当前，国际国内政治经济深刻变革，世界各地经济交往相互协调发展、相互联系依存、相互竞争制约，我国社会主义市场经济快速发展，在这种经济转轨、社会转型过程中触发了社会多层次、多方面的利益矛盾，产生了诸多不稳定因素，且这些不稳定因素正向隐蔽性、综合性、复杂性转变，涉及的领域更加广泛，更难以预见，以往的工作机制已不能满足新形势下的维稳工作需要。完善维稳情报信息搜集、研判、预警机制，构筑“大情报、大信息”格局，引领维稳工作走向现代化、信息化、正规化是适应新的国际国内形势变化发展的需要。

　　近年来，公安信息化建设的加快推进，为情报信息分析研判工作提供了强大的信息资源和手段支撑。通过构筑一条情报获取、情报传递、情报分析与研判、情报决策的“数据链”来实现对犯罪目标的快速反应和精确打击。在“大情报”体系下，如何把握信息化建设体系的契机，增强公安机关情报信息研判的科学性、实战性和针对性，使情报信息效益得以充分发挥，已经成为迫切需要研究和解决的一个重要课题。

　　在大数据时代下，利用人工智能技术帮助公安机关对于治安形势的发展趋势保持高度敏感和警惕，主动关注各类警情的趋势并及时发现异常变化，在第一时间采取针对性措施，以提高警情的处置效率和反应能力，实现社会治安形势从整体到局部的全面监控将是公安机关未来的一个重要工作方向之一。

　　1.  国内外警情处置技术的现状

　　西方国家多采用情报信息主导警务模式。九十年代后，西方发国家已经开始向警务情报模式过渡，最具代表性的是英国的国家情报模式（IM）、美国情报信息主导警务战略（COMPSTAT）和澳大利亚的情报分析警务。

　　随着我国警务信息化建设的不断深入，我国警务指挥系统已从最初电话联系、辖区分工，逐步演变到三台合一的情指勤指挥调度系统。结合先进的技术在指挥调度全环节流程做了很多改进，涉及预警、接警、研判、处警、督导、勤务、回告等。由于指挥调度全环节涉及广、协作多，目前系统平台还面临不够智能、人工参与多、预案少、智能化监督不足、考核体系不完善、模块化集成封装不够灵活等诸多问题。

　　当前风险警情接处警现场应急指挥处置存在一定问题，如：信息搜集能力薄弱，先期研判不足；风险评估缺位，应变能力不足；现场处置随意，预案不足；协同配合混乱，指挥能力不足等。近年来，面对以大数据、人工智能为代表的新一轮科技革命浪潮，公安机关大力推进“科技兴警”重大战略部署，警务机制将向精准化、信息化、智能化转型升级，随着公安警情事件应急处置技术不断深入，将大大提升警务工作效能。

　　2.知识图谱等人工智能技术在公安大数据中的发展趋势

　　知识图谱由Google于2012年5月17日正式提出，最初是为了提高搜索引擎的能力，提升搜索质量，让用户获得更好的搜索体验。其本质是Google的语义网络知识库，采用语义检索技术从多种信息源收集与某一主题相关的实体或概念，以及他们之间的关联所形成的网络图，图中的节点对应实体或概念，图中的弧对应实体或概念之间的关联关系。知识图谱用节点和关系所组成的图谱为真实世界的各个场景直观地建模。通过不同知识的关联性形成一个网状的知识结构，对机器来说就是图谱。形成知识图谱的过程本质是在建立认知、理解世界、理解应用的行业或者领域。知识对于人工智能的价值就在于让机器具备认知能力。构建知识图谱这个过程的本质就是让机器形成认知能力，去理解这个世界。知识图谱为互联网的海量、异构、动态的大数据表达、组织、管理以及利用提供了一种更为有效的方式，使得网络的智能化水平更高，更加接近于人类的认知思维。随着智能信息服务应用的不断发展，知识图谱已被广泛应用于智能搜索、智能问答、个性化推荐等领域。

