智慧警務背景下公安情報生成的動力機制

熊澤宇，唐 超，朱攀龍，李 志

1. 中國人民警察大學，河北 廊坊 065000； 2. 景德鎮市公安局，江西 景德鎮 333000

自20 世紀初，全球先后經歷社區警務、問題導向警務、情報主導警務、預測警務等模式。在人工智能等技術的推動下，正在走向智慧警務模式。警務模式的變革是一項系統工程，是多種力量共同作用的結果，情報機制是警務模式變革的核心，技術要素是其中的重要驅動力量。智慧警務是一種全新的警務模式，與傳統警務模式下的情報生成動力機制有著本質區別，亟須探討智慧警務模式的內涵、運行機制、情報生成機制。本文基于人工智能中數據、算法及算力原理，分析公安情報生成的內在機理，并運用系統動力學探析公安情報生成的演化規律及影響因素，提出順應情報生成機理的公安情報體系建設策略，以優化公安情報生成的整體效能。

1 不同警務模式中公安情報生成機制

1.1 社區警務模式中的公安情報生成機制

19 世紀20 年代，羅伯特·皮爾強調警察和社區協同工作，認為警察僅僅是公眾成員，專注于其職責，領取薪水，對每個公民及其社區利益有責任和義務［1］。這是社區警察和社區警務最初的形態。20 世紀80 年代早期，社區警務成為決策者思考治安問題的主導方向，重新將警察和社區關聯起來。社區警務是一個價值體系，不是具體的策略，通過在同一社區長期任命同樣的警官，從而以主動的、多樣化的途徑來減少犯罪、混亂和對犯罪的恐懼［2］。

在社區警務模式下，公安情報主要來自警察的經驗知識，是一種“人力智慧+專業知識+社區活動”的生成機制。警察經驗知識的全面性、與社區民眾的社交關系等要素決定了公安情報的獲得及運行效果。這一時期，公安情報的主要類型是戰術情報。隨著技術的進步，一些犯罪分析工具，如計算機輔助調度、檔案管理系統、犯罪模式地理制圖、警務戰略控制系統、犯罪地理畫像、犯罪熱點分析等逐步應用于社區警務中，并發揮情報分析的輔助作用。

1.2 問題導向警務模式中的公安情報生成機制

問題導向警務是一種概念性的方法，比社區警務更具體［3-4］，強調警務工作要將注意力轉移到“問題”上來，比如公眾期望警方解決哪些具體的問題。約翰·艾克和威廉姆·斯皮爾曼（1987）［5］總結出SARA 模型（Scanning、Analysis、Response、Assessment），該模型中的審視、分析、反應和評估，成為問題導向警務廣為接受的內容。審視（Scanning）：確認問題。所謂問題，是指一組兩個以上的、具有一個以上共同點的事件，這些事件產生危害并由此被警方和公眾所關注，如影響社會治安的行為、地點、人物、時間、事件等。分析（Analysis）：解決問題的核心階段。包括調查問題、確定問題的內涵和外延、確認問題的危害。反應（Response）：詳細陳述量身訂制的策略。包括完全消除問題、由問題引發的事件數量減少、危害程度減輕、更好地解決問題、輔助警察的處理等情況。評估（Assessment）：評價干預效果。包括逮捕數、犯罪報告的水準、反應時間、破案率、居民投訴以及各種工作任務。

問題導向警務模式聚焦于解決問題的完整流程，該流程本身就是一個信息分析過程，其中還包括了獨立的信息分析環節。該警務模式中公安情報源的范圍更廣，包括警察機構、求助電話、媒體報道、私人機構、社區力量、司法系統、網絡等，公安情報分析與通報對技術的依賴更強，來源更廣，成為解決問題的重要途徑。

1.3 情報主導警務模式中的公安情報生成機制

20 世紀80 年代以來，警察系統內部對外部世界數字化的迅猛發展感知靈敏。計算機化的情報數據庫群能夠在大量數據庫間實現批量比對，可以通過姓名或關鍵詞進行搜索，并對不完全信息展開模糊查詢，新軟件可以通過連線圖、地圖等一系列的輸出格式發布結果。通過增加可查詢的信息，并植入智能軟件包，技術進步極大地改變了公安情報活動的性質［6］。在技術的推動之下，逐漸形成一種以風險評估為基礎，以情報為主導，以信息管理為流程，以犯罪預防為關注點，通過警務資源的優化配置，預防犯罪行為的警務模式，被稱為情報主導警務［7］。情報主導警務模式強調，數據分析和犯罪情報是客觀決策機制的關鍵，通過警務戰略管理，對慣犯和重特大犯罪嫌疑人采取有效的執法策略，以降低發案、減少犯罪問題、遏制和預防犯罪［8］。

