评价一个可伸缩的增强态势感知信息分析系统的大规模伤亡事件

文摘

我们调查的效用DIORAMA-II系统提供增强的态势感知在灾难现场利用实时可视化分析工具和事故指挥官之间的协作平台和紧急救援人员。我们的试验进行了在不同的地理区域(功能丰富和毫无特色的区域)和(日间和夜间)在不同的照明条件。DIORAMA-II获得相当长的时间获得比基于传统纸张的系统效率。DIORAMA-II时间获得反映在每个病人平均诊断时间的减少(每个病人平均诊断时间减少高达34.3%)和每个病人平均运输时间(平均运输时间每减少76.3%红色病人和病人减少高达66.3%的平均运输时间/黄色)。此外,DIORAMA-II确保患者掉队或运输错误的订单相比传统方法导致患者被留下和运输的不正确的顺序。

1。概述

2011年3月,日本大地震袭击了海岸并引发了强大的海啸。这一事件造成超过15000人死亡,2000人失踪。大规模伤亡事件(mci)引起的自然灾害,如地震和洪水在过去的几年里吸引了世界的注意。灾难被定义为“严重破坏社会的功能,导致广泛的人类,材料或环境损失超过影响社会应对的能力只使用自己的资源”由联合国灾害管理培训项目。

灾难发生后紧急医疗服务(EMS)扮演着重要的角色,提供有效、负责任的院前护理。他们的表现影响患者生存的机会。

当前传统的分类和运输方法包括使用纸分类标签以及基于广播的事故指挥官之间的通信和紧急救援人员。在传统系统的事故指挥官和救援人员的态势感知能力有限的事件以及有限的知识分类和运输业务的进展。

在[1]介绍DistressNet,它提供了聪明的病人检测在瓦砾和数字化建设信息。没有可视化工具的事故指挥官或任何病人实时跟踪。不报告试验结果。

智能系统研究实验室(SSRL)应答器工具(2提供急救员的位置以及反应的能力报告形式自由的文本注释和数字图像增强态势感知能力。事故指挥官没有意味着交互反应者和没有能力提供实时跟踪的病人。

在[3]作者描述一个决策支持系统FRIEDAA,使救援人员收集病人的时空信息。此外,可视化工具显示在大屏幕触觉发达的事故指挥官跟踪业务进展。FRIEDAA缺乏能力不断跟踪病人的运动。

在[4,5]作者关注报道灾难场景中建筑信息可以帮助事故指挥官评估建筑条件。

立体模型系统,我们介绍了6,7)之间提供了一个全面的态势感知和交流平台事故指挥官和紧急救援人员,将大大提高响应的有效性。此外,系统无缝集成的紧急救援人员目前的分类和运输过程。节2我们描述DIORAMA-II基于云计算的服务器结构,事故指挥官和应急反应的软件工具,并反复定位算法,使我们能够实时定位病人使用移动锚定系统。

在本文中,我们专注于研究DIORAMA-II效用比基于传统纸张的分类和运输方法。我们进行的试验在不同的地理区域(功能丰富和毫无特色的区域)和不同照明条件下(在日间和夜间)。我们使用的量化性能指标来评估DIORMA-II效用包括每个病人平均诊断时间,每个病人平均运输时间,留下的患者数量,和交通秩序。此外,我们还管理一个定性的问卷调查的紧急救援人员帮助我们理解DIORAMA-II可用性和潜在采用应急反应的社区。部分3细节进行的试验以及定量和定性的性能结果。部分4总结了纸。

2。DIORAMA-II架构

DIORAMA-II架构如图1介绍了在7]。救援人员携带一个活跃的RFID阅读器表示DM-track和智能手机。反应标记每个患者一个活跃的RFID标签(D-tag)连同论文分类标签。DM-track收集接收信号强度指示(RSSI)的读数D-tags代表测量的力量出现在收到无线电信号。这些数据是通过智能手机传送到服务器。DIORAMA-II服务器中实现云()主机DIORAMA-II服务,()主机定位引擎计算所有病人的位置和反应,和()维护数据库接收从DIORAMA-II服务来检索数据库事务,更新、插入和删除DIORAMA-II相关信息。

