SentinelAI：一个用于构建和关联NG9-1-1紧急事件数据的多智能体框架

大家读完觉得有帮助记得关注和 点赞摘要应急响应系统从众多机构和系统中生成数据。在实践中以符合下一代9-1-1NG9-1-1数据标准的方式跨来源关联和更新这些信息仍然具有挑战性。理想情况下这些数据应被视为连续的操作更新流新信息被即时集成以提供对演进中事件的及时、统一视图。本文介绍了SentinelAI这是一个用于将紧急通信转换为标准化、机器可读数据集的数据集成和标准化框架以支持集成、复合事件构建和跨来源推理。SentinelAI实现了一个由专业智能体组成的可扩展处理流水线。EIDO智能体接收原始通信并生成符合NENA标准的紧急事件数据对象JSON。事件数据交换智能体执行跨EIDO的事件关联而地理编码智能体则提供空间信息丰富。本工作的贡献有三方面(1) 实现了与近期采用的NENA EIDO标准相一致、基于智能体的参考架构(2) 将EIDO操作性地视为一种随新信息到达而增量更新的事件演进表示(3) 通过与FME的集成展示了企业级互操作性。本工作侧重于数据结构和互操作性以支持下游系统。关键词应急响应 ⋅ NG9-1-1 ⋅ EIDO ⋅ 多智能体系统 ⋅ 数据工程1 引言应急响应涉及由不同机构和系统产生的多种结构化和非结构化数据[2]。来自操作系统包括调度平台、报告工具、通信系统以及新闻和政府来源的信息通常将结构化字段与非结构化元素如自由格式文本和音频结合在一起。这些数据仍然难以大规模地进行一致集成和处理。理解复杂事件所需的信息由警察、消防、医疗服务、地方政府和新闻机构生成通常遵循其自身的内容和格式标准及生命周期。为了实现对关联事件的跨来源分析和解释必须首先将这些信息转换为一致、机器可读且标准化的表示。1.1 下一代9-1-1NG9-1-1背景下一代9-1-1系统在全美国的部署正在改变紧急通信基础设施。与早期主要围绕语音通话和有限媒体类型设计的系统不同NG9-1-1是一个基于IP的系统旨在处理来自不同设备和位置的多模式通信包括文本、图像、视频和传感器数据[5, 1]。这一转变目前正在全国范围内进行增加了流经公共安全应答点数据的多样性和数量。为了支持由不同机构和管辖范围操作的系统之间的互操作性全美紧急号码协会定义了一个标准架构其中包括用于下一代应急服务的功能要素和接口[5]。近期发布的NENA-STA-024.1.1-2025标准正式规定了紧急事件数据对象格式[4]。EIDO提供了一个用于表示紧急事件的规范JSON模式旨在促进整个NG9-1-1生态系统中的无缝信息交换。作为EIDO的补充事件数据交换概念解决了关联和聚合描述同一现实世界紧急事件的多个EIDO的挑战。在现代多机构响应中单个事件可能从不同来源产生许多数据点包括最初的9-1-1呼叫、调度更新、警员报告、消防部门通知和紧急医疗服务记录[7]。IDX为将这些离散的数据对象链接成一个复合的、演进的事件表示提供了概念框架。在实践中事件信息分布在多个平台上增量到达并且在结构、术语和时间上各不相同。依赖单一数据转换流水线的方法通常难以在单一工作流中结合语言解释、时间关联、空间解释和语义规范化。1.2 贡献本文介绍了SentinelAI这是一个通过将复杂的数据结构化目标分解为离散的子任务来解决这些挑战的系统每个子任务委托给一个专门的自主智能体。这种多智能体方法将整体任务分解为更小、定义明确的处理步骤。我们的主要贡献是三智能体参考架构一个具体的参考实现由三个专门的智能体EIDO智能体、IDX智能体和地理编码智能体组成它们异步协调以根据NENA EIDO标准构建、关联和在空间上丰富事件信息。操作性关联事件数据模型一种表示事件的方法其中各个EIDO对象被链接到一个共同的事件上下文允许来自多个来源的增量更新而无需将信息合并到单一记录中。企业集成通过与FME的集成展示了与现有地理空间和应急管理系统的互操作性。SentinelAI的目标是支持事件信息的一致结构化和链接以便人类操作员和计算系统都能对其进行分析和操作使用。