Die Mitarbeitenden der Rettungsleitstelle haben die Aufgabe, die knappen Rettungsdienstfahrzeuge möglichst optimal einzusetzen und damit den zu behandelnden Personen die notwendige Hilfe zukommen zu lassen. In der Regel wird die Nächste-Fahrzeug-Strategie verwendet, aller- dings bietet diese nicht immer ein optimales Ergebnis. Im Rahmen dieser Arbeit wird eine agentenbasierte Modellierung wesentlicher Aspekte des Ret- tungsdienstes erstellt und getestet. Dafür wird die Python-Bibliothek mesa verwendet. Das Mo- dell soll dazu dienen, unterschiedliche Dispositionsstrategien unter verschiedenen Rahmenbedingungen testen und vergleichen zu können. Um realitätsnahe Experimente zu ermöglichen, wurden die Testszenarien aus realen historischen Daten der Rettungsleitstelle abgeleitet. Im Rahmen mehrerer Experimente wird gezeigt, dass das Modell wesentliche Verhaltensmerkmale des realen Vorbildes widerspiegelt. Zum Test des Modells wurde eine neue Dispositionsstrategie eingeführt. Diese Dynamische Umdisposition erweitert die Nächste-Fahrzeug-Strategie dadurch, dass in jedem Simulationsschritt mögliche Verbesserungen der Disposition ermittelt und umgesetzt werden. Die Potenziale der veränderten Disposition konnten anhand der durchgeführten Simulation aufgezeigt werden.
The staff of the emergency dispatch center are responsible for deploying the limited number of EMS vehicles as efficiently as possible, in order to ensure that patients receive the necessary assistance. Typically, a nearest-vehicle dispatch strategy is used. However, this approach does not always yield optimal results.
In this study, an agent-based model was developed and tested to simulate key aspects of emergency medical services. The Python library Mesa was used for implementation. The goal of the model is to test and compare various dispatch strategies under different conditions. To ensure realistic simulation scenarios, the experiments were based on historical data from the emergency dispatch center. The results of multiple experiments demonstrate that the model reflects essential behavioral characteristics of the real-world system.
To test the model, a new dispatch strategy was introduced: the dynamic reallocation strategy. This approach extends the standard nearest-vehicle strategy by continuously evaluating and applying potential improvements in vehicle assignments at each simulation step. The simulation results highlight the potential benefits of this modified dispatch strategy.
