Метод управления бригадами машин службы скорой медицинской помощи на основе использования геоинформационных систем

Цель исследования  –  разработать метод управления бригадами машин службы скорой медицинской помощи на основе оптимизации планирования маршрута движения бригад с использованием геоинформационных систем. 
Методы. Рассматриваются перспективы интеграции геоинформационных систем и геоинформационных технологий в систему управления транспортными потоками автомобилей скорой помощи. Этот подход предполагает создание оптимизированных маршрутов, минимизирующих время реагирования на экстренные вызовы и повышающих эффективность доставки пациентов в медицинские учреждения. В контексте долгосрочной стратегии развития информационно-коммуникационных технологий в Российской Федерации особое внимание уделяется формированию современной информационной и телекоммуникационной инфраструктуры, а также разработке автоматизированных информационных систем, ГИС и ГИТ. Данные технологии направлены на создание высококачественных инновационных услуг и продуктов, которые могут быть эффективно интегрированы в социальные и медицинские системы. Для решения этой проблемы проводится анализ различных источников исходной информации, включая данные о дорожной загруженности, статических и динамических параметрах транспортной инфраструктуры. Использование ГИС и ГИТ позволяет интегрировать и анализировать эти данные в реальном времени, обеспечивая высокую точность и оперативность принимаемых решений.
Результаты. Представленный метод управления бригадами скорой медицинской помощи основан на усовершенствованной версии эстафетного метода, что позволяет значительно повысить эффективность планирования маршрутов. В процессе работы с геопространственными данными осуществляется оптимизация маршрутов путем исключения тупиковых узлов, что существенно сокращает количество вычислений и, как следствие, минимизирует временные затраты на планирование. 
Заключение. Использование ГИС в транспортных системах открывает значительные возможности для повышения эффективности оперативного принятия решений для ССМП.  

1. Trends in Vehicle Re-Identification Past, Present, and Future: A Comprehensive Review / J. Zakria Deng, Y. Hao, M. S. Khokhar, R. Kumar, J. Cai, J. Kumar, M. U. Aftab // Mathematics. 2021. Vol. 9, is. 24. P. 3162. https://doi.org/10.3390/math9243162

2. Visual Cause Analytics for Traffic Congestion / M. Pi, H. Yeon, H. Son, Y. Jang // IEEE Transactions on Visualization and Computer Graphics. 2021. Vol. 27(3). P. 2186–2201. https://doi.org/10.1109/TVCG.2019.2940580

3. Gomes B., Coelho J., Aidos H. A survey on traffic flow prediction and classification // Intelligent Systems with Applications. 2023. Vol. 20. P. 200268. https://doi.org/10.1016/j.iswa.2023.200268

4. Pluzhnikova N. Modern geoinformation technologies and their use in transport management // E3S Web of Conferences. 2024. Vol. 471. Р. 1–6. https://doi.org/10.1051/e3sconf/202447106001

5. The Application of GIS Technology in the Construction of Smart City / L. Yuyan, W. Yanliang, C. Haoyu, W. Zixuan, W., Ziqin C. Yu, L. Guohong // Academic Journal of Science and Technology. 2023. Vol. 5. P. 183–186. https://doi.org/10.54097/ajst.v5i2.6861

6. Dingqi Z. Research on the Application of Geographic Information Systems in the Construction of Smart Cities // Advances in Economics, Management and Political Sciences. 2024. Vol. 96. P. 81–87. https://doi.org/10.54254/2754-1169/96/2024MUR0112

7. Artificial Intelligence in Logistics and Distribution: The function of AI in dynamic route planning for transportation, including self-driving trucks and drone delivery systems / O. Erumusele, O. Tunde, A. Godwin, O. Akintunde, E. Joseph // World Journal of Advanced Research and Reviews. 2025. Vol. 25. P. 155–167. https://doi.org/10.30574/wjarr.2025.25.2.0214

8. Zukhurov Y., Sultonov Sh. The use of geographic information systems in modern cartography // Universum: технические науки. 2022. N 11(104). P. 52–55.

