淺談信息化時代大數據在警務工作中的應用

蔣霽帆

在信息和科技化高度發達的今天，信息科技程度的高低已經成為衡量一個國家綜合國力強弱的重要標準之一。而大數據作為信息化時代重要的產物，影響著一個國家的軍事、政治、文化和人民的物質生活。有人把數據比喻為蘊藏能量的煤礦。煤炭按照性質有很多種分類，而不同的煤礦的挖掘成本又不一樣。與挖礦類似，大數據并不在“大”，而在于“有用”。價值含量、挖掘成本比數量更為重要。對于很多行業而言，怎樣去更好地利用這些大規模數據是贏得競爭的關鍵。

一、大數據在當今社會的應用和重要性

（一）大數據工作在當今社會的應用

大數據是以容量大、類型多、存取速度快、應用價值高為主要特征的數據集合，正快速發展為對數據巨大、來源分散、格式多樣的數據進行采集、存儲和關聯分析，從中發現新知識、創造新價值、提升新能力的新一代信息計算和服務業態。《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》其中第二十七章“實施國家大數據戰略”提出：把大數據作為基礎性戰略資源，全面實施促進大數據發展行動，加快推動數據資源共享開放和開發應用，助力產業轉型升級和社會治理創新。具體包括：加快政府數據開放共享、促進大數據產業健康發展等。這體現了國家對于大數據建設的持續關注。

無獨有偶，為了響應國家“大數據”戰略，實現跨界融合、提振經濟，由上海大數據聯盟、chinahadoop 大數據研究網策劃并發起2016 中國（上海）數據產業峰會，旨在探討如何借“大數據”戰略東風，推動華東乃至全國大數據產業化和傳統產業與大數據產業的結合發展，融合創新，促進整個行業持續、健康、快速發展，啟動新一輪經濟增長之門。通過專業化的市場運作和全方位的資源整合，打造和呈現中國大數據應用與創新領域頂級盛會，大力促進傳統企業及大數據企業的競爭力與影響力進一步提升。2017 年12月，習近平總書記在主持中共中央政治局第二次集體學習時明確提出了“大數據是信息化發展的新階段”這一重要論斷。同時2018 年政府工作報告指出，要實施大數據發展行動，加快制定大數據發展規劃，加快建立和完善全社會統一的數據標準體系，統一規劃和建設全國開放共享的大數據平臺，深度開發大數據資源，實現大數據應用百花齊放，為數字中國和智慧社會建設提供強大支撐。

（二）大數據的重要性

大數據是數字中國、智慧社會的核心驅動力之一，全國人大代表楊杰在建議中表示，數字中國、智慧社會等是我國對未來經濟社會發展的美好愿景，十九大報告已將其列為“建設創新型國家”的重要組成部分，它們均離不開大數據的發展和應用。

首先是經濟社會的數字化，通過“數字孿生（Digital Twin）”技術，將硬件設施轉化為可度量的數字、數據，為后續的實時感知、分析和控制奠定基礎；其次是經濟社會的網絡化，通過泛在網絡，將分布在不同區域的現實生產生活互聯起來，實現數據共享；再次是經濟社會發展的智能化，在萬物互聯的基礎上，生產、消費和社會治理等領域廣泛采用大數據和人工智能技術，實現自學習、自適應、自優化；最后是經濟社會運行的協同化，通過開放、透明的機制，實現各環節、各流程運行更加順暢。

以智慧社會建設中的智慧交通為例，通過道路、車輛、人員、天氣、交通管理等數據的全面感知和聯網，實現交通指揮、路段收費、事故處理的高度協同和智能。與以往的經濟社會發展相比，數字中國、智慧社會等更加強調信息基礎設施和數據資源的共建共享，必須從更高層面出發，強化上下一盤棋的大局觀和系統思維，統籌規劃，協同推進。

