Ambulance Location and Relocation Models - En.id
Ambulance Location and Relocation Models - En.id
com
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.
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 2. Bagaimana layanan medis darurat beroperasi
pencarian tabu (Glover dan Laguna, 1997), ditambah
dengan pertumbuhan komputasi paralel (Crainic dan Rantai kejadian yang mengarah pada intervensi ambulans ke tempat kejadian mencakup empat langkah
Toulouse, 1998) telah memunculkan aliran penelitian berikut: (1) deteksi dan pelaporan insiden, (2) penyaringan panggilan, (3) pengiriman kendaraan, dan (4) intervensi
baru yang secara efektif menangani sifat dinamis dari aktual oleh paramedis . Keputusan yang dibuat oleh manajer layanan darurat berkaitan dengan langkah kedua
masalah. Dengan model dan algoritma terbaru, dan ketiga. Fungsi utama dari proses penyaringan adalah untuk menentukan tingkat keparahan insiden dan
masalah skala besar dapat diselesaikan dengan cepat tingkat urgensinya (misalnya, pada skala satu sampai empat), dan untuk membuat keputusan tentang jenis dan
dan dinamis secara real time, dengan tingkat akurasi jumlah ambulans yang akan dikirim. Karena waktu sangat penting dalam situasi darurat, sangat penting bahwa
yang tinggi. kendaraan selalu berada di lokasi untuk memastikan cakupan yang memadai dan waktu respons yang cepat
Ada banyak literatur tentang model tempat (Wisborg et al., 1994). Undang-Undang Layanan Medis Darurat Amerika Serikat (lihat Ball dan Lin, 1993)
duduk kendaraan darurat. Survei oleh Marianov menetapkan beberapa standar: di daerah perkotaan, 95% dari permintaan harus dilayani dalam waktu 10 menit; di
dan ReVelle (1995) memberikan gambaran umum daerah pedesaan, mereka harus disajikan dalam waktu 30 menit. Di sinilah lokasi ambulans dan model serta
tentang model-model paling penting yang algoritma relokasi berperan. Teknologi informasi canggih sekarang sering digunakan untuk membantu proses
diterbitkan hingga saat itu. Ulasan kami kurang manajemen ambulans. Ini termasuk pengawasan jaringan jalan (Heddebaut, 1997; Cohen, 1999), sistem
umum karena berfokus pada layanan ambulans, penentuan posisi kendaraan (Bouveyron dan Didier, 1993; American TriTech, 1996), sistem informasi geografis
tetapi mau tidak mau mencakup beberapa materi (Bernhardsen, 1999), dan sistem penyaringan panggilan berbasis kecerdasan buatan (Clawson dan Dernocoeur,
yang sama, meskipun dengan penekanan yang 1991). Idealnya, sistem ini harus sepenuhnya terintegrasi dan saling berhubungan dalam modul relokasi
berbeda. Survei Marianov–ReVelle diakhiri dengan ambulans. Di sinilah lokasi ambulans dan model serta algoritma relokasi berperan. Teknologi informasi canggih
referensi tidak langsung ke model relokasi dinamis sekarang sering digunakan untuk membantu proses manajemen ambulans. Ini termasuk pengawasan jaringan
yang terintegrasi dalam sistem informasi jalan (Heddebaut, 1997; Cohen, 1999), sistem penentuan posisi kendaraan (Bouveyron dan Didier, 1993; American
geografis: ''jarang ada ambulans yang ditempatkan TriTech, 1996), sistem informasi geografis (Bernhardsen, 1999), dan sistem penyaringan panggilan berbasis
di stasiun berdiri bebas''. . ., ''Terakhir kami kecerdasan buatan (Clawson dan Dernocoeur, 1991). Idealnya, sistem ini harus sepenuhnya terintegrasi dan saling
mengadakan kompetisi pemanasan. . . Teknik berhubungan dalam modul relokasi ambulans. Di sinilah lokasi ambulans dan model serta algoritma relokasi
GIS'' (hal. 223). Survei kami secara tepat membahas berperan. Teknologi informasi canggih sekarang sering digunakan untuk membantu proses manajemen
