基于公安大數據的智慧感知系統研究與應用

文/徐維 梅楊

1 引言

隨著云計算、大數據技術的快速發展，公安大數據戰略不斷升級，大數據在犯罪打擊、管理預防等領域的應用遍地開花，數據存儲、管理、分析已經成為社會治理、打擊犯罪的利器。公安大數據應用分析的國際研討會也在不斷展開，2018年公安大數據應用分析國際研討會在北京落幕，此次研討會圍繞“數據治理、知識圖譜、情報研判、預警預測、視頻大數據、人像大數據、AI賦能公安實戰”等前沿問題展開激烈討論，公安相關專家也強調，實施公安大數據戰略的根本目的是提升公安工作智能化水平，以機器換人力，以智能增效能，最大限度地釋放警力，具體實施路徑就是堅持刀刃向內，自我革命，加快推進數據融合共享，先把智慧公安的大腦建好。基于此本文提出了一種基于公安大數據的智慧感知系統，此系統充分融合公安各類數據，通過大數據技術為公安的工作增能增效。

2 智慧感知系統架構介紹

總體邏輯架構上，系統分為四個層次：資源層、支撐層、應用層、展現層。基于公安大數據的智慧感知系統架構圖如圖1所示。

2.1 資源層

系統資源層通過前端采集設備接入視頻資源、人臉卡口資源、車輛卡口資源、高點高清資源、RFID資源、Wi-Fi資源等多維度的數據資源，進行統一分類存儲、結構化解析，然后匯聚存儲，最終實現多種類數據資源融合、共享，為支撐層的算法提供豐富的數據“原料”。

圖1：系統整體構架

2.2 支撐層

支撐層主要為系統提供算法引擎，數據實時分析、離線分析、最短路徑分析、時空分析、數據管理、存儲等基礎服務功能，同時也為系統提供數據分類檢索、用戶管理、日志管理以及權限管等功能。

2.3 應用層

系統應用層主要包括全景感知、布控預警、時空重現、數據洞察、專題庫應用等。

2.4 展現層

分為C/S客戶端、B/S客戶端、以及統一門戶管理。

3 基于公安大數據的智慧感知技術

3.1 多維感知數據接入

3.1.1 數據倉庫技術

數據倉庫（DataWarehouse，DW）是一個面向主題的、集成的、不可更新的、隨時間不斷變化的數據集合，它用于支持企業或組織的決策分析處理。通過數據倉庫技術，可以全網匯聚的治安卡口數據、社會卡口數據、人臉數據、電子警察數據、ETC數據、點位信息數據等這些原來分散的數據進行抽取、清理，并在此基礎上根據車牌、有無違章、活動區域等主題，對原來的數據進行重新組織，歸為人臉、車輛、Wi-Fi、RFID四大類數據，以便系統用戶方便快速查詢所需要的信息，提供決策支持。所存儲的數據可支持HDFS文件系統、也可支持HBase分布式數據庫或Redis內存數據庫，存儲文件可表現為多種形式，數據倉庫可為交互式統計分析、全文檢索、數據挖掘等數據處理功能提供高速的I/O數據訪問。

3.1.2 數據接入總線

數據接入總線主要負責數據的抽取、轉換、清洗及標準化，支持注冊、心跳、校時、注銷及采集接口，除了基于GA/T 1400-2017和GB/T 28181-2016標準的數據接入方式外，亦可根據實際情況采用多源的數據接入方式，按照相關標準規則進行清洗、轉換，轉化為標準化數據格式，保障接入數據的標準安全。

3.1.3 數據跨網絡接入

由于公安網與互聯網是物理隔離的，在涉及跨網絡數據接入時，主要借助網閘技術，通過安全邊界實現數據交換，保障網絡與數據的安全性。

3.2 數據存儲

感知大數據庫包括按照GA/T 1400標準建設的視頻圖像信息數據庫（簡稱視圖庫）以及Wi-Fi、RFID等標準中未涉及的自定義標準的匯聚庫。數據存儲整體構架如圖2所示。

3.2.1 標準視圖庫

按照GA/T 1400標準并借助KAFKA消息組件，完成人員匯聚庫、人臉匯聚庫、機動車匯聚庫、非機動車匯聚庫、圖片匯聚庫及視頻片段匯聚庫等結構化數據的匯聚。利用HDFS組件提供匯聚庫子系統所需的數據存儲空間。

3.2.2 其他匯聚庫

包含Wi-Fi匯聚庫、RFID匯聚庫等非GA/T 1400標準的數據匯聚庫，隨著系統的使用，數據會源源不斷的增多，這些數據有標準則按照標準進行建庫管理、無標準則根據數據特征自定義標準進行建庫管理，最終形成統一化的感知大數據匯聚庫。

3.3 數據分析與碰撞

基于公安大數據的數據分析與碰撞主要作為應用支撐層，為應用層的業務提供大數據分析、檢索、關聯比對等能力，同時提供相關的大數據分析模型，為應用平臺提供業務應用接口，應用平臺基于大數據系統分析的結果，做人機交互應用。

3.3.1 數據分析

（1）檢索及關聯分析：基于公安大數據基礎，利用Hadoop框架實現對海量數據的秒級檢索及關聯分析，為應用層提供人臉、車輛、MAC、RFID軌跡偵查，關聯分析應用。

