文 / 朱华　天津普泰国信科技有限公司

　　在全球信息化快速发展的大背景下，大数据已经成为国家重要的基础性战略资源、重塑国家竞争优势的新机遇、提升社会治理能力的新途径。公安部以习近平新时代中国特色社会主义思想为指引，牢固树立总体国家安全观，全面实施公安大数据战略，为各部门各警种、各地公安机关和基层民警以及政府部门和相关行业、人民群众提供智能化、专业化服务，切实提高公安机关态势感知、预警预测、精确打击、动态管控、扁平指挥、社会服务等核心战斗力。公安“大数据”的深度应用让公安警务工作向“智慧公安”转变。在大数据时代，基于公安数据与社会数据融合的大数据分析研判在公安侦破案件、预防犯罪、精确打击、辅助决策等警务工作中的作用日益显著。

　　一、大数据在“智慧公安”领域中的应用优势

　　大数据在“智慧公安”领域中的应用优势主要体现在以下几个方面：

　　一是对大量结构化和非结构化数据进行智能化分析处理。公安机关在履行社会管理职责过程中，已经掌握、管理、储存了各类数据信息，包括人口管理、接处警信息、出入境登记、旅店宾馆住宿信息、机动车驾驶员信息、视频等结构化和非结构化数据，这促成了公安机关掌握的数据储存海量化和类型多样化。针对这些互联网信息、生物特征信息、行为轨迹、图片影像等海量数据进行智能化处理分析，是公安机关应用大数据的优势，也是当前公安信息化建设的重点。

　　二是构建起以大数据智能应用为核心的“智慧公安”新模式。公安机关在长年的案件侦破过程中，技术人员通过从海量的案例信息、社会资源信息中提取有效数据，结合时间、空间、人文地理等要素进行加工分析，找出暴力犯罪、恐怖袭击、恶性群体性事件等各自的发生要件，总结出各类案件发生的要素特征，形成了各种各样行之有效的技战法，积累了丰富的实战经验。通过大数据技术可以很好地将这些老民警经验和技战法进行模型化，结合各类要素特征数据建立起相应的模型，实现智能分析研判、自动预测预警、精准防范打击、便捷管理服务等应用，构建起以大数据智能应用为核心的“智慧公安”新模式，真正向科技要警力。

　　三是随着大数据在“智慧公安领域”的深度应用，各类方法和工具正不断完善和创新。用于大数据分析的关键技术，包括 A/B 测试、关联规则挖掘、分类、数据聚类、众包、数据融合和集成、数据挖掘、集成学习、遗传算法、机器学习、自然语言处理、神经网络、神经分析、优化、模式识别、预测模型、回归、情绪分析、信号处理、空间分析、统计、监督式学习、无监督式学习、模拟、时间序列分析、时间序列预测模型、可视化技术等。用于整合、处理、管理和分析大数据方面的关键技术有 BigTable、商业智能、云计算、Cassandra、数据仓库、数据集市、分布式系统、Dynamo、GFS、Hadoop、HBase、Map R educe、Mashup 等。

　　四是编制公安大数据建设标准体系。各地公安机关结合以往大数据建设经验和问题总结，整理编制了公安大数据建设标准体系，包括：基础标准、数据处理标准、数据安全标准、数据质量标准、产品和平台标准及应用和服务标准等。通过统一标准，统一数据标准和信息交互的技术标准，大大降低了公安内外部各系统信息交互和使用成本，使得各部门各系统能够把更多精力和资源专注于要解决的业务问题上。

　　二、大数据在“智慧公安”领域中的应用难点

　　虽然大数据技术在“智慧公安”领域中的应用优势明显，但在实际应用过程中也存在一些难点问题。

　　难点一：过于依赖源头信息采集，导致基层民警信息采集工作量大。在“智慧公安”领域，哪些数据是有用的，哪些是需要关心和提取的，这是一直在探索的问题，为确保公安工作有效开展 , 就要求尽可能广泛获取各种信息资源。目前，公安机关倡导信息“全警采集”，通过建立健全“信息工作基础化、基础工作信息化”的工作机制，将信息采集建立在扎实的基层基础工作之上。然而，由于信息采集覆盖面广，必然导致基层民警信息采集任务繁重，造成信息采集效率低下、质量不高，也影响了日常警务活动的开展。

　　难点二：有价值的非结构化数据难以高效、直接利用。当前公安系统数据特点以结构化数据为主、半结构化数据为辅、非结构数据增量巨大。增量巨大的视频图像数据作为非结构化数据，不能直接实现结构化查找检索，无法将其中有价值的信息直观、高效的提供给各个业务需求部门。以车辆识别为例，以往建设的卡口系统主要通过车牌进行车辆识别，并以车牌为检索条件，实现从海量过车图片中查找车辆。然而一旦犯罪嫌疑人或交通肇事者使用假牌、套牌或进行车牌遮挡、摘掉等行为时，常规仅能识别车牌的系统就难以继续获取目标车辆的动态信息。遇到该类案情便只能依据车辆本身固有和难以更改的信息，如品牌、型号、颜色等从海量过车视频图像中依靠人工进行查找和识别目标车辆。

