طراحی مدل آماری جهت پایش شبکه اورژانس

مقدمه:یکی از چالش های کلیدی در شبکه اورژانس، کمبود آمبولانس در یک پایگاه است که ناگزیر منجر به درخواست از پایگاه های می گویند. پایش آماری شبکه های اجتماعی یکی از تکنیک های تحلیل داده- فاقدی دورتر می گردد، که در اصطلاح به آن های کلان است که اخیرا در دنیا مطرح شده است. تاکنون اغلب تحقیقات انجام شده در حوزه پایش آماری شبکه، استفاده از تکنیک های آماری جهت پایش و تحلیل شبکه های اجتماعی بوده است. در حالی که کاربرد آن در سایر شبکه ها میتواند اثربخش باشد و از اختلالات احتمالی جلوگیری نماید. در این پژوهش تکنیک های مدلسازی آماری به منظور پایش شبکه فاقدی های اورژانس یکی از شهرهای کشور مورد استفاده قرار می گیرد. شبکه ارتباطات پایگاه های اورژانس در روزهای مختلف مورد پایش قرار می گیرد و به این ترتیب تغییرات غیرعادی در شبکه کشف می شوند. به این منظور ابتدا بر اساس ویژگی های پایگاه ها، احتمال ایجاد ارتباط بین دو پایگاه (درخواست آمبولانس از پایگاه دیگر) مدلسازی آماری و پیش بینی می شوند و سپس براساس آزمون نسبت درست نمایی پایش می گردد. حالت های غیرعادی شبکه می تواند شامل افزایش غیرمعمول تعداد ارتباطات (یالها) در شبکه باشد که منجر به اختلالات جدی در عملکرد مراکز اورژانس می گردد. پایش مداوم شبکه فاقدی های اورژانس بستر مناسبی جهت تحلیل آنلاین وضعیت جاری شبکه فراهم می سازد و در تصمیم گیری ها، تخصیص مناسب آمبولانس و تجهیزات، پیش بینی امکانات اضطراری در پایگاه هایی که غالبا دچار فاقدی می شوند و غیره می گردد. روش بررسی:در این پژوهش از داده های واقعی پایگاه های اورژانس یکی از کلانشهرهای کشور استفاده شده است. به دلیل ملاحظات موجود و محرمانگی اطلاعات از بیان نام شهر و تعداد دقیق مراکز صرفنظر می شود. در شبکه مورد نظر منظور از گره NODE پایگاه های اورژانس و منظور از یال EDGE ، درخواست آمبولانس یک پایگاه از پایگاه دیگر به دلیل عدم وجود آمبولانس در زمان ماموریت می باشد. این شبکه دارای بیش از 100 گره می باشد. ابتدا براساس ویژگی های فاصله پایگاه ها و تعداد ماموریت ها، که ویژگی های گره ها (پایگاه های اورژانس) هستند، یک رگرسیون لجستیک تشکیل میشود که احتمال ایجاد یال بین دو پایگاه را تخمین میزند. رابطه ( 1 ) رگرسیون لجستیک را نشان می دهد. (فرمول در متن اصلی مقاله) که در آن x ، ویژگی های گره ها، β، ضرایب رگرسیون لجستیک، θ، احتمال ایجاد ارتباط و t زمان را نشان می دهد. در فاز اول، تعدادی شبکه، تحت عنوان مجموعه مرجع ایستا ) Static Reference (SRq) ایجاد می شود. تعداد q شبکه که تحت کنترل هستند، به شبکه هایی هستند که از لحاظ آماری تغییر معناداری در آنها اتفاق نمی افتد. برای انجام آزمون از آزمون نسبت درستنمایی ) Likelihood Ratio Test (LRT) استفاده می شود و مطابق روابط ( 2 ) بررسی می شود که آیا مدل رگرسیون دچار تغییرات معناداری شده است یا خیر. (فرمول در متن اصلی مقاله) در نهایت بر مبنای رگرسیون لجستیک و آزمون نسبت درست نمایی آماره ( 3) حاصل می گردد که طبق رابطه LRT ، در عدد دو نیز ضرب می شود و سپس مورد پایش قرار می گیرد. (فرمول در متن اصلی مقاله) یافته ها:نتایج نشان میدهد با استفاده از تکنیک های پیشرفته آماری میتوان تغییرات غیرعادی شبکه فاقدی های اورژانس را در قالب سیگنال دریافت نمود. با تحلیل ریشه ای انحرافات با دلیل مراکزی که منجر به غیرعادی شدن وضعیت شبکه و افزایش تعداد ارتباطات و چگالی شبکه می شوند را شناسایی کرد و راهکارهایی جهت بهبود وضعیت موجود ارایه داد.نتیجه گیری: با استفاده از مدلسازی های آماری میتوان ارتباطات دینامیک شبکه اورژانس را به طور آنلاین پایش نمود و بر این اساس پایگاه هایی که به طور غیرعادی، در زمان ماموریت با کمبود آمبولانس مواجه می شوند را شناسایی کرد. در این پژوهش از ویژگی های گره ها و آماره LRT برای پایش آماری استفاده شد. جهت مدلسازی میتوان از سایر ویژگی های گره ها مانند ویژگی های ساختاری به کار برد و یا ویژگی هایی که در سطح شبکه تعریف می شوند را پایش نمود.

کلیدواژه ها:

پایش ، شبکه ، اورژانس ، رگرسیون لجستیک ، آزمون نسبت درست نمایی LRT