紧急派遣员的虚拟助理系统及其操作方法与流程

1.本发明是关于虚拟助理、对话机器人、自然语言处理、机器人流程自动化、紧急派遣员和计算机辅助派遣。本发明公开用于辅助紧急派遣员的虚拟助理的系统和方法。


背景技术：

2.在任何人口密集的小区中，每天都会发生危及生命的紧急情况，例如建筑物或车辆起火、医疗急救或犯罪事件。在通常状况下，此类事件的通报是由事发现场民众所拨打的紧急电话(例如119电话)所启动的。当派遣中心(dispatch center)的接线员接到这些电话，会将其内容传达给派遣员(dispatcher)；派遣员根据电话的内容汇整线索、协调并部署急救人员到事发现场。依紧急事件的性质，急救人员可能是消防员、医护人员或执法人员。在整个紧急应变的过程中，正确的行动、时间的掌握都对事件的后续发展及结果至关重要，即使短短的数秒钟，都可能决定生命的拯救或丧失。
3.在所有涉及紧急应变工作流程的人员中，派遣员显然扮演着核心角色。派遣员需要实时汇整来电(一个紧急事件有时会有数十个甚至数百个来电)、动态地评估事件的状态、部署最适合前往救援的单位，并为急救人员提供关键的信息、使他们能够及早了解到达事发现场时将会面临的情况。在现场，急救人员还需将他们对现场的评估回传给派遣员，并持续从派遣员那里获得事件的进一步信息。
4.现代化的派遣中心通常配备有计算机辅助派遣系统(computer-aided dispatch,cad；参见美国国土安全部科技司的技术文件：《计算机辅助派遣系统》，发表于以下网址：https://www.dhs.gov/sites/default/files/publications/cad_tn_0911-508.pdf)。计算机辅助派遣系统是一个软硬件整合系统，用于输入、发送和记录通话信息，以辅助使用者处理紧急应变工作流程。紧急电话接线员可使用计算机辅助派遣系统来输入通报电话的相关信息，包括事件发生地点、通报人身份、事件类型(火灾、伤害、盗窃等)，以及通报内容的摘要。派遣员可使用计算机辅助派遣系统来追踪、更新紧急事件的状态，以及与急救人员进行通话。先进的计算机辅助派遣系统还配备有地理信息系统(geographic information system)和自动车辆定位(automatic vehicle location)，可以帮助急救人员更快地赶到事发现场。计算机辅助派遣系统会自动将每条通话标以时间戳(timestamp)作成记录，并储存起来；因此，这些通话纪录可以被逐条搜寻。
5.由于重度依赖派遣员的技能、经验和成熟度，目前广泛被使用的紧急应变工作流程并不十分可靠。具体来说，派遣员不仅需要将紧急电话接线员和急救人员传来的大量信息进行人工的过滤，而且还必需分分秒秒地将事件的状态作人工的判断及更新。现有的计算机辅助派遣系统虽然可以统合、储存大量的紧急通话信息，但并无法从根本解决上述问题。
6.完成了紧急事件的处理后，派遣员或其主管还需准备一份事件报告，以总结整个紧急事件的发生经过及处理过程。将碎片化的通话纪录过滤、摘要成一份事件报告是一个耗时且费力的过程。
7.在紧急应变管理的产业领域中，派遣员的短缺及高流动率又是另一个问题，且培训新的派遣员既昂贵又费时，这都会对派遣中心的运营造成不利影响。
8.为了解决这些问题，本发明提供了一种用于辅助紧急派遣员的虚拟助理的系统及方法。基于机器学习和深度学习，这种虚拟助理可协助派遣员将其工作流程自动化，不但减少派遣员的人工操作量，更可提升派遣员的应对准确度及速度，因此在紧急应变的处理过程中，可将人为错误发生的机会大幅降低。


技术实现要素：

9.本发明提供一种紧急派遣员虚拟助理，可以增强派遣员执行任务的能力，同时减少人为错误。派遣员虚拟助理的主要功能包括实时更新紧急事件的状态、建议或提醒派遣员在适当时机采取适当行动、回答派遣员对任务相关信息的查询，以及依派遣员的要求产出事件报告。派遣员虚拟助理系统包括虚拟助理控制单元、派遣员语言模型、事件状态追踪器、自然语言产生器、数据库和图形使用者界面。派遣员虚拟助理可以与现有的计算机辅助派遣系统结合使用。此外，派遣员虚拟助理还可用于派遣员的交互式培训。