情報主導警務已經成為全球警務模式的主流。基于環境犯罪學的犯罪地理畫像技術、犯罪熱點成像技術和比較分析技術應運而生［9］。公安情報的關注點從事后轉移到事前，更加積極主動，公安情報的戰略地位得到很大提升。公安情報生成的核心理念是以警務信息資源建設為基礎，計算機統計分析為核心，統計分析犯罪熱點和不同犯罪類型的集中趨勢。統計學、信息資源管理是情報主導警務模式的重要支撐學科。

1.4 預測警務模式中的情報分析

2009 年“預測警務”概念［10］在美國提出后，迅速在西方國家推廣，被認為是一種新的警務模式。該警務模式利用高級分析手段開發和利用信息，為犯罪預防提供預判性信息和警務戰略戰術決策支持。預測警務模式以過去發生的與犯罪直接或間接相關的數據信息為依托，借助互聯網、算法模型等方法，探索和推測可能出現的犯罪現象和變化趨勢，并以此為基礎，指導警察部門的戰略決策、行動安排，以達到降低、控制和預防犯罪目的。

在預測警務模式中，公安情報分析面向的是多維多源全程數據，主要方法是大數據環境下的統計分析、相關分析，體現了多學科（如犯罪學、地理學、社會學等）知識參與，以及批量化、自動化分析的理念。基于案件時空位置信息的犯罪時空預測、基于時空環境要素的犯罪時空預測、融合行為軌跡和時空環境要素的犯罪時空預測等方法被廣泛應用，公安情報生成的動力更加充足和多元。

縱觀不同警務模式的發展歷史，可以看出公安情報生成具有明顯的技術主導特征。智慧警務模式的產生，主要是以大數據、人工智能、自然語言識別、模式識別等前沿技術的發展為推動，依靠技術“理解”安全環境，其情報生成機理與其他警務模式具有本質區別。

2 智慧警務模式中公安情報生成的機理分析

智慧警務模式是伴隨智慧城市發展而產生的，是一種典型的由新興技術支撐的警務理念和新模式［11］。智慧警務綜合運用現代科學技術，整合信息資源，統籌公安業務應用系統，促進公安工作科學發展，旨在匯聚人的智慧，賦予物以智能，實現公安效益最大化［12］。智慧警務建設是一項系統工程，主要包括技術層、管理層和應用層［13］。

在智慧警務模式下，大數據和人工智能技術可在一定程度上輔助人類了解和控制社會治安系統。為充分了解警務工作的運作系統，必須利用好警務數據和警務技術。從數據、算力和算法入手［14］，分析公安情報的多維特征，可為公安情報生成、分析及應用提供新視角。算力是系統處理數據的運算能力，是解決問題的必要條件。算法是對人類思維的抽象表現，也是人類對自然系統規律的理解，在公安情報實際工作當中，所運用的算法主要有Java EE 技術算法［15］、聚類算法SCAN［16］、Apriori算法［17］等，通過數據的實時查詢、關鍵人物聚類圖譜查詢等發現情報信息規律。1999 年，Ljanes 和Cartaya 引入人工智能數據挖掘技術［18］，自然語言處理技術［19］、機器學習［20］、人工智能［21-22］等技術也被應用于安全感知領域。在數字經濟時代，算力是新生產力，與數據、算法協同構成數字經濟時代最基本的生產要素，算力通過終端、邊緣端、霧端和云端等多端聯動實現智能生產與傳播，提供支持存儲要求的內容到云端計算、存儲和分發，提升存儲和分析數據的規模、廣度和深度，為內容生產和制作提供底層算力支撐［23］。因此，警務數據挖掘主要反映的是警務目標數據獲取時的處理度問題，算法和算力則凸顯出警務目標數據處理時計算速率與準確度的問題，即驅動力問題。公安情報生成并合理利用的核心要義在于處理好數據、算法及算力三者之間的關系，以合理發揮數據挖掘中算力與算法之間的共同作用，對警務原數據進行有效的采集、選擇和預處理，從而加工出有效的公安情報。

在智慧警務模式下，公安情報的生成主要包括警務數據挖掘和人工智能整合分析兩大過程。在警務數據挖掘階段，通過對大批量警務原始數據進行初次篩選并采集有效數據，圍繞情報目標對初次篩選的數據進行粗加工，分析、整理選擇有針對性的數據，將失效的警務數據刪除，從而將警務數據轉化為警務信息。警務數據挖掘后，需要結合人工智能中的算法及算力對獲取的警務數據進行處理。具體而言：利用算法對警務數據進行快速分析計算，是提高警務數據使用的關鍵，體現了警務數據的處理度；算力是警務數據有效分析的基礎，體現了警務數據的驅動力。