　　知识图谱近年来已逐渐从传统的知识分析应用扩展到对社会实体及其关系的研究和应用中，特别是在行业知识图谱应用领域得到广泛应用。知识图谱具有适用于表示和融合碎片化知识的优点，不仅给出了局部知识到全局知识的统一表示形式加速知识融合，也简化了碎片化知识间关联关系的搜索。

　　知识图谱的这两个特点特别适合公安领域应用，一方面，公安机关面向的对象就是社会上的各类个体，主要工作内容就是分析个体及个体间的关系并开展相应的工作；另一方面，公安机关获取的信息是碎片化的，但是公安工作必须要将碎片化信息整合为全局性信息才能正确开展，因此知识图谱对公安工作具有很好的适应性，对警用大数据建设提供了良好的启发。

　　在公安大数据应用中需要使用知识图谱来进行知识检索，在检索过程中需要将其内涵进行扩展，让知识图谱成为公安视角下社会治安态势的反映，知识图谱成为一种警用大数据的社会描述模型，将其作为大数据应用的基础层，统一用其来支撑各类应用，用来描述各类对象、对象间的关系以及对象集合的各种状态。

　　3.知识图谱技术在警情处置领域的应用趋势

　　利用知识图谱等新一代信息技术可以提升警情处置技术在公安大数据领域的应用效能，以数据驱动丰富一线公安机关业务场景，强化情报信息分析研判，提高情报信息主导警务工作的能力，以移动化和智能预案实现一线民警执法规范，完成新一代公安警情事件应急处置技术的探索和应用，提高警情的处置效率。

　　基于大数据挖掘、知识图谱、机器学习等新一代信息技术实现警情处置技术的革新和应用，通过对海量警情数据的感知和认知，利用知识图谱进行关系预测、知识推理和预测分析，对警情数据研判与预测转化为决策信息实现智能化警情处置。基于数据流融合关联和知识图谱关系预测的基本原理，以图结构数据的演化模型为基础，关注以隐含状态转移生成式模型和概率生成图结构推断等为基础的统计建模等技术，分析建模目标的行为规律，甄别周期性和突发异常的行为模式。

　　1.基于知识图谱的智能化警情处置技术研究

　　（1）基于综合图谱模式的多维数据匹配技术

　　在重要行为记录的事件、组织记录的模式检索中，借助基于关联子结构、子模式的匹配技术可以构建频繁结构索引，以实现突破传统关键字技术的检索模式，支持基于复杂时间、行为轨迹、兴趣聚簇的检索任务，支撑多种上层分析研判应用的开展。在多来源和跨时空的公安行业数据获取、感知、融合、去重等处理后，利用知识图谱等辅助信息，优化对数据的表示，提高数据概况、索引设计、数据分发等重要操作的效率，提升知识图谱的语义知识表示能力。

　　（2）多目标异常行为预测技术实现目标稀疏和长期潜伏的趋势预测

　　在初始对象网络图谱结构中，首先基于特定群体影响力最大化模型寻找热点目标源；其次研究已有样本数据对象被感染的情况，假定网络结构不变的情况下，利用连续时间传播模型预测哪些数据对象会在什么时间被感染；最后研究随着时间变化，在网络结构发生变化的情况下，有效对网络结构变化进行建模和量化，以实现信息溯源和传播估计的同时，准确描述网络的动态特性和变化趋势，达到抗过拟合特性，解决公安工作中目标稀疏和长期潜伏的挑战。

　　（3）图结构行为演化预测模型追踪和识别可疑目标

　　针对公安行业中的行为模式和新场景不断涌现等问题，通过警情信息的相似性分析、类统计分析、条件过滤分析等，定位工作对象以及疑似工作对象的行为轨迹特征，获取与其行为相似的人或物品等。结合监控数据和多样辅助来源，基于快速哈希映射的序列相似技术实现对持续追踪任务中的人员行为模式的有效覆盖，进而追踪和识别可疑目标的临近和相似个体。

　　2.基于机器学习的人工智能警情研判与预测技术研究

　　（1）建立符合公安警情处置业务的信息资源模型和算法

　　在进行研判的过程中，通过对各类数据按照不同业务类别进行数据分析研判，形成不同主题域组织形式的数据模型库。随着研判的不断深入，公安知识库所产生的主题模型也将不断扩展，在系统建设过程中实现搭建自然人中心主题模型、社交为中心的主题模型、关键事件为中心的主题模型以及重点区域为中心的主题模型。