大數據對經濟社會發展的重要性主要體現在三個方面：一是未來的經濟是數字經濟。未來的社會是數據社會，大數據將成為繼能源和材料之后的又一戰略性資源。有預測表明，2020 年我國數據總量將達到8.4ZB，占全球數據總量的24%，成為數據第一大國。二是大數據將大幅提升經濟社會發展效率、降低運行成本。如工業大數據、農業大數據、交通物流大數據、醫療健康大數據等廣泛應用，能夠優化產品結構、提升產品質量，降低生產服務過程中的原材料、人工和交通擁堵等成本。三是大數據能提升用戶體驗，提高滿意度?！白寯祿嗯苈罚屓罕娚倥芡取钡闹腔壅?、基于圖像大數據分析直接“刷臉”的支付認證、依托用戶數據畫像提供個性化服務的智慧家庭等都是用戶體驗提升的重要方面。

二、大數據在警務工作中的實際應用

（一）“萬物互聯”讓安全感倍增

“電動自行車丟了能自動報警，如果報警后找不回，還可以獲得保險公司1200 元賠償?！边@個消息已經在貴州大街小巷傳開了。它背后的黑科技就是大數據“物聯網”！

2017 年，貴州省貴陽市公安局與貴州廣電網絡共同打造了“萬物互聯”警務項目，主要幫助摩托車或電瓶車車主實時監控車輛是否被盜。廣大車主只需每年交納50 元的保險費，下載專用APP，注冊并進行預登記，即可免費到附近安裝點安裝RFID芯片。車上裝“車卡”，隨身攜帶“人卡”。

APP 已連接到警方的自動報警平臺，當人車分離到一定界限值，監控平臺就會自動一鍵報警，車主的手機就會接到信息提示，警方也會向你確認車輛是否涉嫌被盜。一旦你確定車輛被盜，警方會立即追查被盜車輛。如果最終未能找到車子，保險公司將對失主賠付1200元。

（二）“智慧公安”筑牢無聲防線

2018 年開局之日，上海市公安局交通管理部門聯合海康威視科技公司，在上海各個交通復雜路段安裝智能監控攝像頭，并實現了公安無線網絡在繁華路段的全部覆蓋，做到360 度無死角實時監控，利用遠程計算機控制，結合人工智能，有效解決了高峰路段車輛擁堵的問題。對每一輛路過監控攝像頭的汽車進行云端掃描登記，及時篩查出可疑車輛進行查控。

無獨有偶，面對外灘群眾人流量大、密集度強的情況，上海警方根據高科技手段感知獲得的精準預警信息，對南京東路實施交通管制，并對外灘江堤部分通道實施“只下不上”措施。據統計，外灘江堤區域在2018 年跨年當天累計游客突破32萬人次，創近年新高。但由于預警精準，預案充分，一切井然有序。

黃浦區是上海中心城區，轄區內南京路、外灘、豫園、新天地、田子坊等旅游熱點區域眾多，每到重要節點必然形成大人流聚集，尤其是在游客云集的南京路至外灘區域，安保工作壓力巨大。近年來，黃浦分局以“智慧公安”建設為契機，堅持“科技+管理”雙拳出擊，在人群聚集公共場所大客流疏導方面進行了積極探索。經過幾年實踐，黃浦分局已經建立起較成熟的“客流監測與預警指揮系統”，基本實現了對短期客流趨勢的預測。同時，該系統還可以與往年數據進行對比，更好地掌握人流變化規律。在大數據提供人流實時數據和變化趨勢的基礎上，可以更加準確地對安保預案進行調整和完善，根據實際人流情況精確施策，從而實現了更加科學、靈活用警。

（三）“微警務”貼心惠民

“讓數據多跑路，讓老百姓少跑腿、不跑腿?！彪S著互聯網全面融入社會生活的方方面面，南京公安“微警務”巧用“互聯網+”，將老百姓日常“最關心、最直接、最貼心”的26項公安服務功能，搬到了“掌上”。

據悉，江蘇省南京公安“微警務”不僅可以為老百姓辦理新生嬰兒出生登記、居住證、戶口遷移，而且還可提供一鍵報警、在線辦理簽證、會見預約律師、養犬登記等26項服務?！拔⒕瘎铡币惨虼嘶怼笆謾C里的派出所”“移動化的報警臺”“網絡里的簽注官”“E 時代的看守所”。值得一提的是，“微警務”也還是“指尖上的交警隊”。打開“微服務”，輕微交通事故快處、違法曝光處理、6年年檢標志申領、駕駛人記分學習、駕駛證期滿換證、證件號牌補換、聯系方式變更和駕駛人模擬考試等13類服務映入眼簾。許多業務都不需要到現場排隊辦理，在線辦理，省時省力。

