요약: 정확한 구급차 이동 시간 추정은 응급 의료 출동에 있어 매우 중요하지만, 기존의 의사결정 지원 방식은 대개 정적인 조회 테이블이나 구급차 이동 시간이 일반 승용차와 어떻게 다른지에 대한 단순화된 가정에 의존해 왔다. 예를 들어, 구급차는 일반 승용차보다 일정 비율(예: 5%)만큼 더 빠르게 이동한다고 가정한다. 그러나 이러한 가정은 실제 구급차 운영 데이터를 통해 검증된 경우가 드물며, 길이 우선순위, 시간적 맥락, 출발지-목적지 간 상황 등의 영향을 제대로 반영하지 못할 수 있다. 우리는 스웨덴 스코네 지역의 과거 구급차 운행 기록을 활용하여 이러한 한계를 해결한다. 분석 결과, 구급차 이동 시간은 시간대, 요일, 그리고 운행 우선순위에 따라 크게 달라지며, 상용 내비게이션 시스템은 응급 상황 특유의 동역학을 포착하지 못하는 것으로 나타났다. 이를 바탕으로 구급차 이동 시간을 보다 정확히 추정하는 머신러닝 시스템을 제안한다. 또한 시스템의 해석 가능성을 높이기 위해 SHapley Additive exPlanations와 순열 중요도 기법을 적용하여, 본 시스템이 운영상 의미 있는 패턴을 효과적으로 학습하고 반영하도록 설계하였다.
제출 기록
Access Paper:
PDF 보기
HTML(실험적)
TeX 소스
추가 기능
오디오 요약
현재 탐색 컨텍스트:
참고문헌 및 인용
구글 학술 검색
시멘틱 스콜라
북마크
기관
arXivLabs는 협업자가 당사 웹사이트에서 새로운 arXiv 기능을 직접 개발하고 공유할 수 있도록 하는 프레임워크입니다.
arXivLabs와 협력하는 개인과 조직 모두는 개방성, 커뮤니티, 탁월성, 그리고 사용자 데이터 프라이버시라는 당사의 가치를 수용하고 이를 준수해 왔습니다. arXiv은 이러한 가치에 전념하며, 이들 가치를 준수하는 파트너들과만 협력합니다.
arXiv 커뮤니티에 가치를 더할 프로젝트 아이디어가 있으신가요? arXivLabs에 대해 자세히 알아보세요.