2 紧急事件数据对象标准EIDO-JSON格式是SentinelAI框架核心的规范数据结构。该模式实现了用于下一代9-1-1数据交换的NENA-STA-024.1.1-2025标准[4, 5]。本节描述了EIDO的核心组件并将该标准置于现有事件和观测数据模型的背景下。2.1 概念框架EIDO标准的一个关键原则是复合事件的概念。紧急事件随着来自多个来源例如初始呼叫、调度更新、单位状态变化和现场报告的信息到达而演进。每一条新信息都被构建为一个独立的EIDO-JSON文档用于捕获特定时间点的事件状态。IDX智能体将这些文档链接到一个共同的事件上下文从而创建事件的链接表示而非单一的静态记录。整体设计如图1所示。来自多个来源的传入事件报告首先由EIDO智能体处理该智能体生成标准化的EIDO-JSON对象。这些对象被持久化并可供其他系统组件使用。IDX智能体在此存储库上运行将相关的EIDO关联到一个共同的事件上下文并维护复合事件视图。地理编码智能体使用外部参考数据和服务来丰富位置信息。这些智能体异步运行每个智能体专注于定义明确的职责同时为统一的事件表示做出贡献。图1展示三智能体工作流的SentinelAI参考架构。EIDO智能体将传入报告构建为EIDO-JSONIDX智能体将相关的EIDO链接为复合事件地理编码智能体丰富位置信息。智能体通过定义良好的接口进行交互并支持分析和集成服务。这种方法保留了事件信息随时间累积的方式同时保持了相关更新之间的显式链接。其他系统可以通过追踪链接的EIDO对象之间的引用重建事件历史或从最新的链接更新中检索最新状态。该设计符合应急响应的操作现实而不强加僵化的线性或基于图的事件模型。2.2 EIDO-JSON结构与互操作性原则EIDO-JSON模式将事件数据组织成离散的组件包括核心事件细节、响应单位、相关人员与车辆、通信事件如呼叫以及多种格式的空间信息。EIDO标准的一个核心原则是其关键分类字段依赖于互联网号码分配局管理的受控词汇表和注册表。这种设计确保了事件类型、优先级和角色在不同机构和管辖范围内得到一致解释避免了本地编码方案引入的歧义。例如不同机构可能使用相互冲突的代码如“Code 3”或“P1”来表示高紧急程度EIDO要求将这些代码映射到标准化的数字优先级刻度以消除此类歧义。与许多强调精确几何表示的地理空间和事件标准不同EIDO容纳了多种位置描述形式包括市政地址、地标、自由文本描述和地理坐标。这种灵活性反映了紧急通信实践在应急响应中位置通常使用非正式或上下文相关的参照物来报告这需要解释而非直接坐标解析。该标准为机器处理提供了足够的结构同时保留了应急响应期间的信息传递方式。3 SentinelAI智能体SentinelAI被实现为一个由三个专门智能体组成的系统每个智能体负责在构建、关联和丰富紧急事件数据中执行不同的功能。系统不依赖于单一的整体式流水线而是将处理分解为智能体级的职责允许组件独立运行并灵活组合。以下各节详细描述了每个智能体的行为和职责。3.1 EIDO智能体构建与解释EIDO智能体作为主要的数据摄入点负责将异构的输入格式转换为标准化的EIDO-JSON文档。该智能体使用语言模型来解释和组合来自格式、措辞和详细程度各不相同的紧急通信信息。具体模型的选择并非架构的核心被视为可替换组件。该智能体执行多个关键的解释任务以规范化传入数据。首先它从非结构化来源如接警员笔记、调度摘要和无线电记录中提取结构化信息识别人、位置和组织等实体。其次它处理机构特定代码的翻译例如将本地事件类型如“211A”或优先级代码如“Code 3”翻译成EIDO所需的标准IANA注册表值。第三智能体合成时间戳信息将遗留字段可能将日期和时间拆分到多个列中组合成标准的ISO 8601时间戳以便可靠地对事件进行排序。为确保输出一致性智能体应用可配置的EIDO模板这些模板定义了不同类别事件所需的组件和字段。这些模板区分必需信息和可选信息并在应用代码外部维护允许领域专家针对特定事件类型调整数据要求而无需修改核心系统逻辑。表1提供了EIDO智能体如何将特定遗留CAD字段映射到目标EIDO-JSON结构的工作示例。