目前南京公安“微警務”在交管、出入境等業務模塊還開通“微支付”功能，實現了網上繳費，微端完成訂單式的全流程辦理?！拔⒕瘎铡边€將互聯網大數據應用與公安警務改革深度融合，把與群眾生活緊密相關的公安內外部資源進行充分整合，通過數據的規范接入和統一標準，最大程度地實現了公安業務與政府多部門數據的一網融合共享。相關負責人表示，南京公安“微警務”依托微信公眾平臺，引入圖文短訊、視頻直播等多種新媒體傳播模式，展現公安好聲音、彰顯警察好形象，不斷拉近警民關系。同時主動將社會創新引入公安改革，鼓勵有資質的合作企業加盟入駐開放平臺，創新研發“群眾需求、公安需要”的新應用、新產品，大力推行“微警務”建設供給側改革。

三、公安大數據建設的主要問題

（一）理念不夠清晰，認識有待統一

1.對公安大數據的重大理論問題缺乏系統研究，基本概念和問題認識不清。例如，對什么是公安大數據、怎樣建設、如何充分發揮作用等基礎問題還未研究清楚。對公安大數據的理解猶如盲人摸象，各有各的看法，甚至有錯誤的認識，這對公安大數據建設產生了負面影響。

2.公安大數據缺少明確的戰略目標和清晰的發展理念。各地公安機關都認識到大數據的重要性，但全國公安大數據建設具體如何布局和定位還不統一，更沒有具體的實施路線圖。大數據建設呈現出了一定程度的盲目性，亟待更新發展理念和數據治理、業務處理、協作協同和管理決策的模式和方法。

3.低水平重復建設，無法持續優化。對各地公安機關開展的大數據建設案例與實踐經驗缺少系統性總結和提煉，對實踐中出現的問題沒有深入開展研究，各地大數據建設容易在低水平重復。而全國公安大數據建設不能在數據總量、存儲能力和處理能力等方面形成整體合力，建設模式無法持續優化，無法形成規模效應。

（二）壁壘未打通，融匯不充分，集約度有待加強

1.數據壁壘導致的“信息孤島”現象仍然存在。目前，公安信息網、涉密網、視頻專網等多種網絡之間仍然存在數據共享不充分和業務流程銜接不暢的現象；反電信網絡詐騙、NGO 管理等新建專題業務系統也仍然存在只注重利用系統外部數據資源，而以涉密或業務程序等借口而回避自身數據資源和業務接口的對外開放和共享問題，形成了新的“單向信息孤島”。同時，大量數據分散在不同的業務部門，無法有效共享，形成了極大浪費。這當中，既有利益格局造成的人為壁壘，也有數據安全問題帶來的安全壁壘，還有技術障礙帶來的技術壁壘等，需要認真研究，加以破解。

2.公安機關外部數據資源匯聚融合不充分，存在接入目標不明確、可實施性較差等問題。然而各地開展的警務云、大數據工程都強調外部數據資源接入的重要性，但對于需要接入哪些外部數據資源、接入后如何應用、服務哪些目標并不十分清楚，從而導致了外部數據資源接入混亂、數據資源管理成本和處理技術難度增加等問題，數據應用成效無法彰顯。

3.各地公安機關數據中心建設是“集中化”而非“集約化”。雖然各地公安機關紛紛建立以云計算技術為支撐的數據中心，但實際上是各自為戰，在技術上采用阿里、騰訊、華為等不同廠商的技術解決方案，互通性存在較大問題，在數據信息管理上也沒有實現真正的統一，無法做到資源的統一調度，達不到集約管理、高效運用的目標。

（三）警務模式創新不足，決策科學化、管理精準化、服務高效化程度有待優化

目前的公安大數據運用，還沒有按照大數據的內在要求結合公安的特點進行改造和創新，一些所謂的技術創新缺乏針對性，往往只是把系統創新和技術創新生硬地嫁接到傳統業務上。以至前端信息采集、查詢對比和后臺數據支撐與推送服務，以及相應的實戰指導都跟不上基層需求發展，基層大數據實踐中出現了業務與技術兩張皮現象。這就造成民警既要用傳統的老方法，又要用系統的新方法來開展工作，費時費力，效用疊減。然而基層民警應用能力普遍不足，同時也是影響數據效用發揮的重要因素。

