[논문]출동 응답 향상을 위한 적정 구급차 수량 및 배치 위치 결정 연구

정용훈; 정희나; 고정한

doi:10.7731/kifse.2017.31.3.137

출동 응답 향상을 위한 적정 구급차 수량 및 배치 위치 결정 연구
Optimal Decisions on the Quantity and Locations of Ambulances for the Timely Response to Emergency Requests 원문보기

한국화재소방학회 논문지= Fire science and engineering, v.31 no.3, 2017년, pp.137 - 143

정용훈 (아주대학교 산업공학과) , 정희나 (아주대학교 산업공학과) , 고정한 (아주대학교 산업공학과)

초록
AI-Helper

응급 상황 발생 시의 구급차 부족에 따른 출동 지연 감소를 위하여, 충분한 수의 구급차가 운영되어야 한다. 본 논문은 출동 지연을 최소화하기 위하여 안전센터별 적절한 119 구급차의 수량을 결정하는 효과적인 방법을 제시한다. 한 지방자치단체의 구급차 출동 요청을 분석하고, 출동 요청의 통계적 특성을 도출하였다. 119 안전센터 간의 상호 지원을 포함한 구급차 출동 시스템은 컴퓨터 시뮬레이션을 활용하여 모델링하였다. 구급차 요청의 통계적 특성과 시뮬레이션을 활용한 분석 결과, 대부분의 출동 요청에 성공적으로 응답할 수 있음을 확인하였고, 출동수행률 향상을 위한 구급차 수 증가가 효과적임도 확인하였다. 또한, 구급차를 추가로 배치할 안전센터를 찾아내는 효율적인 방법론도 제시하였다. 본 연구는, 적절한 구급차 수량 확보와 배치를 통하여, 응급환자 구조 서비스 개선에 활용될 수 있다.

Abstract ▼ AI-Helper

A sufficient number of ambulances are critical for preventing delayed vehicle dispatch for emergency patients. This study presents effective methodologies for evaluating the effects of ambulance quantities on availability. The statistical properties of the emergency requests and responses were analyzed for a city in Korea. The inter-request times were modeled by statistical distributions. The ambulance dispatch was modeled using simulation, reflecting the shared dispatch among the city districts. The simulation results revealed that the existing ambulance quantity could successfully meet the majority of the requests, but more vehicles were desirable for improvement. The locations of the additional vehicles were determined efficiently by simulations with a greedy approach. The simulations with added vehicles showed a significantly better coverage of the emergency calls. This research can help design improved emergency vehicle operations, and help save lives.

주제어

표/그림 (10)

그림 Figure 1. Number of emergency calls for each hour.
그림 Figure 2. Histogram and distribution of the calls at center MS.
표 Table 1. Example of the Emergency Vehicle Activity Data
표 Table 2. Goodness-of-fit Test for the Inter-call Time Distribution
표 Table 3. Number of Failed Responses at Each Center
표 Table 4. Effect of One Additional Vehicle at Different Centers
표 Table 5. Preference of Requests to Other Centers
표 Table 6. Effect of Two Additional Vehicles at Different Centers
표 Table 7. Effect of Two Additional Vehicles at Different Centers, Observed with More Simulations
표 Table 8. Summary: Effect of Additional Vehicles on Failure Rates

