매년 자연재해로 인해 응급 상황 담당자, 군 지휘관, 공공 안전 담당자들은 촉박한 시간 내에 중대한 결정을 내려야 합니다. 이러한 결정은 전통적으로 전화 연락망, 스프레드시트, 수십 명에게 분산된 제도적 지식에 의존합니다. 조정에 따른 오버헤드만으로도 중요한 시간이 소요됩니다.

이 게시물은 위협을 탐지하고, 물류를 추론하며, 자동으로 조처하는 재난 대응에 있어 Elastic이 반응형 에이전틱 조정 시스템을 지원하는 방법을 보여줍니다. 이를 구체화하기 위해 다음과 같은 시뮬레이션을 구축했습니다. 햄프턴 로즈 해안선을 위협하는 가상의 카테고리 4 허리케인이 7개 군사 기지에 걸쳐 137,000명 이상의 인원에 대한 자동 재배치를 트리거합니다.

면책 조항: 이는 시연 목적으로 제작된 전적으로 가상의 시나리오입니다. 허리케인 ELARA-26은 존재하지 않습니다. 기지 위치는 실제 공개 지리 데이터(미 국방부[DoD] 군사 기지, 훈련장 및 훈련 지역[MIRTA] 데이터 세트)를 기반으로 하지만 인원수, 수용 인원, 자산, 연락처 이메일, 임무 프로필과 같은 모든 작전 데이터는 완전히 허구입니다. 이 데모의 어떤 내용도 실제 군사 준비 태세, 역량 또는 작전 절차를 반영하지 않습니다.

자동화된 재난 대응에 지리공간 및 에이전틱 조정이 필요한 이유

자연재해가 중요 인프라를 위협하면 다음과 같은 즉각적인 조정 과제가 발생합니다.

• 어떤 시설이 영향 구역에 있습니까?

• 몇 명의 인원이 이동해야 합니까?

• 어디로 이동할 수 있으며, 해당 시설에 수용 능력이 있습니까?

• 지금 누구에게 알려야 합니까?

이 질문들은 기다려 주지 않습니다. 답도 마찬가지입니다.

파이프라인 배포: 필수 구성 요소 및 설정

예제 리포지토리의 여기에 있는 지침에 따라 Cloud Connect를 통해 Elastic Inference Service(EIS)를 사용하는 로컬 Elastic 클러스터를 배포하세요.

Elasticsearch 에이전틱 재난 대응 파이프라인 작동 원리

파이프라인에는 엔드 투 엔드 방식으로 함께 작동하는 7개의 계층이 있습니다.

1. 데이터 수집: Elasticsearch로 전송된 Global Disaster Alert and Coordination System(GDACS) 재난 이벤트

2. 수집 파이프라인: GeoJSON이 수집되어 Elastic Common Schema (ECS)로 정규화됩니다.

3. 지리 공간 보강: 이벤트의 영향 영역 폴리곤이 인덱싱된 군사 기지 경계와 매칭됩니다.

4. 경보: 재난이 기지과 교차할 때 Kibana 탐지 규칙이 실행됩니다.

5. 워크플로우 자동화: 경보는 AI 에이전트 대화를 시작하는 Kibana 워크플로우를 트리거합니다.

6. AI 추론: 에이전트는 영향을 받는 시설, 해당 시설의 자산 및 가장 가까운 지원 시설을 분석하여 모든 자산과 인력의 재배치를 결정합니다.

7. 이메일 알림: 에이전트는 입출입 인력 및/또는 자산에 대해 모든 수신자에게 이메일을 발송합니다.

각 계층을 살펴보겠습니다.

1단계: 지리적 경계가 있는 군사 기지 색인

기반은 source.coop/seerai/hifld의 DoD MIRTA 데이터 세트입니다. 이 데이터 세트는 각 기지에 대해 Point 유형의 geo_shape을 제공하며, 전체 경계 폴리곤이 아닌 중심 좌표를 제공합니다.

mitra-facilities 인덱스의 각 기지 문서는 MIRTA가 제공하는 범위를 넘어 운영 프로필 데이터(모두 가상)로 보강됩니다.

