Montr-eal, Kanada H3C 3J7. Telp.: +1-514-
343-7575; faks: +1-514-343-7121.
Alamat email: gilbert@crt.umontreal.ca (G.Laporte).
posisi ambulans benar-benar mencerminkan evolusi ini.
Model pertama yang diusulkan adalah formulasi
pemrograman linier bilangan bulat yang tidak canggih, tetapi
seiring waktu fitur yang lebih realistis diperkenalkan secara
bertahap, dan teknik solusi juga berkembang.
Sebagian besar model awal berurusan dengan statis dan
deterministik masalah lokasi. Ini dimaksudkan untuk
digunakan pada tahap perencanaan dan mereka
mengabaikan pertimbangan stokastik. Beberapaprobabilistik
model kemudian dikembangkan untuk mencerminkan fakta
bahwa ambulans beroperasi sebagai server dalam sistem
antrian dan terkadang tidak tersedia untuk menjawab
panggilan. Dinamis model lebih baru. Mereka mengatasi
masalah relokasi ambulans berulang kali di hari yang sama
untuk memberikan cakupan yang lebih baik. Dalam
beberapa tahun terakhir, perkembangan

0377-2217/03/$ - lihat materi depan - 2002 Elsevier Science BV Hak cipta dilindungi undang-undang.
doi:10.1016/S0377-2217(02)00364-8
452 L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463
algoritma pencarian lokal yang kuat, khususnya
pencarian tabu (Glover dan Laguna, 1997), ditambah
dengan pertumbuhan komputasi paralel (Crainic dan
Toulouse, 1998) telah memunculkan aliran penelitian
baru yang secara efektif menangani sifat dinamis dari
masalah. Dengan model dan algoritma terbaru,
masalah skala besar dapat diselesaikan dengan cepat
dan dinamis secara real time, dengan tingkat akurasi
yang tinggi.
Ada banyak literatur tentang model tempat
duduk kendaraan darurat. Survei oleh Marianov
dan ReVelle (1995) memberikan gambaran umum
tentang model-model paling penting yang
diterbitkan hingga saat itu. Ulasan kami kurang
umum karena berfokus pada layanan ambulans,
tetapi mau tidak mau mencakup beberapa materi
yang sama, meskipun dengan penekanan yang
berbeda. Survei Marianov–ReVelle diakhiri dengan
referensi tidak langsung ke model relokasi dinamis
yang terintegrasi dalam sistem informasi
geografis: ''jarang ada ambulans yang ditempatkan
di stasiun berdiri bebas''. . ., ''Terakhir kami
mengadakan kompetisi pemanasan. . . Teknik
GIS'' (hal. 223). Survei kami secara tepat membahas
masalah ini dengan memberikan bagian pada
model relokasi dinamis yang baru saja mulai
muncul. Kami juga melaporkan implementasi
aktual dari model lokasi dan relokasi ambulans.
Akhirnya,
Artikel ini disusun sebagai berikut. Di Bagian 2,
kami menjelaskan secara singkat fungsi layanan
medis darurat. Dua model awal yang dikembangkan
untuk kasus statis dijelaskan di Bagian 3. Kelemahan
penting dari model ini adalah bahwa model ini
mungkin tidak lagi menjamin cakupan yang memadai
segera setelah ambulans yang dikirim ke panggilan
menjadi tidak tersedia. Dua jenis model telah
dikembangkan untuk menangani kebutuhan untuk
menyediakan cakupan ekstra: model deterministik
dan model probabilistik. Ini disajikan dalam Bagian 4
dan 5, masing-masing. Kami telah memilih untuk
berkonsentrasi pada model yang paling penting,
mengesampingkan beberapa varian kecil yang sudah
terdaftar dalam artikel ReVelle (1989), Swersey (1994)
dan Marianov dan ReVelle (1995). Di Bagian 6, kami
memberikan penjelasan tentang beberapa penelitian
yang muncul di bidang reposisi ambulans dinamis.
2. Bagaimana layanan medis darurat beroperasi
Rantai kejadian yang mengarah pada intervensi ambulans ke tempat kejadian mencakup empat langkah
berikut: (1) deteksi dan pelaporan insiden, (2) penyaringan panggilan, (3) pengiriman kendaraan, dan (4) intervensi
aktual oleh paramedis . Keputusan yang dibuat oleh manajer layanan darurat berkaitan dengan langkah kedua
dan ketiga. Fungsi utama dari proses penyaringan adalah untuk menentukan tingkat keparahan insiden dan
tingkat urgensinya (misalnya, pada skala satu sampai empat), dan untuk membuat keputusan tentang jenis dan
jumlah ambulans yang akan dikirim. Karena waktu sangat penting dalam situasi darurat, sangat penting bahwa
kendaraan selalu berada di lokasi untuk memastikan cakupan yang memadai dan waktu respons yang cepat
(Wisborg et al., 1994). Undang-Undang Layanan Medis Darurat Amerika Serikat (lihat Ball dan Lin, 1993)
menetapkan beberapa standar: di daerah perkotaan, 95% dari permintaan harus dilayani dalam waktu 10 menit; di
daerah pedesaan, mereka harus disajikan dalam waktu 30 menit. Di sinilah lokasi ambulans dan model serta
algoritma relokasi berperan. Teknologi informasi canggih sekarang sering digunakan untuk membantu proses
manajemen ambulans. Ini termasuk pengawasan jaringan jalan (Heddebaut, 1997; Cohen, 1999), sistem
penentuan posisi kendaraan (Bouveyron dan Didier, 1993; American TriTech, 1996), sistem informasi geografis
(Bernhardsen, 1999), dan sistem penyaringan panggilan berbasis kecerdasan buatan (Clawson dan Dernocoeur,
1991). Idealnya, sistem ini harus sepenuhnya terintegrasi dan saling berhubungan dalam modul relokasi
ambulans. Di sinilah lokasi ambulans dan model serta algoritma relokasi berperan. Teknologi informasi canggih
sekarang sering digunakan untuk membantu proses manajemen ambulans. Ini termasuk pengawasan jaringan
jalan (Heddebaut, 1997; Cohen, 1999), sistem penentuan posisi kendaraan (Bouveyron dan Didier, 1993; American
TriTech, 1996), sistem informasi geografis (Bernhardsen, 1999), dan sistem penyaringan panggilan berbasis
kecerdasan buatan (Clawson dan Dernocoeur, 1991). Idealnya, sistem ini harus sepenuhnya terintegrasi dan saling
berhubungan dalam modul relokasi ambulans. Di sinilah lokasi ambulans dan model serta algoritma relokasi
berperan. Teknologi informasi canggih sekarang sering digunakan untuk membantu proses manajemen
ambulans. Ini termasuk pengawasan jaringan jalan (Heddebaut, 1997; Cohen, 1999), sistem penentuan posisi
kendaraan (Bouveyron dan Didier, 1993; American TriTech, 1996), sistem informasi geografis (Bernhardsen, 1999),
dan sistem penyaringan panggilan berbasis kecerdasan buatan (Clawson dan Dernocoeur, 1991). Idealnya, sistem
ini harus sepenuhnya terintegrasi dan saling berhubungan dalam modul relokasi ambulans. American TriTech,
1996), sistem informasi geografis (Bernhardsen, 1999), dan sistem penyaringan panggilan berbasis kecerdasan
buatan (Clawson dan Dernocoeur, 1991). Idealnya, sistem ini harus sepenuhnya terintegrasi dan saling
berhubungan dalam modul relokasi ambulans. American TriTech, 1996), sistem informasi geografis (Bernhardsen,
1999), dan sistem penyaringan panggilan berbasis kecerdasan buatan (Clawson dan Dernocoeur, 1991). Idealnya,
sistem ini harus sepenuhnya terintegrasi dan saling berhubungan dalam modul relokasi ambulans.
Dari sudut pandang medis dan ekonomi, tampaknya
disarankan untuk sistem layanan medis darurat
perkotaan untuk mengoperasikan beberapa jenis
kendaraan secara berurutan (Stout et al., 2000). Ini telah
terbukti meningkatkan kinerja sistem global dalam kasus
trauma dan insiden jantung (Haas et al., 1995). Layanan
medis darurat biasanya bekerja dengan dua jenis
penyedia yang memiliki kemampuan berbeda: unit
bantuan hidup dasar (BLS) dan unit bantuan hidup
lanjutan (ALS), keduanya sering dikirim ke insiden yang
sama, tetapi dalam standar waktu yang berbeda
(Mandell, 1998). ). Di beberapa kota di Amerika Utara, BLS
dijamin oleh petugas pemadam kebakaran yang dilatih
sebagai paramedis. Mereka berbasis di api lokal
 L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463 453

stasiun dan seringkali yang pertama tiba di tempat kejadian. (LSCM)