10.基于机器学习和深度学习算法，派遣员语言模型是用于从事件通话纪录中实时分析抽取事件当时的状态，以及处理和响应派遣员的查询或要求。派遣员语言模型可以针对不同的紧急事件类型、事发当地小区而客制化。
附图说明
11.图1是本发明实施例的紧急派遣员虚拟助理系统(由虚线框标记)与计算机辅助派遣系统结合使用的方块示意图；实线箭头表示派遣员虚拟助理系统内部的信息流或派遣员虚拟助理和计算机辅助派遣系统之间的信息流；虚线箭头表示紧急应变相关人员(派遣员、接线员和急救人员)与派遣员虚拟助理或计算机辅助派遣系统之间的信息流。
12.图2是图1中派遣员语言模型架构的方块示意图。
13.图3是图2中文本分类器架构的方块示意图。
14.附图标记说明：100-派遣员虚拟助理；102-虚拟助理控制单元；104-派遣员语言模型；106-事件状态追踪器；108-虚拟助理数据库；110-自然语言产生器；112-虚拟助理图形界面；120-计算机辅助派遣系统；122-派遣员；124-接线员；126-急救人员；130～190-信息流；202-文本分类器；204-自然语言理解模块；206-情境对话管理模块；302-预训练文本编码器；304-文本序列；306-语境化的词嵌入向量；308-全连接层；310-softmax函式；312-多类别文本单词。
具体实施方式
15.1、派遣员虚拟助理系统
16.图1为本发明紧急派遣员虚拟助理的一个实施例的示意图。派遣员虚拟助理100系统包括虚拟助理控制单元102(virtual assistant control unit)、派遣员语言模型104(dispatcher language model)、事件状态追踪器106(incident status tracker)、虚拟助理数据库108(virtual assistant database)、自然语言产生器110(natural language generator)和虚拟助理图形界面112(virtual assistant graphic user interface)。虽
然派遣员虚拟助理100可以作为独立系统使用，但与计算机辅助派遣系统120结合起来使用时(如图1所示)，会有更佳的效果。派遣员虚拟助理100和计算机辅助派遣系统120之间的沟通可以经由应用程序编程接口(application programming interface,api)来完成。派遣员虚拟助理各个组件的功能说明如下。
17.虚拟助理控制单元102负责派遣员虚拟助理的决策与其内部的数据流向、处理和储存。它从计算机辅助派遣系统120或虚拟助理图形界面112接收文本数据，并将数据发送到派遣员语言模型104进行处理。根据它从事件状态追踪器106取得的事件状态值或从派遣员122接收到的查询或要求，虚拟助理控制单元102会指示自然语言产生器110产生对话信息或事件报告，以供派遣员122读取或转送。虚拟助理控制单元102还负责将事件的实时数据(通话纪录、事件状态)传送到虚拟助理数据库108中储存，或对其中的数据进行检索。
18.派遣员语言模型104负责使用自然语言处理(natural language processing)方法来处理文本数据，该自然语言处理方法是基于机器学习和深度学习算法。派遣员语言模型104可以处理至少两种类型的数据：一类数据是从计算机辅助派遣系统120传来的事件通话纪录，另一类数据是从虚拟助理图形界面112传来、出自派遣员122的查询或要求。如图2所示，处理这两类数据的方法和目的是不同的。处理事件通话纪录时，文本分类器202(text classifier)会从该通话纪录中抽取内含紧急事件状态信息的文本片段(词或短语)。处理派遣员的查询时，自然语言理解模块204(natural language understanding)会分析该查询的意图，接着情境对话管理模块206(contextual dialog management)会分析该查询的上下文情境。自然语言理解模块204和情境对话管理模块206的组合是要让派遣员虚拟助理控制单元102了解派遣员查询的意图及情境，并通过自然语言产生器110为其提供最佳响应。文本分类器202、自然语言理解模块204和情境对话管理模块206皆能够实时地、逐句地处理文本数据，因此，派遣员虚拟助理100可以为派遣员122提供实时的服务。