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

출동 수행 시 소요되는 시간의 통계적 특성 파악도 필수적이다. 따라서, 신고 시각 간격과 신고 처리 시간이 어떤 확률분포를 따르는지 조사하였다. 구급 현황 데이터에서 추출한 신고 시각, 응급 상황 처리 시간에 대하여 확률분포 추정 및 적합도 검정을 통계해석 전문 소프트웨어로 수행하였다.
본 연구는 기존 연구들의 이러한 단점을 극복하고자 한다. 본 연구의 목적은 출동 요청에 대처하지 못하는 가능성을 최소화하기 위하여 적절한 구급차의 수량 및 배정되는 안전센터를 결정할 수 있는 현실적인 방법론을 국내 한 지방자치단체의 실례를 활용하여 제시하는 것이다.
본 연구에서는 국내 한 지방자치단체의 119 안전센터 구급차 출동 시스템을 분석하고, 과거 출동 요청 데이터를 분석하여, 구급차 출동 수요의 특성을 파악하였다. 그리고, 시뮬레이션 소프트웨어로 구급차 출동 시스템을 모델링하고 출동 요구의 통계적 분포를 활용하여, 구급차 수가 출동 요청 대응에 미치는 영향을 분석하였다.
응급 구조는 생명과 직결되는 중요한 문제이기 때문에, 성공률 목표를 가능한 100%에 가깝게 설정하는 것이 이상적일 수 있다. 본 연구에서는 응급차를 추가로 배치함에 있어서, 어느 안전센터를 선택하는 것이 효과적인지 분석하였다. 1대의 응급차를 추가할 경우 JM 안전센터가 최적의 센터로 분석되었고, 2대의 응급차를 추가할 경우에는 JM, MS 안전센터가 최적의 센터로 분석되었다.
본 연구는 기존 연구들의 이러한 단점을 극복하고자 한다. 본 연구의 목적은 출동 요청에 대처하지 못하는 가능성을 최소화하기 위하여 적절한 구급차의 수량 및 배정되는 안전센터를 결정할 수 있는 현실적인 방법론을 국내 한 지방자치단체의 실례를 활용하여 제시하는 것이다.
출동 요청에 대한 통계적 특성 파악은 적절한 구급차량 대수 선정을 위한 기초이다. 출동 수행 시 소요되는 시간의 통계적 특성 파악도 필수적이다.

가설 설정

출동수행률과 실패율은 1의 보수(출동수행률=100%-출동실패율) 관계이다. 본 연구에서 출동불가능의 기준은 일정 시간 내가 아니라 즉시로 정하였다. 그 이유는 다음과 같다.
3절에 기술된 대로, 수요가 적은 새벽시간대를 제외한 나머지 16시간이다. 시뮬레이션은 3년 동안의 응급수요 발생과 응급차량 출동시스템 운영을 가정하여 수행되었다.

