浅谈智慧警务数据的获取与分析

摘  要：大数据时代的到来迫使警务工作向着智慧警务模式变革，理解与掌握智慧警务数据获取与分析新技术及应用，及时改变警务工作方式、提升警务数据分析能力，是智慧警务对每个当代警察的要求，是成为适应快速变化的数字化环境中合格警务工作者的必走之路。

关键词：智慧警务;数据分析;数字化警务

中图分类号：TP391      文献标识码：A 文章编号：2096-4706（2019）05-0032-03

Abstract：The arrival of the era of big data forces the police work to change to the mode of intelligent policing. Understanding and mastering the new technology and application of intelligent policing data acquisition and analysis，changing the policing working mode in time and improving the ability of policing data analysis are the requirements of intelligent policing for every contemporary policeman and the only way for qualified policing workers to adapt to the fast changing digital environment.

Keywords：smart policing;data analysis;digital policing work

1  数字警务

从浏览互联网、访问社交媒体到网络银行使用和在线购物，世界已经变得数字化。伴随着数字化进程的不断发展，社会每天都朝着更加复杂、更加多样化、更加强大的智能化方向发展，数字信息或者说数字数据已经达到超载状态，如何处理扑面而来的大数据成为各行各业不得不面临的课题。在这种大数据时代，技术和数字化演变对社会的发展起着至关重要的作用，警察和警务工作也因之面临越来越多的挑战，及时改变警务工作方式、提升警务数字数据分析能力，成为适应快速变化数字化环境的合格警务工作者的必备能力。

1.1  数据驱动的警务

执法机构的目标是通过实施各种战略和方法来预防、打击犯罪并确保公共安全，在数字化背景下，更对其提出了“提高犯罪预防、干预和响应效率”的要求。使用数据驱动的警务执法策略，必须依靠犯罪数据和其他信息来源来引领警务工作。

在过去的警务工作中，无论是在地图上追踪犯罪，还是给犯罪分子拍摄照片、按压指纹留档备案，或者是利用情报档案进行案件分析，都说明警务工作一直依赖于数据，只是数据更多存储于相互孤立的系统中。随着大数据时代的到来，数据驱动警务作为警务工作新模式，成为一种处于技术前沿的现代执法方法，在这种数据驱动的警务工作模式中，数据来自多个数据源。例如：这种数据源可能是地理位置信息，利用地理位置信息与犯罪数据合并分析，可以在很少或没有额外资金援助的情况下，帮助执法部门打击犯罪，此举不但能减少犯罪，同时也能降低交通事故的发生。刑事情报是数据驱动警务工作的核心，相关分析人员与警务人员协同工作，收集并分析、解释犯罪数据，能够清楚地描绘犯罪趋势。再如可针对不断出现的犯罪相关数据流，结合实地调查报告数据，进行分析再将涉及到的人物分发给相关具体部门，可为警务人员立即采取行动提供决策和参考。

1.2  基于证据的警务

在大数据环境中，利用人工智能和机器学习可以帮助寻找事故现场或案发现场相关线索，也可基于情报利用人工智能技术主动发现调查线索，在分析中使用简单的规则集来测试新的假设，可确定哪些有效并成功將其扩展应用。同理，我们可以使用数据分析方法，采用先进的法医技术从相同数量的证据中提取更多信息，形成一种基于证据的警务。具体做法为：分析有关警察活动或者互动结果的数据，从中找到最有效的方法和工具，并尽量减少使用后会造成相对更糟情况的策略和方法。在警务工作本身要求越来越多的资源支持的情况下，基于证据的警务可准确寻求所需要的外部援助，如学术研究人员或计算机程序员，以帮助警务工作者集中精力有效的进行本职工作。

1.3  警务工作的数据挑战

随着数据收集和分析成为警务工作的重要辅助，执法机构不仅仅是逐案处理，各地警方正与充当犯罪分析师角色的统计人员合作，在数字数据世界中确定犯罪的网络图像模式，这些模式与保持社区安全的其他线索一样重要，并与传统执法机构之间合作共同解决问题，为预防、打击犯罪提供思路、方法和工具。

2  智慧警务数据获取

2.1  警务数据的重要性

数据几乎渗透到现代生活的各个方面。司机依靠可汇总数百万驾驶者数据的移动导航应用程序来避开交通拥堵的路段;家长和学生根据平均考试成绩、毕业率和大学入学率等数据择校;交友程序根据共同兴趣、爱好和接近度来匹配人;政府不断收集、分析和传播数据，向公众解释经济趋势，这种政府政策如果不是通过数据驱动将很难发挥有效作用。

在维护数据如人们日常生活一样重要的时代，数据能有效帮助警方识别犯罪趋势、分配资源以应对这些趋势、评估培训和业务规划的有效性。同时，提供公共数据访问量即是提高透明度，这有助于与执法部门建立信任并为制定减少犯罪的协作解决方案提供重要基础。开放数据不但能够提高执法机构的公信力，而且可通过公众对开放数据的竞争性分析发挥数据作为资源的潜在作用，不失为一种更加精明的资源利用方式。

