Scientific and analytical journal «Vestnik Saint-Petersburg university of State fire service of EMERCOM of Russia» Scientific and analytical journal «Vestnik Saint-Petersburg university of State fire service of EMERCOM of Russia» Научно-аналитический журнал "Вестник Санкт-Петербургского университета ГПС МЧС России" 2218-130X 105634 10.61260/2218-130X-2025-3-136-146 ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ INFORMATICS, COMPUTER ENGINEERING AND CONTROL ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ LARGE LANGUAGE MODELS IN EMERGENCY SECURITY: A RESEARCH REVIEW AND OPPORTUNITY ANALYSIS ИСПОЛЬЗОВАНИЕ БОЛЬШИХ ЯЗЫКОВЫХ МОДЕЛЕЙ В ОБЛАСТИ БЕЗОПАСНОСТИ В ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЯХ: ОБЗОР ИССЛЕДОВАНИЙ И АНАЛИЗ ВОЗМОЖНОСТЕЙ https://orcid.org/0000-0002-0778-3218 Матвеев Александр Владимирович Matveev Alexandr V. fcvega_10@mail.ru

кандидат технических наук;

candidate of technical sciences;

 Иванов Александр Юрьевич Ivanov Alexander Yu. alexandr.y@mail.ru

доктор технических наук;

doctor of technical sciences;

 Санкт-Петербургский университет ГПС МЧС России Санкт-Петербург Россия Saint-Petersburg university of State fire service of EMERCOM of Russia Saint-Petersburg Russian Federation Санкт-Петербургский государственный морской технический университет Санкт-Петербург Россия Saint Petersburg State marine technical university Saint-Petersburg Russian Federation 23 09 2025 23 09 2025 2025 3 136 146 06 08 2025 22 09 2025 https://journals.igps.ru/en/nauka/article/105634/view

Современные технологии искусственного интеллекта, в частности большие языковые модели, демонстрируют значительный потенциал для трансформации подходов к обеспечению безопасности в чрезвычайных ситуациях. Целью данной статьи является аналитический обзор и оценка возможностей использования больших языковых моделей в сфере обеспечения безопасности в чрезвычайных ситуациях. На основе проведенного обзора в статье систематизированы и детально проанализированы такие перспективные направления применения больших языковых моделей, как: автоматизация обработки экстренных сообщений и звонков, создание интеллектуальных чат-ботов и виртуальных ассистентов для населения и специалистов в области безопасности, планирование и поддержка принятия решений; анализ данных социальных сетей для повышения ситуационной осведомленности; работа с многомодальными данными; разработка узкоспециализированных моделей для конкретных предметных областей (лесных пожары, эвакуация и др.); интеграция с экспертными системами и базами знаний; обучение и подготовка персонала. Особое внимание уделено анализу преимуществ и критических ограничений технологий, таких как проблема «галлюцинаций» больших языковых моделей, и путям их минимизации, Подчеркивается значимость адаптации моделей к национальным особенностям, включая особенности языка, нормативно-правовую базу и локальные риски. Значимость исследования заключается в том, что оно формирует целостное представление о текущем уровне развития и будущих траекториях интеграции больших языковых моделей в систему обеспечения безопасности в чрезвычайных ситуациях. Работа обосновывает, что грамотное внедрение языковых моделей способно существенно повысить оперативность реагирования, обоснованность управленческих решений и эффективность межведомственного взаимодействия, выступая мощным инструментом интеллектуальной поддержки при принятии решений в области обеспечения безопасности.

Modern artificial intelligence technologies, particularly large language models, demonstrate significant potential for transforming approaches to emergency safety. The purpose of this article is to provide an analytical review and assess the potential for using large language models in emergency safety. Based on this review, the article systematizes and analyzes in detail promising areas of large language models application, including: automation of emergency message and call processing; creation of intelligent chatbots and virtual assistants for the public and security professionals; planning and decision support; social media data analysis to improve situational awareness; working with multimodal data; development of highly specialized models for specific subject areas (forest fires, evacuation, etc.); integration with expert systems and knowledge bases; and personnel training. Particular attention is paid to analyzing the advantages and critical limitations of these technologies, such as the problem of large language models «hallucinations», and ways to minimize them. The importance of adapting models to national specifics, including language features, regulatory frameworks, and local risks, is emphasized. The significance of this study lies in its ability to provide a comprehensive understanding of the current level of development and future trajectories of large language models integration into emergency safety systems. The study demonstrates that the proper implementation of language models can significantly improve response times, the validity of management decisions, and the effectiveness of interagency cooperation, serving as a powerful tool for intellectual support in decision-making in the field of security.

