🤖 AI

SentinelAI: A Multi-Agent Framework for Structuring and Linking NG9-1-1 Emergency Incident Data

यह शोधपत्र SentinelAI को प्रस्तुत करता है, जो एक स्केलेबल मल्टी-एजेंट फ्रेमवर्क है जो कच्चे आपातकालीन संचार को मानकीकृत, मशीन-पठनीय NENA-अनुपालक डेटा में परिवर्तित करता है ताकि नेक्स्ट जनरेशन 9-1-1 प्रणालियों के लिए रीयल-टाइम एकीकरण, कंपोजिट इंसिडेंट निर्माण और क्रॉस-सोर्स रीजनिंग को सक्षम बनाया जा सके।

मूल लेखक: Kliment Ho, Ilya Zaslavsky

प्रकाशित 2026-03-27

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Kliment Ho, Ilya Zaslavsky

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक विशाल, अराजक ऑर्केस्ट्रा के कंडक्टर हैं जहाँ हर संगीतकार एक अलग गाना, एक अलग भाषा और एक अलग वाद्य यंत्र बजा रहा है। कुछ चिल्ला रहे हैं, कुछ फुसफुसा रहे हैं, और कुछ बस गुनगुना रहे हैं। एक बड़ी आपात स्थिति के दौरान बिल्कुल ऐसा ही होता है।

पुलिस, अग्निशमन विभाग, समाचार रिपोर्टर, मौसम सेवा और 1-1-1 कॉल लेने वाले सभी एक ही आपदा के बारे में जानकारी उत्पन्न करते हैं, लेकिन वे इसे अपने अनूठे तरीकों से करते हैं। कोई "कोड 3" कह सकता है, कोई "अति आवश्यक" कह सकता है, और तीसरा किसी बाढ़ वाली सड़क के बारे में एक लंबा पैराग्राफ लिख सकता है।

SentinelAI एक सुपर-स्मार्ट, बहुमुखी अनुवादक और संगठक की तरह है जो इस अराजकता को समझने के लिए बीच में आता है। यह केवल सुनता नहीं है; यह आपात स्थिति की एक एकल, स्पष्ट और जीवंत कहानी बनाता है जिसे हर कोई समझ सके।

यह कैसे काम करता है, इसे सरल भागों में यहाँ दिया गया है:

1. समस्या: आपात स्थितियों का "टॉवर ऑफ बेबेल"

पुराने समय में, आपातकालीन प्रणालियाँ वॉकी-टॉकी की तरह थीं जो केवल वॉयस कॉल संभाल सकती थीं। आज, Next Generation 9-1-1 (NG9-1-1) के साथ, हमारे पास टेक्स्ट, फोटो, वीडियो और सेंसर डेटा हर जगह से आ रहा है।

समस्या यह है कि यह डेटा अव्यवस्थित है।

पुलिस "211A" जैसा कोई कोड इस्तेमाल कर सकती है।
समाचार कह सकता है "भारी बारिश के कारण बाढ़ आ गई।"
मौसम सेवा "बाढ़ की चेतावनी" जारी कर सकती है।

यदि कोई कंप्यूटर एक साथ इन सभी अलग-अलग प्रारूपों को पढ़ने की कोशिश करता है, तो वह भ्रमित हो जाता है। उसे यह नहीं पता होता कि "211A" और "बाढ़ की चेतावनी" एक ही घटना के बारे में बात कर रहे हैं या नहीं।

2. समाधान: SentinelAI की टीम

एक विशाल, भारी मशीन बनाने के बजाय जो सब कुछ करने के लिए बनाई गई हो, लेखकों ने SentinelAI बनाया है, जो तीन विशिष्ट विशेषज्ञों (जिन्हें "एजेंट" कहा जाता है) की एक टीम की तरह है जो मिलकर काम करते हैं। इन्हें एक लाइव न्यूज़ ब्रॉडकास्ट के प्रोडक्शन क्रू के रूप में सोचें।