2.2  智慧警务时代数据获取

每一次犯罪案件调查都是从收集有关的犯罪事实开始的，这项工作一直很艰难，传统做法是警察到事发地点观察、调查聆听，并依靠当事人回忆或可能的蛛丝马迹寻找到更多的犯罪信息形成证据链进而协助案件侦破。智慧警务时代则改变了这种获得信息的方式，在需要时，警察可以使用物联网（IOT）和智能传感器等新技术轻松快速的获取一些相关信息。

智能传感器可用于编译许多不同类型的信息来帮助官员更快、更有效地完成工作。例如：记录位置、收听枪声、流式传输视频、标记车牌、扫描数据库，或者进行虚拟巡逻，让警务工作者在其环境中获得前所未有的认知。这些功能不但可以提供原始数据，而且能够通过与多元数据的结合进行更详细的分析，以提高办事效率并加快调查速度。甚至，这些技术可以帮助合适的决策人员在正确的时间出现在正确的位置并进行恰当的工作。

2.2.1  社交媒体

人们在现实社会谈论隐私的重要性，但同时又通过微博、微信等社交软件和其他人交流分享自己在做什么、思考什么，甚至在特定时刻吃什么东西。基于这种情况，社交媒体无疑是执法机构、犯罪分析员收集情报，查找线索甚至筛选犯罪嫌疑人的重要工具。

2.2.2  无人机

无人机可帮助警察执行一些根本无法进行的巡逻，并向警务调度人员和相关分析人员提供实时信息，以获取正在进行的犯罪活动和相关危险情况的重要信息，从而帮助警察更好地规划对突发事件的应急反应措施甚至帮助其及时挽救生命。此外，可通过无人机追捕犯罪人员，获取视频和图像为未来的法庭诉讼提供重要证据。

2.2.3  谷歌眼镜

执勤中的警务工作人员佩戴特殊眼镜可记录和分析本人所看到的一切，在内置屏幕内提供有关看到的商家、家庭和车辆的信息，而面部识别软件可提供所面对人员的实时信息，谷歌眼镜使得这成为现实。现有软件和数据，通过简单的智能手机即可提供增强现实体验。这些数据可以更有效地帮助警察在巡逻过程中更好地保证自身安全和公共安全。

2.2.4  利用生物识别技术进行数据安全和识别

生物识别利用指纹、视网膜扫描和DNA等独特的生物学特征来识别个体。警务工作中原本需要花费数天甚至数周来进行的指纹识别，随着技术发展，其工具变得更便宜、更小而便携，并且随时可用，警务人员能够使用手持式扫描仪即时识别有犯罪前科的人。

2.2.5  智能手机和移动终端

智能手机和移动终端成为一种打击犯罪的工具。在警务工作中，连接设备可移植性日益提高能为警察提供新的用途和应用。无论身在何处，从手持翻译服务到手持式电子票务，智能手机和移动终端能够随时访问、记录和传播重要信息。

2.2.6  警察自动标记和车牌阅读器

如果将电子标签阅读器安装在警用巡逻车外部，通过连接到车辆信息数据库的摄像头，电子标签阅读器可以及时分析其视野范围内的每辆车上的车牌，检查被盗车辆或比较相关信息则变得轻松易行，也会为交通管理警务工作带来效能的提高。

2.2.7  执法使用GPS

全球定位系统并非新技术，但其扩展到执法界并结合犯罪数据进行应用，能够提高警务效能。如警方可精确定位呼叫位置，确定最快、最安全的呼叫路线，从而让公众更有效、更及时地获得所需帮助。警务人员通过交通事故地点并将这些信息导出到地图，以便于更好地集中精力减少交通事故发生。犯罪分析人员也可以利用全球定位系统技术帮助识别犯罪地点的运动新趋势，并帮助其更好地规划人员部署和安排巡逻。

2.3  警务数据获取新技术应用

警务工作可以通过物联网和分布式传感等技术收集有关犯罪事实的信息，并指出正确的方向。针对现场警察应该如何具体去做，同样有新技术可以利用。数字新技术如5G通信，电子设备小型化和增强现实等领域的进步，使警务工作者能够以前所未有的方式观察、听取和采取行动。当一名警务工作者到达不熟悉情况的地点时，可及时使用增强现实眼镜从该地址查看关于先前发生事件的相关信息，可以查看该地点环境或者查看该地点的最近犯罪历史，而这些信息无疑对采取预防措施保护自己、更好为公众服务提供强大支持。新技术还可以在现场提供数字数据备份或进行电子数据取证。如利用小型自主无人机进行编程，通过程序设置对警务人员在侦察地点的活动进行跟踪、录制视频并提供视频回传，使得任何警察不必真正独自进入不可控情况区域。