2.1。DIORAMA-II云服务

基于云计算的方法在DIORAMA-II带来几个重要的优点。

可伸缩性。对事件的大小对不同地理区域和病人和救援人员的数量。这是通过分区DIORAMA-II服务器架构组件为离散的角色的虚拟机。因此随着负载的增加虚拟机与一个特定的角色,另一个相同的虚拟机将开关,以协助和减轻负载。把跨多个虚拟机负载的能力允许DIORAMA-II系统适当的优化规模任何大小的一个事件。

资源节约。大多数日常事件相对较小但总有潜在的大规模MCI。云架构只有虚拟机利用被支付。

可靠性。重要的是DIORAMA-II可靠在整个事件的持续时间。如果有一个致命错误在DIORAMA-II虚拟机之一,另一个虚拟机开关,会在所有致命错误从虚拟机的负载,允许DIORAMA-II服务器继续运行。

冗余。当大规模的灾难发生在一个特定的地区,很可能本身受损的基础设施。如果DIORAMA-II服务器托管本地地理位置的灾难发生,这可能导致服务变得不可用,因为服务器可以损坏。基于云计算的体系结构允许georedundancy允许虚拟机放置在位置在世界各地,因此如果一个云网站成为妥协是由于一场灾难,一个位置可以利用的影响。

DIORAMA-II服务器部署在云包含三个组件。

(1)MS SQL数据库虚拟机(VM)。MS SQL数据库VM是所有立体模型数据持久存储的地方。通过微软Azure云8我们有本地和地理冗余。

(2)立体模型服务VM。立体模型服务VM使用微软Azure应用服务(8]。VM的立体模型服务的通用通信接口与数据库客户端设备和定位引擎VM虚拟机。VM的应用服务设计可以根据负载自动向外扩展服务或服务器故障,但对立体模型系统创建了一个类似georedundant方法如果客户端或定位引擎无法执行检索或与立体模型服务发送操作虚拟机,然后尝试georedundant VM。我们模拟了一个失败的西洋景关闭当地的VM虚拟机的服务。当客户端试图获取或发送操作本地虚拟机,他们将有一个5秒后超时。三没有超时后客户端将georedundant VM上执行相同的操作。如果这是第一个请求的虚拟机有一个冷启动延迟平均12秒。这意味着第一个客户端切换到一个寒冷的VM将平均27秒的延迟,和每个客户之后需要15秒;但是没有数据丢失后,客户端重新连接时georedundant服务系统继续正常运行。

(3)定位引擎VM。定位引擎的虚拟机是一个典型的VM运行Microsoft Windows Server 2012 R2。与前两个虚拟机详细的上面,大多数经典的VM配置,包括比例加载和VM的复苏,是自我管理。目前为了扩展系统,相同的图像VM必须手动开始。我们计划提高定位引擎通过自动化这个过程。然而,在虚拟机发生故障时,所有的数据需要计算定位仍被存储在数据库中。因此,新鲜的VM手动开始后将重新计算位置的患者。

2.2。DIORAMA-II应用程序

DIORAMA-II系统包括两个主要应用:事故指挥官应用程序和应答器应用程序。

这一事件指挥官和应答器应用程序,我们介绍了(7,9,10)实时显示图标覆盖在Google地图上的事件。图标代表的兴趣点(患者,急救员,等等)的事件。此外,应答器应用程序包含一个增强现实(AR)患者覆盖在相机视图的视图。AR视图将使响应方能够轻易找到应该疏散病人即使病人被碎片或建筑等障碍。

2.3。DIORAMA-II定位引擎

各种射频识别定位算法和应用程序已经发展在过去的十年。根据(11),这种算法可以分为multilateration,贝叶斯推理,最近邻距离,基于学习方法。可以找到更多的细节关于基于rfid定位算法(11- - - - - -13]。

定位算法首先引入[7)是一个原始的贡献,因为它是适合我们使用的便携式和具有成本效益的硬件,如智能手机和有源射频识别技术(标签和阅读器)。此外,我们的方法不需要任何固定的基础设施,没有校准的设备,事实转化为不包含部署开销(在时间和成本)。此外,我们的定位算法考虑了分类和应用旨在协助疏散。例如,我们使用迭代跟踪算法假设大多数的筛选病人仍然保持(甚至移动患者最终会停止运动),事实使我们能够积累更多RSSI读数为提高定位精度。

