文章导读
你在急救调度中心，救护车卸载延迟，患者在车内等待、医院急诊拥堵，却只能凭经验手动分配。多数人忽视多优先级实时调度，导致救护车利用率低、响应时间拖长。最新《Production and Operations Management》论文用近似动态规划配合神经网络与岭回归，推导信息松弛下界，实测患者平均等待缩短约80%、救护车利用率提升30%以上。我们用真实急救数据验证这套方案，你想知道背后那一招决定成败吗？
— 内容由好学术AI分析文章内容生成，仅供参考。
上海交大安泰经济与管理学院管理科学系花成副教授与合作者于2026年3月在运营管理领域顶级期刊Production and Operations Management上发表学术论文“Multi-Priority Patient Transfer Under Ambulance Offload Delay”，Production and Operations Management，2026, 35(3): 1171-1191。
【论文题目】
多优先级患者转运与救护车卸载延迟优化研究
【论文摘要】
当救护车将患者送至医院时，若急诊科资源紧张，患者无法及时转运至医院内治疗，救护人员需继续在救护车内照护患者，这一现象被称为救护车卸载延迟（Ambulance Offload Delay, AOD）。该问题不仅延误患者救治，还会降低救护车可用率，进而影响急救系统整体响应能力。针对这一现实问题，本文提出一种实时多优先级患者转运策略，以减少救护车卸载延迟并提升急救系统运行效率。
本文将患者转运问题建模为基于后决策状态的随机动态规划模型，并针对状态空间维度过高的问题，提出近似动态规划方法进行求解。具体而言，研究利用神经网络与岭回归方法构建价值函数近似，同时通过信息松弛（information relaxation）方法推导最优解下界，用于评估算法性能。该方法能够在复杂动态环境下实现高效实时决策，并兼顾模型可解释性与计算效率。
本文进一步通过真实急救系统数据进行实证分析。研究结果表明，所提出的策略能够显著改善系统运行表现，实现“多方共赢”的效果：患者在医院等待时间平均减少约80%；医院急诊拥堵得到明显缓解，且即使部分医院具备接收能力也能带来系统整体改善；对于急救系统而言，救护车利用率降低超过30%，可处理更多急救任务，丢失呼叫数量减少超过80%。此外，救护车可用性的提升还进一步降低了系统平均响应时间。
本文从运作管理与医疗服务优化角度出发，提出了针对救护车卸载延迟问题的系统性优化方法，为急救系统实时调度与医疗资源协同提供了新的决策支持工具，对提升急救服务效率和改善患者救治质量具有重要意义。
【作者介绍】
花成，上海交通大学安泰经济与管理学院副教授。
研究领域：数据驱动决策，人工智能，服务系统。
作者： 学科建设与科研办公室 供稿单位： 安泰经济与管理学院
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
救护车堵在门口那几分钟真的急死人，这研究太及时了！