제안 방법

즉, 센터 간의 거리에 따른 우선순위가 적용되어, 1순위는 신고 관할 센터 자체의 구급차, 그 다음 순위는 거리 기준 가까운 센터의 가용 구급차가 선정된다. Process 요소는 각 센터가 보유한 구급차를 의미하며, 각 센터별로 구급 활동 시간의 통계분포를 적용하였다. 모든 응급차가 이미 출동 수행 중이어서 출동 불가능 상태가 발생하면 Record를 통해 구급 요청이 신고된 안전센터에 출동 불가능을 기록하였다.
본 연구에서는 국내 한 지방자치단체의 119 안전센터 구급차 출동 시스템을 분석하고, 과거 출동 요청 데이터를 분석하여, 구급차 출동 수요의 특성을 파악하였다. 그리고, 시뮬레이션 소프트웨어로 구급차 출동 시스템을 모델링하고 출동 요구의 통계적 분포를 활용하여, 구급차 수가 출동 요청 대응에 미치는 영향을 분석하였다. 현재보다 높은 수준의 구급차 출동수행률을 유지하고자 할 경우에 추가로 필요한 구급차 수와 구급차가 배치될 안전센터 위치도 도출하였다.
응급 호출 신호의 통계적 분석에서 시간대를 구분하여야 함을 제시하였고, 이를 통하여 유의미한 통계적 특성을 도출하였다. 또한 응급 요청에 대응하는 다소 복잡한 구조의 시스템을 시뮬레이션 모델로 구성하였다.
본 논문에서는 실제 구급차 출동 요청에 대한 통계 분석을 바탕으로, 10개 안전센터의 거리 우선 순위와 응급 요청 발생 및 대응 시간의 통계적 분포를 고려하여, 시뮬레이션 모델을 구축하였다. 이 모델과 데이터를 활용하여, 현재의 구급차 호출 수요에 대한 대응 능력을 평가하고, 구급차 추가 배치 시의 영향도 고찰하였다.
본 논문의 2.1절에 기술된 현재 운영되고 있는 응급 출동 시스템을 3절에 제시된 시뮬레이션 모델과 2.3절에 제시된 응급 수요의 통계적 특성을 활용하여 분석하였다. 분석 대상이 되는 시간은 2.
신고 시각 간격에 대한 통계 분석에서, 구급 요청 빈도의 시간대별 차이를 고려하였다. 본 연구의 데이터 전체를 대상으로 검정분석 수행 시, 모든 분포의 p값이 매우 작아, 한 확률분포를 특정할 수 없게 결과가 나타났다.
이 모델과 데이터를 활용하여, 현재의 구급차 호출 수요에 대한 대응 능력을 평가하고, 구급차 추가 배치 시의 영향도 고찰하였다. 응급 호출 신호의 통계적 분석에서 시간대를 구분하여야 함을 제시하였고, 이를 통하여 유의미한 통계적 특성을 도출하였다. 또한 응급 요청에 대응하는 다소 복잡한 구조의 시스템을 시뮬레이션 모델로 구성하였다.
이 4개 센터 간의 좀 더 세밀한 차이 조사를 위하여, 시뮬레이션 기간을 늘려(5년에 해당) 재차 비교하였다. 결과는 Table 7에 제시되었다.
본 논문에서는 실제 구급차 출동 요청에 대한 통계 분석을 바탕으로, 10개 안전센터의 거리 우선 순위와 응급 요청 발생 및 대응 시간의 통계적 분포를 고려하여, 시뮬레이션 모델을 구축하였다. 이 모델과 데이터를 활용하여, 현재의 구급차 호출 수요에 대한 대응 능력을 평가하고, 구급차 추가 배치 시의 영향도 고찰하였다. 응급 호출 신호의 통계적 분석에서 시간대를 구분하여야 함을 제시하였고, 이를 통하여 유의미한 통계적 특성을 도출하였다.
이 절에서는 성공률(출동수행률) 향상을 위한 추가적인 구급차 배치를 실행할 경우를 분석한다.
즉, 1대 추가시 최적으로 판별된 JM 센터에 구급차 1대를 추가시킨 상태에서, 앞의 방식과 같이 각 센터에 구급차를 추가로 1대씩 돌아가며 배치하며(방안 M11–M20), 전체 실패횟수에 주는 영향을 관찰하였다.
추가 구급차의 대수를 결정하는 첫 단계로, 해당 도시에 구급차를 한대만 추가 배치했을 때의 영향을 조사하였다. 즉, 출동수행률의 증가를 관찰하였다. 또한, 추가 구급차를 배정할 최적의 안전센터를 선정하고자 한다.
추가 구급차의 대수를 결정하는 첫 단계로, 해당 도시에 구급차를 한대만 추가 배치했을 때의 영향을 조사하였다. 즉, 출동수행률의 증가를 관찰하였다.
출동 성공률을 더 높이기 위하여 총 2대의 구급차를 추가 배치하는 경우도 조사하였다. 2대 추가 배치 시 총 (10+2－1)!/(2!(10－1)!)=55 가지의 경우의 수가 존재한다.
현 응급 차량 출동 시스템을 범용 시뮬레이션 모델 작성 소프트웨어 도구(ARENA)로 모델링하였다. 시뮬레이션 모델은 다음과 같이 구성된다.

대상 데이터

본 연구에 경기도 한 지방자치단체의 사례가 활용되었다. 해당 지자체는 국내에서 가장 인구가 많은 기초지방자치단체 중 하나이다(논문 제출 시점 인구 약 120만명, 전국10위권 이내 도시).
3절에 제시된 응급 수요의 통계적 특성을 활용하여 분석하였다. 분석 대상이 되는 시간은 2.3절에 기술된 대로, 수요가 적은 새벽시간대를 제외한 나머지 16시간이다. 시뮬레이션은 3년 동안의 응급수요 발생과 응급차량 출동시스템 운영을 가정하여 수행되었다.
분석을 위한 자료로 해당 도시의 2014–2015년 약 10만건의 구급 활동 현황 데이터를 활용하였다(10).