本地化和更新病人的位置,定位引擎处理以下步骤的信息。

步骤1。获取所有的数据信息从每个响应者在过去10秒。每个阅读包括RSSIs收到附近D-tags响应者ID,病人ID、时间戳、和GPS坐标。我们知道每个响应者他/她的GPS坐标以及RSSI收到病人在附近。

步骤2。我们定义了一个映射成本由100米(100英尺)集中在应答器的GPS坐标。地图包括10000个网格大小1英尺1英尺。之间的距离计算成本上的每个网格地图的坐标和应答器的GPS坐标。我们使用信号强度衰减模型中引入[7),我们在每个网格计算预期的RSSI和为每个网格定义以下成本函数: 在哪里成本价值网格()到时间,网格是预期的RSSI ()时间,是RSSI测量网格()时间。

步骤3。该算法计算抽样地区的位置以最低成本为病人的估计位置。上面定义的成本函数,可以估计位置

提到很重要的步骤2和3执行对每一个病人。

投机取巧的定位算法平均精度小于6米,通过广泛的测试在实际部署。我们研究如何定位精度等参数影响的RFID阅读器(即的数量。,急救员的数量)和RFID标签每个病人的数量。由于没有考虑定位区域的大小面积的算法本质上是独立的。

我们观察到,与我们的直觉相反,没有标签在每个病人的数量之间的关系和定位精度。这是由于这样的事实,我们有足够的多样性的阅读标签因为我们有移动定位锚;即反应者配备了读者移动。因此,出于成本考虑,我们选择使用一个标记每个病人。

像预期的定位精度提高了反应的数量(即。,读者)附近的病人增加。这是由于这样的事实,我们的算法是机会主义;即大数量的移动定位精度越高。然而,在我们的应用程序中我们没有对这个参数的影响由于我们无法控制的反应动作。

我们想强调,定位精度并不系统的主要目标,因为绝对坐标病人很难理解的用户界面。由我们的试验机会定位算法的定位精度得到了6米(平均)是可以接受的。显然,如果我们有一个固定的系统,需要仔细校准我们可以获得更好的定位精度。最重要的一个设计准则在我们的系统定位系统灵活性和我们不需要校准系统,当我们到达大规模伤亡的网站。

2.4。讨论电池使用

在本节我们将讨论电池使用和电池使用的智能手机反应者的生活。立体模型的响应器应用程序使用GPS、蓝牙、数据,相机,射频识别和显示。

我们进行了很多电池利用率测试布景使用三星注5应答器应用程序有一个3020 mAh电池。在所有测试数据连接、GPS、蓝牙连接到活跃的RFID阅读器上,屏幕亮度设置为70%。

这些利用测试分为以下三种使用模式:(1)主屏幕:应答器使用电话使用RFID标签分类过程以及应答的鸟瞰的GUI可以查看周围的病人和救援人员的事件。使用这种模式的电池耗尽240分钟的连续使用。(2)增强现实:应答器使用基于“增大化现实”技术来发现病人。请注意,在这种模式下我们使用相机。电池耗尽在169分钟的连续使用。(3)待机:手机屏幕,但数据仍在收集和发送到服务器。电池耗尽在309分钟的连续使用。

正如所料,基于“增大化现实”技术的模式利用最有权力的连续使用相机。

在现实中,应答器将使用一个组合的三个模式。假设应答器将使用模式同样,智能手机将持续4个小时。这些结果也反映了实际使用的急救医护人员在我们的试验。

注意,为各种手机电池的寿命可能不同,由于不同的电池规格和电力使用的GPS,相机,和显示。延长电池寿命的智能手机在大MCI我们建议延长电池组的使用。

3所示。DIORAMA-II模拟试验

我们测量的改进DIORAMA-II系统相比传统的系统在每个病人平均主要分流时间方面,每个病人平均运输时间,运输单和运输完整性。运输是指患者的交通损伤治疗区域的位置。

