EMS NETWORK MODEL

 Diszkrét esemény modell betegek Poisson-szerű érkezése gráfelmélettel, városi közlekedési hálózat figyelembevételével, shortest path routing végzett operációkutatás az erőforrás-allokáció (mentők) greedy dispatch policy valós teljesítménymutatóival. response time load balancing bottleneck detection  mentők „versenyeznek” a betegekért torlódó várakozás egyes kórházak túlterhelődése reakcióidő ingadozás.

-------------

import numpy as np

import matplotlib.pyplot as plt

print("=" * 80)

print("MENTŐLOGISZTIKA SZIMULÁCIÓ (EMS DISPATCH MODEL)")

print("Hálózatalapú sürgősségi ellátás optimalizáció")

print("=" * 80)

# -----------------------------

# 1. VÁROSI HÁLÓZAT (GRÁF)

# -----------------------------

N = 30

rng = np.random.default_rng(42)

adj = [[] for _ in range(N)]

dist = np.full((N, N), np.inf)

np.fill_diagonal(dist, 0)

for i in range(N):

    for j in range(i + 1, N):

        if rng.random() < 0.15:

            w = int(rng.integers(2, 15))

            adj[i].append((j, w))

            adj[j].append((i, w))

            dist[i, j] = w

            dist[j, i] = w

# Floyd-Warshall

for k in range(N):

    for i in range(N):

        for j in range(N):

            if dist[i, k] + dist[k, j] < dist[i, j]:

                dist[i, j] = dist[i, k] + dist[k, j]

# kórházak

hospitals = [0, 5, 10, 20]

# mentők indulási helyei

ambulances = [1, 6, 12]

print(f"Csomópontok: {N}")

print(f"Kórházak: {hospitals}")

print(f"Mentők száma: {len(ambulances)}")

# -----------------------------

# 2. SEGÉDFÜGGVÉNYEK

# -----------------------------

def shortest_time(a, b):

    return dist[a, b]

def nearest_hospital(node):

    return min(hospitals, key=lambda h: shortest_time(node, h))

# -----------------------------

# 3. SZIMULÁCIÓ

# -----------------------------

T = 100

patients = []

response_times = []

print("\nSzimuláció indul...")

for t in range(T):

    if rng.random() < 0.6:

        patient_node = int(rng.integers(0, N))

        patients.append(patient_node)

    if patients:

        patient = patients.pop(0)

        ambulance = min(ambulances, key=lambda a: shortest_time(a, patient))

        travel_to_patient = shortest_time(ambulance, patient)

        hospital = nearest_hospital(patient)

        travel_to_hospital = shortest_time(patient, hospital)

        if np.isinf(travel_to_patient) or np.isinf(travel_to_hospital):

            total_time = np.inf

        else:

            total_time = travel_to_patient + travel_to_hospital

        response_times.append(total_time)

        ambulances[ambulances.index(ambulance)] = hospital

    if t % 10 == 0:

        print(f"t={t:3d} | várakozó betegek: {len(patients)}")

print("\nSzimuláció befejezve.")

# -----------------------------

# 4. EREDMÉNYEK

# -----------------------------

finite_times = [x for x in response_times if np.isfinite(x)]

plt.figure(figsize=(10, 5))

plt.plot(response_times, label="Reakcióidő (mentés + szállítás)")

if finite_times:

    plt.axhline(np.mean(finite_times), color='red', linestyle='--', label="Átlag")

plt.title("Mentőlogisztikai reakcióidők")

plt.xlabel("Esemény")

plt.ylabel("Idő (egység)")

plt.legend()

plt.grid()

plt.show()

# -----------------------------

# 5. STATISZTIKA

# -----------------------------

print("\nÖSSZEGZÉS")

print("-" * 40)

print(f"Esetek száma: {len(response_times)}")

if finite_times:

    print(f"Átlagos reakcióidő: {np.mean(finite_times):.2f}")

    print(f"Legjobb eset: {np.min(finite_times)}")

    print(f"Legrosszabb eset: {np.max(finite_times)}")

else:

    print("Nem volt teljesíthető eset.")

-----------------

================================================================================

MENTŐLOGISZTIKA SZIMULÁCIÓ (EMS DISPATCH MODEL)

Hálózatalapú sürgősségi ellátás optimalizáció

================================================================================

Csomópontok: 30

Kórházak: [0, 5, 10, 20]

Mentők száma: 2

ÖSSZEGZÉS

----------------------------------------

Esetek száma: 59

Átlagos reakcióidő: 25.68

Legjobb eset: 10.0

Legrosszabb eset: 42.0

--------------------