masalah ini dengan memberikan bagian pada ambulans. Ini termasuk pengawasan jaringan jalan (Heddebaut, 1997; Cohen, 1999), sistem penentuan posisi
model relokasi dinamis yang baru saja mulai kendaraan (Bouveyron dan Didier, 1993; American TriTech, 1996), sistem informasi geografis (Bernhardsen, 1999),
muncul. Kami juga melaporkan implementasi dan sistem penyaringan panggilan berbasis kecerdasan buatan (Clawson dan Dernocoeur, 1991). Idealnya, sistem
aktual dari model lokasi dan relokasi ambulans. ini harus sepenuhnya terintegrasi dan saling berhubungan dalam modul relokasi ambulans. American TriTech,
Akhirnya, 1996), sistem informasi geografis (Bernhardsen, 1999), dan sistem penyaringan panggilan berbasis kecerdasan
Artikel ini disusun sebagai berikut. Di Bagian 2, buatan (Clawson dan Dernocoeur, 1991). Idealnya, sistem ini harus sepenuhnya terintegrasi dan saling
kami menjelaskan secara singkat fungsi layanan berhubungan dalam modul relokasi ambulans. American TriTech, 1996), sistem informasi geografis (Bernhardsen,
medis darurat. Dua model awal yang dikembangkan 1999), dan sistem penyaringan panggilan berbasis kecerdasan buatan (Clawson dan Dernocoeur, 1991). Idealnya,
untuk kasus statis dijelaskan di Bagian 3. Kelemahan sistem ini harus sepenuhnya terintegrasi dan saling berhubungan dalam modul relokasi ambulans.
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
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
dan
x x
(BACOP2) DSayaxSaya
1 P sebuah DSaya; D31TH
x x J2V Saya2V
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
menjadi R1. Batasan (33) menyatakan bahwa simpulSaya fied sebagai persamaan. Oleh karena itu, kedua sisi
tidak dapat ditutupi setidaknya dua kali jika tidak tertutup (39) akan sama dengan jumlah ambulans yang
setidaknya sekali. Dalam kendala (35),PJ dapat disetel sama mencakup vertexSaya 2 V .
dengan 2 karena solusi optimal menggunakan nilai ini selalu Penerapan MEXCLP ke kota Bangkok dijelaskan
ada. dalam Fujiwara et al. (1987). Penulis telah
memecahkan MEXCLP secara heuristik pada sebuah
5. Model statis probabilistik dengan cakupan ekstra instance denganJV j 59, JW j 46 dan 106P 630. Salah
satu kesimpulan dari studi mereka adalah bahwa
Salah satu model probabilistik pertama untuk dengan mengurangi jumlah ambulans dari 21, seperti
lokasi ambulans adalah formulasi masalah lokasi yang dalam situasi saat ini, menjadi 15, cakupan yang
diharapkan maksimum (MEXCLP) karena Daskin diharapkan serupa dan waktu respons rata-rata dapat
diperoleh. Perpanjangan dari MEXCLP, disebut
(1983). Dalam model ini, diasumsikan bahwa setiap
TIMEXCLP, juga dikembangkan oleh Repede dan
ambulans memiliki probabilitas yang samaQ, disebut
Bernardo (1994) dan diterapkan pada data Louisville,
fraksi sibuk, karena tidak tersedia untuk menjawab
Kentucky. Dalam TIMEXCLP, variasi kecepatan
panggilan, dan semua ambulans independen. Fraksi
perjalanan sepanjang hari secara eksplisit
sibuk dapat diperkirakan dengan membagi total
dipertimbangkan. Penulis telah menggabungkan
perkiraan durasi panggilan untuk semua titik
model ini dengan modul simulasi untuk memberikan
permintaan dengan jumlah total ambulans yang
penilaian terhadap solusi yang diusulkan. Hasil
tersedia. Jadi, jika simpulSaya 2 V ditutupi oleh k
utamanya adalah peningkatan proporsi panggilan
ambulans, permintaan tertutup yang diharapkan
yang tercakup dalam 10 menit atau kurang dari 84%
sesuai adalah Ek ¼ DSayaD1 QkTH, dan kontribusi
menjadi 95%. Selain itu, waktu respons turun 36%.
