Chatbot Baseado em LLM para Assistência em Situações de Alagamento

• Eduardo A. Reolon UTFPR
• Ricardo Lüders UTFPR
• Luiz Gomes-Jr. UTFPR

DOI: https://doi.org/10.5753/erbd.2025.6862

Resumo

Eventos de alagamento representam um risco significativo à população, especialmente em áreas urbanas vulneráveis. Estudos indicam que muitos incidentes fatais ocorrem devido a comportamentos de risco adotados pelas vítimas, tornando essencial a disseminação de informações precisas durante essas situações. Este trabalho apresenta um agente inteligente baseado em Large Language Models (LLMs), projetado para fornecer orientações em tempo real a pessoas afetadas por alagamentos. O agente processa informações contextuais, como previsões meteorológicas, dados geoespaciais e infraestrutura urbana, para gerar recomendações personalizadas sobre deslocamento seguro, permanência em casa e busca por abrigo. A avaliação do agente, realizada por meio de um questionário com diferentes cenários de emergência, demonstrou um desempenho positivo na comunicação e assistência aos usuários, destacando o potencial da inteligência artificial para a mitigação de desastres naturais.

Referências

Basnyat, B., Roy, N., and Gangopadhyay, A. (2020). Towards AI conversing: Floodbot using deep learning model stacks. In Proceedings of the IEEE/ACM International Conference on Cyber-Physical Systems (ICCPS). IEEE.

Davis, F. D. (1993). User acceptance of information technology: system characteristics, user perceptions and behavioral impacts. International Journal of Man-Machine Studies, 38(3):475–487.

Diakakis, M. (2020). Types of behavior of flood victims around floodwaters. Correlation with situational and demographic factors. Sustainability, 12(11):4409.

Diaz-De-Arcaya, J., López-De-Armentia, J., Miñón, R., Ojanguren, I. L., and Torre-Bastida, A. I. (2024). Large language model operations (LLMOps): Definition, challenges, and lifecycle management. In 2024 9th International Conference on Smart and Sustainable Technologies (SpliTech), pages 1–7. IEEE.

Fernandez, H. G. and Splendore, P. R. (2021). Sistema de identificação automática de riscos hidrometeorológicos com retroalimentação e reestruturação autônoma da infraestrutura de comunicação. Master’s thesis, Universidade Tecnológica Federal do Paraná.

Kasinathan, V., Mustapha, A., Anuar, A. S. Z., and Lim, E. C. M. (2020). Flow: Intelligent flood aid chatbot as virtual flood assistant. International Journal of Management, 11(10):1749–1756.

LangChain (2025). Langchain: Building applications with LLMs. Acessado em: 31 mar. 2025.

Ollama (2023). Meta’s llama 3.2 goes small with 1b and 3b models. Disponível em: [link].

Urbanelli, A., Frisiello, A., Bruno, L., and Rossi, C. (2024). The ERMES chatbot: A conversational communication tool for improved emergency management and disaster risk reduction. International Journal of Disaster Risk Reduction, 112:104792. Under a Creative Commons license.

von der Mosel, J., Trautsch, A., and Herbold, S. (2023). On the validity of pre-trained transformers for natural language processing in the software engineering domain. IEEE Transactions on Software Engineering, 49(4):1487–1507.