3  智慧警务数据分析

3.1  警务数据AI分析

我们生活在充斥着数据的世界里，利用大量数据来预防犯罪是现代警务工作的一个重要需求。随着许多部门开始部署增强现实、车身摄像头、车牌阅读器和智能传感器等技术解决方案，每天必然会产生比整个模拟时代历史时期更多的数据。未来执法战略的成功，则在于是否能够快速、有效地利用这些庞大的数据来支持调查及其他执法行动。

现实的问题是这些数据量之大，任何人即使穷其一生都用于搜索也是显得过于庞大。为了能够真正地洞察数据中的线索，人工智能（AI）和机器学习必将是未来调查的关键。例如：2013年9月，搜狐有条新闻中报道，“在周克華案件中，长沙全市一千名视频侦查民警短短两个月内观看了将近30万G的监控视频，相当于83万部电影”，当时新闻中用了“短短两个月”形容民警效率之高，然而，在目前的技术条件下，借助于人工智能和视频分析技术，使用100台电脑，花费4个小时基本就能完成这一任务。

通过分析模式，传感器馈送和记录数据库，AI可以帮助执法部门确定关键位置，找到嫌疑人之间的关键联系，并探索隐藏在数据海洋中的其他见解。

3.2  预测性警务数据分析

预测性警务的目的是通过缩小潜在的犯罪活动，支持犯罪调查，提高传统警方调查工作的效率。预测性警务数据分析涉及大型数据集的处理，利用预测模型，根据不同类型的输入数据集提供输出。预测性警务数据分析包括利用地理空间技术和基于证据的警务模式，以此来帮助执法机构进行犯罪分析。

借助警务大数据及高级分析，预测可能犯罪的时间和地点、未来的罪犯、受害者的人口统计资料和潜在犯罪分子过去的犯罪行为，以帮助预测犯罪，不但使执法机构的决策能力得到明显改善，还为执法机构提供了先发制人的机会，可以重点关注犯罪易发地区，重点关注潜在犯罪者或被攻击目标。可能情况下，在犯罪发生前制止它。这对社会、潜在犯罪者和被攻击目标都是有意义的。

以预测为主导的警务数据分析涉及如下内容：首先，收集数据并选择使用的分析方法。其次，分析用于提供给特定部门特定犯罪所涉及细节的数据。这里的分析包括热点分析这样的挖掘分析，主要用于预估更多可能的犯罪行为，提示过去发生的事件，提醒即将发生的潜在犯罪行为。最后，最好分析防止未来犯罪的安全措施。例如：可利用社会分析进行风险地形分析等。

4  数字警务的关键支柱

4.1  协作与投资

世界各国政府都在投入大量资金用于整合数字技术，以加强其数字警务方面的准备。例如：英国政府通过“警察转型基金”为英国警察部队的转型提供1亿欧元，该基金主要用于解决网络犯罪的取證问题。我国公安系统也在积极建立统一的云平台。

在加大投资和与执法部门加强内部合作的同时，与外部机构和服务提供商合作，是改善警务的最重要步骤之一。目前在全球范围内，执法机构都正在与新技术提供商合作，试图开发一个较好的解决方案。

4.2  教育与培训

在智慧警务时代，必须确保每个直接参与公众服务的警务人员都能够通过数字解决方案应对犯罪活动。为此，须向每一个警察提供一些关于此类技能组合的必要培训。这可以通过公安院校提供类似网络犯罪培训课程的方式来实现。

5  结  论

技术的发展与应用已经证明，利用大数据，执法部门能够极大地提高执法效能，进而获得巨大收益。大数据技术可以自动完成当前艰巨而耗时的任务（例如：对通信数据的人工分析）;有效使用预测分析则可以制定积极的防范和打击犯罪策略，避免发生案件——回应犯罪事件这一简单模式的出现，将资源放在最需要的地方;算法风险评估工具可用于预测与个人相关的风险，如预测重新犯罪的概率或识别处于增加状态的弱势群体失踪或受到伤害的风险;可通过开源数据来获得数据并深入了解社会大部分地区的不同犯罪问题。

然而要真正实现数字警务变革，有效利用数据的技术能力是关键。预计在未来发展中，大数据会整合到制定警务策略所需的基础架构中，而执法人员必须具备相应的技术才能有效利用这些大数据。

参考文献：

[1] Police Foundation. Law Enforcement Executives Guide to Open Data [EB/OL].https：//www.policefoundation.org/publication/law-enforcement-executives-guide-to-open-data/，2017-11-01.

[2] 张浩.民警两月看30万G监控视频一眼认出周克华 [EB/OL].http：//news.sohu.com/20130925/n387200192.shtml，2013-09-25.

[3] 李俊莉.大数据多维感知与智慧警务探析 [J].网络安全技术与应用，2018（12）：76-77.

[4] 王海燕，胡婷，王俊.智慧警务系统在地市公安局的应用研究 [J].计算机科学，2018，45（S1）：518-522.

作者简介：庄海燕（1976-），女，汉族，河南南阳人，副教授，硕士，研究方向：信息安全、电子数据取证与分析。