데이터처리

따라서, 신고 시각 간격과 신고 처리 시간이 어떤 확률분포를 따르는지 조사하였다. 구급 현황 데이터에서 추출한 신고 시각, 응급 상황 처리 시간에 대하여 확률분포 추정 및 적합도 검정을 통계해석 전문 소프트웨어로 수행하였다. 적합한 분포 탐색에는 흔히 이용되는 콜모고로프 스미르노프, 앤더슨-달링 검정분석을 이용하였다⁽¹¹⁾.
구급 현황 데이터에서 추출한 신고 시각, 응급 상황 처리 시간에 대하여 확률분포 추정 및 적합도 검정을 통계해석 전문 소프트웨어로 수행하였다. 적합한 분포 탐색에는 흔히 이용되는 콜모고로프 스미르노프, 앤더슨-달링 검정분석을 이용하였다⁽¹¹⁾.

이론/모형

이 모두에 대하여 시뮬레이션을 수행하면 막대한 계산 시간이 소요된다. 따라서, 본 연구에서는 탐욕 알고리즘(greedy algorithm) 방식으로 문제에 접근한다. 즉, 1대 추가시 최적으로 판별된 JM 센터에 구급차 1대를 추가시킨 상태에서, 앞의 방식과 같이 각 센터에 구급차를 추가로 1대씩 돌아가며 배치하며(방안 M11–M20), 전체 실패횟수에 주는 영향을 관찰하였다.

