姚俊霞，張曦文

（1.西安急救中心 陜西 西安 710018；2.空軍工程大學 電訊工程學院，陜西 西安 710051）

近年來，我國醫(yī)療急救系統(tǒng)得到了長足的發(fā)展，隨著GIS、GPS、GPRS以及Internet等新技術(shù)應(yīng)用到 120急救車調(diào)度系統(tǒng)中，使得急救車能夠在最短的時間內(nèi)對傷病者施救，但上述應(yīng)用只是使得從120接受求救電話到急救車將病人帶到醫(yī)院這一過程所花的時間減少了；隨著無線網(wǎng)絡(luò)和移動計算的發(fā)展，代理技術(shù)（Agent）由于其普適計算能力和感知環(huán)境能力被廣泛應(yīng)用，從整體上改變醫(yī)療的急救，交互和決策模式，充分發(fā)揮急救車、病人和醫(yī)院醫(yī)生的交互協(xié)作，從而提高醫(yī)療急救系統(tǒng)的工作效率、急救成功率[1]。

1 多代理的急救系統(tǒng)

Agent作用于分布式人工智能領(lǐng)域，其重要特點是具有自主性和協(xié)作性，可以感知于自身和環(huán)境，并與其它Agent進行通信[2]。 多 Agent系統(tǒng)（MAS：Multi-Agent System）是指一些自主的Agent通過協(xié)作完成特定任務(wù)或?qū)崿F(xiàn)某些既定目標的分布式計算系統(tǒng)，其作用能力遠遠大于單個Agent，解決單個Agent所不能解決的問題[3]。

1.1 多Agent的急救系統(tǒng)流程

MAS是多個智能體的集合，各個智能體相互通信、協(xié)商、協(xié)作，共同完成單個智能體所不能實現(xiàn)的任務(wù)，更適合復(fù)雜問題的求解[4]，MAS的急救系統(tǒng)的代理包括：急救中心、急救車輛、醫(yī)院、急救專家、綜合信息管理。各個agent之間的信息交互方式如圖1所示。

圖1 多代理的急救系統(tǒng)Fig.1 Emergency system of multi-agent

在MAS系統(tǒng)中，Agent總處于一定的環(huán)境中并能通過某種感知方式探測環(huán)境，單個 Agent是具有行為能力的實體，基于預(yù)先制定的目標主動地采取行動，并在執(zhí)行過程中不斷地與環(huán)境進行交互、充分地了解和適應(yīng)環(huán)境的變化。急救工

作能夠高效、精確的完成依賴于多個代理的協(xié)作使得相關(guān)的信息能夠有效、準確的傳達。

1.2 MAS 的感知模型

對于agent而言，其對環(huán)境的感知能力主要包括感知自身位置環(huán)境的變化、感知周圍物理條件的變化、感知信息的學習。多代理急救系統(tǒng)的感知模型如圖2所示。

圖2 多代理急救系統(tǒng)的感知模型Fig.2 Perceptual model of multi-agent first-aid system

該感知模型的信息采集過程是：物理傳感層從異構(gòu)執(zhí)行環(huán)境采集原始上下文數(shù)據(jù)，多個代理傳感系統(tǒng)采集不同的原始信息，邏輯傳感從原始信息數(shù)據(jù)中提取相關(guān)的信息，對信息初步分類，交由信息協(xié)作層，該層對取得的信息進行綜合處理，以確定系統(tǒng)所需，針對每個特定的信息選擇決策其合適的服務(wù)。

2 MAS急救系統(tǒng)感知模型算法

信息協(xié)作算法的主要思想是利用Agent的協(xié)作，對急救車實時位置信息進行獲取，利用多位置信息進行分析，做出最優(yōu)的決策，選出一輛最優(yōu)的急救車。

當急救中心獲得傷病者位置以后，定位到系統(tǒng)的電子地圖上，急救中心Agent通過搜索平臺上標記為ambulance的Agent，可查找到所有急救車Agent。然后向每個急救車Agent發(fā)送內(nèi)容為query ambulance的REQUEST的消息。急救車agent收到有內(nèi)容為query ambulance并且類型為REQUEST的消息到來時，急救車Agent將急救車信息封裝發(fā)送給急救中心Agent。急救車agent需要急救車的定位Agent發(fā)送的急救車位置信息。急救中心Agent發(fā)送查詢請求消息后，等待接收急救車信息的消息，由于網(wǎng)絡(luò)環(huán)境的影響，勢必會有延遲發(fā)生。各急救車信息的消息到達急救中心Agent消息隊列的時間上會有一定的間隔。所以接收完所有急救車信息的消息后才進行最優(yōu)急救車的計算會造成執(zhí)行時間上的浪費。