🕵️ EIDO एजेंट: "अनुवादक"

यह क्या करता है: यह एजेंट कच्चे, अव्यवस्थित इनपुट (जैसे कि एक घबराहट भरी 9-1-1 कॉल नोट या मौसम का टेक्स्ट) को लेता है और इसे EIDO-JSON नामक एक मानक, मशीन-पठनीय प्रारूप में अनुवादित करता है।
उपमा: संयुक्त राष्ट्र (UN) में एक अनुवादक की कल्पना करें। यदि कोई प्रतिनिधि "पुलिस कोड" में बोलता है, तो EIDO एजेंट उसे "मानक अंग्रेजी" में अनुवादित करता है जिसे अन्य सभी सिस्टम समझते हैं। यह "कोड 3" को "उच्च प्राथमिकता" में बदल देता है और "कल दोपहर 3 बजे" जैसे अव्यवस्थित समय को एक सटीक कंप्यूटर टाइमस्टैम्प में बदल देता है। यह सुनिश्चित करता है कि हर कोई एक ही भाषा बोल रहा है।

🔗 IDX एजेंट: "जासूस"

यह क्या करता है: यह एजेंट सभी अनुवादित रिपोर्टों को देखता है और पूछता है, "क्या ये एक ही घटना के बारे में हैं?"
उपमा: एक जासूस की कल्पना करें जो केस सुलझा रहा है। उनके पास एक गवाह की रिपोर्ट है जो कहता है "मैंने पार्क में आग देखी," और दूसरी रिपोर्ट है "पार्क में दमकल गाड़ियाँ हैं।" IDX एजेंट इन कड़ियों को जोड़ता है। यह उन्हें जोड़ने के लिए तीन सुरागों का उपयोग करता है:
1. समय: क्या वे एक ही समय पर हुए?
2. स्थान: क्या वे एक ही पड़ोस में हैं?
3. कहानी: क्या शब्द मेल खाते हैं (जैसे, दोनों "आग" का उल्लेख करते हैं)?
यदि सुराग मेल खाते हैं, तो एजेंट रिपोर्टों को आपस में जोड़ देता है। दो अलग-अलग फाइलों के बजाय, यह एक कंपोजिट इंसिडेंट (Composite Incident) बनाता है—एक एकल, विकसित होती कहानी जो नई जानकारी आने के साथ बढ़ती जाती है।

🗺️ Geocoding एजेंट: "मैप मेकर"

यह क्या करता है: लोग अक्सर स्थानों का वर्णन खराब तरीके से करते हैं। वे सड़क का पता देने के बजाय कह सकते हैं, "पुराने ओक के पेड़ के पास वाला बड़ा लाल खलिहान।"
उपमा: यह एजेंट एक स्थानीय गाइड की तरह है जो गूगल मैप्स से बेहतर मोहल्ले को जानता है। यह "स्टेडियम के पास" जैसे अस्पष्ट विवरणों को लेता है और सटीक निर्देशांक (coordinates) का पता लगाता है। यह मानचित्र पर एक सटीक पिन जोड़ता है ताकि आपातकालीन दल को पता चल सके कि उन्हें कहाँ जाना है, जबकि संदर्भ के लिए मूल विवरण को भी बरकरार रखता है।

3. जादू: एक जीवित कहानी, न कि एक स्थिर फ़ाइल

पारंपरिक प्रणालियों में, एक बार जब किसी घटना को दर्ज कर लिया जाता है, तो वह अक्सर एक एकल फ़ाइल में फंस जाती है। यदि नई जानकारी आती है, तो आपको पुराने फ़ाइल को ओवरराइट करना पड़ता है, और आप इतिहास खो सकते हैं।

SentinelAI एक आपात स्थिति को एक जीवंत दस्तावेज़ या ग्रुप चैट के थ्रेड की तरह मानता है।