성능/효과

본 연구에서는 응급차를 추가로 배치함에 있어서, 어느 안전센터를 선택하는 것이 효과적인지 분석하였다. 1대의 응급차를 추가할 경우 JM 안전센터가 최적의 센터로 분석되었고, 2대의 응급차를 추가할 경우에는 JM, MS 안전센터가 최적의 센터로 분석되었다. JM, MS 안전센터와 같은, 추가 배치에 적절한 센터들의 구조적 특징(주변 근거리 센터들의 출동 요구 높음) 또한 중요한 경향으로 도출할 수 있었다.
와이블분포는 다른 단일-모수 분포와는 달리 다양한 데이터 특성을 모델링할 수 있는 유연성을 가지고 있어, 실제 문제에 많이 활용된다. 구급 처리 시간의 통계적 분포에 대한 적합성도 분석하였고, 마찬가지로 와이블분포를 잘 따른다는 결과가 도출되었다.
또한 위 방법들은 수학적 표현의 간소함은 있으나, 응급 요청과 출동의 복잡한 통계적 특성을 반영하기 힘들다. 따라서, 본 연구의 주제와 같은 복잡한 문제는 이산사건모델에 기반한 시뮬레이션이 거의 유일한 도구이다. 시뮬레이션을 사용하는 기존 연구들도 주어진 출동 수행 상태 분석에 주로 치중하고, 출동 수행 상태를 개선할 수 있는 체계적 방법을 제시하지 못하는 경우가 많다.
이 새벽시간대의 이질적인 요청 건수를 포함하여 통계 분석을 수행할 경우 요청 빈도의 분포 추정에서 부정확성이 커진다. 따라서, 이질적 통계 특성을 지닌 새벽시간대는 배제하고, 하루 중 빈도가 유사한 오전, 오후, 저녁의 16시간에 대하여 통계분석을 따로 진행하는 것이 타당하다.
Process 요소는 각 센터가 보유한 구급차를 의미하며, 각 센터별로 구급 활동 시간의 통계분포를 적용하였다. 모든 응급차가 이미 출동 수행 중이어서 출동 불가능 상태가 발생하면 Record를 통해 구급 요청이 신고된 안전센터에 출동 불가능을 기록하였다.
신고 시각 간격에 대한 통계 분석에서, 구급 요청 빈도의 시간대별 차이를 고려하였다. 본 연구의 데이터 전체를 대상으로 검정분석 수행 시, 모든 분포의 p값이 매우 작아, 한 확률분포를 특정할 수 없게 결과가 나타났다. 이 특이한 경향의 이유는 시간대별 구급 요청 횟수를 분석하면 추정 가능하다.
시뮬레이션 분석 결과 현재의 응급차 수량으로는 99.91%의 대응 성공률(출동수행률)이 예상되었다. 응급 구조는 생명과 직결되는 중요한 문제이기 때문에, 성공률 목표를 가능한 100%에 가깝게 설정하는 것이 이상적일 수 있다.
이 결과 해석을 단순히 JM 센터로의 추가 배치로 JM 센터 자체의 구급 요청에 더 잘 대응할 수 있다로만 한정해서는 안된다. 이 결과는 현 구급 시스템의 복잡한 운영 구조로부터 기인한다.
JM, MS 안전센터와 같은, 추가 배치에 적절한 센터들의 구조적 특징(주변 근거리 센터들의 출동 요구 높음) 또한 중요한 경향으로 도출할 수 있었다. 제시된 탐욕 알고리즘에 의한 접근 방법은 계산 수를 크게 감소시켜, 유의미한 결과의 신속 도출을 가능하게 하였다.
많은 시뮬레이션 수행은 계산 시간 과다로, 실제 문제에 대한 적용은 제한적이게 된다. 제시된 탐욕 알고리즘에 의한 접근 방법은 계산 수를 크게 감소시키면서도, 충분히 유의미한 결과 도출에 도움을 준다.
이러한 성과에도 불구하고 본 논문에 제시된 주제는 더 많은 후속 연구를 필요로 한다. 첫째, 구급차 도착이 응급 의료 서비스의 성공을 의미하지는 않는다. 특히 환자의 증상에 따른 응급 처치와 이송 시간 한도가 다르다.
그 이유는 다음과 같다. 첫째, 출동 임무 수행에 걸리는 시간에 대한 분석 결과 평균이 30분이 넘기 때문에, 즉시 출동이 불가능할 경우, 임무를 완료한 구급차가 단시간 내 가용할 가능성이 높지는 않다. 두 번째, 현재 임무 수행 중인 구급차가 가용한 상태로 될 때까지의 시간을 확정할 수 없으므로, 구급 요청자는 막연히 대기하기 보다는 다른 구급/이송 수단을 추구하는 것이 타당한 경우가 많다.
시뮬레이션 결과를 Table 3에 안전센터별 응급 대응 실패횟수로 나타내었다. 총 135,585건의 응급 상황 발생에 대한 예상 출동수행률(응급 출동 요구에 대한 출동 대응 성공률)은 99.914%이다.
Table 4에 표시된 대로, JM 안전센터에 추가 구급차를 배치하는 것이 전체적인 실패횟수 감소에 가장 효과적임을 확인할 수 있다. 현재의 총 116건의 실패 횟수가 추가 배치 후 28건으로 1/4 이하로 줄어들었다.

