大數據可視化分析平臺的構建與鐵路公安應用實踐

童琳　劉旭

摘? ?要：從公安大數據技術的發展和應用入手，探索如何有效地利用海量信息并挖掘內在更大的價值，以便提升公安實戰應用能力、建立立體化綜合防控體系。設計了一個應用靈活的大數據可視化建模工具，將業務經驗、研判思路與海量數據融合為符合實戰需求的數據模型。對典型模型的應用效果進行了說明，對下一步公安大數據的建模和挖掘方向進行了展望。

關鍵詞：大數據;可視化;數據挖掘;數據建模

中圖分類號： TP319? ? ? ? ? 文獻標識碼：A

Abstract： Starting with the development and application of public security big data technology， this paper explores how to effectively utilize massive information and tap the inherent greater value， so as to enhance the actual combat application ability of public security and establish a three-dimensional comprehensive prevention and control system. A flexible big data visualization modeling tool is designed， which integrates business experience， research and judgment ideas and massive data into a data model that meets actual combat requirements. The application effect of typical models in major event security， epidemic prevention and control and other fields is explained， and the modeling and mining direction of public security big data in the next step is prospected.

Key words： big data; visualization; data mining ;data modeling

1 引言

近年來，隨著大數據技術和應用的不斷發展和演進，以數據集中和共享為途徑，建設全國一體化的國家大數據中心已成為國家級戰略決策，以技術融合、業務融合、數據融合為特征，實現跨層級、跨地域、跨系統、跨部門、跨業務的協同管理和服務，提高社會治理社會化、法制化、智能化、專業化水平，提高預測、預警、預防各類風險的要求也不斷提升。如何完善社會治安綜合治理體制機制，加快建設立體化、信息化社會治安防控體系，用信息化手段更好的感知社會態勢、暢通溝通渠道、輔助決策施政成為擺在政法系統面前的挑戰。從公安行業的建設與應用實踐來看，不同警種間的壁壘正逐漸被打破，全量互通的數據中心初步形成，信息數據作為新型核心資源的重要性也不斷凸顯。為了有效地利用海量信息并挖掘內在更大的價值，提升鐵路公安實戰應用能力、建立立體化綜合防控體系，設計并建設了武漢鐵路公安局大數據可視化分析平臺（本文簡稱PDP）。

2 平臺架構及關鍵技術

PDP平臺的主要特點有三個方面：一是面向各警種、各層級用戶的可視化、拖拽式的大數據可視化建模平臺，無需建模人員擁有計算機編程基礎，通過簡單培訓就可以通過拖拽搭積木的方式實現自由配置數據源、數據處理融合、數據邏輯關系和模型展示方式以及模型鉆取、聯動、跳轉等功能，降低數據建模門檻，提高數據建模的效率;二是通過提供自助式、個性化的大數據可視化建模功能，形成靈活的面向個人、面向業務、面向場景的大數據分析服務能力;三是通過開放基于規則的數據分析、挖掘接口，允許業務警種基于大數據平臺的數據資源和基礎服務能力，自定義配置出本業務部門所需的數據分析及應用需求。最終讓業務警種及民警個人能夠按照自己的分析研判思路，自定義數據分析流程，交由大數據平臺自動運算并獲得結果，通過多次嘗試性分析及觀察結果最終實現自助式優化并確定大數據分析研判方案。

2.1 平臺整體架構

如圖1所示，PDP系統總體框架在縱向上分為數據接入、數據處理、模型應用、模型展現四個層級，并輔以監控和運維管理、用戶和權限管理作為平臺的管理支撐。

（1）數據接入

考慮到數據來源的多樣化，數據接入模塊提供了多種數據的接入方式，包括數據庫直連、API數據接口以及Excel/CSV文件導入，系統底層任務調度模塊依據系統目前的運行情況和各服務器當前計算能力集中調度平臺內的資源，協調服務之間的協同運行，確保平臺的高效運行，實現資源最大化利用，保障快速準確接入數據。