चरण 1: मौसम सेवा एक चेतावनी भेजती है। SentinelAI एक "कहानी की शुरुआत" (Story Start) बनाता है।
चरण 2: 10 मिनट बाद एक समाचार रिपोर्ट आती है। SentinelAI पहली कहानी को हटाता नहीं है; यह नई जानकारी को थ्रेड में जोड़ता है।
चरण 3: एक पुलिस रिपोर्ट आती है। इसे भी थ्रेड में जोड़ दिया जाता है।

किसी भी क्षण, आप पूरी तस्वीर देखने के लिए "कंपोजिट व्यू" देख सकते हैं, या यह देखने के लिए कि कहानी मिनट-दर-मिनट कैसे विकसित हुई, "थ्रेड" देख सकते हैं। यह महत्वपूर्ण है क्योंकि आपात स्थिति में, स्थिति तेजी से बदलती है।

4. "प्लग-एंड-प्ले" फीचर (FME इंटीग्रेशन)

पेपर यह भी दिखाता है कि SentinelAI उस सॉफ़्टवेयर में प्लग इन हो सकता है जिसका उपयोग शहर और एजेंसियां पहले से ही कर रही हैं (जैसे FME)।

उपमा: SentinelAI को एक यूनिवर्सल पावर एडेप्टर के रूप में सोचें। आपको अपने सभी महंगे उपकरणों (मौजूदा सरकारी प्रणालियों) को बदलने की आवश्यकता नहीं है; आपको बस SentinelAI को प्लग इन करना है, और यह उन्हें एक-दूसरे से पूरी तरह से बात करने में सक्षम बनाता है।

यह क्यों मायने रखता है?

SentinelAI से पहले, आपातकालीन उत्तरदाताओं को एक ही बाढ़ के बारे में तीन अलग-अलग कहानियों के साथ तीन अलग-अलग स्क्रीन देखनी पड़ सकती थी। वे गलत जगह पर नाव भेज सकते थे क्योंकि पते मेल नहीं खा रहे थे।

SentinelAI के साथ:

स्पष्टता: सभी डेटा मानकीकृत है।
जुड़ाव: संबंधित रिपोर्टों को स्वचालित रूप से जोड़ा जाता है।
गति: नई जानकारी तुरंत एकीकृत हो जाती है।

यह डेटा के अराजक तूफान को एक स्पष्ट, एकीकृत मानचित्र में बदल देता है, जिससे मनुष्य और कंप्यूटर मिलकर जीवन बचाने के लिए तेजी से काम कर पाते हैं।

यहाँ शोध पत्र "SentinelAI: NG9-1-1 आपातकालीन घटना डेटा को संरचित करने और जोड़ने के लिए एक मल्टी-एजेंट फ्रेमवर्क" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

आपातकालीन प्रतिक्रिया प्रणालियाँ विविध स्रोतों (पुलिस, अग्नि शमन, EMS, समाचार, सरकार) से विभिन्न स्वरूपों (संरचित क्षेत्र, मुक्त-पाठ, ऑडियो, चित्र) में विशाल मात्रा में डेटा उत्पन्न करती हैं। इस डेटा को एक एकीकृत, मशीन-पठनीय दृश्य में एकीकृत करना चुनौतीपूर्ण है क्योंकि:

विषमता (Heterogeneity): डेटा विभिन्न एजेंसियों से अलग-अलग शब्दावलियों, कोडिंग योजनाओं (जैसे, "Code 3" बनाम "P1") और स्वरूप मानकों के साथ वृद्धिशील रूप से आता है।
मानकीकरण का अभाव (Lack of Standardization): मौजूदा मोनोलिथिक पाइपलाइन भाषा व्याख्या, सामयिक सहसंबंध (temporal correlation), स्थानिक अस्पष्टता और अर्थ संबंधी सामान्यीकरण को एक साथ संभालने में संघर्ष करती हैं।
NG9-1-1 की जटिलता: नेक्स्ट जनरेशन 9-1-1 (NG9-1-1) की ओर संक्रमण डेटा की मात्रा और विविधता (टेक्स्ट, वीडियो, सेंसर) को बढ़ाता है, जिसके लिए एक ऐसे सिस्टम की आवश्यकता है जो घटनाओं को स्थिर रिकॉर्ड के बजाय विकसित होते आयोजनों (evolving events) के रूप में देख सके।
अंतराल (The Gap): एक ऐसे फ्रेमवर्क की आवश्यकता है जो कच्चे, विषम संचार को NENA इमरजेंसी इंसिडेंट डेटा ऑब्जेक्ट (EIDO) मानक में बदल सके और कई स्रोतों से संबंधित रिपोर्टों को एक कंपोजिट इंसिडेंट व्यू में गतिशील रूप से जोड़ सके।