이 풍부한 인덱스는 AI 에이전트가 단순히 "인근 기지는 다음과 같습니다"가 아니라 "가용 수용 인원, 호환되는 임무 유형, 유입되는 자산을 수용할 물류를 갖춘 기지는 다음과 같습니다"와 같은 지능적인 할당 결정을 내릴 수 있도록 지원합니다.

2단계: GDACS 이벤트 수집 및 정규화

GDACS는 지진, 열대 저기압, 홍수, 산불, 화산 및 가뭄에 대한 실시간 GeoJSON을 게시합니다. Elastic은 이 피드를 데이터 스트림(logs-gdacs.events-*)으로 수집합니다. 여기에 원시 GeoJSON을 ECS 필드로 정규화하는 사용자 지정 수집 파이프라인이 사용됩니다.

GDACS 수집 파이프라인은 주목할 만한 몇 가지 작업을 수행합니다.

지오메트리 추출: 중심점은 지도에 표시할 수 있도록 geo_point로 저장되고, 영향 폴리곤은 gdacs.affected_area에 geo_shape으로 저장되며, 이 필드는 나중에 교차 쿼리에 사용됩니다.

심각도 정규화: 재난 유형마다 심각도 척도가 다릅니다. 열대성 저기압은 풍속 km/h로 측정되며, 지진은 리히터 규모로 측정됩니다. 파이프라인은 모든 재난을 정규화된 0–100 점수로 맵핑합니다.

정규화된 심각도 점수는 탐지 규칙에서 경보 심각도 매핑에 사용되는 severity_level 레이블(low, medium, high, critical)에 매핑됩니다.

ECS 정렬: event.kind: alert, event.category: threat, event.start/event.end에 매핑된 타임스탬프, 및 중복 제거를 위한 안정적인 핑거프린트 기반 _id.

3단계: 지리공간 보강: 인덱스 시점에 영향을 받는 시설 찾기

Elasticsearch의 geo_match enrich 정책은 인덱스 시 재해 폴리곤을 모든 기지 경계와 매칭하므로 쿼리 시 조인이 필요하지 않습니다. 검색 시 쿼리를 실행하는 대신, 수집 파이프라인의 enrich 프로세서를 사용하여 문서가 색인될 때 재난의 영향 폴리곤을 모든 기지 경계와 매칭합니다.

enrich 정책은 geo_match 정책입니다.

프로세서는 수집 파이프라인의 끝에서 실행됩니다.

INTERSECTS는 재난 폴리곤과 경계가 닿거나 겹치는 모든 기지는 물론 부분적인 교차까지도 포착합니다. 그 결과 모든 GDACS 이벤트 문서는 영향 구역에 어떤 기지가 있는지 정확히 알려주는 affected_facilities 중첩 배열과 함께 저장됩니다. 조인 쿼리는 필요하지 않습니다.

4단계: 탐지 규칙: 시설 영향에 대한 경보

Kibana 탐지 규칙은 logs-gdacs.events-* 데이터 스트림을 모니터링하며 GDACS 이벤트가 하나 이상의 영향을 받는 시설로 보강될 때 실행됩니다.

이 규칙은 매시간 일정으로 실행되며(now-1h부터 now까지의 기간 대상), 동적 심각도 매핑을 사용합니다. gdacs.severity_level 필드는 수집 파이프라인에서 계산되어 경보 심각도를 자동으로 구동합니다.

경보 심각도 또한 필드 매핑을 통해 위험 점수를 결정합니다.

규칙이 실행되면 기지 이름, 유형 및 위치로 보강된 affected_facilities 배열을 포함한 전체 경보 컨텍스트가 Kibana 워크플로우로 다운스트림 전달됩니다.

5단계: 워크플로우 자동화: 경고를 에이전트에 연결

Kibana 워크플로우는 탐지에서 응답으로의 인계를 처리합니다. 자연재해 응답 워크플로우는 경보에 의해 트리거됩니다.

전체 경보 페이로드(재해 유형, 심각도, 영향 지역 및 영향을 받은 기지 목록)가 초기 컨텍스트로 AI 에이전트에 전달됩니다. 그다음부터는 에이전트가 이어받아 처리합니다.