　　（2）异常突发行为预测支持技术实现相关事件的预测报警

　　构建大数据平台关注实时聚集度是通过对大规模人群、车辆等轨迹趋势的分析实时获取，并对相关事件进行预警。大数据平台留存所有人员的全息电子档案，根据电子档案的多个维度信息挖掘发现其可能涉及公共安全的可能事件及相关的关系人，对可能出现的情况发出预警。

　　3.基于警情大数据时空分析的智能警力部署应用研究

　　在大数据时代，警务模式逐步向“情报引导警务”转变，要求公安机关利用后台强大的大数据平台分析犯罪高发的时间、地点和类型等多维度时空警情数据，探究犯罪规律和发展趋势，依此调整警力部署，有效提高整体警务效能。

　　大数据平台监控敏感地点活动、关注地点聚集、敏感人群事件等关注事件，依据相关模型对于该事件产生的影响发出预测报警，实时发布预警信息和行动指令，系统对警情高发区域深入分析高发案件类型和高发时间段，能够及时对该区域的勤务安排做出有针对性的调整；对于重大安保活动可以通过系统自动匹配重点人群的轨迹来及时预警周边警力；对于重大案件的联勤活动可以通过系统来对联勤任务的时效进行实时监督；对于现场指挥人员的行动位置和反馈结果可以通过系统来进行自动抽查发现遗漏。

　　近年来，全国公安科技信息化部坚持以习近平新时代中国特色社会主义思想为指引，紧紧围绕党中央以及公安部党委有关决策部署，以推进公安大数据智能化建设为关键抓手，将“科技兴警”作为重大战略部署强力推进，长远谋划、精细作为。随着“大数据+人工智能”的应用，海量数据分析检索深度挖掘，智能化警务应用将会更加丰富，推动智慧警务应用跨越发展。

　　人工智能在警情处置方面相关技术主要包括：

　　1.计算机视觉识别技术。从海量视频和图片数据中快速辨识人物、车辆等关键目标，精准识别车型、车牌、人物面貌等细节特征，对特定对象的行为、轨迹等的检测和追踪等，在“看得清”、“查得准”的基础上，与指挥调度系统无缝对接，实现“反应快”；

　　2.智能接处警技术。通过语音识别、语义分析，并结合位置定位、数据挖掘等技术，在接警后快速完成警情分类、预案建议、情报推送等智能化处理，极大提高了警情处置的精准性和有效性；

　　3.基于机器学习的智能预案技术。通过自动学习大量自然灾害、事故灾难、公共卫生和社会安全事件的相关案例和处置方案，对突发事件的隐患、预防、化解、预警和处置提供可供人工干预的方案和预案支持。

　　随着人工智能、云计算、物联网、大数据、5G等关键技术的日趋成熟，警情处置将从事后处置向事前预防、人海战术向精准打击转型，以海量信息处理、数据挖掘和智能分析为特征的信息化应用将推动警情处置技术和流程的全新变革。警情处置技术创新应用以服务于警务决策和实战为目标，围绕警情信息从需求到应用的信息化工作流程，实现警情的采集、汇总、分析、检索、预测、评估、展现等功能，不断提升警情信息的共享水平、综合研判效能和为实战服务的能力，为领导及时掌握情况和决策提供帮助和支持。

　　在人工智能、大数据时代，利用大数据、知识图谱等新一代信息技术构建一个智能化警情分析、研判、预测、决策、指挥处置一体化系统，将数据库中大量的警情数据转化为有用的决策信息，能够科学地对警情进行预测，可以大大提高警情处置效率和应急指挥调度能力。同时，利用知识图谱构建警用社会描述模型大数据可有效整合各警种、各部门的业务应用系统，最大限度地共享利用警情信息资源。在重大突发事件发生时可通过警情应急处置预案对突发事件应急处置工作进行决策部署，实现统一指挥、多方联动、协同应对，提高动态化、智能化警务业务和驾驭社会治安局势能力。

　　文 | 冯力  金鹏电子信息机器有限公司