　　难点三：数据加工处理及汇集整合面临诸多困难。针对庞杂而丰富的信息资料，只有进行整序、浓缩、升华、系统化，使之成为一个有机的整体即信息资源，才能发挥其整体效益、系统效益，并从中提炼出有价值的情报信息。当前，公安机关“条”与“条”、“块”与“块”、“条”与“块”之间缺乏有效的信息交流，不同部门、不同地区的信息资料互设壁垒、互不共享或者共享不完整，导致信息资源网络化、集成化程度低。与此同时，各类犯罪的新动向、新特点、新情况变化多样，特别是对于团伙、流窜、同类案件，仅靠单一信息资源难以侦破案件，往往需要通过多地区、多源信息内部关联，才能碰撞出高价值的情报线索，服务警务实战。

　　难点四：数据的时效性难以得到保障。目前，用于“智慧公安”大数据的信息资源一部分从各公安业务信息系统中抽取，一部分从社会其它部门通过交流交换以定期复制、提取的方式获得。这些信息资源都存在一定程度的时差，不具备实时性，这使得大数据分析及应用受到限制。

　　三、大数据在“智慧公安”领域中的深度应用

　　目前对于公安大数据的应用主要包括以下五个方面：

　　1.深度的数据融合

　　在数据融合方面，能够实现数据的跨网、跨平台、跨系统间的数据整合，极力促成公安网、技侦网、网安网、视频网等数据深度融合，确保公安内部与外部、网上与网下、真实与虚拟的信息有效整合。通过数据融合，实现互联网虚拟世界向真实世界的关联映射，实现真实世界向虚拟世界的扩展延伸，对实名登记数据、互联网数据、通联数据、车辆数据、社会化数据深度关联有机整合，真正实现“人、车、物、证、网、像”等全面刻画。

　　2.变实战经验为业务数据模型

　　充分运用人工智能新技术突破人力极限，全面构建以灵敏感知、主动发现、精准推送、动态在线为特点的大数据智能应用服务体系，以公安业务实战的需求为出发点，将案件分析、研判、处理等警务流程归纳成为应用模型，在数据挖掘、特征提取、算法优化、模型构建、知识总结和规律发现等方面实现新突破，促进大数据在公安工作全领域、全方位、全过程的深度智能应用。

　　3.提供关联关系发现

　　通过全维度的数据分析挖掘，查找人员关系、时空轨迹、通联信息、定位轨迹等关联关系、规律特点、因果关系，通过流程化、可视化的方式向民警预测预知风险状态。

　　4.更深层次警情研判

　　通过提供多种统计分析方法、数据挖掘模型和多维分析等手段，对治安态势的预测分析、犯罪行为分析、重点人员轨迹分析和多业务库智能碰撞比对与关联分析，深层次、多方位的从海量数据中提炼有价值的数据，并通过多模式的比对进行智能研判，实现对重点人员异动的预警。预警信息可推送至多部门、多警种，使相关警种及时掌握警情态势，把握稳控先机，促进跨部门信息共享及合作联动，实现警力的科学部署和智能决策。

　　5.提供直观丰富的数据展示

　　利用可视化技术将抽象的数据通过直观、生动的图形、图表展示出来，通过曲线图、柱状图、趋势图等综合展现数据的详细信息、案件趋势走向和分布区域、人员流向等，让数据“慧”说话，为警务工作者提供实时、直观、整合的信息，支持决策层快速、精准制定战略。

　　以天津普泰国信研发的多维数据侦查防控平台为例。多维数据侦查防控平台围绕维护国家安全、打击犯罪、治安防控等公安业务总体规划，按照“大数据、高共享、深应用、强实战”的总体思路 , 以互联网、物联网、云计算、边缘计算、5G 数据传输、智能引擎、视频计算、数据挖掘、知识管理等为技术支撑，汇聚收集各类治安业务数据和治安要素信息，实现“人、车、物、证、网、像、事”等要素数据全采集、全面融合，围绕“人”的各种维度进行全面刻画，形成人员超级档案，并从“打、防、管、控”实战需求出发，构建宏观态势分析、高危重点人群预测、活动规律呈现、紧急事态推演等数据研判预警模型，通过多维数据分析挖掘，查找人员关联关系、时空轨迹、规律特点、因果关系，并以可视化的方式向民警预测预知风险状态，可支撑全警应用。

　　四、大数据在“智慧公安”领域中的应用着力点

　　大数据应用具有揭示事物内在联系的特点，有助于改变公安管理被动、粗放的工作局面。通过对警务工作大数据的研究分析，可在指挥调度、警力配置、治安防范等方面开展预测分析、制定更精细化的工作方案，将有限的警力资源投放到最关键的位置，实现警力边际效应最大化。

　　在指挥决策、业务指导、组织管理方面 , 通过态势风险、决策推演、动态评估、重大风险预警等应用 , 实现风险提前预警、全时态势感知、决策综合推演、政策动态评估。

　　在维稳防护、打击犯罪、治安防控方面 , 通过构建维护稳定、打击犯罪、治安防控等智能应用 , 实现违法犯罪精准打击以及人地事物动态管控。在内部管理方面 , 通过对警员行为监测与评估、警务保障等智能应用 , 实现全警警务数据铁笼和警务保障智慧高效。

　　在行政管理方面 , 深化出入境重点人员实时管控、交通管理分析、智慧交通集成指挥被监控重点人员实时管控等方面精细化应用 , 实现科技强警、执法规范以及安全监管。

　　可以预见，基于“大数据”的应用将进一步帮助公安机关精准洞悉警务管理的趋势和着力点，使警务工作的资源配置更加科学、协同配合更加便捷、管理服务更加高效。未来对于数据收集、组织、分析的能力将直接决定公安工作的战斗力。