ALS ditanggung oleh ambulans. Sebagian besar panggilan x
Memperkecil xJ D1TH
hanya dapat dilayani oleh satu ambulans, tetapi kadang-
J2W
kadang diperlukan dua atau lebih.
Ada perbedaan penting antara operasi layanan medis tunduk pada
x
darurat dan perusahaan pemadam kebakaran atau
xJ P1 DSaya 2 V TH; D2TH
departemen kepolisian. Pertama, ambulans tidak selalu J2WSaya

berbasis di gedung, tetapi seringkali di lokasi yang

sangat sederhana seperti tempat parkir. Lebih penting xJ 2 f0; 1G DJ 2 W TH: D3TH
lagi, mereka secara berkala dipindahkan untuk
Model ini mengabaikan beberapa aspek masalah
memastikan cakupan yang baik setiap saat. Ambulans
kehidupan nyata, yang paling penting mungkin adalah
biasanya tidak berpatroli di jalan-jalan di antara
bahwa setelah ambulans dikirim, beberapa titik
panggilan, tetapi begitu mereka dikirim ke tempat
permintaan tidak lagi tercakup. Beberapa model yang
kejadian, mereka mungkin dialihkan ke panggilan yang
lebih canggih yang dijelaskan dalam Bagian 4 cukup
lebih penting. Mobil polisi, sebaliknya, secara teratur
mengatasi kekurangan ini. Model ini juga
melakukan tugas patroli karena kehadiran mereka di
mengasumsikan bahwa hinggaJW J ambulans tersedia,
jalan-jalan kota bertindak sebagai pencegah kejahatan.
yang tidak selalu terjadi dalam praktiknya. Namun, itu
Untuk bacaan lebih lanjut tentang kebakaran dan operasi
memberikan batas bawah pada jumlah ambulans yang
polisi, pembaca yang tertarik dirujuk ke Larson (1972),
diperlukan untuk memastikan cakupan penuh.
Walker et al. (1979), Swersey (1994), dan Adams (1997).
Pendekatan alternatif yang diusulkan untuk
mengatasi beberapa kekurangan LSCM adalah
memaksimalkan cakupan populasi dengan ketersediaan
ambulans yang terbatas. Dalam masalah lokasi
3. Dua model awal untuk masalah lokasi
penutupan maksimal (MCLP) awalnya diusulkan oleh
ambulans statis
Church dan ReVelle (1974),DSaya menunjukkan
permintaan dari vertex Saya, dan P adalah jumlah
Model lokasi ambulans didefinisikan pada grafik.
ambulans yang tersedia. Variabel binerkamuSaya sama
Himpunan titik permintaan dilambangkan dengan V dan
dengan 1 jika dan hanya jika simpul Saya ditanggung
kumpulan situs lokasi ambulans potensial dilambangkan
oleh setidaknya satu ambulans. Modelnya kemudian:
dengan W Waktu tempuh tersingkat Taku j
dari titik Saya ke puncak J dari grafik diketahui. Seperti (MCLP)
yang umum dalam teori lokasi, menetapkan tuntutan x
Maksimalkan DSayakamuSaya D4TH
ke himpunan diskrit dapat dicapai melalui proses
Saya2V

agregasi yang tak terhindarkan mengakibatkan

hilangnya akurasi. Berbagai teknik telah diusulkan tunduk pada
x
untuk mengukur dan mengontrol batas kesalahan xJ P kamuSaya DSaya 2 V TH; D5TH
(Erkut dan Bozkaya, 1999; Francis et al., 2000). Titik J2WSaya

permintaanSaya 2 V dikatakan tertutupi berdasarkan

x
situs J 2 W jika dan hanya jika Taku j 6 R, di mana R xJ ¼ P; D6TH
adalah standar cakupan preset. MembiarkanWSaya fJ 2 J2W
W : taku j 6 RG menjadi set lokasi situs yang mencakup
titik permintaan Saya. xJ 2 f0; 1G DJ 2 W TH; D7TH
Dalam model location set covering (LSCM) yang diperkenalkan
kamuSaya 2 f0; 1G DSaya 2 V TH: D8TH
oleh Toregas et al. (1971), tujuannya adalah untuk meminimalkan
jumlah ambulans yang dibutuhkan untuk mencakup semua titik Masing-masing dari dua model LCSM dan MCLP masuk akal dengan
permintaan. Ini menggunakan variabel binerxJ caranya sendiri. Yang pertama dapat digunakan sebagai alat
sama dengan 1 jika dan hanya jika ambulans terletak di perencanaan untuk membantu menentukan jumlah kendaraan yang
vertex J: tepat untuk memenuhi semua permintaan, sedangkan yang kedua
454 L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463

upaya untuk memanfaatkan sebaik mungkin sumber daya tunduk pada

terbatas yang tersedia. Beberapa ekstensi dari kedua model x
xSEBUAH
J PkamuSaya DSaya 2 V TH; D10TH
telah diusulkan dalam literatur lokasi ambulans. Pendekatan
J2W SEBUAH
Saya
yang masuk akal adalah menyelesaikan MCLP berulang kali
dengan nilai yang meningkatP sampai semua permintaan x
terpenuhi. Sebuah tradeoff antara biaya dan cakupan
xBJ PkamuSaya DSaya 2 V TH; D11TH

J2W Saya
B
kemudian dapat dibuat.
Eaton dkk. (1985) telah menggunakan MCLP untuk x
J ¼ PSEBUAH; D12TH
merencanakan reorganisasi layanan medis darurat di xSEBUAH

J2W
Austin, Texas. Rencana yang diusulkan telah menghemat
biaya konstruksi kota sebesar $3,4 juta, dan $1,2 juta per x
xJB¼ PB; D13TH
tahun untuk biaya operasional, pada tahun 1984. Selain
J2W
itu, waktu respons rata-rata telah berkurang meskipun
ada peningkatan panggilan untuk layanan. 6xB DJ
J
xSEBUAH
J 2 W TH; D14TH

J ; xBJ2 f0; 1gJ 2 W TH;