（2）數據處理

主要通過ETL工具實現數據在ODS、BAS、DW數據倉庫三層流轉，對接入原業務系統數據進行標準化、規范化清洗和梳理。其中，ODS為接入到本系統的原始數據，BAS是經過代碼翻譯、計算字段、去重等處理之后的數據，DW數據倉庫則是根據應用需要建設的一些計算結果專題庫。數據層主要由數據處理子系統來完成數據的抽取、清洗和轉換，保證數據的質量。

（3）模型應用

主要依據實戰模型應用系統中的數據在線分析、模型搭建工具、模型展現工具實現輔助決策、實戰應用、內部管理等三大類各細項應用模型開發建設，并支持對實戰應用模型提煉出來的關鍵數據指標進行預警條件設置，實現重點關注指標、重點關注對象及軌跡預警展示和預警推送。

（4）模型展現

應用模型分析結果根據不同用戶的需要，可在PC終端、大屏終端使用，并支持用戶對于匯報需求及專題展示需求定制化設計開發和建設智慧大屏。

2.2 系統主要功能

為了使數據更快、更好地貼合警務實戰需求，PDP設計了多數據源接入、數據精加工、數據在線分析建模、數字化大屏定制開發、自動預警中心等功能，同時完成了模型建設和大屏可視化工作。

（1）多源數據接入及數據處理

考慮到公安數據來源的多樣化，數據接入匯聚子系統支持多種數據接入方式，包括本地數據上傳、數據庫直連、API數據接口等方式。

（2）數據權限靈活控制

結合日常工作流程，構建了一套數據權限控制體系，由局一級研判人員按照需求搭建數據分析模型，管理員將其分發、共享至處、所使用人員，并根據其業務警種、部門區域展現不同的分析模型和分析結果。例如，某一個鐵路公安處的治安部門只能看到本轄區治安數據分析的結果，同樣，刑偵部門也只能看到轄區刑偵數據的分析結果。同時，數據權限操作還支持數據隔離、角色分離等功能，實現對數據做到行列級別細粒度控制分離。

（3）數據在線分析建模

為了保證平臺的穩定性，采用分布式存儲和計算。數據分析子系統支持拖拽式可視化建模，可實現多源數據間的比對、分析、碰撞。數據可視化子系統還支持豐富的圖表展示、數據鉆取和聯動。

（4）大數據模型應用

根據需求的不同，在設計平臺應用主題時也相應的分為三大類：輔助決策、實戰應用及內部管理。輔助決策方面，可以進一步分為案件分析、警情分析、人流分析等專題分析，提供全局的宏觀決策支持;實戰應用方面，可以將原有的優秀技戰法固化為數據模型。例如，鐵路追逃人員分析、重點人員預警等;內部管理方面，可以分為考勤管理、出差及休假分析、緝逃成果分析等。目前，基于大數據可視化平臺基礎上的專題應用建設具備了一定的可擴展性，基本可滿足各個業務部門的數據分析需求。

（5）數字化智慧大屏

根據實際作戰指揮需要，針對重點區域，進行專業化的人流監控預測分析，可以在系統中配置專題指揮調度大屏，包括所有關鍵節點、關鍵指標以及人流趨勢情況，為指揮調配警力提供應用支撐，還可以基于專題應用分析的結果，通過數字大屏的形式進行展示。

（6）分析結果可視化展現

平臺數據分析及實戰應用模型的結果可以通過數字大屏、系統專題分析頁面、警務通等方式展現。

一是網頁和移動客戶端界面展現，網頁支持IE/FireFox/Chrome等主流瀏覽器展現，并能一定程度的向下/向上兼容;客戶端支持主流警務通設備，并能一定程度的向下/向上兼容。

二是展示界面支持豐富的可視化分析方式，包括但不限于以GIS地圖、詞云、雙軸圖、桑基圖、瀑布圖、散點圖、曲線圖、柱狀圖等形式的分析圖表展示;支持數據與地圖的交互展示，可以在地圖上標記點位，并對點位信息進行繼續鉆取、關聯。

