大数据技术在公共安全领域的主要应用

+电镜之鹰

一、概述

公共安全事件是指危害社会安全、社会经济活动和人员生命健康及财产完整的各项危险性事件，一般包括：自然灾害、事故灾难、社会公共卫生事件和社会安全事件等。公共安全作为人类社会生存发展的重要基础，历来是世界各国高度重视的重要问题之一。可以说，如何提供务实、有效的公共安全保障是国家治理体系和治理能力现代化的重要内容。

从目前世界主要国家的发展情况来看，在取得长足进步和巨大成就的同时，传统的社会公共安全治理和保障模式还存在着公共安全风险预警敏感不足、公共安全风险综合管控能力不强、公共安全治理技术相对落后、缺乏高效协同的安全风险协调机制等问题。

随着现代信息技术的快速发展，大数据技术在社会各领域得到了越来越多的应用，将大数据技术应用到公共安全领域，有助于探索更加高效、可靠的公共安全保障模式，催生更加动态、高效和科学的公共安全管理理念体系，为进一步增强社会公共安全治理能力提供了一条全新的路径。

二、大数据在公共安全领域的主要应用模式

随着当前经济社会的不断发展和信息技术的不断进步，大数据正在社会生活的各个领域衍生出越来越多的应用，社会实体空间正与数据空间产生日益紧密的对应关系，大数据技术的不断发展，正在公共安全领域显现出更多样、更深入的实际应用成效。

（一）支撑公共安全风险的事前预警预防，实现公共安全治理从被动的应急响应向主动的风险管理转型。

随着经济社会的发展和社会矛盾的逐渐演变，犯罪等公共安全威胁事件的数量、类型正发生显著的变化。因此，为了更好的开展犯罪预防，更加主动有效的掌握犯罪动向，近年来很多国家正逐步开展犯罪预测技术的相关研究和应用，即采用大数据分析的方法收集、分析犯罪相关数据，在此基础上建立能够描述犯罪行为特点趋势的犯罪模型，并根据模型对未来一段时间的公共安全趋势、犯罪发生发展情况、犯罪热点区域等进行有针对性的预测，更加准确地识别犯罪模式和热点区域，有针对性地部署警力资源，从而更好地开展相关公共安全保障活动。

为了做好犯罪建模和趋势预测，一般相关机构会收集过往犯罪数据，根据一定的分析算法建立犯罪预测模型，依据相关模型来对潜在的犯罪时间、地区、犯罪人员、被害人、犯罪形式等要素进行预测。一般来说，数据量越大、数据种类越丰富，犯罪预测模型的精确性和可信度就越高，因此，为了建立精准的犯罪模型，往往需要依靠大数据的算法和系统对大量数据（如犯罪人/嫌疑人信息、国外犯罪案件信息等）进行清洗、分析、处理和个性化呈现，从而保证建模的精度和效率。

许多国家和地区的实践表明，采用大数据技术进行犯罪预测分析，可以加强相关部门的情报分析研判能力，能够支撑开展犯罪嫌疑人员分析、犯罪热点分析、犯罪时空分析、重大事件预警分析等业务，从而引导相关人员更好地聚焦犯罪风险及其诱因，有针对性地部署相关安全防范资源和策略，积极采取有效风险防控和犯罪干预，从而实现由事后被动应对向事前主动预防的转变。

（二）实现更加精准的案件侦查，增强安全态势感知能力，提升公共安全保障活动效率。

大数据技术的出现，可以使传统的犯罪案件侦查过程逐步数据化：由于大数据技术的应用，使得相关机构和人员往往可以尽可能多地处理和分析多种类型的数据，从而突破时空障碍，不受地域和时间范围的制约，实现对犯罪嫌疑人的全方位刻画，实现“让数据说话”的科学化案件和事件侦查。

通过视频侦查对犯罪嫌疑人的体态、步态和特殊习惯的进行分析

大数据技术的引入，使得相关机构和人员能以科学、高效的方式将大量存在的孤立、异构数据进行有效整合，将碎片化的数据（包括文本数据、音视频、图像等非结构化数据）有机地组织到符合人们认知方式的知识网络中，让数据更加容易被人和机器理解与处理，为搜索、分析、挖掘、应用、展现、预测预警等各类应用提供更加可靠的支持。多种数据的引入，使得公共安全机构能够更加全面地感知和预测公共安全态势，更加精准地掌握非法活动的规律、特点和趋势，从而提供更加准确的威胁预警和资源布控支持。

（三）促进公共安全相关资源整合，实现公共安全的多元协同化治理。

在实际的警务工作中，相关单位随着业务系统建设和数据累积的不断增多，往往面临着许多现实难题，主要包括：

（1）数据来源多，形式复杂，因此接入过程复杂冗长，进一步导致了数据可信度低、应用困难等问题。

（2）数据与各警种或业务部门之间的关联不够，各个警种往往都有自己的数据和自建的业务系统，导致了不同部门和警种之间的数据很难打通汇总，无法进行全面的整合分析。如何有效地把多源异构的海量数据整合为能够被不同警种和部门人员理解和使用的数据对象就成为一个亟待解决的问题。

大数据平台可以为不同部门提供统一的数据描述、建模和共享，便于把海量数据归一化为具有统一特征的数据对象（如人物、时间、地点、环境等基础要素），为相关人员提供多种自动化警务分析或技战法模型，从而帮助相关人员自动化的开展关系挖掘、情报研判、重点人员管控等相关分析，提高数据应用和案件推演的效率。