（2）時間、空間、事件關聯分析：根據“時間-空間”、“空間-時間”、“空間-事件”、“事件-空間”等關聯關系，基于公安業務建立多種數據模型，并借助于地圖服務進行可視化分析展示，服務于公安實戰應用。

（3）多檔融合：多檔融合主要提供人、車、號碼之間時間變化的分析數據，提供以人、車、手機MAC地址、電動車RFID編號、地址、事件之間相互關系的分析數據。通過統一的分析入口，將人，車，地，事等幾個專題庫關聯起來的數據進行分析展現，起到整合各種數據為一個有關聯的整體。

3.3.2 數據碰撞

數據碰撞充分利用前端感知的目標（如：車輛、人臉、手機、RFID等），再結合目標的時間、空間等多維度屬性特征，基于大數據分析引擎、實時流處理等技術，結合公安民警實戰應用訓練出成熟的實戰分析模型，對目標對象進行分析。通過對多維數據綜合研判、數據過濾、時空關聯度判斷、GIS空間地圖多軌重合度比對，實現由車到人，由人到車，由案到車，由車到案的高效關聯。具體實際應用實踐包括車輛大數據分析、人像大數據分析、手機大數據分析、RFID大數據分析、多維大數據分析等。

4 智慧感知系統應用實踐

基于公安大數據的智慧感知技術的研究分析，本文設計了基于公安大數據的智慧感知系統。主要包括全景感知、實時監控、數據查詢、數據碰撞、布控報警等模塊。

4.1 全景感知

全景感知以前端多維感知數據為基礎，以地圖展示為中心，基于大數據統計分析、大數據碰撞挖掘、算法識別比對等技術，分析出有用信息，從宏觀層面進行智慧感知相關數據的一屏展示，實現平臺重點區域數據概況展現、數據感知概況展現、數據統計趨勢概況展現、數據碰撞分析（即異常數據挖掘）概況展現、重點目標布控預警概況展現、智能推薦展示、圖像解析展示等內容，有助于公安部門對社會治安的整體把控，對社會治理做出快速有效、全面的決策。

4.2 實時監控

智慧感知系統實時監控模塊，對接入的視頻數據、實時過車數據、實時人像抓拍數據、實時Wi-Fi捕獲數據、RFID監控等多維數據，通過選擇設備點位實現實時視頻監控、數據監控（包括車輛數據、人像數據、Wi-Fi數據及RFID電動車數據等），并結合布控報警信息，

支持按照設備類型進行選擇并支持選擇在線設備，如若知道具體設備名稱，亦可直接通過搜索設備列表快速找到點位設備，并同步在地圖上進行高亮展示，點擊即出現點位設備信息彈框，有設備名稱、設備編號、設備IP、設備在線狀態、設備所在區域等，并可一鍵進行實時預覽、錄像回放、告警查詢、多維布控等操作，便于公安民警基于實時監控數據進行一鍵處理。

4.3 數據查詢

智慧感知系統數據查詢模塊，通過對全量感知數據（包括海量過車數據、人臉抓拍數據、行人數據、非機動車數據、MAC數據、RFID電動車捕獲數據等）進行統一規劃、統一存儲，采用全文檢索（Elasticsearch）引擎技術，分類建立全文索引，實現根據時間范圍、空間位置、目標特征屬性等信息進行秒級檢索查詢，全面提升公安民警的工作水平和辦事效率。

4.4 數據碰撞

智慧感知系統數據碰撞應用模塊，充分利用前端感知的目標（如：車輛、人臉、Wi-Fi、RFID等）特征信息，結合目標的時間屬性、空間屬性等多維度屬性特征，進行綜合分析研判，挖掘目標出行規律、異常行為特征，為案件的線索發現、案件偵查提供快速高效的分析手段。

采用最短路徑、時空分析等技術對人、車、案件等元素進行時空重現，根據案事件的時空屬性、嫌疑人的照片、車輛、Wi-Fi、RFID等條件進行檢索，生成目標軌跡，同時可根據以車牌、MAC、RFID，或者人臉為目標，搜索一定同行時間、空間位置范圍、同行次數內的其他一個或者多個目標（車牌、MAC、RFID，或者人臉）軌跡，形成多軌合一，輔助公安民警快速追蹤嫌疑目標。

4.5 布控報警

智慧感知系統布控預警模塊，主要對嫌疑人、車輛、Wi-Fi、RFID進行布控，當嫌疑目標觸網立即產生告警，實現對嫌疑目標進行實時跟蹤，可縮小嫌疑目標的范圍，通過查詢告警信息可提取有助于案件偵查的線索，加速破案的進度。

5 結束語

通過大數據的相關技術對公安大數據的標準化匯聚，以及智慧感知系統的研究實踐表明，此系統有助于公安部門對社會治安的整體把控，對社會治理做出快速有效、全面的決策；有利于公安民警對實時場景的數據進行一鍵處理，全面提升公安民警的工作水平和辦事效率；有助于輔助公安民警快速追蹤嫌疑目標；有助于提取案件偵查的線索，加速破案的進度。