marjinal dari kambulans ke nilai yang diharapkan ini
Ek E ¼ DSayaD1 QTHQk 1. Di MEEXCLP, hinggaP ambulans
Akhirnya, Goldberg et al. (1990b) telah
adalah 1k
tunduk pada
8 menit; (2) probabilitas bahwa ambulans ini tersedia;
x xP (3) probabilitas bahwa ambulans terletak di k 1 situs
xJ P DSaya 2 V TH; D39TH
yang kurang disukai tidak tersedia. Pada data dari
kamuik
J2WSaya k¼1
kota Tucson, Arizona, mereka menunjukkan bahwa
xP rencana lokasi yang lebih baik dapat menghasilkan
xJ 6P; D40TH peningkatan satu persen dalam jumlah panggilan
J2W yang diharapkan yang tercakup dalam 8 menit dan
bahwa rasio cakupan terburuk dari suatu zona dalam
xJ bilangan bulat DJ 2 W TH; D41TH
waktu dapat ditingkatkan dari 24%. menjadi 53,1%.
Dua model probabilistik lainnya diusulkan oleh
kamuik 2 f0; 1G DSaya 2 V ; k¼ 1; . . . ;PTH: D42TH
ReVelle dan Hogan (1989) untuk memaksimalkan
Validitas model ini berasal dari fakta bahwa fungsi tujuan permintaan yang ditutupi dengan probabilitas
cekung di k. Oleh karena itu, jika kamuik ¼ 1, maka kamu tertentu. sebuah. Penulis ini merumuskan masalah
aku h ¼ 1 untuk H6 k. Karena tujuannya adalah untuk ketersediaan lokasi maksimum (MALP I dan MALP II)
dimaksimalkan, baik (39) dan (40) akan memuaskan 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
Sistemnya adalahinklusif dalam arti unit ALS dapat DSaya 2 V ; 06H6HSaya; 06 k 6 kSaya; 06' 6'SayaTH; D62TH
Maksimalkan D55TH
heuristik yang lebih cepat dan teknologi komputer yang
DSayaHihk'kamuihk'
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) Selain variabel kamuJ', semua variabel, parameter, dan
perjalanan bolak-balik yang berulang antara dua batasan model ini dapat diinterpretasikan seperti dalam
lokasi yang sama harus dihindari; (3) perjalanan kasus statis. Fungsi tujuan adalah permintaan yang
panjang antara lokasi awal dan lokasi akhir harus tercakup dua kali dalamR1 unit waktu, dikurangi jumlah
dihindari. hukuman yang terkait dengan pergerakan kendaraan
Masalah relokasi ambulans diselesaikan pada waktu T.
setiap saat T di mana panggilan terdaftar. Aspek Untuk menyelesaikan DDSMT, Gendreau, Laporte dan
dinamis dari model pemindahan adalah Semet telah mengembangkan heuristik pencarian tabu
ditangkap oleh konstanta bergantung waktu MT J' sama dengan cepat yang diimplementasikan pada prosesor paralel.
biaya reposisi, pada waktu T, ambulans ' dari Algoritme ini berjalan tanpa henti dan terus-menerus
situs saat ini ke situs J 2 W . Ini termasuk kasus menghitung rencana pemindahan terbaik yang mungkin
di mana situs J bertepatan dengan lokasi saat ini terkait dengan posisi ambulans saat ini, sebagai
ambulans, yaitu MT J' ¼ 0. Konstanta MT J' tanggapan terhadap setiap potensi permintaan
menangkap beberapa sejarah ambulans '. Jika sudah ambulans yang diantisipasi. Dengan kata lain, algoritma
sering dipindahkan sebelumnyaT, kemudian MT J' menghitung rencana relokasi terbaik untuk semuaH, di
akan lebih besar. Jika memindahkan ambulans ' ke lokasiJ mana H mewakili ambulans berikutnya yang ditugaskan
melanggar salah satu batasan di atas, maka langkah untuk menjawab panggilan. Akibatnya, sebuah tabel
tersebut tidak diizinkan. Variabel binerkamuJ' sama dibangun di mana setiap barisH berisi solusi untuk DDSM
dengan 1 jika dan hanya jika ambulans ' dipindahkan ke 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
Schilling dkk. TIM Maksimalkan permintaan Tidak ada Paling banyak pada ambulans dari Dua jenis. angka
(1979) tertutupi masing-masing jenis per situs. Jenis 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
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
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 sebagai lawan hanya memaksakan kendala probabilistik
CPLEX pada sampel skenario menunjukkan dalam model. Dalam kasus kedua, variasi waktu
penyimpangan maksimal 2% dari optimalitas. perjalanan pada siang hari harus tercermin dalam
perhitungan jalur terpendek yang digunakan dalam
aplikasi berulang dari model dinamis.