후속연구

본 연구의 결과는 이러한 배치에서 투입된 자원 대비 최대의 효과를 거둘 수 있는 방안을 마련하는 객관적이고 수치적인 근거 제시에 활용될 수 있다. 더 나아가, 응급환자들의 안전을 증진시키는 데도 기여할 수 있으리라 기대된다.
본 연구는 적정 구급차 수와 위치 결정을 위한 방법론 발전에 기여하리라 기대된다. 또한 구급차 요청 데이터 분석과 출동 모델링의 주요 사례를 제시하여, 후속 연구 및 정책 수립에도 기여한다. 본 연구를 활용하면, 구급 요청시의 즉시 출동가능성을 나타내는 출동수행률이 개선된 환자 이송 시스템을 체계적으로 구축할 수 있어, 환자들을 위한 구급 활동에 기여할 수 있으리라 기대된다.
또한, 환자의 증상에 따른 구급차 종류(특수, 일반)별 출동수행률 분석도 필요하다. 또한 보다 정확한 모델링과 분석을 위하여, 응급신고에 대한 시간대 별, 위치 별 보다 상세하고 실제적인 통계적 분석도 필요하다. 이러한 다양한 세부 주제들은, 각각 별도의 후속 연구들에서 더 깊이 다루어 질 수 있으리라 기대한다.
즉, 출동수행률의 증가를 관찰하였다. 또한, 추가 구급차를 배정할 최적의 안전센터를 선정하고자 한다. 각 센터에 1대를 배치하는 방안을 M1–M10으로 명명하였다.
따라서, 환자의 증상에 따른 세부 출동수행률 분석이 필요하다. 또한, 환자의 증상에 따른 구급차 종류(특수, 일반)별 출동수행률 분석도 필요하다. 또한 보다 정확한 모델링과 분석을 위하여, 응급신고에 대한 시간대 별, 위치 별 보다 상세하고 실제적인 통계적 분석도 필요하다.
본 연구는 적정 구급차 수와 위치 결정을 위한 방법론 발전에 기여하리라 기대된다. 또한 구급차 요청 데이터 분석과 출동 모델링의 주요 사례를 제시하여, 후속 연구 및 정책 수립에도 기여한다.
본 연구는 한정된 구급차를 배치하거나 추가로 구급차를 배치하는 등에 활용될 수 있다. 본 연구의 결과는 이러한 배치에서 투입된 자원 대비 최대의 효과를 거둘 수 있는 방안을 마련하는 객관적이고 수치적인 근거 제시에 활용될 수 있다.
또한 구급차 요청 데이터 분석과 출동 모델링의 주요 사례를 제시하여, 후속 연구 및 정책 수립에도 기여한다. 본 연구를 활용하면, 구급 요청시의 즉시 출동가능성을 나타내는 출동수행률이 개선된 환자 이송 시스템을 체계적으로 구축할 수 있어, 환자들을 위한 구급 활동에 기여할 수 있으리라 기대된다.
본 연구는 한정된 구급차를 배치하거나 추가로 구급차를 배치하는 등에 활용될 수 있다. 본 연구의 결과는 이러한 배치에서 투입된 자원 대비 최대의 효과를 거둘 수 있는 방안을 마련하는 객관적이고 수치적인 근거 제시에 활용될 수 있다. 더 나아가, 응급환자들의 안전을 증진시키는 데도 기여할 수 있으리라 기대된다.
두 번째, 현재 임무 수행 중인 구급차가 가용한 상태로 될 때까지의 시간을 확정할 수 없으므로, 구급 요청자는 막연히 대기하기 보다는 다른 구급/이송 수단을 추구하는 것이 타당한 경우가 많다. 셋째, 즉시 출동 불가능하나 일정 시간 내 재 출동이 가능한 경우는 후속 연구에서 새로운 모델을 구축하여 더 자세히 분석하는 것이 타당하다. 한 논문에서 모든 경우를 분석, 비교하는 것은 지면 제약 상 불가능하다.
한 논문에서 모든 경우를 분석, 비교하는 것은 지면 제약 상 불가능하다. 유사한 사유로, 출동 후 도착시간 지연 등에 따른 구조 실패 등의 사례도 후속 연구에서 별도로 다루는 것이 타당하다고 판단된다.
또한 보다 정확한 모델링과 분석을 위하여, 응급신고에 대한 시간대 별, 위치 별 보다 상세하고 실제적인 통계적 분석도 필요하다. 이러한 다양한 세부 주제들은, 각각 별도의 후속 연구들에서 더 깊이 다루어 질 수 있으리라 기대한다.
이러한 성과에도 불구하고 본 논문에 제시된 주제는 더 많은 후속 연구를 필요로 한다. 첫째, 구급차 도착이 응급 의료 서비스의 성공을 의미하지는 않는다.