6단계: AI 에이전트: 데이터에서 조율된 조치로

mitra.response 에이전트는 전체 경보 페이로드를 받아 단일 에이전트 루프 내에서 범위를 평가하고, 수용 시설을 찾고, 인력을 배정하며, 대피 및 수용 알림을 발송하는 등의 모든 작업을 사람의 개입 없이 수행합니다.

에이전트는 두 가지 도구를 사용할 수 있습니다.

• mitra.nearest_facility는 geo_shape 쿼리를 사용하여 mitra-facilities 인덱스에 쿼리 작업을 수행하고, 주어진 좌표로부터의 거리를 기준으로 정렬하여 가용 용량이 있는 인근 활성 기지를 최대 50개까지 반환합니다.

• mitra.send_email은 시설 객체의 JSON 배열을 순회하고 형식이 지정된 대피 또는 수용 알림을 발송합니다.

에이전트의 지침 세트는 명확한 워크플로우를 정의합니다.

1. 상황을 평가합니다. 경보의 구문을 분석하고, 영향을 받는 시설을 식별하며, 재난 범위를 결정합니다.

2. 이전해야 할 항목을 목록화합니다. 인원수, 중요 자산, 시설별 수용 요건 등입니다.

3. 대상 기지를 찾습니다. mitra.nearest_facility를 영향을 받는 각 기지에 호출하고 위험 구역에 여전히 있는 기지를 필터링하여 제외합니다.

4. 할당 결정을 내립니다. 단일 대 다중 시설 솔루션, 군종 호환성, 수용 인원, 자산 지원을 면밀히 추론합니다.

5. 조정 이메일을 발송합니다. 출발 시설에 대피 명령을 발송하고 수용 시설에 수용 통지를 발송합니다.

6. 요약 보고를 생성합니다. 검토를 위해 영향을 받는 모든 시설, 총 인원, 이동된 자산, 대상 시설 및 모든 우려 사항에 대한 간단한 요약을 채팅에 생성합니다.

에이전트의 할당 로직은 실제 제약 조건을 따릅니다. 수용 인원을 초과하지 않고, 가능한 경우 동일 군종 내 재배치를 우선하며, 여러 군종에서 초과 인원이 발생할 경우 합동 기지를 활용하고, 이동 시간을 최소화할 수 있도록 거리를 우선적으로 고려합니다.

최근접 시설 도구

기본 워크플로우 쿼리는 원형 필터가 포함된 geo_shape와 _geo_distance 정렬을 사용합니다.

가용 인원은 수용 인원에서 현재 인원수를 뺀 값을 계산하는 스크립트 필드를 통해 쿼리 시 계산됩니다. 에이전트는 한도를 초과하지 않고 여러 대상에 인원을 할당하기 위해 이를 사용합니다.

허리케인 ELARA-26: 137,000명 인력에 대한 에이전틱 조율, 엔드 투 엔드

허리케인 ELARA-26은 버지니아주 햄프턴 로즈 지역에 상륙할 것으로 예상되는 카테고리 4 폭풍(최대 풍속 213km/h)입니다. GDACS 이벤트가 수집되면, 영향 받는 지역의 폴리곤이 해당 지역의 7개 주요 군사 기지과 교차합니다. 탐지 규칙이 실행됩니다. 워크플로우가 에이전트 대화를 시작합니다.

단일 에이전틱 루프 내에서 에이전트가 완료한 작업:

• 영향 구역 내에서 총 137,372명의 인원이 포함된 시설 7곳을 식별했습니다.

• 폭풍 경로 외부의 수용 시설을 찾기 위해 mitra.nearest_facility를 호출했습니다.

• 가용 수용 인원 및 거리를 기준으로 9개 수용 시설에 인력을 분산 배치했습니다.

• 영향을 받은 7개 기지 모두에 대피 명령을 생성하여 발송했습니다.

• 9개 수용 시설 모두에 접수 알림을 생성하여 발송했습니다.

• 아래와 유사한 전체 조정 요약이 생성되었습니다.

