面向院前急救的有限运力分级响应调度
该研究面向院外心脏骤停等高危院前急救,在救护车资源有限的条件下刻画响应时间收益与运力占用成本之间的权衡。 我们提出智能急救车双车调度(IDEAL)决策框架,结合历史出车记录学习行驶时间不确定性,并通过高效的鲁棒乐观间隙计算判断增援派车的触发时机。
我是香港中文大学系统工程与工程管理系博士研究生,导师为 Viet Anh Nguyen 教授 和 龙卓瑜教授。入学前, 我于哥伦比亚大学获得计算机科学硕士学位,于清华大学获得自动化工学学士学位,并曾在 PayPal 和 Amazon 担任软件开发工程师。
我的研究关注不确定性下的数据驱动决策,主要方向包括运筹学、鲁棒优化和机器学习,及其在运营管理中的应用。
该研究面向院外心脏骤停等高危院前急救,在救护车资源有限的条件下刻画响应时间收益与运力占用成本之间的权衡。 我们提出智能急救车双车调度(IDEAL)决策框架,结合历史出车记录学习行驶时间不确定性,并通过高效的鲁棒乐观间隙计算判断增援派车的触发时机。
面向澳大利亚 CDR 和美国 FDX 的消费者授权数据共享场景,交付数据共享 API,并基于 Java/Spring Boot 微服务、REST 集成和 Spring Batch 构建后端链路。
为支持 Climate Pledge Friendly 在北美和欧洲 6 国上线,构建 AWS 审核工作流;使用 Scala Glue 每日处理约 8000 万商品记录,并参与开发基于机器学习和自然语言处理的自动审核工具。
在 Customer Shopping Experience 团队开发移动端 Shopping Assistant 组件,使用 Java/Python 实现推荐列表分类、聚合与排序逻辑,支持移动端个性化购物推荐场景。
博士研究生
计算机科学硕士
自动化工学学士
清华大学
中华人民共和国教育部
COMAP