无人机覆盖网络的贝叶斯学习方法：苏格兰心脏骤停案例研究
机器学习
2026-03-25 v1 应用统计
摘要
无人机正变得越来越流行，作为急救呼叫 (EMS) 的补充系统。尽管已有多个试点研究和飞行试验表明无人机协作式AED递送的可行性，但要运行一个大规模的运营网络仍然具有挑战性，由于高额资本支出和环境不确定性。在本文中，我们构建了一个基于生存概率的贝叶斯学习框架，用于在环境和操作不确定性下设计无人机协作式AED递送网络。我们基于OHCA患者的生存概率提出了目标函数，以识别无人机站点的理想位置。此外，我们考虑了现有EMS基础设施的覆盖范围，以提高偏远地区的响应可靠性。我们采用苏格兰的地理信息心脏骤停数据进行方法验证。结果表明，环境变异性和空间需求模式如何影响城市和农村地区无人机站点的最优布局。此外，我们评估了网络的鲁棒性，并基于预期QALY进行成本效益分析。研究结果表明，无人机协作式AED递送预计在成本效益方面是有利的，并且有望在农村和城市地区的急救响应覆盖范围方面显著提高，尤其是当救护车响应时间较长时。
引用
@article{arxiv.2603.23134,
title = {A Bayesian Learning Approach for Drone Coverage Network: A Case Study on Cardiac Arrest in Scotland},
author = {Tathagata Basu and Edoardo Patelli and Gianluca Filippi and Ben Parsonage and Christy Maddock and Massimiliano Vasile and Marco Fossati and Adam Loyd and Shaun Marshall and Paul Gowens},
journal= {arXiv preprint arXiv:2603.23134},
year = {2026}
}