대피한 시설:

시설

인력(명)

노퍽 해군 기지

50,000

리틀 크릭-포트 스토리 합동원정기지

18,000

오시아나 해군 항공 기지

15,355

오세아나 해군 항공 기지 댐 넥 별관

17,509

NG 주 군사 보호구역 캠프 펜들턴

9,707

랭글리-유스티스 합동기지

15,000

요크타운 해군 무기 기지

11,801

수용 시설:

시설

거리

유입 인력(명)

포트 그렉-아담스

97km

~40,000

콴티코 해병대 기지

148km

~30,000

인디언 헤드 해군 지원 기지

151km

~30,000

앤드루스 합동기지

180km

~30,000

패턱센트 리버 해군 항공기지

141km

~10,000

NG MTA 캠프 버트너

174km

~5,000

NG 베서니 비치 훈련장

209km

~4,707

리바나 스테이션

140km

~7,500

국방 종합 보급 센터

22km

~6,000

재배치된 자산에는 수송 차량, 헬리콥터, 순찰정, 의료 부대, 공병 차량, 발전기, 급수 트레일러, 대피소 키트 및 통신 시스템이 포함됩니다.

자동화된 이메일 알림

에이전트가 할당 계획을 확정한 후, mitra.send_email을 호출하여 단 한 번의 처리 과정으로 16개의 이메일을 발송했습니다. 즉, 영향을 받는 7개 모든 기지에 대한 대피 명령과 9개 모든 수용 기지에 입소 통지가 발송된 것입니다. 각 메시지에는 도착 기지, 유입 인원수, 이동할 자산 및 조정 담당 연락처가 포함되었습니다. 전화 연락망을 거치느라 몇 시간이나 걸렸을 작업이 에이전트의 추론이 완료되는 즉시 자동으로 완료되었습니다.

RAG 및 정책 그라운딩을 통한 에이전틱 재난 대응 확장

이 데모는 인원 수, 거리, 운영 상태와 같은 정형 데이터만을 기반으로 합니다. Elastic의 시맨틱 검색 및 검색 증강 생성(RAG) 기능은 두 가지 추가 기능을 통해 에이전트를 훨씬 더 스마트하게 만들 수 있습니다.

과거 응답 검색: 과거 사후 조치 보고서, 연방재난관리청(FEMA) 인시던트 요약 및 재난 대응 기록을 벡터 임베딩으로 인덱싱합니다. 새 이벤트가 발생하면 에이전트는 유사한 이벤트가 어떻게 처리되었는지 시맨틱 검색하여, 인원 계산만이 아닌 조직 지식을 바탕으로 할당 결정을 내릴 수 있도록 합니다.

정책 및 교리 기반: 국방부 비상 관리 지침, 기지 운영 연속성 계획 및 지휘관 지침을 인덱싱합니다. 에이전트는 응답에 적용되는 실제 정책을 검색하고 인용할 수 있으므로, 모든 결정이 추론이 아닌 교리에 근거하도록 보장합니다.

둘 다 동일한 Elastic 네이티브 접근 방식을 따릅니다, 추론 파이프라인이 인덱스 생성 시점에 임베딩을 생성하고, 시맨틱 검색 도구가 에이전트에 노출됩니다. 조정 파이프라인은 동일하게 유지됩니다. 에이전트는 계속 더 똑똑해집니다.

Elasticsearch가 에이전틱 공공 부문 응답에 적합한 플랫폼인 이유

Elasticsearch는 챗봇이 아닙니다. 대시보드도 아닙니다. 위협을 탐지하고, 복잡한 물류 문제를 추론하며, 인간의 개입 없이 137,000명의 이동을 조율한 반응형 에이전틱 워크플로우 시스템입니다. 이러한 결과는 기반이 되는 모든 기능이 단일 통합 플랫폼에 존재하기 때문에 가능합니다.