2. कार्यप्रणाली: SentinelAI फ्रेमवर्क (Methodology: The SentinelAI Framework)

SentinelAI इन चुनौतियों का समाधान करने के लिए एक मल्टी-एजेंट आर्किटेक्चर का उपयोग करता है जो जटिल डेटा संरचना कार्य को विशिष्ट, विशेष उप-कार्यों में विभाजित करता है। सिस्टम एसिंक्रोनस रूप से कार्य करता है, जिससे एजेंट स्वतंत्र रूप से कार्य कर सकते हैं और एक एकीकृत घटना प्रतिनिधित्व में योगदान दे सकते हैं।

फ्रेमवर्क तीन मुख्य एजेंटों और एक एकीकरण परत पर निर्भर करता है:

A. EIDO एजेंट (संरचना और व्याख्या)

कार्य: प्राथमिक इनपुट पॉइंट के रूप में कार्य करता है, जो विषम इनपुट (कॉल-टेकर नोट्स, रेडियो ट्रांसक्रिप्ट, डिस्पैच सारांश) को NENA-STA-024.1.1-2025 मानक के अनुरूप मानकीकृत EIDO-JSON दस्तावेजों में परिवर्तित करता है।
तंत्र:
- अनस्ट्रक्चर्ड टेक्स्ट को व्याख्यायित करने और संस्थाओं (लोग, स्थान, संगठन) को निकालने के लिए लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग करता है।
- सामान्यीकरण (Normalization): मालिकाना एजेंसी कोड (जैसे, "211A", "Code 3") को मानकीकृत IANA रजिस्ट्री मानों में मैप करता है।
- सामयिक संश्लेषण (Temporal Synthesis): विसंगत दिनांक/समय क्षेत्रों को ISO 8601 टाइमस्टैम्प में संयोजित करता है।
- टेम्प्लेट-आधारित: विशिष्ट घटना प्रकारों के लिए आवश्यक/वैकल्पिक क्षेत्रों को परिभाषित करने के लिए कॉन्फ़िगर करने योग्य टेम्प्लेट का उपयोग करता है, जिससे विषय-विशेषज्ञ बिना कोड बदले लॉजिक को समायोजित कर सकते हैं।

