Adaptive ambulance redeployment via multi-armed bandits
Çok kollu haydutlar ile uyarlanabilir ambulans konumlandırma
- Tez No: 579931
- Danışmanlar: DR. ÖĞR. ÜYESİ CEM TEKİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 80
Özet
Acil Yardım Servisleri (AYS), acil tıbbi müdahaleye ihtiyaç duyulduğunda gerekli kaynakları sağlar ve yaşamı tehdit edici bir olay durumunda hayat kurtarmada önemli bir rol oynar. Bu nedenle, çağrılara varış sürelerinin mümkün olduğu kadar kısa olduğu bir AYS sistemi tasarlamak gereklidir. Bu görev, varış zamanımı en aza indirmek ve talep noktalarının kapsamını arttırmak için ambulansları belirli yerlere yerleştirme yöntemlerinden oluşan ambulans konumlandırma problemini içermektedir. Bu çalışmada, eniyilemenin birincil öneme sahip olduğu birçok geleneksel konumlandırma yönteminin aksine, çağrı dağılımları ve seyahat süreleri hakkında önceden hiçbir bilgi olmadan ambulansların konumlandırıldığı ve bu belirsizliklerin zamanla öğrenildiği, öğrenmeye dayalı bir yaklaşım önerilmiştir. Ambulans konumlandırma problemi çok kollu haydut (ÇKH) problemi olarak modellenmiş, keşif ve istifade yoluyla konumlandırma yerlerini eniyilemeyi öğrenen bağlamsız ve bağlamsal ÇKH algoritmaları önerilmiştir. Ambulans konumlandırmada riskten kaçınma kavramı incelenmiş ve riskten kaçınan bir ÇKH algoritması önerilmiştir. Grafik tabanlı bir konumlandırma ağından ve Markov trafik modelinden oluşan veri odaklı bir simülatör oluşturulmuş ve bu simülatör üzerinde yürütülen algoritmaların performansları karşılaştırılmıştır. Ayrıca, Ankara şehrini modelleyerek ve algoritmaları bu yeni model üzerinde çalıştırarak daha gerçekçi konumlandırma simülasyonları elde edilmiştir. Elde ettiğimiz sonuçlar, aynı koşullar göz önüne alındığında, sunulan ÇKH algoritmalarının, dinamik konumlandırma temelli bir yöntemden daha iyi ve önceden simülasyon kurulumunun gerçek dinamiklerini bilen statik bir tahsis yönteme benzer şekilde çalıştığını göstermektedir.
Özet (Çeviri)
Emergency Medical Services (EMS) provide the necessary resources when there is a need for immediate medical attention and play a signi cant role in saving lives in the case of a life-threatening event. Therefore, it is necessary to design an EMS system where the arrival times to calls are as short as possible. This task includes the ambulance redeployment problem that consists of the methods of deploying ambulances to certain locations in order to minimize the arrival time and increase the coverage of the demand points. As opposed to many conventional redeployment methods where the optimization is primary concern, we propose a learning-based approach in which ambulances are redeployed without any a priori knowledge on the call distributions and the travel times, and these uncertainties are learned on the way. We cast the ambulance redeployment problem as a multi-armed bandit (MAB) problem, and propose various context-free and contextual MAB algorithms that learn to optimize redeployment locations via exploration and exploitation. We investigate the concept of risk aversion in ambulance redeployment and propose a risk-averse MAB algorithm. We construct a data-driven simulator that consists of a graph-based redeployment network and Markov traffic model and compare the performances of the algorithms on this simulator. Furthermore, we also conduct more realistic simulations by modeling the city of Ankara, Turkey and running the algorithms in this new model. Our results show that given the same conditions the presented MAB algorithms perform favorably against a method based on dynamic redeployment and similarly to a static allocation method which knows the true dynamics of the simulation setup beforehand.
Benzer Tezler
- Çoklu etmen tabanlı trafik yönetim sistemi
Multi agent based traffic management system
KADRİYE SOYSAL
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. A. COŞKUN SÖNMEZ
- NLMS algoritması ile uyarlamalı gürültüden arındırıcı
Adaptive noise cancellation with NLMS algorithm
ULAŞ GÜNTÜRKÜN
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÜNAL KÜÇÜK
- Hareket halinde kütle ölçümü
Dynamic mass measurement
İLHAN KELEMENÇE
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- LMS and FXLMS algorithms applied to narrowband active noise cancelling applications
LMS ve FXLMS algoritmalarının darbantlı aktif gürültü bastırma uygulamalarında kullanımı
ALİ TÜRKAY
Yüksek Lisans
İngilizce
1999
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TOLGA ÇİLOĞLU
- Adaptif filtrelerin EEG işaretlerine uygulanması
Application of adaptive filters to EEG signals
FATİH DÖLEK
Yüksek Lisans
Türkçe
1999
Elektrik ve Elektronik MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiElektronik Ana Bilim Dalı
DOÇ. DR. M. KEMAL KIYMIK