2008年遠距居家照護服務被政府列為新興服務產業發展計畫之一，主要目的是讓病友在家裡也能夠接受持續性的醫療照護。除了透過生醫資訊系統進行遠距居家醫療照護外，其中部分照護項目需要醫護人員親自到達病患家中進行如復健、三餐等照護，而這些需要居家照護人員散居各處，如何妥善規劃拜訪路徑，為遠距居家照護服務主要之課題。
規劃拜訪路徑為一個旅行銷售員問題，過去有許多研究提出旅行銷售員問題的解決方法，如螞蟻演算法、塔布搜尋法、基因演算法，等，而規劃拜訪路徑必須取得現實環境中的地理資訊，近年來Google提供免費或付費的Google Map雲端地理資訊服務，並以JavaScript作為與用戶間的溝通標準。因此本研究整合Google Map的雲端服務、旅行銷售員問題及遠距居家照護，實作一套能夠協助醫療照護人員規劃探訪病友順序、路徑、及預計之服務時間的系統。
本研究之遠距居家照護路徑規劃系統分為地理資訊處理模組與拜訪順序規劃模組，地理資訊處理模組負責與Google Map溝通取得現實環境之地理資訊並將資訊送往拜訪順序規劃模組進行規劃，拜訪順序規劃模組負責規劃每位醫療照護人員需拜訪之節點、順序及預計服務之時間，並將結果交由地理資訊處理模組顯示給使用者；本研究於最後展示實作之系統畫面與架構。

In 2008 our government announced that Tel-Home Care is one of the new type of industry service. The purpose of Tel-Home Care is to take care of cared patients continuously even when they at home. The care workers can take care of them through the Tel-medical information system, but there are some tasks that care workers must pay a visit to patients by themselves, for instance, rehabilitation and meal delivery, thus, care workers have to go to a lot of place when they run their tasks. So we must plan the routing path and visiting order well.
Planning the routing path is a Traveling Salesman Problem, there were some researches propose some methods to solve it, for instance, Ant Algorithm, Tabu Search and Genetic Algorithms. To plan the routing path, we must get geographical information in the real world. Fortunately, the Google company released geographical information on its cloud computing service know as Google Map, we can get its service easily only through its JavaScript API. So, we attempt to combine Google Map service with Traveling Salesman Problem and applying it on Tel-Home Care. We implement a system whitch help care workers to plan visiting order, path and estimated arrival time for each cared patients.
Our System can be divided into two parts, one is Geographical Information Processing Module which communicates with the Google Map service to get geographical information in the real world and send data to the other part, we call it routing path planning module. When it receives the data from geographical information processing module, it assigns nodes and computes routing paths and estimated service intervals for each care worker. Then it returns the processed results to the geographical information processing module for displaying. Finally, we demonstrate the architecture and instructions of our system.

目錄
壹、緒論1
1.1研究背景與動機 1
1.2研究目的 2
貳、文獻探討 3
2.1雲端運算3
2.2地理資訊系統 3
2.2.1Google Map 5
2.2.2Google Map V.S. 自行開發地理資訊系統 6
2.3遠距居家照護 6
2.4旅行銷售員問題 7
2.5旅行銷售員問題之解決方法 8
2.5.1塔布搜尋法 9
2.5.2模擬退火法 9
2.5.3基因演算法 9
2.5.4螞蟻演算法 10
2.6塔布搜尋法演算過程 10
2.7K-means分群法 14
參、研究方法 17
3.1研究問題假設 17
3.2研究架構與方法 17
3.2.1地理資訊處理模組 18
3.2.2拜訪順序規劃模組 19
3.2.3前置處理 19
3.2.4TSP計算 20
3.2.5人數需求計算 22
肆、實驗結果 28
4.1系統架構 28
4.2系統展示 29
4.3參數設定 34
伍、結論 37
參考文獻 38