B. IDX एजेंट (सहसंबंध और संश्लेषण)

कार्य: नए EIDO दस्तावेजों को मौजूदा घटना संदर्भों से जोड़ता है या नए संदर्भ शुरू करता है, जिससे कई आंशिक रिपोर्टों से एक "कंपोजित घटना" (composite incident) निर्मित होती है।
तंत्र:
- एक घटना $I$ को जुड़े हुए EIDO ऑब्जेक्ट्स $\{E_1, E_2, ..., E_n\}$ के सेट के रूप में मानता है।
- स्कोरिंग एल्गोरिदम: जब एक नया EIDO ( $E_{new}$ ) आता है, तो यह एक भारित फलन (weighted function) का उपयोग करके मौजूदा घटनाओं के विरुद्ध समानता स्कोर $\Sigma$ की गणना करता है:
  $\Sigma = w_t \cdot \phi_t(\Delta t) + w_g \cdot \phi_g(\Delta g) + w_s \cdot \phi_s(D_E, D_I)$
  जहाँ $\phi_t$ सामयिक निकटता है, $\phi_g$ स्थानिक दूरी है, और $\phi_s$ सिमेंटिक समानता (वेक्टर एम्बेडिंग के माध्यम से) है।
- थ्रेशोल्डिंग (Thresholding): यदि स्कोर एक कॉन्फ़िगर करने योग्य थ्रेशोल्ड $\tau$ से अधिक है, तो नए EIDO को उच्चतम स्कोर वाली घटना से जोड़ता है। यदि कोई मिलान नहीं मिलता है, तो एक नया घटना संदर्भ बनाया जाता है।
- कंपोजिट व्यू: सभी जुड़े हुए EIDOs (जैसे, सभी इकाइयों का संघ, नवीनतम स्थिति, कालानुक्रमिक विवरण) से डेटा को एकत्रित करके घटना का एक एकीकृत दृश्य गतिशील रूप से बनाता है, बिना मूल डेटा को एक एकल परिवर्तनीय रिकॉर्ड में ध्वस्त किए।

C. जियोकोडिंग एजेंट (स्थानिक संवर्धन)

कार्य: अनौपचारिक स्थान विवरणों (लैंडमार्क, बोलचाल के नाम, "मार्केट के पास") को संरचित स्थानिक डेटा में बदलता है।
तंत्र:
- स्थानीय ज्ञान आधार (क्यूरेटेड लैंडमार्क), बाहरी मैपिंग API (Google Maps, OpenStreetMap), और घटना के संदर्भ (क्षेत्राधिकार, घटना का प्रकार) को मिलाकर स्थानों को स्पष्ट करता है।
- EIDO में कई स्थान स्वरूप आउटपुट करता है: निर्देशांक, मैच किए गए लैंडमार्क नाम, वर्णनात्मक पाठ, और नागरिक पते, साथ ही एक कॉन्फिडेंस स्कोर भी।

D. एंटरप्राइज इंटीग्रेशन (FME)

कार्य: सेफ सॉफ्टवेयर के FME (फीचर मैनिपुलेशन इंजन) का उपयोग करके मौजूदा एंटरप्राइज सिस्टम के साथ इंटरऑपरेबिलिटी का प्रदर्शन करता है।
घटक:
- EIDOReader: EIDO-JSON को स्थानिक विश्लेषण और मैपिंग के लिए FME फीचर्स में परिवर्तित करता है।
- EIDOWriter: संरचित लीगेसी डेटा (स्प्रेडशीट, DBs) को इनपुट के लिए वैध EIDO-JSON में परिवर्तित करता है।

3. प्रमुख योगदान

तीन-एजेंट संदर्भ आर्किटेक्चर: NENA EIDO मानक के अनुरूप एक स्केलेबल, एसिंक्रोनस मल्टी-एजेंट सिस्टम का एक ठोस कार्यान्वयन, जो इनजेशन (EIDO), सहसंबंध (IDX), और संवर्धन (Geocoding) के कार्यों को अलग करता है।
परिचालन लिंक्ड-इंसिडेंट डेटा मॉडल: EIDO को एक विकसित होते, इवेंट-सोर्स्ड प्रतिनिधित्व के रूप में मानने की पद्धति। एक एकल रिकॉर्ड को ओवरराइट करने के बजाय, सिस्टम एक सामान्य संदर्भ में वृद्धिशील अपडेट को जोड़ता है, जिससे घटना का पूर्ण इतिहास और प्रोवेनेंस सुरक्षित रहता है।
एंटरप्राइज इंटरऑपरेबिलिटी: एक प्रमाण-अवधारणा (proof-of-concept) जो दिखाता है कि कैसे EIDO-JSON, SentinelAI फ्रेमवर्क और मौजूदा भू-स्थानिक/आपातकालीन प्रबंधन वर्कफ़्लो के बीच FME के माध्यम से द्विदिश (bidirectionally) प्रवाहित हो सकता है।

4. परिणाम (केस स्टडी)