在试验范围内我们有紧急救援人员和病人。紧急救援人员的作用是由认证急救医护人员从当地马萨诸塞大学阿默斯特紧急医疗服务单位。病人的紧急救援人员优先传输的大规模伤亡事件(MCI)热区通过使用分类的过程。后患者被修复的紧急救援人员运输每个病人从高温区域的顺序优先治疗区域。急救人员在分配以下角色:事故指挥官(IC),分流紧急应答,和运输应急反应。

每个病人(由人类主题或圆锥)被分配一个分类标签指示他的优先级和被放置在指定的位置在整个热地带。

每个试验由伤检分类和运输阶段。

在分类阶段下的紧急救援人员事故指挥官的方向寻找病人在事件。当应答器标识一个受伤的病人他们执行主要分类是一个快速的评估患者的临界基于任何直接危及生命的伤害。确保应答器分配一个一致的优先级相同的病人(人类或圆锥)在常规和DIORAMA-II试验,每个病人被赋予一个预先确定的优先级提示卡片。应急响应器分配优先级分类的根据提示卡片。阶段结束后事故指挥官认为,应急响应已覆盖整个地区此时分类记录的总时间。在患者常规方法反应标签纸标记和报告的事故指挥官优先级和每个筛选病人估计的相对位置。在DIORAMA-II试验响应方标签D-tag患者。DIORAMA-II应用程序收集病人的优先级和位置信息,显示事故指挥官和紧急救援人员。

在运输阶段的事故指挥官指挥应急救援人员运输损伤治疗的病人从他们的位置。病人运送为了分流的优先顺序,第一个红色病人紧随其后的是黄色。当病人被治疗领域惟一的ID号,分类优先级、到达时间和ID号的应急反应的执行运输记录。在这个阶段事故指挥官使用从分类阶段收集的信息直接修复患者的急救人员事件。运输阶段的效率依赖于准确的信息收集。不准确的信息会导致应急反应的花更多的时间寻找一个病人或者病人下落不明这可能导致他们被受伤。在传统试验此信息可以不准确的,因为它是通过广播传达的单位和灾区可能没有足够的地标精确的语言描述。另一方面,DIORAMA-II系统将收集准确信息隐式和传达视觉形式对事故指挥官和反应导致显著更快的运输过程。

我们将计算为每个审判量化性能指标如下:(我)每个病人平均诊断时间(获得的总治疗时间除以患者筛选),(2)每个红色病人平均运输时间(获得的总运输时间红色病人的数量除以患者运输),(3)每个黄色病人平均运输时间(获得的总运输时间黄色的病人的数量除以黄色患者运输),(iv)%的时间获得:减少时间DIORAMA-II试验相比,常规试验;我们将讨论%时间获得诊断时间和运输时间,(v)患者留下的数量当实验结束时,(vi)交通秩序:正确的顺序传输红色的病人在黄色的病人。

我们进行了两组试验如表所示1。

组1。试验进行了两个截然不同的功能丰富的地区(如大学校园)白天。提供了部分细节3.1。

组2。试验进行了一个毫无特色的开放领域的地区在夜间。提供了部分细节3.2。

3.1。第一组试验:功能丰富的区域

我们进行了两次模拟灾害马萨诸塞州阿默斯特大学的校园。在每个模拟我们假定一个龙卷风袭来,许多学生受伤。在每个模拟我们有两个区域(见图2),不同大小、高度和视野。

试验1。试验1的区域中进行约309000平方英尺,包括7学术建筑。这个区域内建筑和灌木为紧急救援提供障碍物阻挡他们全视图的整个区域,将该区域划分为区域的人员必须走动建筑一个病人。

试验2。试验2是在一个地区进行约465000平方英尺,包括学术的建筑。该地区主要是开放与一个建筑位于校园中心集中和上层馆是混凝土结构比其他人高25英尺高的地区,可以通过混凝土楼梯围绕馆。