（四）人才隊伍緊缺，統籌能力較弱，組織協同性差

各地方大數據建設的組織機構力量薄弱，組織乏力，既缺乏業務專家，又缺乏技術專家，很難體現出權威性，難以形成推動大數據警務建設的整體合力。部分公安機關雖然在文件上有統籌引領的規劃內容，但運行機制缺乏協同性。引領作用無法充分發揮，統籌引領在實際工作中缺少有力抓手，沒有把平臺建設、數據整合、統一標準放在優先建設的地位并貫徹執行。

四、公安機關大數據建設的建議

（一）國外公安大數據建設案例

Palantir 在洛杉磯警局通過技術與業務的深入交流與合作，采用的是Palantir的Gotham平臺，構建了一套洛杉磯警局的語義知識搜索挖掘平臺，用于日常的警方業務工作中。該平臺全面整合警情日志文檔、電子表格數據、數據庫等結構化數據和圖片、錄像等非結構化數據，對各類多源異構，繁雜的信息進行清洗梳理，總結提煉為八個關鍵的信息實體：人、車、位置、罪案、逮捕、文件、備注與其他。實體本身還有不同的屬性，不同個體之間還存在相應關聯。Palantir 公安大數據語義知識搜索平臺建立以后，警方就可以通過非常簡潔的前端搜索頁面，來搜索指定的各類實體與線索。

Palantir 的搜索結果與百度、谷歌等通用搜索引擎完全不一樣，并不完全基于關鍵詞，而是探索搜索背后的關聯關系。通過Palantir 平臺，可以快速將各類龐雜的數據通過可視化平臺的形式匯聚到一起，最終我們發現案犯綜合立體化視圖，其中包括：使用的手機，入境記錄，逮捕時開的車，逮捕的案子，同時涉嫌一起盜竊案，包括已有的兩次審訊記錄。點擊任何一個節點，右邊會展示其詳細的屬性與其他實體的關聯關系。例如，點擊嫌疑車輛，可以展示出該車的歷史所有被抓拍的照片與數據。辦案人員同時可以根據關聯連接一層一層往下挖，并人機互動，補充各種篩選條件，將模糊的破案線索逐步求精，最后極大的提高破案準確性與效率。

（二）我國公安大數據建設選型

大數據的實質是對數據的管理與開發利用，與當前以信息資源開發為核心的公安工作具有廣泛的共通性。如何借助大數據技術推動公安工作的發展和變革，技術選型非常重要。在各個企業和組織紛紛助推下，大數據領域的相關技術呈現百花齊放局面，涵蓋數據收集、存儲、計算、挖掘、資源調度等，下面就以最核心的計算層和存儲層兩個維度介紹下有關技術路線和發展趨勢。

1.數據處理。簡而言之，不管對何種應用，當數據量很大時就無法在一臺服務器上解決計算問題，此時分布式計算優勢就體現出來，而Hadoop MapReduce 的重要創新便是當處理一個大數據集時會將其任務分解并在運行的多個節點中處理，這種批處理框架常用于離線的復雜的非結構化數據處理，如ETL、數據挖掘等場景；與Hadoop 的使用硬盤來存儲數據不同，Spark是基于內存的迭代計算框架，適用于需要多次操作特定數據集的應用場合；而Storm 則是專門針對實時數據類型的流式計算分析框架，應用在低延遲的場景中，實現海量事件的實時分析、處理和決策。除此之外，為應對不斷增長的海量結構化數據的存儲和快速處理以及靈活的業務建模需求，數據庫系統必將引入分布式架構、MPP處理技術。