三是支持拖拉拽等自助式、探索式的簡單交互方式和數據拖拽、鉆取、切片分析，大量數據也能夠快速切換不同模式的數據視圖來展示。同時，還設計了自定義報表設計需求、配色文字、報表大屏模式顯示、圖中注釋說明、從圖表中導出圖片/數據等功能。

四是支持內置外置篩選器、自定義篩選器、全局篩選器、圖表聯動等多級別篩方式，可以篩選同一模型不同層面的分析結果，如警情分析結果可以按照單位條件篩選，展示上至全局總體、下至某個派出所的具體情況。還可以根據實際需求屏蔽關鍵詞或通過編寫SQL語句等方法實現一些自定義需求。

五是數據大屏功能可以根據需求實現大屏配置的功能模塊，根據大屏尺寸和分辨率進行適配，展示內容可靈活配置，數據實時更新，多維動態滾動展示，具有靈活配置、實時更新、創新交互、視覺直觀的特點。

2.3 平臺關鍵技術

（1）實名制數據抓取、解析和入庫

為了確保各項重點安保工作期間情報研判工作的有序開展，重點研發建立了Mysql數據庫，用于各單位FTP傳輸數據的抓取、解析和入庫工作。

（2）模型庫

根據需求調研情況設計的分析研判應用模型主要分為三類：

一是輔助決策類，主要包括案件專題分析、警情專題分析、隱患專題分析、乘務工作專題分析等;

二是實戰應用類，主要包括重點人員模型、毒品查緝模型、安檢查危模型等;

三是內部管理類，主要包括考勤管理、出差分析、休假分析、民警隊伍分析、反恐演練情況分析、宣傳報道情況分析、工作評估分析等。

比如，為了提升整體態勢感知和預知預警能力，確保“建國70周年大慶”“軍運會”等各項安保工作順利完成，針對站車防控、警力部署、線路巡防等工作，構建了“軍運會”警力部署分析、到漢旅客分析、違法人員血樣采集分析、在逃人員購票分析、買短乘長專題分析、乘務工作數據分析、中鐵快運發件以及發件人分析、路外傷亡情況分析、鐵路交通事故分析、閑雜人員入網分析等30余個分析模組、300余個分析模型，為各項安保工作提供情報支撐。尤其在此次新型冠狀病毒肺炎防疫工作中，深入開展涉疫情報分析，對鐵路流出旅客專題建模，為科學防疫奠定了良好的基礎。

（3）移動警務平臺APP應用端建設

為保障局、處、所三級整體聯動，實現隨時隨地辦公應用和數據可視化分析便捷化、移動化、前端化的需求，研發建立了大數據可視化平臺APP應用端，通過不斷優化改造APP程序功能，保障了大數據可視化分析移動端在軍運會期間順利投入使用。同時，為提升APP應用端查看平臺分析模塊的使用體驗，對原用于PC端查看的分析模塊進行了針對性調整，建立了適應在APP應用端鉆取查看的多層模型架構。

3 應用成果

經過將近一年的運行，平臺匯聚16億6千余萬條多源異構數據，數據總存儲量到達336G，接入數據庫表單279張，建立數據同步任務59個、專題模組50余個、各類分析模型500余個、數據化智慧大屏15個。涉及59個數據庫、94張數據表單，并以此為基礎構建了50余個具有實戰需求的數據模組涉及400余個數據模型，在技術上實現了局、處、所三級整體聯動，為各項公安實戰提供了有力的支撐，取得了一定的應用成果。

3.1“平安站車路、金盾護你行”專項行動大數據模型

近年來，“買短乘長”現象頻頻成為輿論的熱點和社會的痛點。2019年4月7日，G7192次復興號列車因不少旅客“買短乘長”造成列車超出承運能力，出于行車安全考慮，被迫停車致使列車晚點1小時12分。同年“五一”期間，由于部分“買短乘長”旅客“強行”坐到預期目的地，導致5022次列車途徑淄博火車站、K8372次列車途徑南京火車站超載，正常購票乘客無法上車，引發網絡熱議。