3.1.1。实验设计

试验采用双官能团交叉设计(见图3),有两个优点noncrossover纵向研究。首先,协变量混淆的影响降低。第二,最佳跨界设计统计效率,因此需要更少的科目比noncrossover设计。在我们的模拟使用交叉设计如下:每个试验分为两个独立的模拟。每个模拟有两个同时伤检分类和运输试验。一个试验将执行DIORAMA-II主要分类和运输,另将执行传统的主要分类和运输。以下仿真将出现在一个单独的一天。DIORAMA-II试验执行的紧急救援人员,将执行常规试验使用一个相同的试验设置。紧急救援人员,执行传统的审判将执行DIORAMA-II试验具有相同的试验设置。这两个模拟必须由至少一个星期,定义为一个失败者。 Since the participants will be performing the same trial setup this washout period is necessary for the participants to forget the details regarding the trial setup such as patients locations and priorities. Each emergency responder involved will perform the exact role in each simulation. In effect,每个应答器作为他/她自己的控制。也因为相同的应答器将经历两个纸标签和DIORAMA-II标签,没有协变量失衡的可能性。

3.1.2。定量结果

(我)的主要分类。表2报告每个病人平均诊断时间为试验1和2 DIORAMA-II和常规试验。如表所示2试验1中,我们已与DIORAMA-II主要分流时间减少34.3%相比,传统的试验。试验2中我们与DIORAMA-II分流时间减少14.7%相比,传统的试验。我们获得这时间显著减少由于事故指挥官之间的协作工具的使用和紧急救援人员。DIORAMA-II协作工具显示清楚每个应急反应的是什么他们所分配的区域并没有重叠区域病人筛选了不同的紧急救援人员。传统的试验中我们观察到明显的重叠区域的紧急救援人员正在寻找病人已经修复。

我们之所以获得更少的减少分流时间试验2是一个分流的紧急救援人员不动,没有交流的事故指挥官几分钟DIORAMA-II审判期间2.2(我们观看了录像时发现这个事实的事件)。我们不能解释为什么这个回答者停滞不前。这一现象突显出在DIORAMA-II添加额外功能的必要性,可以监控每个应急反应的运动并通知事故指挥官时不要移动为一个特定的时间。这样一个特性尤其重要,因为它可以提醒事故指挥官检查紧急应答是否受伤。

(2)运输。表3和4包括每个红色和黄色的平均传输病人试验1和2,分别。从表3我们观察到在试验1 DIORAMA-II平均运输速度比常规试验病人红黄患者17%和47.4%。如表所示4试验2 DIORAMA-II交通更快为红色和黄色患者30.6%和29.1%,分别。

我们获得了显著减少每个病人平均运输时间由于以下原因:()DIORAMA-II应急反应的用户界面(地图视图或AR)使每个响应者轻易找到病人运输和()运输应急反应的事故指挥官被分配的区域和病人需要运输。相比之下,在常规试验交通紧急救援人员正在搜寻病人随机。他们不知道病人的位置,他们的优先级,也不是每个优先级的病人数量。

(3)交通秩序。DIORAMA-II试验中1.2和2.2试验所有的病人在适当的运输秩序;也就是说,所有红色病人运送之前,黄色的病人。然而,在常规试验2.1运输应急反应没有传输病人以适当的顺序:红后病人运送两个黄色的病人。

3.1.3。定性结果

定性结果提供的紧急救援人员,参与试验表提供了1和25。我们观察到,紧急救援人员非常满意DIORAMA-II系统,发现该工具用于管理一个灾难。

3.2。设置2试验:无特色的区域

1集试验中我们观察到,紧急救援人员已相当熟悉功能丰富的环境。他们不仅熟悉试验发生的位置,也接受培训和实践模拟如何使用DIORAMA-II在这个位置。对于传统的审判这给了突发事件的能力传递回事故指挥官准确位置的患者,同时提供校园地标的近似位置。因此,事故指挥官能够起草一份详细的地图和重点病人的位置。此外,事故指挥官在运输阶段能够传递这些记录位置反应者。我们假设,如果我们把紧急救援人员在一个陌生的地方,缺乏地标DIORAMA-II系统中我们会看到更多的时间获得。

在这些试验中,我们测试了DIORAMA-II性能几乎没有地标的灾区。

试验3。试验3是在一个地区进行大约290000平方英尺大小如图4。四分之一的这个区域包含一个真人大小的日晷由不同大小的石头。剩下的区域是一个平坦的草地,草地上大约2英尺高。东部周边的字段是一个森林,南部是一个道路,北部和西部边是一个流创建一个不同的边界地区。除了自己和日晷的界限并没有太多的特色在这个位置。