4. Model statis deterministik dengan cakupan ekstra
Baik LSCM maupun MCLP tidak mengakui fakta bahwa
kadang-kadang kendaraan dari beberapa jenis dapat
dikirim ke tempat kejadian. Juga, bahkan jika hanya satu
jenis kendaraan yang digunakan, penyelesaian MCLP saja
mungkin tidak memberikan rencana lokasi yang cukup
kuat. Kami menyajikan di bagian ini sejumlah model
deterministik yang dikembangkan untuk menangani
masalah cakupan ganda. Model probabilistik akan
disajikan pada Bagian 5.
Salah satu model pertama yang dikembangkan untuk
menangani beberapa jenis kendaraan adalah model alokasi
peralatan tandem, atau TEAM (Schilling et al., 1979). Ini
berlaku secara alami untuk perusahaan pemadam kebakaran
yang beroperasi dengan dua jenis peralatan (pompa dan
tangga penyelamat), tetapi juga relevan dalam konteks lokasi
ambulans di mana unit BLS dan ALS digunakan.
Dilambangkan denganPSEBUAH dan PB jumlah kendaraan jenis
SEBUAH dan B tersedia, mari RSEBUAH dan RB menjadi standar
cakupan untuk setiap jenis kendaraan, dan
Saya
mendefinisikan W SEBUAH fJ 2 W : taku j 6 RSEBUAHG, W BSaya fJ
JDxBJ TH menjadi variabel biner sama dengan 1 jika
RBG. Membiarkan xSEBUAH
dan hanya jika kendaraan jenis SEBUAHDBTH terletak di
vertex Saya, dan biarkan kamuSaya menjadi variabel biner
sama dengan 1 jika dan hanya jika vertex Saya 2 V ditempuh
oleh dua jenis kendaraan. Model TEAM dapat ditulis sebagai
berikut:
(TIM)
x
Maksimalkan DSayakamuSaya
Saya2V
xSEBUAH D15TH
kamuSaya 2 f0; 1gSaya 2 V TH: D16TH
Model ini merupakan perpanjangan langsung dari MCLP
kecuali untuk kendala (14) yang memaksakan hierarki
antara dua jenis kendaraan. Kendala ini tentu saja dapat
dihilangkan jika keadaan memungkinkan. Dalam lokasi
fasilitas, teknik penempatan peralatan, atau model FLEET
(Schilling et al., 1979), kendala (14) dilonggarkan, tetapi
hanyaP situs lokasi dapat digunakan. Sebuah model yang
lebih rumit untuk lokasi proteksi kebakaran, dan milik
keluarga yang sama, kemudian dikembangkan oleh
Marianov dan ReVelle (1992). Hal ini dapat digunakan
untuk menemukan stasiun pemadam kebakaran
berkapasitas dengan dua jenis peralatan, tunduk pada
kendala memastikan bahwa setiap titik permintaan
cukup tertutup oleh jumlah yang tepat dari pompa dan
tangga penyelamat.
Dalam salah satu model di atas, cakupan mungkin
menjadi tidak memadai ketika kendaraan menjadi sibuk.
Strategi yang digunakan dalam kasus jenis kendaraan
2 W : taku j 6 tunggal adalah memodifikasi MCLP untuk memberikan
cakupan ganda yang lebih baik, tanpa meningkatkan jumlah
total kendaraan di luarnya.P. Seperti yang disarankan oleh
Daskin dan Stern (1981) dan oleh Hogan dan ReVelle (1986),
tujuan kedua dapat dimasukkan dalam MCLP untuk
membedakan dengan lebih baik antara beberapa optima (4).
Dalam kasus pertama, penulis menggunakan tujuan hierarkis
untuk memaksimalkan jumlah titik permintaan yang
tercakup lebih dari satu kali. Dalam kasus kedua, total
D9TH permintaan tertutup dua kali dimaksimalkan. Hogan dan
ReVelle (1986)
 L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463 455

juga menyajikan dua model formulasi cakupan cadangan, di dalam R2 unit. Undang-Undang Layanan Medis Darurat
yang disebut BACOP1 dan BACOP2, menggabungkan Amerika Serikat tahun 1973 menetapkan nilai 10 menit
variabel biner kamuSaya sama dengan 1 jika dan hanya jika untukR1, tetapi tidak ada nilai untuk R2, dan sebuah ¼
titik permintaan Saya 2 V ditanggung sekali oleh ambulans 0:95. Model standar ganda (DSM) dari Gendreau, Laporte
dalam standar cakupan R, dan variabel biner kamuSaya sama dan Semet berusaha untuk memaksimalkan permintaan
dengan 1 jika dan hanya jika Saya tertutup dua kali dalam R. yang tercakup dua kali dalam standar waktuR1,
Kedua model tersebut adalah: menggunakan P ambulans, paling banyak PJ ambulans di
lokasi J, dan tunduk pada batasan penutup ganda.
(BACOP1)
x Saya
Membiarkan W 1 fJ 2 W : taku j 6 R1G dan W 2Saya fJ 2 P :
Maksimalkan DSayakamuSaya D17TH Taku j 6 R2G. variabel bilangan bulat kamuJ menunjukkan
Saya2V
jumlah ambulans yang terletak di J 2 W dan biner
tunduk pada variabel xk Saya sama dengan 1 jika dan hanya jika permintaan
x
xJ kamuSaya P1 DSaya 2 V TH; D18TH di puncak Saya 2 V tertutup k waktu Dk ¼ 1 atau 2TH di
J2WSaya dalam R1 satuan waktu. Formulasinya kemudian:
x (DSM)
xJ ¼ P; D19TH x
J2W Maksimalkan DSayax2
Saya D29TH
Saya2V

06kamuSaya 61 DSaya 2 V TH; D20TH tunduk pada

x
kamuJ P1 DSaya 2 V TH; D30TH
xJ P0 DSaya 2 V TH; D21TH
J2W Saya
2

dan
x x
(BACOP2) DSayaxSaya
1 P sebuah DSaya; D31TH

x x J2V Saya2V

Maksimalkan H DSayakamuSaya þ ð1 HTH DSayakamuSaya D22TH

x
Saya2V Saya2V
kamuJ P xSaya1 th x2SayaDSaya 2 V TH; D32TH

tunduk pada J2W Saya

1
x
xJ kamuSaya kamuSaya P0 DSaya 2 V TH; D23TH
J2WSaya
x2
Saya 6 x1 DSaya 2 V TH;
Saya D33TH

x
kamuSaya kamuSaya 60 DSaya 2 V TH; D24TH kamuJ ¼ P; D34TH
J2W
x
xJ ¼ P; D25TH
J2W kamuJ 6PJ DJ 2 W TH; D35TH

06kamuSaya 61 DSaya 2 V TH; D26TH x1 ; xSaya 2 f0; 1gSaya 2 V TH;