19.事件状态追踪器106可根据文本分类器202分析事件通话纪录的输出而推导出事件的状态(status of incident)。事件通话纪录是由接线员124、急救人员126和派遣员122所输入的非结构化的文本数据。为了使用文本分类器202分析通话纪录，本发明提供了一个包含多个属性(properties)的事件状态对象(incident status object)，每个属性可描述事件的一个面像。例如，建筑物火灾的事件状态对象包含以下属性：建筑物类型(透天厝、集合住宅、高层建筑物、百货商场、旅馆、学校、医院、工厂、仓库等)、建筑物构造(木造屋、砖造屋、铁皮屋、钢筋混凝土结构rc、钢骨结构src等)、建物楼层(层数)、起火楼层、火势情况(尚未延烧、火势延烧、火势扩大、火势控制、火势扑灭)、浓烟颜色(无烟、黑色、白色、其他色)、有无火焰、伤亡信息、失联状况等。这些属性依事件类型而不同；总体来说，这些属性必须能够充分描述特定类型事件(如火灾、医疗、犯罪等)的状态。随着紧急情况的进展，事件状态的属性值将不断地由文本分类器202及事件状态追踪器106从事件通话纪录中自动抽取及更新。根据当前的事件状态，派遣员虚拟助理控制单元102会主动提供建议给派遣员122，使其在适当的时机采取适当的行动。
20.虚拟助理数据库108储存带有时间戳的事件通话纪录和事件状态数据，以供虚拟助理控制单元102检索及使用。虚拟助理数据库108还可储存与派遣任务相关的信息。在处理紧急事件期间或平时接受培训时，派遣员122可以通过虚拟助理图形界面112向虚拟助理100提出任务相关的问题，并于该图形界面上收到虚拟助理的实时应答。
21.自然语言产生器110依虚拟助理控制单元102的指示而响应派遣员122，根据不同的使用需求，虚拟助理的响应形式可以是对话信息、事件报告或其他信息形式。由于紧急派遣属于关键性任务，为了避免虚拟助理在使用过程中发送出任何非预期的响应，自然语言产生器110较合适的算法是基于规则(rule-based)而非机器学习。
22.虚拟助理图形界面112是派遣员122和派遣员虚拟助理100之间的使用者界面，以文字和图像为主要沟通媒介，但也可包含语音沟通。
23.派遣员虚拟助理100的硬件部分至少应包括服务器、显示器和标准的输入、输出设备，如键盘、鼠标、触控屏幕、麦克风和扬声器等。
24.一个派遣员虚拟助理100可以为多个派遣员任务提供服务，用于处理各种类型的紧急情况。例如建筑物火灾、车辆火灾和山林野火，虽都属火灾紧急情况，却有各自不同的紧急应变流程；因此，派遣员虚拟助理100就需要客制化订制三个不同的派遣员任务。此外，基于事发当地的法令规章或实际考虑，即使是相同的派遣员任务，也可能需要为不同的小区客制化订制不同的派遣员任务。本发明的派遣员虚拟助理100使用的模块化架构可容许更有效率的客制化订制。例如，使用相同的文本分类器202、自然语言理解模块204、情境对话管理模块206等软件引擎，虚拟助理开发人员只需输入一个特定任务的历史数据集作为训练数据，就可以产出针对该特定任务的客制化派遣员语言模型104。
25.2、抽取事件状态(incident status extraction)
26.图3是实施例中用于从事件通话纪录中抽取事件状态信息的文本分类器202的示意图。文本分类器202的核心是一个预训练文本编码器302(pre-trained text encoder)，是基于变换器的双向编码器表示技术(bidirectional encoder representations from transformers,bert)或其衍生的深度学习模型。