圖目錄
圖 1塔布搜尋法流程圖 13
圖 2 K-MEANS原始資料 14
圖 3 K-MEANS演算法步驟1	15
圖 4 K-MEANS演算法步驟2	15
圖 5 K-MEANS演算法步驟3	16
圖 6 K-MEANS分群結果 16
圖 7研究架構 18
圖 8地理資訊處理模組架構 19
圖 9拜訪順序規劃模組架構 19
圖 10 TSP計算 20
圖 11人數需求計算(A) 24
圖 12人數需求計算(B) 24
圖 13人數需求計算(C) 25
圖 14 人數需求計算(D)26
圖 15人數需求計算(E) 26
圖 16系統架構 28
圖 17登入畫面 29
圖 18送餐服務畫面 29
圖 19復健照護畫面 30
圖 20送餐服務輸入本地地址 30
圖 21送餐服務輸入並友地址 31
圖 22復健照護地址查詢與照護時間輸入 31
圖 23查詢按鈕 32
圖 24查詢後狀態碼 32
圖 25照護人數需求 33
圖 26規劃結果(照護人員1) 33
圖 27規劃結果(照護人員2) 33

表目錄
表 1發展地理資訊系統之一般要件 4
表 2 GOOGLE MAP API重要類別 6
表 3時間表 27
表 4 TSP演算法實驗結果 36

[1]內政部，國土資訊系統整體推動計畫，2006/06。
[2]毛俊彬，《應用蟻群最佳化演算法於含時窗限制之旅行推銷員問題》，碩士論文，朝陽科技大學工業工程與管理學系，2006。
[3]台灣大學計算機及網路資訊中心，<服務導向架構簡介>，http://www.cc.ntu.edu.tw/chinese/epaper/20070620_1008.htm，2010/2/24。
[4]李若愚，《地理資訊系統概論》，第一版，台北市：全華科技圖書股份有限公司，ISBN:957-21-5254-8，2006。
[5]張震宇，《以演化基礎的塔布搜尋法解旅行銷售員問題》，碩士論文，淡江大學資訊管理學系，2008。
[6]許哲瀚、唐憶淨，〈遠距居家照護的現況與未來〉，台灣老年醫學暨老年學雜誌，第3卷，第4期，頁34-47，2008。
[7]黃獻輝，《雲端運算於企業應用之研究》，碩士論文，淡江大學，2009。
[8]樓美玲、張彩秀、葉明珍等，〈遠距居家照護之現況、可行性局困境〉，護理雜誌，第52卷，第1期，頁66-72，2005。
[9]鐘明男，《雲端服務可獲利模式之探索性研究》，碩士論文，國立台灣科技大學，2009。
[10]A. Vouk, " Cloud Computing – Issues,Research and Implementations", Journal of Computing and Information Technology,pp. 235-246, 2008.
[11]Glover, "Tabu Search - Part I", Journal on Computing, vol. 1, no. 3, pp. 192-206, 1989.
[12]Glover, "Tabu Search - Part II", Journal on Computing, vo2. 1, no. 1, pp. 5-32,  1990.
[13]Google, Google Map API. http://code.google.com/intl/zh-TW/apis/maps/,2010/2/24.
[14]J. MACQUEEN, "SOME METHODS FOR CLASSIFICATION AND ANALYSIS OF MULTIVARIATE OBSERVATIONS", FIFTH BERKELEY SYMPOSIUM, pp. 281-197, 1967.
[15]J.H.Holland, "Adaption in Natural and Artificial Systems", University of Michingan Press, Ann Arbor, 1975.
[16]James A. Chisman, "The clustered traveling salesman problem", Computers & Operations Research, vol. 2, Issue 2, pp. 115-119, 1975.
[17]Jon Brodkin, Cloud computing hype spurs confusion.  http://www.computerworld.com/s/article/9115904/Cloud_computing_hype_spurs_confusion_Gartner_says, accessed 2010/2/24.
[18]Krickpatrick, S., C.D. Gelatt, and M.P. Vecchi, "Optimization by simulated annealing", Science, vol 220, no 4958, pp. 671-680, 1983.
[19]Malay K. Pakhiraa, "Validity index for crisp and fuzzy clusters", Pattern Recognition, pp. 487-501, 2004.
[20]Marco Dorigo, Luca Maria, "Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem," IEEE Transaction on Evolutionary Computation, vol. 1, no. 1,pp. 53-66,1997.
[21]Merrill M. Flood, "The Traveling-Salesman Problem", Operations Research, vol. 4, no. 1, pp. 61-75, 1956.