การประยุกต์ใช้ข้อมูลหลายปัจจัยเชิงพื้นที่และเวลา ร่วมกับข้อมูลจากสื่อสังคมออนไลน์ ด้วยวิธีการแสดงผลข้อมูล สำหรับการจัดสรรจุดจอดรถพยาบาลฉุกเฉิน
คำสำคัญ:
การบริการการแพทย์ฉุกเฉิน, แบบจำลองครอบคลุม, การประเมินความหนาแน่นแบบเคอร์เนล, ข้อมูลสื่อสังคมออนไลน์, ข้อมูลเชิงพื้นที่และเวลาบทคัดย่อ
การให้บริการการแพทย์ฉุกเฉินมีความสำคัญอย่างมากในการช่วยเหลือผู้ได้รับบาดเจ็บหรือผู้ประสบเหตุจากสถานที่เกิดเหตุ ไม่ว่าจะเป็นภัยจากมนุษย์หรือภัยจากธรรมชาติ ดังนั้นการเข้าถึงผู้ที่ได้รับบาดเจ็บได้อย่างรวดเร็วนั้นมีความสำคัญอย่างมาก ซึ่งการเข้าถึงพื้นที่เกิดเหตุจะมีระยะเวลาในการตอบสนองที่ยอมรับได้นั้นคือไม่เกิน 8 นาที เพื่อเพิ่มโอกาสรอดชีวิตหรือลดการพิการของผู้ได้รับบาดเจ็บ เพราะฉะนั้นการจัดสรรจุดจอดรถพยาบาลเพื่อให้เข้าถึงพื้นที่เกิดเหตุได้อย่างรวดเร็วจึงมีความสำคัญอย่างยิ่ง ซึ่งในปัจจุบันการบริการการแพทย์ฉุกเฉินจัดสรรจุดจอดรถพยาบาลฉุกเฉินตามโรงพยาบาล โดยใช้ผู้เชี่ยวชาญหรือข้อมูลในอดีตในการตัดสินใจ ในการศึกษาครั้งนี้ได้นำเสนอการประยุกต์ใช้ข้อมูลจากสื่อสังคมออนไลน์และข้อมูลเชิงพื้นที่และเวลาในการแสดงถึงความหนาเเน่นของแต่ละพื้นที่ในการรับบริการการแพทย์ฉุกเฉินด้วยแผนที่ความร้อน (Heatmap Visualization) ด้วยวิธีการประเมินความหนาแน่นเชิงพื้นที่แบบเคอร์เนล และนำผลลัพธ์ซึ่งมีความหนาแน่นสูงมาก สูง และปานกลาง ในการบังคับเลือกพื้นที่ดังกล่าวในแบบจำลองทางคณิตศาสตร์หรือเรียกว่าแบบจำลองครอบคลุม (Covering model) ในการตัดสินใจการจัดสรรจุดจอดรถบนพื้นที่กรุงเทพมหานครซึ่งเป็นกรณีศึกษาในครั้งนี้ สำหรับผลที่ได้รับจากกรณีศึกษานี้คือวิธีการที่นำเสนอลดจุดจอดรถพยาบาลฉุกเฉินที่มีเกินความจำเป็น ร้อยละ 20 เพิ่มความครอบคลุมพื้นที่ ร้อยละ 2.72 และเพิ่มความครอบคลุมการเรียกใช้บริการเพิ่มขึ้น ร้อยละ 1
เอกสารอ้างอิง
[2] ส. คูชัยสิทธิ์, “การเข้าสู่โลกยุคใหม่ของข้อมูล ‘บิ๊กดาต้า,’” วารสารนักบริหาร, vol. 33, no. 1, pp. 22–28, 2556.
[3] M. Martínez-Rojas, M. del C. Pardo-Ferreira, and J. C. Rubio-Romero, “Twitter as a tool for the management and analysis of emergency situations: A systematic literature review,” Int. J. Inf. Manage., vol. 43, no. August, pp. 196–208, 2018.
[4] C. S. Lim, R. Mamat, and T. Braunl, “Impact of ambulance dispatch policies on performance of emergency medical services,” IEEE Trans. Intell. Transp. Syst., vol. 12, no. 2, pp. 624–632, 2011.
[5] X. Li, Z. Zhao, X. Zhu, and T. Wyatt, “Covering models and optimization techniques for emergency response facility location and planning: A review,” Math. Methods Oper. Res., vol. 74, no. 3, pp. 281–310, 2011.
[6] P. Tran, R. Shaw, G. Chantry, and J. Norton, “GIS and local knowledge in disaster management: A case study of flood risk mapping in Viet Nam,” Disasters, vol. 33, no. 1, pp. 152–169, 2009.
[7] L. S. Prague, “Kernel Density Estimations for Visual Analysis,” no. January 2010, 2016.
[8] Y. Lu, X. Hu, F. Wang, S. Kumar, H. Liu, and R. Maciejewski, “Visualizing social media sentiment in disaster scenarios,” WWW 2015 Companion - Proc. 24th Int. Conf. World Wide Web, pp. 1211–1215, 2015.
[9] S. Nilsang, C. Yuangyai, C. Y. Cheng, and U. Janjarassuk, “Locating an ambulance base by using social media: a case study in Bangkok,” Ann. Oper. Res., pp. 1–20, 2018.
[10] P. Chaicharoenwut, J. Koiwanit, P. Changpetch, S. Buatongkue, and C. Yuangyai, “Integrating Spatial-Temporal Risk Factors for an Ambulance Allocation Strategy: A Case Study in Bangkok,” in MATEC Web of Conferences, 2018, vol. 192, pp. 1–4.
[11] B. W. Silverman, “Density estimation: For statistics and data analysis,” Density Estim. Stat. Data Anal., no. 1951, pp. 1–175, 2018.
[12] M. Yiampisan and M. Srivanit, “Using the Kernel Density Estimation Surface for Criminal Pattern: A Case Study in Phranakhon District, Bangkok,” no. December, pp. 87–102, 2010.
[13] T. Srithamarong, “CRIME RISK AREA ASSESSMENT BASED GEO-SPATIAL STATISTICS,” Silpakorn University, 2016.
[14] G. Borruso, “Network density estimation: A GIS approach for analysing point patterns in a network space,” Trans. GIS, vol. 12, no. 3, pp. 377–402, 2008.
[15] L. B. Toregas, C., C. ReVelle, “The location of emergency service facilities. Operations Research,” 1971.
[16] S. Nilsang, “Allocation strategy for an ambulance base under traffic congestion,” in MATEC Web of Conferences, 2018, pp. 1–4.
[17] สำนักยุทธศาสตร์และประเมินผล, สถิติ 2559 กรุงเทพมหานคร. กรุงเทพมหานคร, 2559.
[18] INRIX, “Inrix_Trafficscorecard_Global_En_Lr-2017,” 2017.
[19] กรมการเเพทย์ฉุกเฉิน, “ข้อมูลทรัพยากรพื้นฐาน ที่ขึ้นทะเบียนในระบบสารสนเทศการแพทย์ฉุกเฉิน (ITEMS,” 2019. [Online]. Available: http://report.niems.go.th/niemsdwh/portal_link.html.