本急救系統(tǒng)中，充分利用分布式計算的特點，利用消息到達時間不一致的空余時間，對每個到來的消息都立即對位置信息進行計算。當所有消息接收完畢時，則整個最優(yōu)急救車選擇計算也隨之結(jié)束，并且急救中心agent內(nèi)部節(jié)省了保存急救車信息的列表，在存儲空間上也有了很大的優(yōu)化。該算法的協(xié)作過程如圖3所示。

圖3 多急救車代理的信息協(xié)作算法Fig.3 Multi-ambulance agent coordination algorithm

假設(shè)，急救中心發(fā)送REQUEST的時間為to，共有1個急救車agent，沒有采用平行計算的模式時，從急救中心發(fā)送查詢消息，到系統(tǒng)收到所有響應(yīng)消息的時間為而采用改進的請求應(yīng)答以后，整個消息時間為to+max（ti）。算法大大提高了系統(tǒng)的急救響應(yīng)速度。

這多種形式的多代理協(xié)作本質(zhì)上是一種有控制中心的通信協(xié)調(diào)和協(xié)作，急救中心是多急救車代理的控制中心，是多代理系統(tǒng)的決策中心，此時代理的主要目的是感知自身位置，并和控制中心保持通信。

3 結(jié) 論

信息協(xié)作算法的優(yōu)劣將極大的影響系統(tǒng)的工作效率，由于急救行業(yè)特殊性，對算法響應(yīng)的性能要求更高。論文研究的系統(tǒng)在操作上更加人性，決策上更加智能，急救上更加高效。將多代理計算應(yīng)用到了普適計算環(huán)境下的醫(yī)療急救系統(tǒng)中，設(shè)計了一個普適計算環(huán)境下的醫(yī)療急救模型。通過Agent對環(huán)境的感知與多Agent[7-8]的協(xié)同工作，實現(xiàn)了系統(tǒng)智能決策的計算?；诙啻淼男畔f(xié)作，急救車決策能夠有效提高急救效率和成功率。

[1]Laleei G B．Dogac A，Olduz M，et a1．SAt’ttlRE：A Multi-Agent System for Remote Heath care Monitoring through Computerized Clinical Guidelines.[EB/OL]（2009-12） http://www.srdc.metu.edu.tr/projects/saphire/publications/SAPHIREB ookChapter.pdf.

[2]劉大有，楊鯤，陳建中．Agent研究現(xiàn)狀與發(fā)展趨勢[J]．軟件學報，2000，11（3）：315-321．LIU Da-you，YANG Kun，CHEN Jian-zhong.Agent research and development trend[J].Journal of Software，2000，11（3）:315-321.

[3]Garland A，Alterman R．Autonomous agents that learn to beRer coordinate[J]．Autonomous Agents and Multi-Agent Systems，2004，8（3）：267-301.

[4]張云勇．移動Agent及其應(yīng)用[D]．北京：清華大學出版社，2002．

[5]Ohyperlink L，Ekinci E，Kucukyazici B.Emergency logistics planning in natural disasters[D].Annals of Operations Research，2004.

[6]HAN Jia-wei，KamberM.DataMiningConceptsand Techniques[D].Jian Pei， 3ed， MK，2011.

[7]李曉瑜，王剛.多Agent網(wǎng)絡(luò)信息檢索框架[J].現(xiàn)代電子技術(shù)，2011（6）:86-88.LI Xiao-yu，WANG Gang.Multi-Agent frame for Network information retrieval[J].Modern Electronics Technique，2011（6）:86-88.

[8]李凱，萬曉冬，荊艷，等.基于HLA的Agent仿真系統(tǒng)設(shè)計[J].電子科技，2011（3）:24-37.LI Kai，WAN Xiao-dong，JING Yan，et al.Design of an HLA based agent simulation system[J].Electronic Science and Technology，2011（3）:24-37.