“買短乘長”人員嚴重破壞了鐵路的乘車秩序和列車的運行安全。一是破壞乘車秩序。鐵路部門和旅客的關系從法律上講是合同關系—旅客購買車票，鐵路部門負責把旅客及時安全運送到目的地，相互遵守合同義務，這就是最基本的規矩，更是規則。“買短乘長”的旅客破壞了這個規則，到站不下車，影響其他人的乘坐。如果先上車后補票得不到有效禁止，對規則的破壞一再縱容，將破壞有序、良好的乘車環境，引發霸坐、占座等一系列問題;二是影響運行安全。正常時速200～300千米/小時的列車，緊急制動距離約為6500米，牽引電壓25～29千伏。在客運高峰期載重行車，隨著車身重量的增加，慣性加大，列車制動距離將增加10～20%左右，超出列車運輸能力，嚴重影響列車運行安全。

在以往的“買短乘長”案件查緝中，鐵路公安部門通常都運用現場查卡堵截的方式，通過加大對車站出站口的巡查力度，對可疑人員加強盤查，對查獲的無票人員、持有多張短途票等人員嚴格審查，警力耗費較大。對那些在客流高峰期間或者專門夜間“越站乘車”的人員的查獲難度更是非常巨大。

在此次“平安站車路、金盾護你行”專項行動中，將滋擾站車秩序、侵害旅客權益的行為作為信息研判的重點，針對惡意買短乘長、越站乘車、一坐到底等違法行為開展專題研判分析，積極探索利用大數據可視化分析平臺，創建了越站乘車專題大數據分析研判模型應用于實戰。

通過向平臺匯入實名制購票數據進行數據鉆取、關聯等操作，對4億3千4百余萬條實名制購票信息進行深度挖掘，共分析獲取異常人員1000余人。再結合全路售票信息、全國公路信息、全國公共汽車信息，對異常情況達到300次以上的100余人進行深度挖掘，共發現61人情況特別突出，并制定方案通過派員跟蹤落地、越站所在地調取出站監控視頻、人臉識別信息來驗證信息研判的準確性。

為了方便一線民警實時應用數據分析結果，擺脫以往依賴派出所指揮室提供支撐的情況，實現隨時隨地查看轄區隱患情況可視化分析結果，利用大數據可視化分析警務通APP應用端，與PC端同步顯示模組、模型分析情況。一線民警可以通過查看手機APP實時掌握“越站乘車”嫌疑人動向，從而有目標性、有針對性地部署查控工作，使得盲目查堵核驗的被動執法轉變為后臺數據精準分析支撐前端落地打擊違法犯罪的模式。為打擊惡意“買短乘長”行為強推助攻，讓違法犯罪行為得到有效地震懾和遏制。整治行動開展以后，后臺數據顯示，部分以往購票軌跡不正常的人員都恢復了正常購票，讓遵守法律法規、遵守社會秩序、遵守社會公德成為一種文明自覺。

3.2 高鐵安全隱患分析大數據模型

為了全面加強高鐵環境安全治理工作，通過搜建全局治安隱患數據，進行大數據分析建模開發，形成4個專題分析模組、50余個分析模型，建設一套同步應用的警務通APP應用端，為輔助治安部門評估安全態勢、研判重點隱患、針對解決難題、促進行動縱深，提供了多方位、深層次、全面性的數據分析支撐，有力確保了高鐵治安平穩，取得了良好成效。

一是通過對接全局治安風險管理系統及治安部門搜建的隱患排查數據，接入線路隱患排查情況、路外傷亡情況、防撞網內行人情況、危及行車安全案件等多類數據，運用數據質量評估、缺失值處理、異常值處理、均值增補處理、熱卡填補處理、多維去重處理、噪音數據處理等技術，將原本碎片化、低質量、難關聯的多源異構數據清洗、整理為結構嚴謹、格式標準、量綱統一的標準化數據庫。