 большие языковые модели безопасность в чрезвычайных ситуациях интеллектуальная поддержка принятия решений обработки естественного языка трансформер large language models emergency safety intelligent decision support natural language processing transformer

Raza M. et al. Industrial applications of large language models // Scientific Reports. 2025. Vol. 15. № 1. P. 13755. DOI: 10.1038/s41598-025-98483-1. Raza M. et al. Industrial applications of large language models // Scientific Reports. 2025. Vol. 15. № 1. P. 13755. DOI: 10.1038/s41598-025-98483-1. Филимонов В.Ю. Большие языковые модели и их роль в современных научных открытиях // Философские проблемы информационных технологий и киберпространства. 2024. № 1 (25). С. 42–57. DOI: 10.17726/philIT.2024.1.3. EDN SFTWKC. Filimonov V.Yu. Bol'shie yazykovye modeli i ih rol' v sovremennyh nauchnyh otkrytiyah // Filosofskie problemy informacionnyh tekhnologij i kiberprostranstva. 2024. № 1 (25). S. 42–57. DOI: 10.17726/philIT.2024.1.3. EDN SFTWKC. Otal H.T., Stern E., Canbaz M.A. LLM-assisted crisis management: Building advanced LLM platforms for effective emergency response and public collaboration // 2024 IEEE Conference on Artificial Intelligence (CAI). IEEE, 2024. P. 851–859. DOI: 10.1109/CAI59869.2024.00159. Otal H.T., Stern E., Canbaz M.A. LLM-assisted crisis management: Building advanced LLM platforms for effective emergency response and public collaboration // 2024 IEEE Conference on Artificial Intelligence (CAI). IEEE, 2024. P. 851–859. DOI: 10.1109/CAI59869.2024.00159. From text to transformation: A comprehensive review of large language models' versatility / P. Kaur [et al.] // arXiv preprint arXiv:2402.16142. 2024. DOI: 10.48550/arXiv.2402.16142. From text to transformation: A comprehensive review of large language models\' versatility / P. Kaur [et al.] // arXiv preprint arXiv:2402.16142. 2024. DOI: 10.48550/arXiv.2402.16142. Панина О.А., Юрин Д.А., Сухов И.Ю. Риски безопасности при использовании больших языковых моделей (LLM) в системах // Информатизация и связь. 2024. № 6. С. 65–72. DOI: 10.34219/2078-8320-2024-15-6-65-72. EDN NCCJVT. Panina O.A., Yurin D.A., Suhov I.Yu. Riski bezopasnosti pri ispol'zovanii bol'shih yazykovyh modelej (LLM) v sistemah // Informatizaciya i svyaz'. 2024. № 6. S. 65–72. DOI: 10.34219/2078-8320-2024-15-6-65-72. EDN NCCJVT. Chandra A., Chakraborty A. Exploring the role of large language models in radiation emergency response // Journal of Radiological Protection. 2024. Vol. 44. № 1. P. 011510. DOI: 10.1088/1361-6498/ad270c. Chandra A., Chakraborty A. Exploring the role of large language models in radiation emergency response // Journal of Radiological Protection. 2024. Vol. 44. № 1. P. 011510. DOI: 10.1088/1361-6498/ad270c. Jiang Y. The Applications of Large Language Models in Emergency Management // 2024 IEEE 6th Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC). IEEE, 2024. Vol. 6. P. 199–202. DOI: 10.1109/IMCEC59810.2024.10575031. Jiang Y. The Applications of Large Language Models in Emergency Management // 2024 IEEE 6th Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC). IEEE, 2024. Vol. 6. P. 199–202. DOI: 10.1109/IMCEC59810.2024.10575031. The role of large language models for decision support in fire safety planning / D. Durmus [et al.] // PROCEEDINGS OF THE... ISARC. 2024. P. 339–346. DOI: 10.22260/ISARC2024/0045. The role of large language models for decision support in fire safety planning / D. Durmus [et al.] // PROCEEDINGS OF THE... ISARC. 2024. P. 339–346. DOI: 10.22260/ISARC2024/0045. Чучупал В.Я. Нейросетевые модели языка для систем распознавания речи // Речевые технологии. 