Saya 2 D36TH

06 kamuSaya 61 DSaya 2 V TH; D27TH kamuJ bilangan bulat DJ 2 W TH: D37TH

Di sini, fungsi tujuan menghitung permintaan yang

xJ P0; DSaya 2 W TH;
di mana H adalah bobot yang dipilih dalam [0,1].
Dalam model yang diusulkan oleh Gendreau et al.
(1997), dua standar cakupan digunakan:R1 dan R2,
dengan R1 < R2. Semua permintaan harus ditanggung
oleh ambulans yang terletak di dalamR2 satuan waktu,
dan proporsi sebuah permintaan harus berada di dalam
R1 unit waktu ambulans, yang mungkin bertepatan
dengan ambulans yang memenuhi permintaan itu
D28TH
tercakup dua kali dalam R1 unit waktu, batasan (30)
dan (31) menyatakan persyaratan cakupan ganda.
Sisi kiri (32) mewakili jumlah ambulans yang
mencakup vertexSaya di dalam R1
satuan, sedangkan ruas kanan adalah 1 jika Saya
tercakup dalam R1 unit, dan 2 jika tertutup setidaknya
dua kali dalam R1 unit. Kombinasi kendala (31) dan
(32) memastikan bahwa proporsisebuah permintaan
tercakup dan standar cakupan harus
456 L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463
menjadi R1. Batasan (33) menyatakan bahwa simpulSaya
tidak dapat ditutupi setidaknya dua kali jika tidak tertutup
setidaknya sekali. Dalam kendala (35),PJ dapat disetel sama
dengan 2 karena solusi optimal menggunakan nilai ini selalu
ada.
5. Model statis probabilistik dengan cakupan ekstra
Salah satu model probabilistik pertama untuk
lokasi ambulans adalah formulasi masalah lokasi yang
diharapkan maksimum (MEXCLP) karena Daskin
(1983). Dalam model ini, diasumsikan bahwa setiap
ambulans memiliki probabilitas yang samaQ, disebut
fraksi sibuk, karena tidak tersedia untuk menjawab
panggilan, dan semua ambulans independen. Fraksi
sibuk dapat diperkirakan dengan membagi total
perkiraan durasi panggilan untuk semua titik
permintaan dengan jumlah total ambulans yang
tersedia. Jadi, jika simpulSaya 2 V ditutupi oleh k
ambulans, permintaan tertutup yang diharapkan
sesuai adalah Ek ¼ DSayaD1 QkTH, dan kontribusi
marjinal dari kambulans ke nilai yang diharapkan ini
Ek E ¼ DSayaD1 QTHQk 1. Di MEEXCLP, hinggaP ambulans
adalah 1k
dapat ditempatkan secara total, tetapi lebih dari satu
kendaraan dapat ditempatkan di titik yang sama.
Membiarkan kamuik menjadi variabel biner sama dengan 1
jika dan hanya jika vertex Saya 2 V dicakup oleh setidaknya k
ambulans. Modelnya dapat ditulis sebagai berikut:
(MEXCLP)
XX P
Maksimalkan DSayaD1 QTHQk 1kamuik
k¼1
Saya2V
tunduk pada
x xP
xJ P DSaya 2 V TH;
kamuik
J2WSaya k¼1
xP
xJ 6P;
J2W
xJ bilangan bulat DJ 2 W TH;
kamuik 2 f0; 1G DSaya 2 V ; k¼ 1; . . . ;PTH:
Validitas model ini berasal dari fakta bahwa fungsi tujuan
cekung di k. Oleh karena itu, jika kamuik ¼ 1, maka kamu
aku h ¼ 1 untuk H6 k. Karena tujuannya adalah untuk
dimaksimalkan, baik (39) dan (40) akan memuaskan
fied sebagai persamaan. Oleh karena itu, kedua sisi
(39) akan sama dengan jumlah ambulans yang
mencakup vertexSaya 2 V .
Penerapan MEXCLP ke kota Bangkok dijelaskan
dalam Fujiwara et al. (1987). Penulis telah
memecahkan MEXCLP secara heuristik pada sebuah
instance denganJV j 59, JW j 46 dan 106P 630. Salah
satu kesimpulan dari studi mereka adalah bahwa
dengan mengurangi jumlah ambulans dari 21, seperti
dalam situasi saat ini, menjadi 15, cakupan yang
diharapkan serupa dan waktu respons rata-rata dapat
diperoleh. Perpanjangan dari MEXCLP, disebut
TIMEXCLP, juga dikembangkan oleh Repede dan
Bernardo (1994) dan diterapkan pada data Louisville,
Kentucky. Dalam TIMEXCLP, variasi kecepatan
perjalanan sepanjang hari secara eksplisit
dipertimbangkan. Penulis telah menggabungkan
model ini dengan modul simulasi untuk memberikan
penilaian terhadap solusi yang diusulkan. Hasil
utamanya adalah peningkatan proporsi panggilan
yang tercakup dalam 10 menit atau kurang dari 84%
menjadi 95%. Selain itu, waktu respons turun 36%.
Akhirnya, Goldberg et al. (1990b) telah
mengembangkan varian lain dari MEXCLP di mana
waktu perjalanan stokastik dipertimbangkan.
Tujuannya adalah untuk memaksimalkan jumlah
panggilan yang diharapkan dalam waktu 8 menit.
Penulis mengklasifikasikan situs lokasi potensial
dalam urutan preferensi. Mereka menghitung
probabilitas mencapai titik permintaan dalam standar
waktu ini, berdasarkan tiga probabilitas berikut: (1)
D38TH
probabilitas bahwa ambulans di ksitus pilihan untuk
titik permintaan dapat mencapai titik ini dalam waktu
8 menit; (2) probabilitas bahwa ambulans ini tersedia;
(3) probabilitas bahwa ambulans terletak di k 1 situs
D39TH
yang kurang disukai tidak tersedia. Pada data dari
kota Tucson, Arizona, mereka menunjukkan bahwa
rencana lokasi yang lebih baik dapat menghasilkan
D40TH peningkatan satu persen dalam jumlah panggilan
yang diharapkan yang tercakup dalam 8 menit dan
bahwa rasio cakupan terburuk dari suatu zona dalam
D41TH
waktu dapat ditingkatkan dari 24%. menjadi 53,1%.
Dua model probabilistik lainnya diusulkan oleh
D42TH
ReVelle dan Hogan (1989) untuk memaksimalkan
permintaan yang ditutupi dengan probabilitas
tertentu. sebuah. Penulis ini merumuskan masalah
ketersediaan lokasi maksimum (MALP I dan MALP II)
sebagai program stokastik peluang terbatas (Charnes
 L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463 457

dan Cooper, 1959). Dalam MALP I, fraksi sibuk Q tingkat permintaan, probabilitas dapat
diasumsikan sama untuk semua lokasi lokasi potensial. diperkirakan menggunakan alat analisis seperti
Jumlah minimum ambulans yang diperlukan untuk model hypercube (Larson, 1974, 1975; Burwell et
melayani setiap titik permintaanSaya dengan reli- al., 1992), algoritma optimasi iteratif (Jarvis,
tingkat kemampuan sebuah ditentukan oleh kendala 1975; Fitzsimmons dan Srikar, 1982), atau
P
xJ simulasi (Davis , 1981; Goldberg et al., 1990a).
1Q J2Wi P sebuah DSaya 2 V TH D43TH Beberapa artikel dikhususkan untuk estimasi fraksi
yang dapat dilinearisasikan sibuk yang terkait dengan keseluruhan sistem atau
sebagai x dengan simpul tertentu J 2 W . Dengan demikian, Batta
xJ PDcatatanD1 sebuah= catatan Qe B DSaya 2 V TH: D44TH
dkk. (1989) telah mengembangkan model MEXCLP yang
J2WSaya