綜上，在公安情報的生成過程中，既要體現出數據挖掘技術的作用，又要充分運用好人工智能中的算法及算力，最終獲取有效的公安情報。公安情報生成機理如圖1所示。

3 公安情報生成的影響因素

公安情報的生成是在充分處理數據、算法、算力關系的基礎上，通過對數據進行加工、分析、整理等，以獲取對警務實戰有效的公安情報。公安情報的生成，主要受警務數據獲取能力和警務數據失效度兩大要素的影響。

3.1 警務數據獲取能力

警務數據獲取能力對公安情報生成具有至關重要的作用。經過實地考察、訪問、分析整理發現，警務數據的獲取主要受硬件設備和軟件設備的影響，具體包括：硬件設備的獲取能力、警務數據處理度、警務數據驅動力；軟件設備的綜合技術保障能力、數據支援量等［24-26］。

警務數據獲取能力與警務工作的影響力之間存在因果關系，通過共享與安全風險相關的威脅情報、信息，可以提高組織評估和管理風險的能力，營造安全的信息環境［27］。通過分析和利用這些數據，公安機關可以更好地了解犯罪活動的規律、趨勢，并采取相應的偵查措施。值得注意的是，僅僅收集大量的數據還不足以產生有效的影響，必須對數據進行詳細的分析和解釋，以從中提取有價值的信息。只有在正確理解數據的基礎上，才能制定出有效的應對策略，并達到降低犯罪率、改善治安的效果。警務數據獲取能力因果關系如圖2所示。

圖2 警務數據獲取能力因果關系回路圖

3.1.1 硬件設備

硬件設備對警務數據的獲取有直接影響作用，包括警務數據直接獲取的能力以及在算法和算力作用下表現的警務數據處理度、警務數據驅動力［28］。在警務工作當中，主要采取現場勘驗、電子天眼、人像識別、圖像偵查等方法采集數據，現場勘驗技術越先進、電子天眼成像越清晰、圖像偵查方案越縝密，所獲取警務數據的針對性越強，警務數據的量越豐富。警務數據的處理度是在人工智能算法的作用下，對獲取的警務數據進行加工和篩選的能力，具體體現為警務數據處理速度和數據存量。警務數據的驅動力是算法在公安情報生成過程中的運用，即警務數據的運算時間、處理能力和數據的儲存能力［29-30］。

3.1.2 軟件設備

警務數據獲取能力不僅需要硬件設備的技術支持，還需要軟實力的技術保障，主要包括警務數據支援和綜合技術保障部門的保障。警務數據支援由各警種之間的配合程度及各警種的支援數據量共同體現，其配合度越協調、支援量越多，警務數據的總體支援量就越大。國外情報研究機構紛紛將最先進的智能軟件應用于數據處理中。美國高級情報研究計劃局（IARPA）［31］推出了可以進行跨視頻深度感知的DIVA 技術，它能長時間自動探測視頻內容，并且標注出人或車輛的特定動作，提升情報感知水平。

3.2 警務數據失效度

受公安情報人員的情報評估能力、情報協調能力、警務數據利用效率、警務數據匹配程度的影響，警務數據獲取過程中同時伴隨警務數據的失效。警務數據的獲取是各個部門協同的集合，共享的及時性、共享的深度都會影響警務數據的效度，將其統稱為數據的共享水平。情報評估能力、情報匹配度、情報協調能力及數據共享水平越高，警務數據就會越有價值，就會在相應的時間段轉為有效的公安情報，反之亦然，如圖3所示。

圖3 警務數據失效度因果關系回路圖

4 公安情報生成系統動力學模型構建

系統動力學是解決系統內部復雜時變、非線性的方法，而公安情報生成過程有與其相似的運行機理［32］，因此，可以運用系統動力學理論來研究公安情報生成的內在機理。

4.1 公安情報生成系統模型

運用Vensim PLE 軟件，將公安情報效度作為流量圖的存量，將警務數據獲取能力設置為流入量，把警務數據失效度設置為流出量，把在生成過程中的影響因素設置為流量變量。根據各個因素與公安情報效度的正相關和負相關關系，構成有效公安情報生成系統模型，如圖4所示。

圖4 公安情報生成系統模型

4.2 變量之間的方程式

各變量之間相關計算如下：

硬件設備獲取量=（圖像偵查數據量+現場勘驗數據量+電子天眼數據量）/3

警務數據驅動力=（數據儲存能力+數據處理能力）×數據運算時間

數據支援量=各警種配合度×各警種數據支援量

警務數據處理度=數據儲存量×綜合技術保障能力/數據處理速度

警務數據獲取能力=（數據支援量+硬件設備獲取量+綜合技術保障能力）/3×警務數據處理度×警務數據驅動力/警務數據失效度

警務數據失效度=（情報協調能力+情報評估能力+數據共享水平）/3×情報匹配度

4.3 數據取值

常量函數的初始值通過問卷調查法、算術平均法及實地走訪綜合求出。由于系統模型結構是決定系統動力學模型行為的主要因素，其基本結構是信息反饋，對數據的取值敏感性較低，因此，對于模型中的常量函數均取整數并設定取值范圍為0～100。取值結果見表1。