3.2.1之上。实验设计

每个试验了两次,一次常规方法(试验3.1)和一次DIORAMA-II(试验3.2)。重复试验进行单独的一天,一个星期后,作为冲刷时期希望返回的紧急救援人员不记得位置的患者。

每个病人,模拟在这一领域的橙色足球锥,被分配一个信封包含一个预先确定的分类地位(绿色、黄色、红色和死亡),如果病人被困。紧急救援人员分配病人中定义的分类优先信封。

比较每个病人的一致性是预先确定的位置。

紧急救援人员DIORAMA-II和常规试验利用他们的个人无线电单位值班时,他们通常会在校园。在DIORAMA-II和常规试验警报声音以及额外的噪音。这是帮助模拟混沌噪声发现通常在一个事件使它困难的事故指挥官与响应团队沟通。

3.2.2。定量结果

(我)的主要分类。试验3我们有6%平均分流时间增加(减少诊断时间DIORAMA-II与常规方法相比)。尽管这是一个温和的时间获得这部分强化了信仰3.1。2(我)DIORAMA-II协作工具可用的紧急救援人员加强事故指挥官之间的协作和紧急救援人员,提高整体效率。

(2)运输。表6包括平均运输试验3中红色和黄色的病人。我们观察到DIORAMA-II运输每个病人平均为76.3%,比传统的方法快66.3%对于红色和黄色患者,分别。

当病人治疗区域的交通开始太阳下降了两个试验。有很少的可见性,反应依赖于手电筒看到任何在他们面前。长草在野外复杂的识别病人从远处看,甚至一个手电筒的协助下。我们观察到,在常规试验3.1紧急救援人员有一个巨大的任务在黑暗中寻找病人在这样一个大的开放区域。挫折可以明显看到救援人员这块区域的患者而DIORAMA-II审判期间3.2反应很容易针对病人的近似位置使用DIORAMA-II应用程序能够快速找到病人,谁是经常在他们面前或几英尺远的地方。

在常规试验3.1事故指挥官无法建立一个病人场景的布局图。缺少地标和可见性使得执行分类的紧急救援人员很难表明患者哪里,而DIORAMA-II审判期间3.2简明的地图事件被动态生成。事故指挥官知道究竟有多少,以及重点病人是什么。事件指挥官就能代表病人交通紧急救援人员在那些能够快速找到这些病人和运输他们治疗区域。

(3)交通秩序。DIORAMA-II实验3.2中的所有患者在适当的顺序;也就是说,所有红色病人运送之前,黄色的病人。然而,在常规试验3.1 31分钟后进入运输阶段,只有2红色病人送到治疗区域。在绝望中事故指挥官决定将同时收集黄色和红色患者由于伟大的长度需要寻找病人。这导致一个运输单错误3.1常规试验。

(iv)病人留下。DIORAMA-II实验3.2中的所有患者运输领域的治疗领域。然而,在常规试验3.1总共有7病人留下黄色红色(3和4)。紧急救援人员在常规试验3.1困难寻找患者,只有成功运送5个中的12个受伤的病人。

3.2.3。定性结果

定性结果提供的紧急救援人员,参与审判在表3提供7。我们观察到,紧急救援人员非常满意DIORAMA-II系统,发现该工具用于管理一个灾难。

3.3。仿真结果的总结

DIORAMA-II急救人员提供态势感知能力加上应用程序的可视化工具,如基于“增大化现实”技术能够使突发事件导致相当大的减少诊断时间和运输时间。此外,DIORAMA-II确保患者掉队或运输错误的订单相比传统方法导致患者被留下和运输的不正确的顺序。DIORAMA-II获得的结果比传统方法总结在表8。

DIORAMA-II显示最高的时间获得试验3晚上发生在一个毫无特色的位置。这显然表明DIORAMA-II效用的不熟悉和毫无特色的环境。在许多大事件,紧急救援人员从周边地区派遣前往协助。不太可能,这些反应是熟悉的位置或接受培训的位置事件。DIORAMA-II将使急救人员有效地执行他们的任务。