2020. № 1-2. С. 27–47. DOI: 10.58633/2305-8129_2020_1-2_27. EDN TOXWRW. Chuchupal V.Ya. Nejrosetevye modeli yazyka dlya sistem raspoznavaniya rechi // Rechevye tekhnologii. 2020. № 1-2. S. 27–47. DOI: 10.58633/2305-8129_2020_1-2_27. EDN TOXWRW. Attention is all you need / A. Vaswani [et al.] // Advances in neural information processing systems. 2017. Vol. 30. DOI: 10.48550/arXiv.1706.03762. Attention is all you need / A. Vaswani [et al.] // Advances in neural information processing systems. 2017. Vol. 30. DOI: 10.48550/arXiv.1706.03762. SafeMate: A Modular RAG-Based Agent for Context-Aware Emergency Guidance / J. Jiao [et al.] // arXiv preprint arXiv:2505.02306. 2025. DOI: 10.48550/arXiv.2505.02306. SafeMate: A Modular RAG-Based Agent for Context-Aware Emergency Guidance / J. Jiao [et al.] // arXiv preprint arXiv:2505.02306. 2025. DOI: 10.48550/arXiv.2505.02306. LLM multi-agent systems: Challenges and open problems / S. Han [et al.] // arXiv preprint arXiv:2402.03578. 2024. DOI: 10.48550/arXiv.2402.03578. LLM multi-agent systems: Challenges and open problems / S. Han [et al.] // arXiv preprint arXiv:2402.03578. 2024. DOI: 10.48550/arXiv.2402.03578. Gupta S., Chen Y.C., Tsai C. Utilizing large language models in tribal emergency management // Companion Proceedings of the 29th International Conference on Intelligent User Interfaces. 2024. P. 1–6. DOI: 10.1145/3640544.3645219. Gupta S., Chen Y.C., Tsai C. Utilizing large language models in tribal emergency management // Companion Proceedings of the 29th International Conference on Intelligent User Interfaces. 2024. P. 1–6. DOI: 10.1145/3640544.3645219. California launches new AI-powered chatbot that provides wildfire resources in 70 languages. URL: https://www.gov.ca.gov/2025/05/09/california-launches-new-ai-powered-chatbot-that-provides-wildfire-resources-in-70-languages/?utm_source=chatgpt.com (дата обращения: 03.08.2025). California launches new AI-powered chatbot that provides wildfire resources in 70 languages. URL: https://www.gov.ca.gov/2025/05/09/california-launches-new-ai-powered-chatbot-that-provides-wildfire-resources-in-70-languages/?utm_source=chatgpt.com (data obrashcheniya: 03.08.2025) Large language models in fire engineering: An examination of technical questions against domain knowledge / H. Hostetter [et al.] // arXiv preprint arXiv:2403.04795. 2024. DOI: 10.48550/arXiv.2403.04795. Large language models in fire engineering: An examination of technical questions against domain knowledge / H. Hostetter [et al.] // arXiv preprint arXiv:2403.04795. 2024. DOI: 10.48550/arXiv.2403.04795. The ERMES chatbot: A conversational communication tool for improved emergency management and disaster risk reduction / A. Urbanelli [et al.] // International Journal of Disaster Risk Reduction. 2024. Vol. 112. P. 104792. DOI: 10.1016/j.ijdrr.2024.104792. The ERMES chatbot: A conversational communication tool for improved emergency management and disaster risk reduction / A. Urbanelli [et al.] // International Journal of Disaster Risk Reduction. 2024. Vol. 112. P. 104792. DOI: 10.1016/j.ijdrr.2024.104792. PathGPT: Leveraging Large Language Models for Personalized Route Generation / S.C. Marcelyn [et al.] // arXiv preprint arXiv:2504.05846. 2025. DOI: 10.48550/arXiv.2504.05846. PathGPT: Leveraging Large Language Models for Personalized Route Generation / S.C. Marcelyn [et al.] // arXiv preprint arXiv:2504.05846. 2025. DOI: 10.48550/arXiv.2504.05846. Максимов А.В., Матвеев А.В. Перспективы использования коллективных знаний при реагировании на чрезвычайные ситуации // Науч.-аналит. жур. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2019. № 4. С. 89–97. EDN QPBTLA. Maksimov A.V., Matveev A.V. Perspektivy ispol'zovaniya kollektivnyh znanij pri reagirovanii na chrezvychajnye situacii // Nauch.-analit. zhur. «Vestnik S.-Peterb. un-ta GPS MCHS Rossii». 2019. № 4. S. 89–97. EDN QPBTLA. Методика анализа данных о чрезвычайных ситуациях в социальных сетях / А.В. Вострых [и др.] // Современные наукоемкие технологии. 2023. № 6. С. 81–88. DOI: 10.17513/snt.39635. EDN ZCOPNS. Metodika analiza dannyh o chrezvychajnyh situaciyah v social'nyh setyah / A.V. Vostryh [i dr.] // Sovremennye naukoemkie tekhnologii. 2023. № 6. S. 81–88. DOI: 10.17513/snt.39635. EDN ZCOPNS. Crisissense-llm: Instruction fine-tuned large language model for multi-label social media text classification in disaster informatics / K. Yin [et al.] // arXiv preprint arXiv:2406.15477. 2024. DOI: 10.48550/arXiv.2406.15477. Crisissense-llm: Instruction fine-tuned large language model for multi-label social media text classification in disaster informatics / K. Yin [et al.] // arXiv preprint arXiv:2406.15477. 2024. DOI: 10.48550/arXiv.2406.15477. Lamsal R., Read M.R., Karunasekera S. CrisisTransformers: Pre-trained language models and sentence encoders for crisis-related social media texts // Knowledge-Based Systems. 2024. Vol. 296. P. 111916. DOI: 10.1016/j.knosys.2024.111916. Lamsal R., Read M.R., Karunasekera S. CrisisTransformers: Pre-trained language models and sentence encoders for crisis-related social media texts // Knowledge-Based Systems. 2024. Vol. 296. P. 111916. DOI: 10.1016/j.knosys.2024.111916. Fireexpert: Fire event identification and assessment leveraging cross-domain knowledge and large language model / G. Luo [et al.] // IEEE Transactions on Mobile Computing. 2025. DOI: 10.1109/TMC.2025.3528413. Fireexpert: Fire event identification and assessment leveraging cross-domain knowledge and large language model / G. Luo [et al.] // IEEE Transactions on Mobile Computing. 2025. DOI: 10.1109/TMC.2025.3528413. A real-time mapping method for knowledge graph-driven large language models: a focus on indoor fire evacuations / T. Wang [et al.] // International Journal of Digital Earth. 2025. Vol. 18. № 1. P. 2468407. DOI: 10.1080/17538947.2025.2468407. A real-time mapping method for knowledge graph-driven large language models: a focus on indoor fire evacuations / T. Wang [et al.] // International Journal of Digital Earth. 2025. Vol. 18. № 1. P. 2468407. DOI: 10.1080/17538947.2025.2468407. Wildfiregpt: Tailored large language model for wildfire analysis / Y. Xie [et al.] // arXiv preprint arXiv:2402.07877. 2024. DOI: 10.48550/arXiv.2402.07877. Wildfiregpt: Tailored large language model for wildfire analysis / Y. Xie [et al.] // arXiv preprint arXiv:2402.07877. 2024. DOI: 10.48550/arXiv.2402.07877. Using large language models to extract core injury information from emergency department notes / D.H. Choi [et al.] // Journal of Korean Medical Science. 2024. Vol. 39. № 46. DOI: 10.3346/jkms.2024.39.e291. Using large language models to extract core injury information from emergency department notes / D.H. Choi [et al.] // Journal of Korean Medical Science. 2024. Vol. 39. № 46. DOI: 10.3346/jkms.2024.39.e291. Sim911: Towards effective and equitable 9-1-1 dispatcher training with an llm-enabled simulation / Z. Chen [et al.] // Proceedings of the AAAI Conference on Artificial Intelligence. 2025. Vol. 39. № 27. P. 27896–27904. DOI: 10.1609/aaai.v39i27.35006. Sim911: Towards effective and equitable 9-1-1 dispatcher training with an llm-enabled simulation / Z. Chen [et al.] // Proceedings of the AAAI Conference on Artificial Intelligence. 2025. Vol. 39. № 27. P. 27896–27904. DOI: 10.1609/aaai.v39i27.35006.