表1 系統模型常量函數取值表

系統動力模型邊界：（1）對于模型的研究，僅考慮警務數據獲取能力和警務數據失效度兩個子系統，不考慮其他子系統的影響。（2）對于公安情報效度的研究，僅考慮一種公安情報的獲取，不考慮多種情報的生成。

4.4 系統仿真結果

4.4.1 公安情報效度運行結果

運行結果趨勢如圖5 所示。可以看出，公安情報效度大體運行趨勢是先上升后下降。當公安情報主體對公安情報有足夠需求時，公安情報會在特定時間內，在相關因素共同作用下達到其效度的最大值，但在其主體不再需要公安情報時，公安情報自身價值便會隨著時間的推移而逐漸消失。

圖5 公安情報效度基礎圖

4.4.2 公安情報效度子系統仿真結果

4.4.2.1 警務數據獲取能力子系統

在警務數據獲取能力子系統中，將各個影響參數增加20%，得到結果如圖6所示。公安情報效度改變量由大到小順序為：各警種數據支援量＞綜合保障能力＞各警種配合程度＞數據處理速度＞數據儲存能力，由此可以看出，各警種之間的警務數據獲取能力有著重要作用，對生成公安情報效度貢獻較多。

圖6 警務數據獲取能力子系統與公安情報效度關系圖

4.4.2.2 警務數據失效度子系統

在警務數據失效度子系統中，將各個影響參數增加20%，得到結果如圖7所示。公安情報效度改變量由大到小順序為：情報協調能力＞情報評估能力＞數據共享水平。由此可以看出，各警種對情報的協調能力對公安情報的效度影響較大，而情報評估能力和數據共享水平是在情報協調能力下，起到輔助的作用。

圖7 警務數據失效度子系統與公安情報效度關系圖

綜上，在警務數據獲取能力及警務數據失效度兩個子系統當中，對公安情報的效度至關重要的因素分別為各警種數據支援量和情報協調能力。各警種數據支援量的重要性在于它們能夠提供實時、準確的信息，從而支持決策制定和行動執行，數據支援量將直接影響系統的信息優勢。而情報協調能力的重要性在于它能夠促進警種之間的信息共享和協作。在復雜環境下，不同警種可能需要依靠彼此的情報，以便更好地了解和應對威脅。情報協調能力的提高將直接增加整個系統的靈敏度和反應能力。此外，各警種之間的數據支援量和情報協調能力也可能相互影響。如，良好的情報協調能力可以幫助各警種更好地理解和利用彼此的數據，從而增加數據的支援意愿。同樣，更好的數據支援意愿也可以促進情報協調能力的提高，因為更多的數據意味著更多的信息可以共享和分析。

5 結論與討論

首先，本文論述了人工智能背景下公安情報與數據、算法、算力的關系及警務數據的特點，分析了公安情報生成的主要影響因素。其次，構建了公安情報效度各個子系統的因果回路圖。最后，基于系統動力學理論構建公安情報生成系統模型并進行仿真模擬，得出各個子系統中對公安情報效度起關鍵作用的影響因素。基于此，得出影響公安情報效度的動力學結論，為公安情報的高效利用提供了具有客觀性、針對性及可參考性的理論依據。

5.1 加大各警種的數據支援量，提升公安情報生成效率

公安實戰部門既要重視各警種之間協調能力，使各警種之間效能更高，發揮更大作用；也要重視和發展硬件設備對數據的分析研判能力，加強信息融合與加工技術的研究，如大數據預測、多維生物特征融合、信息深度合成犯罪應對、語義認知推理、視頻圖像智能處理與應用等技術的研發與應用，提升對社會治安風險的智能感知與研判能力。

5.2 公安情報體系建設與公安情報研判并重

在警務數據建設中，既要重視各相關部門的協調能力，也要重視對獲取情報的分析研判能力，減少獲取警務數據的失效程度，提高警務數據的利用率。同時，需要重視情報人員專業能力的培養，讓其反饋出的情報數據能夠客觀、及時、有效運用到實戰警務當中。

5.3 數據、算法、算力協同推進情報效能最大化

為使公安情報系統效能最大化：一方面要重視數據獲取的全面性和客觀性，協調各警種之間作戰能力，優化各部門之間的溝通渠道；另一方面要大力發展和開發數據分析技術，剔除無效數據而盡可能獲取有針對性的有效數據，從而達到數據利用率最大化和作戰精準化。此外，在數據的高效獲取和算法的有效分析下，應提高算力，強化數據處理能力和算法分析能力。