遗留CAD字段EIDO-JSON 目标EIDO智能体构建任务事件类型incidentComponent.incidentTypeCommonRegistryText将专有代码例如‘211A’规范化为IANA注册表值‘ROBBERY-ARMED’。初始问题描述notesComponent.notesActionComments从多段接警员笔记中总结和提取核心事件叙述。响应时、日、月callComponent.callStartTimestamp将不同的时间字段合成为符合要求的ISO 8601时间戳。优先级incidentComponent.incidentCommonPriorityNumber将机构特定代码‘P1’ ‘Code 3’映射到标准数字刻度1-5。辖区/巡逻区locationComponent.locationDescriptionText将管辖区域语境化附加到位置描述中。呼叫处置incidentComponent.incidentDispositionText将处置代码‘ADV’映射为描述性文本‘已告知’。首个抵达单位resourceStatusComponent.statusTime为特定单位创建独立的状态组件解析时间戳。单位在现场时间resourceStatusComponent字段计算持续时间创建开始和结束状态对象。表1EIDO智能体执行的代表性转换3.2 IDX智能体事件关联与合成IDX智能体负责将新创建的EIDO文档与现有事件关联起来或发起新的事件上下文。这种能力在多机构、多来源环境中至关重要在那种环境下单个现实世界事件会产生多个、部分的和增量报告的事件观测。一个事件被视作一组先前观测到的EIDO对象的集合IE_1,E_2,dots,E_ntag1当一个新的EIDO到达时智能体使用一个结合了时间、空间和语义证据的加权评分函数来评估其与每个现有事件的相似性Sigma(E_new,I)w_tcdotphi_t(Deltat)w_gcdotphi_g(Deltag)w_scdotphi_s(D_E,D_I)tag2这三个分量捕获了事件相关性的互补方面。时间项 phi_t衡量新报告在时间上与事件内近期活动的接近程度。空间项 phi_g使用默认的直线距离评估报告位置之间的接近度在数据可用时可以选择基于网络或行程时间的距离等替代方案。语义项 phi_s使用从文本内容导出的向量嵌入来比较事件描述[8]。权重 w_t、w_g和 w_s控制每个分量的相对影响可以根据操作上下文学习或配置。新的EIDO被链接到最大化相似性评分的事件 I\*该评分是使用时间窗口、地理空间邻近度和语义文本相似度的级联过滤器计算的前提是评分超过可配置的阈值 tauI\*argmax_ISigma(E_new,I)quadtextsubjecttoquadSigma(E_new,I\*)getautag3阈值 tau代表了系统在事件关联中对模糊性的容忍度。较高的值强制执行保守的链接而较低的值允许更宽松的聚合。tau在NENA标准中未作规定被视为一个操作参数可能因事件类型、管辖范围或部署环境而异。在实践中tau是基于对错误聚合的容忍度来配置的。图2展示了IDX智能体用于确定传入报告是代表新事件还是对现有事件的更新所采用的决策逻辑。图2IDX智能体用于确定传入报告是代表新事件还是对现有事件的更新所采用的决策逻辑。如果没有现有事件满足阈值则新的EIDO将发起一个新的事件上下文。3.2.1 复合表示一旦各个EIDO对象被链接到一个共同的事件上下文系统就可以推导出一个复合表示​ C(I)该表示总结了所有可用更新中的事件状态。这个复合视图并不作为单独的权威记录存储而是动态地从与事件关联的链接EIDO集合中构建。每个事件都与一个链接的EIDO对象集合相关联。复合属性是通过对集合应用聚合或选择规则来计算的。例如已部署或涉及的单位集合 U_C(I)是通过对组成EIDO中的单位引用取并集获得的U_C(I)bigcup_i1nU(E_i)tag4其他事件属性是使用符合其语义的规则推导出来的。