शोध पत्र सैन डिएगो काउंटी (जनवरी 1, 2026) में भारी वर्षा से जुड़े एक वास्तविक परिदृश्य का उपयोग करके फ्रेमवर्क को मान्य करता है:

इनपुट: दो अलग-अलग स्रोत—एक नेशनल वेदर सर्विस (NWS) टेक्स्ट चेतावनी और एक सैन डिएगो यूनियन-ट्रिब्यून समाचार लेख।
प्रक्रिया:
- EIDO एजेंट ने NWS चेतावनी और समाचार लेख को अलग-अलग EIDO-JSON दस्तावेजों में परिवर्तित किया, जिसमें घटना के प्रकार ("बाढ़ की चेतावनी") और स्थान ("सेंट्रल सैन डिएगो काउंटी" बनाम "सैन डिएगो नदी") निकाले गए।
- जियोकोडिंग एजेंट ने "सेंट्रल सैन डिएगो काउंटी" को एक पॉलीगन (polygon) में और "सैन डिएगो नदी" को एक विशिष्ट लीनियर फीचर में हल किया।
- IDX एजेंट ने सामयिक निकटता (एक ही दिन), स्थानिक ओवरलैप (काउंटी पॉलीगन के भीतर नदी), और सिमेंटिक ओवरलैप (कीवर्ड: "बाढ़", "बारिश") के आधार पर उच्च समानता स्कोर की गणना की।
परिणाम: सिस्टम ने इन दो अलग-अलग रिपोर्टों को सफलतापूर्वक एक एकल कंपोजिट घटना टाइमलाइन में जोड़ दिया। परिणामी दृश्य ने आधिकारिक चेतावनी स्थिति को विशिष्ट प्रभाव विवरणों (सड़क पर बाढ़, बिजली कटौती) के साथ जोड़ा, जिससे अकेले किसी भी स्रोत की तुलना में अधिक पूर्ण परिचालन चित्र प्राप्त हुआ।

5. महत्व

मानकीकरण: एजेंसियों को अपने साइलो वाले, मालिकाना डेटा प्रारूपों से दूर जाने और NENA EIDO मानक को अपनाने के लिए एक व्यावहारिक मार्ग प्रदान करता है।
स्केलेबिलिटी और लचीलापन: मल्टी-एजेंट डिज़ाइन विशिष्ट कार्यों (जैसे, EIDO एजेंट के लिए LLM को अपग्रेड करना बिना IDX लॉजिक को बाधित किए) को स्वतंत्र रूप से स्केल करने की अनुमति देता है और आपातकालीन डेटा की "अव्यवस्थित" वास्तविकता को संभालता है (अनौपचारिक भाषा, वृद्धिशील अपडेट)।
ट्रेसिबिलिटी (Traceability): एकल स्थिर रिकॉर्ड में EIDO ऑब्जेक्ट्स को मर्ज करने के बजाय उन्हें संरक्षित करके, सिस्टम यह ट्रैक करने का पूर्ण ऑडिट ट्रेल बनाए रखता है कि एक घटना को समय के साथ कैसे समझा और अपडेट किया गया।
इंटरऑपरेबिलिटी: FME एकीकरण यह सिद्ध करता है कि यह उन्नत AI फ्रेमवर्क मौजूदा सरकारी बुनियादी ढांचे के साथ सह-अस्तित्व में रह सकता है, जिससे NG9-1-1 पारिस्थितिकी तंत्र में सुचारू संक्रमण की सुविधा मिलती है।

संक्षेप में, SentinelAI खंडित आपातकालीन संचार को संरचित, जुड़े हुए और कार्रवाई योग्य इंटेलिजेंस में बदलने के लिए एक मजबूत, मानकों के अनुरूप समाधान प्रदान करता है, जो आधुनिक नेक्स्ट जनरेशन 9-1-1 सिस्टम में निहित डेटा इंजीनियरिंग चुनौतियों को सीधे संबोधित करता है।