發生水災、地震…等大範圍災害時，救災單位的電話容易佔線。為解決這個問題，結合開放街圖、機讀百科和自然語言人工智慧的 WeWatch.city 系統持續將「XX市XX街淹水了」、「XX市XX區的水已經淹到小腿」這些訊息透過 NLP 技術自動分類，且標上地圖，則救災機關將能研判災情範圍，並做出有效的物資分配與救災計劃。
卓騰語言科技開發的 WeWatch.city 所具備的這種將「災害報告事件文字」自動解析分類，並依其位置標上地圖的功能，是所有類似的系統平台中獨有的。
此外，在 COVID-19 疫情爆發早期，WeWatch.city 也順手加入了口罩地圖資訊的提供功能。
台灣具備手機網路發達，人口活動範圍密集的人文條件，再加上多颱風、地震以及古蹟自燃…的外在因素，讓我們的生活環境充滿了各種災難。且只是路過，但熱心且願意回報主管機關的鄉民及司機不在少數。
當災情發生時，真正「少數」的是報案用的電話專線！如果在大樓火災時，前 20 個看到的人裡，剛好打去報案的那個人佔了線，卻又講不清楚究竟發生了什麼事，那麼寶貴的救災時間就這麼一分一秒地浪費掉了。
為了解決這種佔線的問題，我們結合了開放街圖、維基數據的機讀百科以及 Articut NLP AI 系統的自然語言處理能解，做出了一套災害情報的自動解析與標記系統。在上述的大樓火災假想中，即便報案專線被那 1 個講不清楚發生什麼事的人佔了線，其它 19 個人還是可以各自在系統上用最直覺的方式輸入「XX 路 N 號大樓失火！」或「XX區XX 路的大樓燒起來了！」…等等諸如此類的文字。
系統將會自動解析出這句話發生的事情是「失火」或「燒起來」，並將「XX路N號」或「XX區XX路」的位置標明在地圖上。如果一個災害嚴重性很高 (比如說大樓倒下來，大型火災…等)，那麼目擊者會很多。透過即時的地圖分佈，主管機關可以在第一時間就掌握「哪個災害現場報告的目擊者多，那裡要嘛就是人群集中處，要不然就是災情較嚴重的地方」。不論何者，都是需要重點關注的災情發生地點！
透過本系統，救災機關將能研判災情範圍，並做出有效的物資分配與救災計劃。
About PeterWolf
- 卓騰語言科技創辦人
- NLP/NLU 應用開發者
- 1/2 以上的人生都在處理自然語言問題的辣個男人