叙述性信息是通过组合来自链接EIDO的notesComponent条目按其时间戳排序来构建的以提供对报告观测和行动的整合说明。面向状态的字段如incidentStatus是通过在链接的EIDO中选择可用的最新值来解析的反映了事件的当前已知状态。这种复合表示支持需要事件统一视图的查询、可视化和集成任务同时保留对底层EIDO对象的访问权限以实现可追溯性和审计。通过从链接更新计算复合视图而非维护单个可变记录系统避免了信息丢失并适应了紧急事件报告的增量、多来源性质。3.3 地理编码智能体空间丰富地理编码智能体解决了应急响应中的一个常见挑战位置通常使用本地地标、通俗名称或上下文参照物来描述而非正式地址。呼叫者可能在未提供街道地址或坐标的情况下报告事件发生在知名市场、校园地标或本地命名的地点。为了解决此类描述智能体结合了三个互补的过程利用本地地点知识、查询外部地图服务以及应用事件上下文进行消歧。与强调正式地名和地址的通用地理编码器和地名录不同地理编码智能体旨在解释在日常紧急通信中描述位置的方式。许多本地使用的名称和非正式参照物在标准地名录中不存在需要额外的上下文才能可靠解析[3]。解析位置首先将报告的地名与一个精心策划的本地相关地标、企业和常用地点参照物集合进行匹配。这些参照物反映了本地使用习惯并建立了空间索引以支持高效查找。当仅凭本地知识不足时智能体会查询公共地图服务以检索包含用户贡献的名称和非正式地点描述的候选匹配项。当返回多个候选位置时智能体会应用可用的事件上下文来选择最可能的匹配项。相关上下文可能包括事件类型、报告方、响应管辖范围以及与其他已知事件特征的邻近度。通过结合这些信号智能体减少了模糊性而无需呼叫者提供完全指定的地址。解析后的位置以几种互补的形式被整合到EIDO的locationComponent中。地理坐标支持空间分析和绘图而匹配的地标名称和描述性文本则保留了位置最初的传达方式。在可用的情况下会包含市政地址用于正式记录置信度度量则记录了解析的可靠性。4 FME集成为了展示SentinelAI如何融入机构已使用的工具我们将其连接到Safe Software的FME[9]这是一个适用于空间数据的企业集成平台。我们将FME作为常见数据集成平台的一个示例。此处的目标不是使FME成为必需条件而是展示EIDO-JSON可以在不要求更改当前操作系统的情况下进出现有工作流。FME在政府和公共安全领域被广泛用于在调度系统、地理信息系统、数据库和报告之间移动数据。SentinelAI通过两个组件连接到FME一个将EIDO-JSON转换为FME工作空间内部要素的EIDOReader以及一个从结构化输入数据构建有效EIDO-JSON的EIDOWriter。它们共同支持双向交换将遗留记录转换为EIDO-JSON供SentinelAI处理以及通过FME将EIDO-JSON发送到其他系统。图3与FME的集成展示了EIDOReader和EIDOWriter组件促进双向数据交换。4.1 EIDOReaderEIDOReader将完整的EIDO-JSON文档加载到FME工作空间中。它遍历嵌套的EIDO结构并为模式的主要部分如incidentComponent、locationComponent、personComponent、resourceComponent和callComponent输出一组类型化的要素。字段值直接从EIDO-JSON复制组件之间的链接通过标识符保持。这使得FME工作流可以使用标准的表格和地图操作来过滤、映射和连接事件数据同时保留原始EIDO的结构。4.2 EIDOWriterEIDOWriter执行相反的操作它从FME工作空间例如调度导出、电子表格或数据库表中的结构化数据构建有效的、符合NENA标准的EIDO-JSON。输入字段被映射到EIDO组件和字段。写入器创建所需的对象分配标识符并创建模式要求的链接。如果源数据跨多个记录拆分写入器可以组合它们以形成完整的EIDO-JSON文档。然后输出可以与NG9-1-1系统共享或发送给SentinelAI智能体进行链接和丰富。