disesuaikan (AMEXCLP) di mana setiap istilah fungsi

Untuk merumuskan MALP I, tentukan variabel biner kamujk
tujuan (38) dikalikan dengan faktor koreksi yang
seperti pada MEEXCLP. Modelnya dapat ditulis sebagai:
menjelaskan fakta bahwa ambulans tidak beroperasi
(MALP I) secara independen, tetapi dapat dilihat sebagai server
x dalam antrian sistem yang model hypercube (Larson,
Maksimalkan DSayakamusaya D45TH
Saya2V
1974) dapat diterapkan untuk menghitung pecahan
sibuk. Sedangkan Batta dkk. mengasumsikan fraksi sibuk
tunduk pada
yang sama untuk keseluruhan sistem, Marianov dan
xB x
kamujk 6 xJ DSaya 2 V TH; D46TH
ReVelle (1994) mengusulkan masalah penyelesaian set
k¼1 J2WSaya
lokasi probabilistik antrian (QPLSCP) di mana fraksi sibuk
adalah spesifik lokasi. Penulis ini menghitung jumlah
kamuik 6kamusaya;k 1 DSaya 2 V ; k¼ 2; . . . ;BTH; D47TH minimumBSaya ambulans yang diperlukan untuk
x menutupi titik permintaan Saya 2 V sedemikian rupa
xJ ¼ P; D48TH sehingga kemungkinan mereka semua secara
J2W bersamaan sibuk tidak melebihi ambang batas yang
diberikan. Angka ini kemudian digunakan sebagai input
xJ 2 f0; 1G DJ 2 W TH; D49TH
pada MALP II.
Ball dan Lin (1993) telah mengembangkan
kamuik 2 f0; 1G DSaya 2 V ; k¼ 1; . . . ;PTH: D50TH
perluasan LSCM, yang disebut Rel-P, yang
Di sini, batasan (47) diperlukan karena properti menggabungkan batasan linier pada jumlah
cekung yang diamati di MEXCLP tidak lagi kendaraan yang dibutuhkan untuk mencapai tingkat
berlaku. keandalan tertentu. Model berisi variabel binerxjk
Dalam MALP II, asumsi bahwa fraksi sibuk identik untuk sama dengan 1 jika dan hanya jika k ambulans
semua lokasi dilonggarkan. Sebagai gantinya, ReVelle dan terletak di vertex J 2 , dan konstanta Cjk sama dengan
Hogan menghitung perkiraan fraksi sibukQSaya terkait dengan biaya penempatan k kendaraan di lokasi J. Batas atas
masing-masing Saya 2 V , sebagai rasio total durasi semua PJ dikenakan pada jumlah ambulans yang terletak di
panggilan yang terkait dengan Saya dengan total lokasi J. Model mereka adalah sebagai berikut:
ketersediaan semua ambulans di WSaya. Nilai ini adalah batas
(Rel-P)
bawah karena beberapa ambulans masukWSaya dapat dikirim XX
ke panggilan yang tidak terkait dengan Saya, tetapi model Memperkecil Cjkxjk D51TH

yang valid meskipun konservatif dapat dibangun di J2J 16 k 6PJ

sepanjang garis MALP I. Dalam MALP II, alih-alih B, sebuah

tunduk pada
nilai BSaya dihitung untuk setiap Saya 2 V . ReVelle dan Hogan x
(1989) dengan tepat menunjukkan kesulitan bekerja dengan xjk 61 DJ 2 W TH; D52TH

pecahan sibuk QJ 16k 6 PJ

khusus untuk masing-masing J 2 W karena nilai-nilai ini XX

adalah keluaran dari model dan tidak dapat diketahui sebuahjkxjk PBSaya DSaya 2 V TH; D53TH
apriori. Namun, mengingat rencana lokasi ambulans dan J2WSaya 16k 6 PJ
458 L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463

xjk 2 f0; 1G DJ 2 ; 16 k 6PJTH: D54TH xH Saya xkSaya x 'Saya

kamuihk' 61 DSaya 2 V TH; D59TH

Dalam kendala (53), konstanta sebuahjk dan BSaya H¼1 k¼0 ''0
dihitung untuk memastikan bahwa mengingat jumlah
x
ambulans yang mencakup titik permintaan Saya, J 6PSEBUAH;
xSEBUAH D60TH
kemungkinan tidak dapat menjawab panggilan tidak J2W
melebihi nilai tertentu. Perhitungan darisebuahjk x
dan BSaya koefisien sebenarnya dilakukan dengan xJB6P ; B D61TH

menggunakan batas atas pada probabilitas itu. J2W

Akhirnya, Mandell (1998) menjelaskan sistem dua
tingkat di mana unit ALS dan BLS akan ditempatkan. kamuihk' 2 f0; 1G

Sistemnya adalahinklusif dalam arti unit ALS dapat DSaya 2 V ; 06H6HSaya; 06 k 6 kSaya; 06' 6'SayaTH; D62TH

memberikan layanan BLS. Probabilitas bahwa

panggilan yang berasal dari vertexSaya 2 V dilayani J; xBJ2 f0; 1gJ 2 W TH;
xSEBUAH D63TH

secara memadai tergantung pada jumlah H unit ALS

dalam waktu tempuh RSEBUAH dari Saya, nomor k unit
ALS dalam RB dari Saya, dan jumlah ' unit BLS dalam R
B dari Saya, di mana RSEBUAH P RB. Menggunakan model
antrian, Mandell menghitung probabilitas terkaitHihk'.
Masalahnya adalah untuk menemukanPSEBUAH unit ALS
dan PB unit BLS di W Membiarkan xSEBUAH
unit ALS (BLS) yang terletak di lokasi J 2 W . Tentukan juga
variabel biner kamuihk' sama dengan 1 jika dan hanya jika H
Unit ALS terletak di dalam RSEBUAH dari saya, k Unit ALS
terletak di dalam RB dari Saya, dan ' unit BLS adalah lo-
terkubur di dalam RB dari Saya. Membiarkan W SEBUAHSaya fJ
dan W Saya
B fJ 2 W : taku j 6 RBG, jangkauan kamuihk' pergi
dari 0 sampai HSaya ¼ minFPSEBUAH; JW SEBUAHSaya J g untuk H, dari 0 sampai
kSaya ¼ minFH; PSEBUAH; JW B Saya J g untuk k, dan dari 0 sampai 'Saya ¼
minFPB; JW SBaya J g untuk '. Model dua tingkat (TTM)
diusulkan oleh Mandell adalah untuk memaksimalkan permintaan
tertutup yang diharapkan:
(TTM)
XX HSaya xkSaya x
di mana '0 ¼ 1 jika k ¼ 0 dan '0 ¼ 0 jika k > 0. Batasan
Persamaan. (56)–(58) memastikan bahwa nilai yang
diambil oleh variabel cakupankamuihk' konsisten
dengan jumlah unit ALS dan BLS yang berada.
Batasan (59) berarti paling banyak satu kombinasi H; k
dan ' unit dari jenis yang berbeda digunakan untuk
J DxBJ TH jadilah nomornya
setiap titik permintaan Saya.
6. Model yang dinamis
2 W : taku j 6 RSEBUAHG Saat menempatkan kendaraan darurat, keputusan
relokasi harus dibuat secara berkala agar tidak
meninggalkan area yang tidak terlindungi. Hal ini diakui
oleh Kolesar dan Walker (1974) yang merancang sistem
relokasi untuk perusahaan pemadam kebakaran.
Masalah relokasi ambulans lebih sulit untuk ditangani
karena harus diselesaikan lebih sering dalam waktu yang
sangat singkat. Metodologi solusi yang lebih kuat
diperlukan dalam kasus ini. Dengan perkembangan
'Saya

Maksimalkan D55TH
heuristik yang lebih cepat dan teknologi komputer yang
DSayaHihk'kamuihk'

Saya2V h¼1 k¼0 '¼0 canggih, sekarang dimungkinkan untuk memecahkan

tunduk pada
masalah lokasi ambulans dengan cepat secara real-time.
Artinya, strategi pemindahan ambulans baru dapat
xHSaya
x kSaya
x 'Saya
x
H DSaya 2 V TH; D56TH
dihitung ulang kapan sajaT, menggunakan informasi
kamuihk' 6 xSEBUAH
J
H¼1 k¼0 '0 J2W Saya
yang tersedia. Sejauh yang kami ketahui, hanya ada satu
model seperti itu di area relokasi ambulans. Ini
SEBUAH

xkSaya
x HSaya
x 'Saya
x dikembangkan oleh Gendreau et al. (2001) dan
k kamuihk' 6 xJB DSaya 2 V TH; D57TH memanfaatkan DSM yang diajukan oleh penulis yang
k¼1 H¼k '¼'0 J2W Saya
B
sama pada tahun 1997 (lihat Bagian 4). Selain cakupan
standar dan batasan kapasitas lokasi, model
x 'Saya
x
HSaya
x
kSaya
x memperhitungkan sejumlah pertimbangan praktis yang
' kamuihk' 6 xJB DSaya 2 V TH; D58TH melekat pada sifat dinamis masalah: (1) kendaraan yang
'1 H¼1 k¼0 J2W Saya masuk
B
 L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463 459