4所示。结论

结果显示以下优点DIORAMA-II系统相比传统的分类:(1)DIORAMA-II获得显著降低平均每个病人分流和每个病人平均运输时间。(2)DIORAMA-II获得更高的平均运输时间的减少病人在无特色的地区。(3)DIORAMA-II我们没有任何病人左领域相比,传统的方法使病人在这个领域。(4)在DIORAMA-II我们遵守交通秩序(红色和黄色),而不是这个订单不是之前的常规方法。

信息披露

内容是完全的责任作者,不一定代表美国国立卫生研究院的官方观点。

相互竞争的利益

作者宣称没有利益冲突。

确认

这个项目的部分支持由格兰特1 r01lm011100-01a1国家医学图书馆、国立卫生研究院。

引用

1. h . Chenji w·张,m .获胜,r . Stoleru和c·阿奈特”无线系统在城市搜索与救援,减少响应时间”《IEEE 31日国际性能计算和通信会议(IPCCC 12)德克萨斯州奥斯汀市,页215 - 224,美国2012年12月。视图:出版商的网站|谷歌学术搜索
2. r·w·b·j·贝茨Mah, r . Papasin r·德尔Mundo d·m·麦金托什和c·约根森,“提高态势感知通过移动计算第一反应者,”NASA艾姆斯美国国家航空航天局/ tm - 2005 - 213470, 2005。视图:谷歌学术搜索
3. 问:Hamp贷款、l . Reindl和a . Kleiner“教训德国研究城市搜救,”《IEEE国际研讨会上安全,安全,救援机器人技术,页26-31,京都,日本,2011年11月。视图:出版商的网站|谷歌学术搜索
4. f . Pea-Mora陈a, y, z阿齐兹et al .,“移动ad hoc网络协作框架支持土木工程应急操作,“计算机在土木工程杂志》上,24卷,不。3、302 - 312年,2010页。视图:出版商的网站|谷歌学术搜索
5. f . Pea-Mora z阿齐兹,a . Chen和t . Lantz”支持使用基于rfid构建评估城市应急响应和恢复,”灾害预防和管理,18卷,不。1,35-48,2009页。视图:出版商的网站|谷歌学术搜索
6. g . a . Ganz j·谢弗x Yu主,j . Burstein和g·r·Ciottone“实时扩展资源跟踪框架(立体模型)大规模伤亡事件,“国际E-Health和医疗通讯》杂志上,4卷,不。2,34-49,2013页。视图:出版商的网站|谷歌学术搜索
7. a . Ganz j·m·谢弗z, j .咦,g .主和g . Ciottone”移动DIORAMA-II:基础设施减少信息收集系统的大规模伤亡事件,”IEEE,生物医学工程学会学报芝加哥,页2682 - 2685年,生病,美国,2014年。视图:出版商的网站|谷歌学术搜索
8. 微软Azure:文献中心、微软、2016年2月,https://azure.microsoft.com/en-us/documentation/。
9. a . Ganz j·m·谢弗j . Tang z, j .易和g . Ciottone”城市搜救态势感知使用透视画灾害管理系统,”诉讼的人道主义技术:科学、系统和全球影响车间(HumTech 15)、波士顿、质量,美国,2015年5月。视图:谷歌学术搜索
10. a . Ganz j·谢弗,j . Tang z, j .易和g . Ciottone“交互式可视化分析工具的法医分析使用立体模型系统,大规模伤亡事件”《IEEE国土安全技术国际研讨会(HST的15)沃尔瑟姆,质量,美国,2015年4月。视图:出版商的网站|谷歌学术搜索
11. j .周和j·施“射频识别定位算法和应用程序审查,”《智能制造,20卷,不。6,695 - 707年,2009页。视图:出版商的网站|谷歌学术搜索
12. 李x, y张,和m·阿明射频识别定位的原则和技术卷,389射频识别系统,2010年。
13. t . Sanpechuda和l . Kovavisaruch”回顾RFID定位:应用程序和技术,”学报》第五届国际会议上电气工程/电子、计算机、通信和信息技术(ECTI-CON ' 08),卷2,页769 - 772,IEEE,甲米,泰国,2008年5月。视图:出版商的网站|谷歌学术搜索

版权

版权©2016光环Ganz et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。