9. Касаткина Е. В., Кетова К. В. Компьютерное моделирование потоков в городской транспортной сети // Интеллектуальные системы в производстве. 2021. Т. 19, № 1. С. 89–99.

10. Yang W., Xiaoxiang L. Application of Reinforcement Learning Methods Combining Graph Neural Networks and Self-Attention Mechanisms in Supply Chain Route Optimization // Sensors. 2025. Vol. 25(3). P. 955. https://doi.org/10.3390/s25030955

11. Sokolov N., Shalamova O., Kochergin V. Optimization of urban agglomeration transport flows // E3S Web of Conferences. 2024. Vol. 471. P. 1–10. https://doi.org/10.1051/e3sconf/202447104025

12. Atsuo N., Masaharu O. Assessing the Effect of a Pandemic on Emergency Medical Service Response Times and Interventions for Out-of-Hospital Cardiac Arrest // Cureus. 2024. Vol. 16. P. 1–9. https://doi.org/10.7759/cureus.75736

13. Курмангулов А. А., Кононыхин А. А., Брынза Н. С. Проблемы стандартизации систем информирования медицинских организаций Российской Федерации (обзор) // Проблемы стандартизации в здравоохранении. 2021. № 11-12. С. 3–13. https://doi.org/10.26347/1607-2502202111-12003-013

14. Зайцев Е. М., Коломиец Е. А., Николаев В. Н. Формализация этапов жизненного цикла создания геоинформационной продукции на научно-производственном предприятии // Известия Юго-Западного государственного университета. 2020. Т. 24, № 4. С. 146–165. https://doi.org/10.21869/2223-1560-2020-24-4-146-165

15. Применение CUDA ядер в задачах обработки информации в базе данных при помощи BLAZINGSQL / Т. И. Лапина, С. А. Филист, Ю. А. Криушина, Е. А. Криушин // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2022. Т. 12, № 3. С. 97–108. https://doi.org/10.21869/2223-1536-2022-12-3-97-108

16. Николаев В. Н., Зайцев Е. М., Коломиец Е. А. Развитие коллективной инфраструктуры муниципального предприятия в условиях цифровой экономики // Информационные технологии и телекоммуникации. 2021. Т. 9, № 4. С. 28–36. https://doi.org/10.31854/2307-1303-2021-9-4-28-36

17. Савекин Ф. Н., Миронов А. Н., Назаров Р. С. Моделирование обеспечивающих действий на основе математической теории графов // Вестник Военной академии материально-технического обеспечения им. генерала армии А. В. Хрулева. 2021. № 3(27). С. 119–126.

18. Лапина Т. И., Малыхина В. С., Крупчатников Р. А. Система учета и мониторинга расходов электроэнергии на основе геопространственных данных расположения потребителей // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2024. Т. 14, № 1. С. 88–103. https://doi.org/10.21869/2223-1536-2024-14-1-88-103

19. Михайлова С. С., Халмакшинов Е. А. Алгоритм анализа данных на графовых структурах // Наука и бизнес: пути развития. 2022. № 4(130). С. 25–28.

20. Комарова Т. К., Поспелов П. И., Мартяхин Д. С. Исследование параметров движения транспортных потоков на элементах улично-дорожной сети в городских условиях // Известия Казанского государственного архитектурно-строительного университета. 2024. № 4(70). С. 285–293. https://doi.org/10.48612/NewsKSUAE/70.25

21. Структурно-функциональная организация системы обработки геопространственных данных при управлении бригадами скорой медицинской помощи / Е. А. Коломиец, И. А. Халин, Ю. А. Халин, М. А. Титенко // Естественные и технические науки. 2022. № 7(170). С. 182–184. https://doi.org/10.25633/ETN.2022.07.12

22. Кочетов Ю. А., Шамрай Н. Б. Оптимизация размещения и передислокации бригад скорой медицинской помощи // Дискретный анализ и исследование операций. 2021. Т. 28, № 2. С. 5–34. https://doi.org/10.33048/daio.2021.28.702