pemindahan berturut-turut tidak selalu sama; (2)
perjalanan bolak-balik yang berulang antara dua
lokasi yang sama harus dihindari; (3) perjalanan
panjang antara lokasi awal dan lokasi akhir harus
dihindari.
Masalah relokasi ambulans diselesaikan
setiap saat T di mana panggilan terdaftar. Aspek
dinamis dari model pemindahan adalah
ditangkap oleh konstanta bergantung waktu MT
biaya reposisi, pada waktu T, ambulans ' dari
situs saat ini ke situs J 2 W . Ini termasuk kasus
di mana situs J bertepatan dengan lokasi saat ini
ambulans, yaitu MT J' ¼ 0. Konstanta MT J'
menangkap beberapa sejarah ambulans '. Jika sudah
sering dipindahkan sebelumnyaT, kemudian MT J'
akan lebih besar. Jika memindahkan ambulans ' ke lokasiJ
melanggar salah satu batasan di atas, maka langkah
tersebut tidak diizinkan. Variabel binerkamuJ' sama
dengan 1 jika dan hanya jika ambulans ' dipindahkan ke
Selain variabel kamuJ', semua variabel, parameter, dan
batasan model ini dapat diinterpretasikan seperti dalam
kasus statis. Fungsi tujuan adalah permintaan yang
tercakup dua kali dalamR1 unit waktu, dikurangi jumlah
hukuman yang terkait dengan pergerakan kendaraan
pada waktu T.
Untuk menyelesaikan DDSMT, Gendreau, Laporte dan
Semet telah mengembangkan heuristik pencarian tabu
J' sama dengan cepat yang diimplementasikan pada prosesor paralel.
Algoritme ini berjalan tanpa henti dan terus-menerus
menghitung rencana pemindahan terbaik yang mungkin
terkait dengan posisi ambulans saat ini, sebagai
tanggapan terhadap setiap potensi permintaan
ambulans yang diantisipasi. Dengan kata lain, algoritma
menghitung rencana relokasi terbaik untuk semuaH, di
mana H mewakili ambulans berikutnya yang ditugaskan
untuk menjawab panggilan. Akibatnya, sebuah tabel
dibangun di mana setiap barisH berisi solusi untuk DDSM
T. KapanH diketahui, strategi pemindahan terkait dapat

lokasi J. Model standar ganda yang dinamis pada saat itu segera diterapkan. Jika waktu yang telah berlalu antara
T (DDSMT) sekarang dapat dijelaskan: dua permintaan yang berurutan cukup lama, semua
rencana pemindahan yang mungkin dapat dihitung pada
DDDSMTTH
waktunya untuk permintaan berikutnya. Jika tidak, solusi
x XX P
pemindahan yang sesuai mungkin tidak tersedia saat
Maksimalkan DSayax2
Saya MT kamuJ'
D64TH
dibutuhkan dan tidak ada pemindahan yang terjadi.
J'

Saya2V J2'¼1
Beberapa fitur sekunder relatif terhadap urgensi relatif
tunduk pada
panggilan, pengalihan rute ambulans dalam perjalanan
XX P
ke panggilan, dll. dimasukkan ke dalam sistem.
kamuJ' P1 DSaya 2 V TH; D65TH
Sistem dijalankan pada jaringan pada delapan stasiun
2 '1
J2W Saya
kerja paralel Sun Ultra-1/140 dan diuji pada enam
x x masalah yang dihasilkan menggunakan kumpulan data
1
DSayaxSaya P sebuah DSaya; D66TH
nyata dari Pulau Montreal. Dalam masalah pengujian ini,
Saya2V Saya2V

antara 120 dan 140 panggilan dihasilkan secara acak dari

XX P pukul 5 pagi hingga 12 siang, menurut distribusi Poisson.
kamuSaya' Px1 Saya th xSaya
2 DSaya 2 V TH; D67TH Ada 2.521 titik permintaan agregat di Pulau Montreal,
J2W Saya
1 '¼1 dan antara 40 dan 51 ambulans yang tersedia,
tergantung pada waktunya. Standar penutup yang
x2
Saya 6 x1 DSaya 2 V TH;
Saya D68TH digunakan adalahR1 ¼ 7 menit dan R2 ¼ 15 menit.
x Kecepatan bervariasi antara 35 dan 50 km/jam
kamuJ' ¼ 1 ' 1; . . . ;PTH; D69TH diterapkan. Hasil yang diperoleh pada enam masalah
J2W
pengujian menunjukkan bahwa algoritma pencarian tabu
paralel mampu melakukan prakomputasi strategi
xP
kamu'J 6PJ DJ 2 W TH; D70TH
penempatan kembali di 95% dari semua kasus. Gagal
'1 ketika dua panggilan tiba dalam waktu kurang dari 32
detik satu sama lain. Dari semua panggilan, 38%
x1 ; xSaya 2 f0; 1G
Saya 2 DSaya 2 V TH; D71TH membutuhkan setidaknya satu relokasi ambulans dan
99,5% dari semua relokasi melibatkan paling banyak lima
kamuJ' 2 f0; 1gJ 2 ; '¼ 1; . . . ;PTH: D72TH ambulans, dengan rata-rata 2,08.
 460
Tabel 1

L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463

Ringkasan model statis dan dinamis deterministik
Referensi Model Objektif Batasan cakupan Kendala di lokasi lokasi Ambulans
ReVelle dan rekan- LSCM Minimalkan jumlah Tutupi setiap titik permintaan Paling banyak satu ambulans Satu jenis. Nomor
pekerja (1971) ambulans setidaknya sekali per lokasi tak terbatas
Gereja dan MCLP Maksimalkan permintaan Tidak ada Paling banyak satu ambulans Satu jenis. Nomor
ReVelle (1974) tertutupi per lokasi diberikan

Schilling dkk. TIM Maksimalkan permintaan Tidak ada Paling banyak pada ambulans dari Dua jenis. angka
(1979) tertutupi masing-masing jenis per situs. Jenis diberikan

SEBUAH hanya dapat ditemukan jika B

Schilling dkk. ARMADA Maksimalkan permintaan Tidak ada terletak Paling banyak satu ambulans per Dua jenis. angka
(1979) tertutupi lokasi. HanyaP situs dapat digunakan diberikan

Daskin dan Stern Diubah Maksimalkan permintaan Tutupi setiap titik permintaan Paling banyak satu ambulans per situs Satu jenis. Nomor
(1981) MCLP tertutup, maka jumlah titik setidaknya sekali diberikan

permintaan yang tercakup

lebih dari sekali
Hogan dan Diubah Maksimalkan permintaan Tutupi setiap titik permintaan Paling banyak satu ambulans Satu jenis. Nomor
ReVelle (1986) MCLP (BA- tercakup dua kali, atau setidaknya sekali per lokasi diberikan

COP1 dan kombinasi dari permintaan

BACOP2) yang tercakup satu atau dua
Gendreau dkk. DSM kali Maksimalkan permintaan Semua permintaan tercakup Batas atas jumlah ambulans Satu jenis. Nomor
(1997) tercakup setidaknya dua kali dalam R2. Proporsi per lokasi diberikan

dalam R1 sebuah dari semua permintaan yang

tercakup dalam R1

Gendreau dkk. DDSMT Maksimalkan secara dinamis Semua permintaan tercakup Batas atas jumlah ambulans Satu jenis. Nomor
(2001) permintaan mencakup setidaknya dalam R2. Proporsi per lokasi diberikan

dua kali dalam R1, dikurangi jangka sebuah dari semua permintaan yang

waktu hukuman pemindahan tercakup dalam R1

Meja 2
Ringkasan model probabilistik

L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463

Referensi Model Objektif liputan Kendala aktif Ambulans Masa sibuk
kendala situs lokasi
Daskin (1983) MEEXCLP Maksimalkan Tidak ada Tidak ada Satu jenis. Batas atas Sama untuk masing-masing

permintaan yang diharapkan diberikan ambulans. Diberikan

tertutupi (selalu tercapai). nilai
ReVelle dan MALP I Maksimalkan totalnya Tidak ada Tidak ada Satu jenis. Nomor Sama untuk semua situs
Hogan (1989) permintaan tertutup diberikan lokasi potensial
dengan kemungkinan sebuah