27.bert模型最初由google开发出来，是一种文本编码器，以单词化的文本序列304(tokenized text sequence)作为输入：w1到wn，其中n是输入文本单词(text token)的最大数目，并以对应每个单词的语境化的词嵌入向量306(contextualized word-embedding vector)作为输出。在bert的基础版本中，n＝512，嵌入向量维度为768(参见j.devlin、m.w.chang、k.lee、k.toutanova的原始文章：“bert:pre-training of deep bidirectional transformers for language understanding”,arxiv:1810.04805(2019))。bert模型已经使用一个包含大约30,000个文本单词的大型文本数据库进行过预训练，因此可被视为通用的文本编码器。为改进bert原始模型，许多bert衍生模型已经被开发出来、并作了预训练(参见a.rogers、o.kovaleva、a.rumshisky的评论文章：“a primer in bertology:what we know about how bert works”,arxiv:2002.12327(2020))。electra是bert系列的最新成员，在自然语言处理方面相当成功(k.clark、m.t.luong、q.v.le、c.d.manning：“electra:pre-training text encoders as discriminators rather than generators”,arxiv:2003.10555(2020))。
28.文本分类器202的译码器(decoder)包括一个全连接层308(fully connected layer)和一个softmax函式310。文本分类器202的输出为多类别文本单词312(multi-class text tokens)。输出的文本单词是从输入的文本序列304(即事件通话纪录中的个别文句)中抽取与事件状态相关的词或短语。
29.在运作时，文本分类器202会为每个输出的文本单词标注上对应于事件状态对象
的属性。例如，对于输入信息：“我看到有黑烟从xyz旅馆的十楼窗户冒出来”，文本分类器202会输出三个文本单词：“黑烟”、“十楼”和“xyz旅馆”，并分别标注“浓烟颜色”、“起火楼层”和“建筑物类型”。紧接着，事件状态追踪器106会抽取事件状态对象的相对应属性值：“黑”、“10”和“旅馆”。
30.在派遣员虚拟助理100可以被应用于特定的任务之前，派遣员语言模型104需要经过训练，并且事件状态追踪器106和自然语言产生器110都需要针对该任务进行客制化。特定派遣员任务的训练数据可以从该任务的许多历史事件的通话纪录取得，而这些数据还需要先行标注才能用于模型训练。根据经验，对于一个包含三十个属性的事件状态对象，使用一组数千条标注过的通话纪录作为训练数据，已能训练出一个客制化且有效的的派遣员虚拟助理100。
31.3、派遣员虚拟助理的循环流程(process cycles)
32.一个典型的紧急应变过程是由第一位民众拨打紧急通报电话给派遣中心而启动，直到事件的结束，可能有数十条甚至数百条关于该事件的电话和文字信息往来于民众与接线员124之间或急救人员126与派遣员122之间。这些通讯都会被记录在计算机辅助派遣系统120中。
33.派遣员虚拟助理100的作用是协助派遣员122在执行紧急应变的流程中能提高效率和减少人为错误。本发明的一大优点是可以将派遣员虚拟助理结合在现有的紧急应变工作流程中而不会对其造成干扰。换言之，派遣员虚拟助理自己的循环流程可以与紧急应变的主流程同时且平行地运作。
34.派遣员虚拟助理100的主要功能包括(a)实时更新事件状态，(b)建议或提醒派遣员在适当的时机采取下一步动作，(c)响应派遣员提出对任务相关信息的查询，以及(d)依派遣员提出的要求产出事件报告。这些功能分别通过四个对应的循环流程来实现。对应功能(a)和(b)的两个循环流程会在任一进行中的紧急事件期间自动且重复地执行，对应功能(c)和(d)的两个循环流程则由派遣员启动而作一次性执行。这四个循环流程分别在以下段落中说明。