질의응답

핵심어	질문	논문에서 추출한 답변
	신속한 응급상황 대응(출동 수행)에 필수적인 요소는 무엇인가?	이러한 신속한 응급상황 대응(출동 수행)에 필수적인 요소는 구급차 수의 충분한 확보이다. 구급차 수가 충분하지 않아 출동 가능한 차량이 없다면, 구급차 요청자는 대기하거나, 다른 응급차량 서비스를 찾아야 한다.
	적절한 구급차량 대수 선정을 위한 기초는 무엇인가?	출동 요청에 대한 통계적 특성 파악은 적절한 구급차량 대수 선정을 위한 기초이다. 출동 수행 시 소요되는 시간의 통계적 특성 파악도 필수적이다.
	구급 활동 현황 데이터는 어떤 것들로 이루어져 있는가?	분석을 위한 자료로 해당 도시의 2014-2015년 약 10만건의 구급 활동 현황 데이터를 활용하였다(10). 원 데이터의 각출동 요청별 데이터 속성은 30개로, 출동 안전센터명, 신고시각, 귀소 시각, 환자 연령, 환자 증상, 지역 등으로 이루어져 있다. 이 중 본 연구의 주제인 출동수행률에 직접 관계되는 속성은 출동 센터, 신고 시각, 귀소 시각, 관내/외여부이며, Table 1에 예시되어 있다.

참고문헌 (12)

F. Borras and J. T. Pastor, "The Ex-post Evaluation of the Minimum Local Reliability Level: an Enhanced Probabilistic Location Set Covering Model", Annals of Operations Research, Vol. 111, No. 1, pp. 51-74, (2002).
C. Revelle and K. Hogan, "The Maximum Availability Location Problem", Transportation Science, Vol. 23, No. 3, pp. 192-200 (1989).

상세보기
A. Ingolfsson, E. Erkut and S. Budge, "Simulation of a Single Start Station for Edmonton EMS", Journal of the Operational Research Society, Vol 54, No. 7, pp. 736-746 (2003).

상세보기
H. Park, A. Shafahi and A. Haghani, "A Stochastic Emergency Response Location Model Considering Secondary Incidents on Freeways", IEEE Transactions on Intelligent Transportation Systems, Vol. 17, No. 9, pp. 2528-2540 (2016).

상세보기
K. Jang, K. Kang, Y. Jang and K. Hahn, "Analysis of the Time Intervals in 119 Ambulance Services", Fire Science and Engineering, Vol. 30, No. 4, pp. 128-134 (2016).

원문보기 상세보기
K. Kang, "Predictors of Emergency Medical Transports Use Based on 2009 Korea Health Panel", Fire Science and Engineering, Vol. 28, No. 3, pp. 80-86 (2014).
I. Sung and T. Lee, "Study on the Algorithm to Develop an Ambulance Operation Plan for Response Capability of the Emergency Medical System to the Mass Casualty Incidents", Proceedings of the Spring Conference, Korean Institute of Industrial Engineers, pp. 192-200 (2014).
Y. Lee, H. Chang and S. Lee, "A Study on the Optimal Number of Emergency Vehicles for Development of a Pre-hospital Emergency Medical System", Proceedings of the Spring Conference, Korean Institute of Industrial Engineers, pp. 1276-1283 (2010).
Korea Ministry of Government Legislation, "Attached Table 1", Regulations on the Fire Service Standard, (2014).
Gyunggi Data Dream, http://data.gg.go.kr, Accessed on November 2016 (2016).
S. Park, Modern Design of Experiments, Minyoung Publishing, (2009).
J. Ko, E. Nazarian, Y. Nam and Y. Guo, "Integrated Redistricting, Location-allocation and Service Sharing with Intra-district Service Transfer to Reduce Demand Overload and its Disparity", Computers, Environment and Urban Systems, Vol. 54, pp. 132-143 (2015).

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증