ReVelle dan MALP II Maksimalkan totalnya Tidak ada Tidak ada Satu jenis. Nomor Bervariasi sesuai dengan setiap
Hogan (1989) permintaan tertutup diberikan titik permintaan
dengan probabilitas
setidaknya sebuah
Batta dkk. Disesuaikan Maksimalkan yang diharapkan Tidak ada Tidak ada Satu jenis. Nomor Bervariasi sesuai dengan
(1989) MEEXCLP permintaan tertutup diberikan setiap titik permintaan. Ambu-
(AMEXCLP) tombak tidak mandiri
Goldberg dkk. Disesuaikan Maksimalkan yang diharapkan Tidak ada Paling banyak satu Satu jenis. Nomor Sama untuk setiap ambulans. Nilai
(1990b) MEEXCLP permintaan tercakup dalam ambulans per diberikan. Dua jenis yang diberikan
8 menit lokasi panggilan
Bola dan Lin Diubah Minimalkan jumlah Proporsi sebuah dari Paling banyak PJ Satu jenis. Nomor Batas atas dihitung
(1993) LSCM (Rel-P) biaya tetap ambulans semua permintaan ambulans di lokasi J tak terbatas pada masa sibuk
tercakup dalam R1
Ulangi dan Tergantung waktu Maksimalkan yang diharapkan Tidak ada Tidak ada Satu jenis. Nomor Sama untuk setiap ambulans. Nilai
bernardo MEEXCLP permintaan tertutup diberikan. Kecepatan bervariasi yang diberikan
(1994) (TIMEXCLP)
Marianov dan QPLSCP Maksimalkan totalnya Tidak ada Tidak ada Satu jenis. Batas bawah Bervariasi menurut
ReVelle (1994) permintaan ditutupi dengan dihitung untuk masing-masing titik permintaan
probabilitas setidaknya sebuah titik permintaan
Mandell (1998) TTM Maksimalkan yang diharapkan Tidak ada Terikat pada Dua jenis. Inklusif Dihitung menggunakan
permintaan total setiap jenis per sistem. Angka yang diberikan model antrian
lokasi