二是以固化線隱患排查防控工作思路為模型核心架構，圍繞武漢局管內7條重點高鐵線路（京廣高鐵、武孝城際、武岡城際、武咸城際、武九客專、合武線、漢宜線），利用大數據智能建模、深度數據挖掘、多維統計比對等技術，對標準化數據進行便捷的關聯、合并、聚合以及SQL操作，建設高鐵安全隱患分析大數據應用模組4個（隱患排查數據分析模組、路外傷亡分析模組、防撞網內行人分析模組、危及行車案件分析模組）、分析模型50余個，為輔助治安部門評估安全形勢、研判重點隱患、針對解決難題、促進行動縱深，提供了數據分析支撐。

三是利用警務通APP端，實現移動辦公應用。利用大數據可視化分析警務通APP應用端，與PC端同步顯示模組、模型分析情況。同時，對原用于PC端查看的分析模塊進行了針對性調整，建立適應在警務通APP應用端鉆取查看的多層模型架構，提升了警務通APP應用端查看平臺分析模塊的使用體驗。

4 結束語

經過一期大數據可視化分析平臺的建設，已經形成了對海量數據的分析計算能力，在打擊違法犯罪中取得了一定的成效。然而，在建設與應用過程當中，也顯露出了一些亟待完善的問題，如缺乏前端信息采集和后端模型計算結果輸出環節，沒有形成大數據應用閉環;缺乏對數據的掌控能力，不穩定風險高;缺乏完善的移動端警務應用等。未來還將努力實現“縱向到底、橫向到邊”的數據聯通、情報共享、全域感知、全時預警，將鐵路公安工作由傳統被動型應對處置向主動預判、預警、預防轉變，實現鐵路公安基礎業務信息采集管理、線索梳查、鐵路風險分析研判和情報預警、指揮調度支撐等實戰應用，融合云技術、人工智能和大數據分析等新技術，真正做到“平安鐵路、智慧鐵警”。

參考文獻

[1] 張震.鐵路公安大數據建設及分析應用探究[J].法制博覽， 2020（04）：171-172.

[2] 李曦，周嵩岑.等保架構下移動警務系統安全評估研究[J].網絡空間安全，2017，8（12）：13-16.

[3] 王生玉.構建網絡智能安全運維平臺承載智慧警務未來安全發展[J].網絡空間安全，2016，7（Z1）：82-87.

[4] 馬克.破壞鐵路案件偵查要點實證研究[J].鐵道警察學院學報，2019，29（02）：97-103.

[5] 韓明洋.高鐵霸座事件的法律問題淺析[J].中國新通信， 2019，21（03）：219.

[6] 潘輝，張千洪，馬亞洲.淺談數字IP互聯無線通信技術在鐵路公安中的應用[J].數字通信世界，2018（11）：27+142.

[7] 陳亞蕾.淺談高鐵時代鐵路治安防控體系的構建[J].公安教育，2018（10）：30-34.

[8] 劉瑤.依法懲治“座霸”公德缺失綜合征[N].北京日報， 2018-08-29（014）.

[9] 桂杉.大數據背景下深入推進基礎信息化建設的思考—以合肥鐵路公安處為例[J].鐵道警察學院學報， 2017，27（03）：9-12.

[10] 安柏榮，郭潔，郭佳寧，黃業峰，杜坤琳.鐵路公安機關扁平化警務指揮模式建設研究—以沈陽鐵路公安處為視角[J].鐵道警察學院學報，2017，27（02）：19-23.

[11] 劉燕生.鐵路公安機關應急調度指揮工作的現狀調查與對策思考以南京鐵路公安處為例[J].鐵道警察學院學報， 2017，27（01）：70-73.

作者簡介：

童琳（1983-）女，漢族，湖北武漢人，中國人民公安大學，本科;武漢鐵路公安局，警務技術二級主管;主要研究方向和關注領域：數據挖掘、數據建模、刑事偵查、緝毒、警用航空、無人系統。

劉旭（1993-）男，漢族，河南駐馬店人，河南警察學院，本科;武漢鐵路公安局，一級警員;主要研究方向和關注領域：數據建模、數據分析、刑事偵查、警用航空。

（本文為“2020年429首都網絡安全日”活動征文）