35.a.实时更新事件状态：
36.(1)参照第1图，在紧急事件期间，新的通话信息由接线员124或急救人员126输入到计算机辅助派遣系统120中；
37.(2)该信息通过应用程序编程接口(api)自动传送至虚拟助理控制单元102；
38.(3)虚拟助理控制单元102将该信息储存到虚拟助理数据库108，同时将该信息传送给派遣员语言模型104进行分析；
39.(4)派遣员语言模型104从通话信息中抽取与事件状态相关的文本单词(词或短语)，并将抽取结果传送至事件状态追踪器106；
40.(5)事件状态追踪器106从步骤(4)的文本单词推导出事件状态对象的对应属性值；
41.(6)事件状态追踪器106将更新的事件状态对象传送至虚拟助理控制单元102，后者再将更新的事件状态对象储存到虚拟助理数据库108。
42.上述循环流程的信息流由箭头130或132、134、136及138、140、142、144依序标示。
43.b.建议派遣员执行下一步动作：
44.(1)在紧急事件期间，若虚拟助理控制单元102根据当前事件状态判断派遣员122应该采取一个新的行动或完成某个未完成的行动，就会主动指示自然语言产生器110传送建议或提醒给派遣员122采取该行动；
45.(2)根据步骤(1)的指示，自然语言产生器110将建议或提醒信息传送至虚拟助理图形界面112；
46.(3)派遣员122可以在虚拟助理图形界面112上读取虚拟助理100的建议或提醒；
47.(4)如果上述动作涉及派遣员122需与急救人员126沟通，则派遣员122可借助计算机辅助派遣系统120来进行沟通。
48.上述循环流程的信息流由箭头146、148、150、152、154依序标示。
49.c.响应派遣员对任务相关信息的查询：
50.(1)在处理紧急事件期间或平时接受培训时，派遣员122可以向派遣员虚拟助理100查询与任务相关的信息。派遣员122可使用虚拟助理图形界面112输入查询；
51.(2)虚拟助理图形界面112将该查询转发给虚拟助理控制单元102；
52.(3)虚拟助理控制单元102再将查询传送至派遣员语言模型104进行分析；
53.(4)在分析完派遣员查询的意图及情境之后，派遣员语言模型104依结果指示自然语言产生器110产出适当的响应信息；
54.(5)自然语言产生器110通过虚拟助理图形界面112向派遣员122发送响应信息。
55.上述循环流程的信息流由箭头160、162、164、166、168、170依序标示。
56.d.依派遣员的要求产出事件报告：
57.(1)在紧急事件期间或事件结束后，派遣员122可以要求虚拟助理100产出一份事件报告；派遣员122通过虚拟助理图形界面112输入该要求；
58.(2)虚拟助理图形界面112将该要求转发给虚拟助理控制单元102；
59.(3)虚拟助理控制单元102从虚拟助理数据库108中检索事件状态对象的最新版本，并将其传送给自然语言产成器110；
60.(4)使用步骤(3)中接收的事件状态数据，自然语言产生器110产出一份事件报告，并将其传送到计算机辅助派遣系统120以供派遣员122读取或转送。
61.上述循环流程的信息流由箭头180、182、184、186、188、190依序标示。
62.综上所述，本发明提供的派遣员虚拟助理，可以增强紧急派遣员的应变能力，同时可减少人为错误。派遣员虚拟助理的主要功能包括实时更新紧急事件状态、建议或提醒派遣员适时采取适当行动、回答派遣员对任务相关信息的查询，以及依派遣员的要求产出事件报告。派遣员虚拟助理系统包括虚拟助理控制单元、派遣员语言模型、事件状态追踪器、自然语言产生器、数据库和图形界面。派遣员虚拟助理可以与现有的计算机辅助派遣系统结合使用。此外，派遣员虚拟助理还可用于派遣员的交互式培训。
63.派遣员语言模型是基于机器学习和深度学习算法，用于从事件通话纪录中实时分析抽取事件当时的状态，并处理和响应派遣员提出的查询或要求。派遣员语言模型可以针对不同的紧急事件类型、不同的事发当地小区而客制化。
64.以上所述仅为本发明的较佳实施例，凡依本发明权利要求所做的均等变化与修饰，皆应属本发明的涵盖范围。