461
462 L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463
Perbandingan dengan solusi eksak yang diperoleh
CPLEX pada sampel skenario menunjukkan
penyimpangan maksimal 2% dari optimalitas.
7. Rangkuman dan kesimpulan
Telah ada evolusi penting dalam pengembangan
lokasi ambulans dan model relokasi selama tiga puluh
tahun terakhir. Model pertama sangat mendasar dan
tidak memperhitungkan fakta bahwa beberapa
cakupan hilang ketika ambulans dikirim ke panggilan.
Namun demikian, model awal ini berfungsi sebagai
dasar yang kuat untuk pengembangan semua model
berikutnya. Pertanyaan tentang ketidaktersediaan
ambulans dibahas dalam dua cara utama. Model
deterministik menghasilkan solusi di mana titik
permintaan ditutupi, tetapi ketersediaan ambulans
yang sebenarnya tidak dipertimbangkan. Model
probabilistik bekerja dengan fraksi kendaraan yang
sibuk, yang dapat diperkirakan dalam beberapa cara,
termasuk perhitungan antrian yang canggih. Model
dinamis baru saja mulai bermunculan. Mereka dapat
digunakan untuk memperbarui posisi ambulans
secara berkala sepanjang hari. Pengujian telah
menunjukkan bahwa model tersebut dapat bekerja
dalam praktek asalkan ada heuristik cepat dan daya
komputasi yang cukup tersedia. Kami merangkum
dalam Tabel 1 dan 2 model deterministik dan
probabilistik utama yang tersedia untuk lokasi dan
relokasi ambulans.
Sebagaimana dicatat oleh Marianov dan ReVelle (1995)
pengembangan model lokasi dan relokasi ambulans
kemungkinan akan paralel dengan pertumbuhan teknologi
informasi. Kami mengantisipasi bahwa sebagian besar
evolusi akan terjadi di bidang model dinamis yang tidak
hanya bergantung pada teknologi sistem yang canggih,
tetapi juga pada ketersediaan heuristik pencarian yang cepat
dan akurat. Selain itu, kami berharap bahwa algoritma
canggih di bidang pemrograman stokastik dengan recourse
(lihat, misalnya, Birge dan Louveaux, 1997) dan teknik baru
untuk perhitungan jalur terpendek dinamis (lihat, misalnya,
Pallottino dan Scutella, 1998) akan segera menjadi standar.
bahan model dinamis. Dalam kasus pertama, idenya adalah
untuk memasukkan ke dalam model perkiraan biaya yang
dikeluarkan ketika tidak ada ambulans yang cocok tersedia
untuk menjawab panggilan,
sebagai lawan hanya memaksakan kendala probabilistik
dalam model. Dalam kasus kedua, variasi waktu
perjalanan pada siang hari harus tercermin dalam
perhitungan jalur terpendek yang digunakan dalam
aplikasi berulang dari model dinamis.
ucapan terima kasih
Penelitian ini sebagian didanai oleh Canada
Research Chair in Distribution Management,
oleh Fonds de recherche en sant-e du Qu-ebec
(FRSQ) di bawah hibah 980861, dan oleh Dewan
Riset Sains dan Teknik Kanada (NSERC) di bawah
hibah OGP0039682 dan OGP0184123.
Dukungan ini kami ucapkan terima kasih.
Terima kasih kepada dua wasit atas komentar
berharga mereka.
Referensi
Adams, TF, 1997. Operasi Polisi. Prentice-Hall, Engle-
Tebing kayu, NJ.
TriTech Amerika, 1996. VisiCAD untuk EMS. San Diego, CA
Ball, MO, Lin, LF, 1993. Model keandalan diterapkan pada
lokasi kendaraan layanan darurat. Riset Operasi 41, 18–
36.
Batta, R., Dolan, JM, Krishnamurty, NN, 1989. The
diharapkan maksimal meliputi masalah lokasi: Ditinjau
kembali. Ilmu Transportasi 23, 277–287.
Bernhardsen, T., 1999. Sistem Informasi Geografis: An
Pengantar. Wiley, Chichester.
Birge, JR, Louveaux, F., 1997. Pengantar Stochastic
Pemrograman. Springer, New York.
Bouveyron, C., Didier, M., 1993. Panduan E - conomique et
M-ethodologique des SIG. Hermes, Paris.
Burwell, TH, McKnew, MA, Jarvis, JP, 1992. Sebuah aplikasi
tion model antrian terdistribusi secara spasial ke sistem
ambulans. Ilmu Perencanaan Sosial Ekonomi 26, 289–300.
Charnes, A., Cooper, WW, 1959. Peluang dibatasi pro-
tata bahasa. Ilmu Manajemen 5, 73-79.
Church, RL, ReVelle, CS, 1974. Penutupan maksimal
masalah lokasi. Makalah Asosiasi Sains Regional 32, 101–
118.
Clawson, JJ, Dernocoeur, KB, 1991. Prinsip Darurat
Pengiriman Medis. Prentice-Hall, Englewood Cliffs, NJ. Cohen,
S., 1999. In-response: D-etection, alerte rapide et trait-
ements des insiden routiers. Prediksi Carrefour Kedua, 418–
422.
Crainic, TG, Toulouse, M., 1998. Metaheuristik paralel. Di:
Crainic, TG, Laporte, G. (Eds.), Manajemen Armada dan
Logistik. Kluwer, Boston, hal. 205–251.
 L. Brotcorne dkk. / Jurnal Riset Operasional Eropa 147 (2003) 451–463
Davis, S., 1981. Analisis penyebaran darurat
pelayanan medis. Omega 9, 655–657.
Daskin, MS, 1983. Model lokasi maksimum yang diharapkan:
Formulasi, properti dan solusi heuristik. Ilmu Transportasi
7, 48–70.
Daskin, MS, Stern, EH, 1981. Satu set tujuan hierarkis
meliputi model untuk penyebaran kendaraan layanan
medis darurat. Ilmu Transportasi 15, 137-152.
Eaton, DJ, Daskin, MS, Simmons, D., Bulloch, B., Jansma,
G., 1985. Menentukan penyebaran medis darurat di
Austin, Texas. Antarmuka 15 (1), 96–108.
Erkut, E., Bozkaya, B., 1999. Analisis kesalahan agregasi untuk
itu P-masalah median. Komputer dan Riset Operasi 26,
1075–1096.
Fitzsimmons, JA, Srikar, B., 1982. Ambulans darurat
lokasi menggunakan rutinitas pencarian zona yang berdekatan.
Jurnal Manajemen Operasi 2, 225–237.
Francis, RL, Lowe, TJ, Tamir, A., 2000. Kesalahan agregasi
batas untuk kelas model lokasi. Riset Operasi 48, 294–307.
Fujiwara, O., Makjamroen, T., Gupta, KK, 1987. Ambulans
analisis penyebaran: Sebuah studi kasus Bangkok. Jurnal
Riset Operasional Eropa 31, 9–18.
Gendreau, M., Laporte, G., Semet, F., 1997. Memecahkan masalah
model lokasi ambulans dengan pencarian Tabu. Ilmu
Lokasi 5, 75–88.
Gendreau, M., Laporte, G., Semet, F., 2001. Model dinamis
dan heuristik pencarian Tabu paralel untuk relokasi ambulans
waktu nyata. Komputasi Paralel 27, 1641–1653.
Glover, F., Laguna, M., 1997. Tabu Search. Kluwer, Boston.
Goldberg, J., Dietrich, R., Chen, JM, Mitwasi, MG, 1990a.
Sebuah model simulasi untuk mengevaluasi satu set lokasi
pangkalan kendaraan darurat: Pengembangan, validasi dan
penggunaan. Ilmu Perencanaan Sosial Ekonomi 24, 124–141.
Goldberg, J., Dietrich, R., Chen, JM, Mitwasi, MG, 1990b.
Memvalidasi dan menerapkan model untuk menemukan
layanan medis darurat di Tucson, AZ. Jurnal Riset
Operasional Eropa 49, 308–324.
Haas, NP, Hoffman, RF, Mauch, C., Fournier, C., Sudk-
amp, NP, 1995. Manajemen pasien politrauma di Jerman.
Ortopedi Klinis dan Penelitian Terkait 318, 23–35.
Heddebaut, M., 1997. T-el-ebornes d-appel d-urgence et alerte des
orang yang lewat. Trans Flash, 221.
Hogan, K., ReVelle, CS, 1986. Konsep dan aplikasi dari
cakupan cadangan. Ilmu Manajemen 34, 1434–1444. Jarvis, JP,
1975. Optimalisasi dalam layanan stokastik dengan
server yang dapat dibedakan. Dalam: TR–19–75, Proyek
Perencanaan Sumber Daya Inovatif dalam Sistem Keamanan
Publik Perkotaan. Pusat Riset Operasi, Institut Teknologi
Massachusetts, Cambridge, MA.
Kolesar, P., Walker, WE, 1974. Sebuah algoritma untuk dinamika
relokasi perusahaan pemadam kebakaran. Riset Operasi 22, 249–
274.
Larson, RC, 1972. Analisis patroli polisi kota. MIT
Pers, Cambridge, MA.
463
Larson, RC, 1974. Model antrian hypercube untuk fasilitas
lokasi dan redistricting dalam layanan darurat perkotaan.
Komputer dan Riset Operasi 1, 67–75.
Larson, RC, 1975. Menaksir kinerja perkotaan
sistem pelayanan darurat. Riset Operasi 23, 845– 868.
Mandell, MB, 1998. Meliputi model untuk emer-
sistem pelayanan medis gency. Ilmu Lokasi 6, 355– 368.
Marianov, V., ReVelle, CS, 1992. Standar berkapasitas
respon masalah lokasi proteksi kebakaran: model
deterministik dan probabilistik. Sejarah Riset Operasi 40,
303–322.
Marianov, V., ReVelle, CS, 1994. Probabilistik antrian
set lokasi mencakup masalah dan beberapa ekstensi. Ilmu
Perencanaan Sosial Ekonomi 28, 167–178.
Marianov, V., ReVelle, CS, 1995. Penempatan layanan darurat.
Di: Drezner, Z. (Ed.), Lokasi Fasilitas. Springer, New York,
hlm. 199–223.
Pallottino, S., Scutella, MG, 1998. Algoritma jalur terpendek di
model transportasi: Aspek klasik dan inovatif. Dalam:
Marcotte, P., Nguyen, S. (Eds.), Ekuilibrium dan
Pemodelan Transportasi Lanjutan. Kluwer, Boston, hlm.
245– 281.
Repede, JF, Bernardo, JJ, 1994. Mengembangkan dan memvalidasi a
sistem pendukung keputusan untuk menemukan
kendaraan medis darurat di Louisville, Kentucky. Jurnal
Riset Operasional Eropa 75, 567–581.
ReVelle, CS, 1989. Review, ekstensi dan prediksi di
model penempatan layanan darurat. Jurnal Riset
Operasional Eropa 40, 58–69.
ReVelle, CS, Hogan, K., 1989. Ketersediaan maksimum
masalah lokasi. Ilmu Transportasi 23, 192–200. Schilling,
DA, Elzinga, DJ, Cohon, J., Gereja, RL,
ReVelle, CS, 1979. Model TEAM/FLEET untuk penempatan
fasilitas dan peralatan secara bersamaan. Ilmu
Transportasi 13, 163–175.
Stout, J., Pepe, PE, Mosesso, VN, 2000. Kehidupan serba canggih
dukungan vs sistem ambulans respons lelah. Perawatan Darurat
Pra-Rumah Sakit 4, 1–6.
Swersey, AJ, 1994. Pengerahan polisi, pemadam kebakaran, dan
unit medis darurat. Dalam: Pollock, SM, Rothkopf, MH,
Barnett, A. (Eds.), Riset Operasi dan Sektor Publik. Dalam:
Buku Pegangan dalam Riset Operasi dan Ilmu
Manajemen, vol. 6. Belanda Utara, Amsterdam, hlm. 151–
200.
Toregas, CR, Swain, R., ReVelle, CS, Bergman, L., 1971.
Lokasi fasilitas layanan darurat. Riset Operasi 19, 1363–
1373.
Walker, KAMI, Chaiken, JM, Ignall, EJ (Eds.), 1979. Api
Analisis Penempatan Departemen. Belanda Utara, New
York.
Wisborg, T., Guttmorsen, AB, Sorensen, M., Flatten, HK,
1994. Potensi Pelayanan Ambulans yang Diawaki Dokter Anestesi
di Kabupaten Pedesaan/Perkotaan. Acta Anaesthesiologica
Scandinavica 38, 657–661.