5 说明性案例研究为了说明SentinelAI框架的实际应用我们展示了一个小而现实的例子其中事件信息从不同来源分批到达。关键点在于SentinelAI将每份报告视为其自己的EIDO-JSON文档然后随时间将这些文档链接起来。这符合事件在实践中的演进方式并说明了第3.2节中描述的链接更新模型。5.1 来源与情境示例场景涵盖了2026年1月1日圣地亚哥县的强降雨影响。两个来源描述了同一情况的相关部分。第一个来源是国家气象局在太平洋标准时间下午12:20发布的基于文本的暴洪警告[6]。该警告以半结构化文本消息的形式传输“国家气象局圣地亚哥办公室已对圣地亚哥县中部部分地区发布洪水警告直至明天下午1月2日。由于强降雨洪水正在发生或预计即将开始。请勿驾车通过被淹道路。此风暴可能加剧请监控本地广播电台和可用电视台以获取国家气象局的额外信息和可能警告。”第二个来源是《圣地亚哥联合论坛报》在同一天发布的数字新闻报道[10]。这篇题为“强降雨淹没道路导致断电引发圣地亚哥河轻微洪水”的文章提供了与官方警告互补的关于基础设施影响的具体细节。5.2 数据转换与结构化SentinelAI流水线独立处理这些来源以生成标准化的EIDO文档。对于NWS警告EIDO智能体提取事件类型“Flood Warning”并将其映射到注册表值Weather.Flood。它识别出时间有效窗口至“明天下午”并通过地理编码智能体将位置“Central San Diego County”解析为多边形表示。生成的文档EIDO_A创建了一个初始事件上下文。图4EIDO智能体将NWS暴洪警告文本左转化为结构化EIDO-JSON文档右的可视化转换突出了提取的事件类型和多边形位置数据。对于新闻报道EIDO智能体解析标题和正文以识别具体影响。它提取“roadway flooding”和“power outage”作为incidentType描述符并将“San Diego River”确定为主要位置。此过程产生第二个文档EIDO_B它捕获了媒体报道的本地化影响。5.3 事件链接一旦EIDO_B生成IDX智能体就会根据EIDO_A创建的现有事件上下文对其进行评估。智能体基于三个因素计算相似性(1) 时间接近性因为两份报告都发生在同一天(2) 空间重叠因为圣地亚哥河位于圣地亚哥县中部多边形区域内(3) 语义相似性因为两个描述都共享“flood”和“rain”等关键术语。计算出的相似性评分超过了配置阈值tau导致IDX智能体将EIDO_B链接到EIDO_A的事件上下文。然后系统呈现事件的复合视图将NWS的官方警告状态与新闻报道提供的具体影响细节相结合提供了比任一单独来源更完整的操作态势图。图5SentinelAI仪表板可视化展示了IDX智能体将NWS警告和新闻报道链接到单个复合事件时间线。此示例展示了三个核心行为将不同的文本来源转换为符合NENA的EIDO-JSONEIDO智能体在更新到达时将独立的报告链接到一个共享的事件上下文IDX智能体以及从链接更新形成复合视图同时保留原始源文档以供审查和重用。6 结论本文介绍了SentinelAI这是一个用于根据NENA紧急事件数据对象标准构建、链接和丰富紧急事件数据的多智能体框架。该系统将EIDO操作化为一种演进的、事件溯源的表示允许事件信息随着新报告的到来而增量更新而不是被视为单一的静态交换记录。通过三个专门智能体的协调运作SentinelAI解决了紧急数据集成中的核心挑战包括异构输入的解释、跨来源相关报告的关联以及非正式描述位置的空间丰富。这项工作的主要贡献有三方面一个由三个专门智能体组成的参考架构支持链接事件表示的NENA EIDO-JSON标准的实际实现以及通过FME集成展示企业互操作性。这些贡献共同侧重于数据结构和互操作性而非操作决策支持。通过提供一个具体的、符合标准的实现和参考架构本工作旨在支持未来基于一致的、机器可读的紧急事件数据进行的研究和系统开发。参阅地址https://github.com/DevKlim/SentinelAI