7. Rangkuman dan kesimpulan
Davis, S., 1981. Analisis penyebaran darurat Larson, RC, 1974. Model antrian hypercube untuk fasilitas
pelayanan medis. Omega 9, 655–657. lokasi dan redistricting dalam layanan darurat perkotaan.
Daskin, MS, 1983. Model lokasi maksimum yang diharapkan: Komputer dan Riset Operasi 1, 67–75.
Formulasi, properti dan solusi heuristik. Ilmu Transportasi Larson, RC, 1975. Menaksir kinerja perkotaan
7, 48–70. sistem pelayanan darurat. Riset Operasi 23, 845– 868.
Daskin, MS, Stern, EH, 1981. Satu set tujuan hierarkis
meliputi model untuk penyebaran kendaraan layanan Mandell, MB, 1998. Meliputi model untuk emer-
medis darurat. Ilmu Transportasi 15, 137-152. sistem pelayanan medis gency. Ilmu Lokasi 6, 355– 368.
Eaton, DJ, Daskin, MS, Simmons, D., Bulloch, B., Jansma,
G., 1985. Menentukan penyebaran medis darurat di Marianov, V., ReVelle, CS, 1992. Standar berkapasitas
Austin, Texas. Antarmuka 15 (1), 96–108. respon masalah lokasi proteksi kebakaran: model
Erkut, E., Bozkaya, B., 1999. Analisis kesalahan agregasi untuk deterministik dan probabilistik. Sejarah Riset Operasi 40,
itu P-masalah median. Komputer dan Riset Operasi 26, 303–322.
1075–1096. Marianov, V., ReVelle, CS, 1994. Probabilistik antrian
Fitzsimmons, JA, Srikar, B., 1982. Ambulans darurat set lokasi mencakup masalah dan beberapa ekstensi. Ilmu
lokasi menggunakan rutinitas pencarian zona yang berdekatan. Perencanaan Sosial Ekonomi 28, 167–178.
Jurnal Manajemen Operasi 2, 225–237. Marianov, V., ReVelle, CS, 1995. Penempatan layanan darurat.
Francis, RL, Lowe, TJ, Tamir, A., 2000. Kesalahan agregasi Di: Drezner, Z. (Ed.), Lokasi Fasilitas. Springer, New York,
batas untuk kelas model lokasi. Riset Operasi 48, 294–307. hlm. 199–223.
Pallottino, S., Scutella, MG, 1998. Algoritma jalur terpendek di
Fujiwara, O., Makjamroen, T., Gupta, KK, 1987. Ambulans model transportasi: Aspek klasik dan inovatif. Dalam:
analisis penyebaran: Sebuah studi kasus Bangkok. Jurnal Marcotte, P., Nguyen, S. (Eds.), Ekuilibrium dan
Riset Operasional Eropa 31, 9–18. Pemodelan Transportasi Lanjutan. Kluwer, Boston, hlm.