Elasticsearch의 지리 공간 지원(geo_point, geo_shape, 보강 정책 및 거리 기반 정렬)은 교차점 탐지와 시설 조회를 대규모로 가능하게 하는 공간 추론을 처리합니다. 시맨틱 검색과 벡터 임베딩은 에이전트를 사실에 기반하게 하여, AI 추론이 환각된 가정이 아닌 실제 데이터에 기반하도록 보장합니다. Kibana의 탐지 엔진, Workflows, Agent Builder 및 Agent Builder 도구는 외부 연결 코드 없이 원시 이벤트에서 조정된 작업으로 이어지는 파이프라인에 모든 것을 연결합니다.

Elastic만큼 이 모든 것을 통합하는 플랫폼은 없습니다. 실시간 색인, 지리 공간 정밀도, 시맨틱 검색 및 에이전트 기반 오케스트레이션을 모두 하나의 스택에서 제공하고 엔터프라이즈급 보안 및 통합 가시성을 기본 제공한다는 점은 이러한 기능 중 하나는 잘 수행하지만 나머지는 직접 통합해야 하는 도구와 Elastic의 차별점입니다.

비상 관리, 소방, 법 집행 및 공중 보건을 위한 에이전틱 지리공간 응답

사람, 시설, 실시간 이벤트가 교차하는 모든 곳에 동일한 아키텍처가 적용됩니다. 특정 데이터는 변경됩니다. 파이프라인은 변경되지 않습니다.

비상 관리: FEMA 및 주 비상관리국은 대피소 위치, 대기 구역, 취약 계층을 수신되는 국립기상청(NWS) 악천후 폴리곤과 매핑하여 폭풍이 상륙하기 전에 자동화된 자원 사전 배치를 트리거할 수 있습니다.

소방 및 응급 의료 서비스: 소방서는 산불 경계선 또는 건물 화재 클러스터에 유닛 위치 및 대응 영역을 오버레이하여, 적절한 장비를 갖춘 가장 가까운 가용 유닛으로 상호 지원 요청을 자동으로 라우팅할 수 있습니다.

법 집행: 기관은 수동 분류를 기다리지 않고도 활성 인시던트 위치를 학교 구역, 중요 인프라, 경찰관 위치와 연관시켜 위치 기반 봉쇄 알림이나 리소스 배치를 트리거할 수 있습니다.

공립학교 안전: 교육구는 캠퍼스 경계를 기준으로 실시간 위협 피드를 모니터링할 수 있습니다. 위협이 학교 경계와 교차하는 경우, 에이전트는 디스패처가 전화를 받기도 전에 관리 부서에 즉시 알리고, 봉쇄 통신을 시작하며, 법 집행 기관의 응답을 조율할 수 있습니다.

공중 보건: 보건 당국은 질병 감시 데이터 또는 환경 위험 구역을 진료소 위치, 인구 밀도 레이어, 공급 창고 재고와 대조하여 리소스가 가장 필요한 곳으로 전달할 수 있습니다.

부문

사용 사례

Elastic 기능

비상 관리

NWS 악천후 폴리곤과 대피소 위치 매칭

geo_shape 보강 + Kibana 워크플로우

소방 및 EMS

산불 경계에 유닛 위치 오버레이

위치 기반 정보 라우팅 + 가장 가까운 시설 쿼리

법 집행

인시던트를 학교 구역 및 경찰관 위치에 상호 연관

위치 인식 경보 규칙 + 에이전트 디스패치

공립학교 안전

캠퍼스 경계에 대한 위협 피드 모니터링

탐지 규칙 + 자동화된 알림

공중 보건

위험 구역을 진료소 위치 및 보급소에 매칭

시맨틱 검색+지리공간 보강

데이터는 시나리오마다 다릅니다. 수집, 인덱스 시 보강, 교차점 탐지, 에이전틱 응답 트리거 및 조치라는 기본 패턴은 모두 동일합니다. Elastic은 공공 부문 조직에 한 번 구축한 후 어디서나 적용할 수 있는 플랫폼을 제공합니다.

이 게시물에서 설명된 모든 기능이나 성능의 출시와 일정은 Elastic의 단독 재량에 따라 결정됩니다. 현재 제공되지 않는 기능이나 성능은 예정된 시간에 출시되지 않을 수도 있으며 아예 제공되지 않을 수도 있습니다.