博客 COVID-19疫苗:优化冷链运输

COVID-19疫苗:优化冷链运输

5分钟阅读

最近关于Covid-19疫苗发展的有前途的新闻辉瑞/BioNTech现代化, &Astazeneca./牛津大学给世界抗击疫情带来了一线希望。

一旦疫苗被批准用于公共使用并以足够的数量制造,下一个挑战将如何有效地向全世界的社区分发。随着官员宣布,他们希望在授权后几小时开始分发疫苗,交货物流将与药理学一样重要。

疫苗有严格的储存要求与专门热托运人与传统的冷运输网络一起使用。这国际航空运输协会(IATA)估计,2019年,浪费了340亿美元的疫苗,因为它们在发货时受到不安全的温度波动。

位置情报可以在优化此类网络和关键的最后一英里的优化中发挥关键作用,这对于没有能够获得城市中心通常在城市中心发现的医疗设备的小型和农村社区的尤其重要。

疫苗分配优化

最近,我们与合作合作SEUR-西班牙评估他们的现状冷运输网络,以及成功构建一个允许它们优化它的解决方案的步骤。

类似的分析可用于提高疫苗分发的效率,如下所述,重点是:

  1. Assessment of current state: Identifying where there is greater vaccine demand based on case rates and locations of those most in need (e.g., health care workers and the vulnerable), the characteristics and demographics of these areas, and whether vaccine development and distribution centers (DCs) are strategically located.
  2. 评估和量化当前网络变化的影响。主要是开放/关闭开发和配送中心的影响以及疫苗接种地区的变化。
  3. 建立一个优化模型来确定发展和DCs应该位于哪里,并设计理想的运输网络(供应链网络设计)。

还阅读:什么是GeoAI ?在COVID-19应对中如何使用GeoAI

方法和结果

该方法涉及应用不同空间数据的科学技术以一种迭代的方式,随着时间的推移增加复杂性,确保每一步都有有意义的见解和结果。

1.聚类:高密度区域分析

可以进行的第一个分析是聚类分析,以确定疫苗需求/需求高度集中的地区。这一分析的目的是验证开发和DCs的选址是否具有战略意义,以及是否可以利用高密度地区(土地覆盖、行政覆盖等)的空间特征来改善交付地区。

这个分析DBSCAN可以利用,一种基于密度的聚类非参数算法,将紧密排列在一起的点(有许多附近邻居的点)分组,将单独位于低密度区域的任何点标记为离群点。

该算法有两个可以轻松翻译成有意义的群集参数:

  • 样本之间的最大距离:在这种情况下,两个接种中心或递送区之间的最大距离被考虑为一个在另一个附近。
  • 考虑集群的最小样本数:在我们的情况下,附近的疫苗接种中心或递送区域的最小数量被视为高密度区域。

该算法可以使用不同的参数值和不同的时间聚合来运行,以分析时空行为,下图显示了可以识别的聚类类型。

这里可以识别在密度没有足够高的情况下识别出专用的DC。这提出了问题,例如是否可以关闭其中一些DC,或者是否值得维持某些DC,以防止来自其他DC的成本。

礼貌:Carto.

2.支持选择和离散化

对于战略和战术规划,重点不是在需求的确切位置,而是在空间和时间汇总的估计。选择正确的空间聚合是关键的。

空间聚合有不同的替代方案。H3.Quadkey网格是标准分层网格的两个例子。然而,通常的公共卫生机构或政府要求施加了对人们更“自然”的其他空间聚合的使用。一些示例是邮政编码,市政当局和行政区域。

下面的地图显示了使用H3和Quadkey网格以及市政当局汇总的一个月内提供的疫苗。在不同的分析中,我们使用H3网格,分辨率为5(细胞大小~200km2和市政当局。

这种离散化对于需求预测以及许多其他用途非常有用,因为它允许我们根据其人口化妆,消费模式,基础设施等来表征每个细胞/市。Carto数据流让它非常容易发现有趣的数据集,并将它们纳入您的分析。

3.分析开设或关闭配送中心的影响

选择网格后,下一步是分析开放开发和DCS的影响。为此,可以构建一个简单的原型,其允许这些站点的添加(开口)和移除(闭合)和对距离度量的影响的量化。也可以添加运营成本估算,从而可以量化距离和运营成本之间的权衡。

还阅读:Covid-19推动空中测绘和测绘

下面的动画显示了该原型如何运作。首先,一个区域具有三个DC非常接近彼此,没有它们靠近高密度区域(基于第一步中获得的结果)。可以基于对其关键影响指标的分析来删除中间中的一个。其次,可以识别具有高需求/需求级别/需要的区域,表明添加新的DC。在这两个变化之后,存在相同数量的DC,但平均距离略低。

注意,在这一步中,我们将单元分配到它们最近的DC,我们没有考虑到DC的容量。我们在接下来的步骤中纳入了能力。

4.介绍优化。基于距离和直流利用率计算最佳配送区域

最后一步是建立一个优化模型,计算每个DC的最优交付区域,以便将它们与现有的交付区域进行比较。

这可以建模线性优化以下地图显示了接种疫苗的地区:

礼貌:Carto.

优化的结果是每次运送的平均距离减少了4%多一点,考虑到所需的疫苗分发工作的规模,这将转化为燃料、车队规模和时间的显著节省。

也读联合国机构称国际运输和供应链关键到Covid-19恢复

结论

第一剂冠状病毒疫苗可以在几周内分发,初始焦点确保它们被送到风险和脆弱的人。

如本文所述,利用空间数据分析技术可以促进冷运输网络的优化,以加快这一过程,并确保人口的快速接种。

这个博客首先出现在Carto.com.