Gendreau, M., Laporte, G., Semet, F., 1997. Memecahkan masalah 245– 281.
model lokasi ambulans dengan pencarian Tabu. Ilmu Repede, JF, Bernardo, JJ, 1994. Mengembangkan dan memvalidasi a
Lokasi 5, 75–88. sistem pendukung keputusan untuk menemukan
Gendreau, M., Laporte, G., Semet, F., 2001. Model dinamis kendaraan medis darurat di Louisville, Kentucky. Jurnal
dan heuristik pencarian Tabu paralel untuk relokasi ambulans Riset Operasional Eropa 75, 567–581.
waktu nyata. Komputasi Paralel 27, 1641–1653. ReVelle, CS, 1989. Review, ekstensi dan prediksi di
Glover, F., Laguna, M., 1997. Tabu Search. Kluwer, Boston. model penempatan layanan darurat. Jurnal Riset
Goldberg, J., Dietrich, R., Chen, JM, Mitwasi, MG, 1990a. Operasional Eropa 40, 58–69.
Sebuah model simulasi untuk mengevaluasi satu set lokasi ReVelle, CS, Hogan, K., 1989. Ketersediaan maksimum
pangkalan kendaraan darurat: Pengembangan, validasi dan masalah lokasi. Ilmu Transportasi 23, 192–200. Schilling,
penggunaan. Ilmu Perencanaan Sosial Ekonomi 24, 124–141. DA, Elzinga, DJ, Cohon, J., Gereja, RL,
Goldberg, J., Dietrich, R., Chen, JM, Mitwasi, MG, 1990b. ReVelle, CS, 1979. Model TEAM/FLEET untuk penempatan
Memvalidasi dan menerapkan model untuk menemukan fasilitas dan peralatan secara bersamaan. Ilmu
layanan medis darurat di Tucson, AZ. Jurnal Riset Transportasi 13, 163–175.
Operasional Eropa 49, 308–324. Stout, J., Pepe, PE, Mosesso, VN, 2000. Kehidupan serba canggih
Haas, NP, Hoffman, RF, Mauch, C., Fournier, C., Sudk- dukungan vs sistem ambulans respons lelah. Perawatan Darurat
amp, NP, 1995. Manajemen pasien politrauma di Jerman. Pra-Rumah Sakit 4, 1–6.
Ortopedi Klinis dan Penelitian Terkait 318, 23–35. Swersey, AJ, 1994. Pengerahan polisi, pemadam kebakaran, dan
unit medis darurat. Dalam: Pollock, SM, Rothkopf, MH,
Heddebaut, M., 1997. T-el-ebornes d-appel d-urgence et alerte des Barnett, A. (Eds.), Riset Operasi dan Sektor Publik. Dalam:
orang yang lewat. Trans Flash, 221. Buku Pegangan dalam Riset Operasi dan Ilmu
Hogan, K., ReVelle, CS, 1986. Konsep dan aplikasi dari Manajemen, vol. 6. Belanda Utara, Amsterdam, hlm. 151–
cakupan cadangan. Ilmu Manajemen 34, 1434–1444. Jarvis, JP, 200.
1975. Optimalisasi dalam layanan stokastik dengan Toregas, CR, Swain, R., ReVelle, CS, Bergman, L., 1971.
server yang dapat dibedakan. Dalam: TR–19–75, Proyek Lokasi fasilitas layanan darurat. Riset Operasi 19, 1363–
Perencanaan Sumber Daya Inovatif dalam Sistem Keamanan 1373.
Publik Perkotaan. Pusat Riset Operasi, Institut Teknologi Walker, KAMI, Chaiken, JM, Ignall, EJ (Eds.), 1979. Api
Massachusetts, Cambridge, MA. Analisis Penempatan Departemen. Belanda Utara, New
Kolesar, P., Walker, WE, 1974. Sebuah algoritma untuk dinamika York.
relokasi perusahaan pemadam kebakaran. Riset Operasi 22, 249– Wisborg, T., Guttmorsen, AB, Sorensen, M., Flatten, HK,
274. 1994. Potensi Pelayanan Ambulans yang Diawaki Dokter Anestesi
Larson, RC, 1972. Analisis patroli polisi kota. MIT di Kabupaten Pedesaan/Perkotaan. Acta Anaesthesiologica
Pers, Cambridge, MA. Scandinavica 38, 657–661.