2.數據存儲。上面提到了MapReduce 將任務分發到多個服務器上處理大數據的能力。而對于分布式計算，每個服務器必須具備對數據的訪問能力，這就是HDFS所起到的作用，HDFS 有著高容錯性、高吞吐量的特點，適合大數據集的應用。與此同時，業內也有很多其他范例的文件系統推出，不但能解決了傳統存儲體系結構存在的困難，又能提升存儲利用率和數據讀寫機能，可以替換HDFS作為Hadoop架構的底層文件系統/數據存儲。不同的技術思路各有偏重，由于公安業務種類繁多，大數據應用場景多樣化，除了建立各類基礎大數據資源庫之外，還需要做到事前預測警務研判、事中實時情報分析及事后案事件分析，及可視化查詢統計等，建議公安用戶基于智能融合的大數據架構構建上層應用，積極引入大數據領域的先進技術，推動公安工作邁入大數據發展階段。

（三）我國公安大數據建設的建議

大數據是信息化發展的新階段，全國公安機關應充分利用大數據技術，強化警務流程再造。實現數據流、業務流、技術流、管理流有機融合，積極構建大數據支撐，精準化應用的警務實戰新機制。具體應在以下幾方面著力：

1.以實戰為導向，圍繞公安工作需要，明確人才梯隊規模和層次，編制人才發展規劃。應涵蓋規劃、建設、運維、應用等領域，應包括通識人才、應用技能人才、技術人才和專家人才等各個層次。借鑒互聯網眾籌、眾包等方式，解決公安實戰中的數據共享、模型算法和戰法應用等典型問題，充分發揮人才的網絡化規模應用效應，使人才“不為所有、但為所用”。

2.創新公安大數據人才選拔和使用機制。善用競爭性機制，通過開展創新大賽和技能競賽等活動選拔特殊人才，建立相關人才庫；善于利用大數據環境，創新使用和評價機制，創建人才協同協作平臺。

3.依托公安院校，積極構建實戰導向的人才培養體系。應構建大數據思維通識教育課程和教材，利用網上、網下等方式面向全警開展教育培訓，普及大數據知識，提高全警整體認知和應用水平；要針對急缺或者熱點大數據應用方向，開設短期技能培訓班，學習大數據技術的新方向、新技能和新成果；在公安院校開設大數據相關專業，培養復合型應用技術人才，尤其應盡快開展大數據技術方向的警務碩士教育，培養公安大數據高級創新人才。利用智能技術驅動大數據挖掘分析，實現智能化高端應用，推進智慧公安建設。

大數據時代，數據已成為戰略資產，但數據自身不會自動產生價值，只有將算法和計算能力結合才能充分挖掘數據價值并發揮效用。智能算法是海量數據發揮效用的直接驅動力，人工智能更是大數據發展的創新引擎。同時推進大數據與人工智能、云計算等技術的有機結合，利用智能技術驅動大數據挖掘分析，實現智能化高端應用。

4.提高數據深度開發能力，服務實戰。應利用知識圖譜技術，構建全國實體及實體關系庫，突破數據整合難題。建設公安知識圖譜，通過對公安結構化信息和非結構化信息數據關系挖掘。

通過數據分析、文本語義分析等，抽取出人、物、地、組織等實體，并根據實體的屬性聯系、時空聯系、語義聯系、特征聯系等建立相互的關系，構建一張具有公安特性的多維多層的實體與實體、實體與事件的關系網絡。

5.構建全國公安大數據機器學習平臺并開展智能化應用。構建物理分布邏輯統一的全國公安共性大數據機器學習平臺，開展大規模協同協作的知識資源管理與開放式共享，并針對重點領域開展大數據智能化應用：在戶籍、出入境、交管等民生服務領域開展自主無人智能系統的警務應用；在反恐處突、偵查破案和指揮調度等領域開展基于人工智能的預測、預警、預防、動態管控和精確打擊等應用。

6.對公安大數據的智慧應用進行總體規劃，編制實施路線圖并分步啟動。建議將規劃命名為“機器警察”系列規劃，對智能化應用總體布局，對技術路線、平臺建設、主體責任和配套機制進行系統規劃設計。按照實戰需求和技術成熟度，率先啟動“安防警察”計劃，依托公安院所，通過公安大數據和安防大數據，實現規模化深度學習，培育機器智能。通過“互利網+安防服務”的方式，提供“安防警察”問答機器人。這樣可以全時空為人民群眾提供基于人工智能的安全咨詢、安全預警信息和社會安全指數預報等公安安全服務內容，滿足新時代人民群眾對公共安全的新需求。