同时，采用统一化的数据可视化方式，为用户提供友好的态势感知接口，确保相关人员能够从众多信息中快速分析和洞察相关安全事件隐患。

三、大数据技术在公共安全领域的典型门类

（一）视频大数据

视频信息是指通过视频监控设备采集获取的视频流媒体、图片以及与视频流媒体和图片相关的描述信息。一般来说，公共安全部门主要使用的视频图像信息主要包括视频流媒体信息，人像、车辆视频及其结构化属性信息等。随着视频监控摄像机覆盖广度、密度的增加，视频图像数据量呈指数上升趋势，通过人工判图的传统方式已经不能适应视频信息的处理和应用，客观上必须引入大数据方式对海量视频信息进行高效整合和利用。

视频大数据技术主要是依托大数据对采集到的视频图像进行处理、分析和挖掘，及时发现犯罪行为和犯罪分子踪迹，侦查案件线索和证据。在现代案件侦破过程中，视频大数据往往在发现案犯、划定侦查方向、确定犯罪规律特点、缩小侦查范围、甄别细节特征、锁定案犯等方面能够起关键性作用。在“周克华案”的侦破过程中，公安人员通过对大量涉案视频的审看、分析和研判，充分应用了大量视频技战方法，查明了嫌疑人身高、特殊步态等特征，运用时空锁定、循线追踪等技战法，获取了周克华的时空轨迹、生活习惯、衣着、物品等特征，查清了周克华的活动、藏匿区域，为侦破该案件提供了重要保障[1]。

当前，公共安全领域的视频大数据应用领域主要包括如下方面：

●利用各类治安监控视频数据来夯实公共安全基础管理，如实现对流动人口和车辆的管理，实时或事后掌握关键人、车、物等基础要素的相关特征和时空活动轨迹规律；

●从海量的视频数据中发掘可能危害公共安全的预警信息，如个体行为、群体聚集事件等，为有针对性的安全防控和事态化解提供决策支持；

●在案件侦办过程中利用视频数据来发现涉案线索，辅助相关部门侦查破案；

●利用视频数据对危害公共安全的交通违规、违法和犯罪行为进行取证和调查。

应该看到，由于视频数据属于非结构化数据，如何自动、准确地解读视频数据，从大量冗余信息中尽可能完整可靠地提取有价值的信息，是需要解决的主要问题。目前，基于深度学习的人工智能技术和海量视频数据检索分析技术在视频大数据中发挥着越来越重要的作用，基于人工智能的视频分析技术能够帮助相关人员实现对海量视频的深度挖掘和多种业务化应用，从而最大限度发挥视频的作用和价值。

（二）电子取证大数据

电子证据是信息数字化过程中形成的以数字形式存在的能够证明案件事实情况的数据。2013年1月1日施行的《中华人民共和国刑事诉讼法》首次将“电子数据”正式列入合法证据类型中。随着电子技术的快速发展，各类犯罪活动越来越多地使用手机、计算机、网络、云存储等现代信息化手段，因此，针对计算机、手机和其它各类电子文件的提取分析往往能够成为案件分析与案件跟踪的重要依据之一。

它主要包括：视频、音频、程序、图像等，只要内容涉及犯罪活动或行为就能作为直接证据对犯罪分子予以定性。电子取证一般包括电子证据的复制、提取、过滤和恢复过程。在大数据环境下，电子证据往往不再局限于单个机器，而是存在于不同的物理主机和服务器上，为此现代取证技术必须能够适应这一变化，采用分布式的综合取证系统来实现包括互联网、电子邮件、智能手机等多种新型信息化媒介的综合取证。

（三）数据碰撞

数据碰撞是指不同数据集之间，以一种或多种数据项为条件，产生数据交集的过程。在实际的犯罪侦查行动当中，数据碰撞是在大量涉案数据中查找符合一定数据条件（如涉案的人、物、事、地址、时间等因素）抽取不同的数据项为碰撞条件，产生数据交集，从而更快地查找犯罪嫌疑目标。

在案件侦破过程中，数据碰撞往往能够带来重大的帮助，如在某些盗窃案件的侦破中，罪犯在实施盗窃过程中，可能会在盗窃案件现场留下指纹、足迹等痕迹，也可能在盗窃案件现场所在地及其周边的通讯基站或者视频监控系统中留下手机通话数据和视频监控数据。通过对盗窃案件现场的各种侦查要素及其鉴定结果的数据碰撞、比较和分析，能够找出犯罪人员的活动规律或确认犯罪人员身份，从而锁定犯罪嫌疑人，侦破盗窃案件[2]。

（四）大数据画像

大数据画像技术实际上源自传统的犯罪心理画像技术，是指通过大数据的分析和可视化方法，对犯罪相关人员的身份特点、行为特征、兴趣偏好等进行更加量化、全面的描述，从而使办案人员更全面了解犯罪相关人员的具体情况，并为犯罪侦办行动提供必要的线索支撑。

大数据画像中所使用的数据类型往往非常多样，包括相关人员的基本信息数据库中来源的数据（如身份证号码、驾照号码、护照号码、婚姻状况等）、网络通信数据（通话、短信、电子邮件、社交媒体活动、常用联系人等）、视频监控数据（人物轨迹、高频出现地区等）。一般来说，搜集的数据越多，对于人员的画像就会越精确和完整。

（五）犯罪关系挖掘

当前，大量违法犯罪活动越来越呈现出网络化和集团化的趋势，有组织的犯罪已经成为犯罪活动中的主要形式。在犯罪行为的策划、实施过程中，犯罪分子及其相关人员往往会通过通信联系、接头配合等方式发生必要的社会联系，因此其在现代通信网络中所留下的痕迹实际上就是其进行犯罪活动的踪迹和证据，为此，采用大数据挖掘和分析的方法，借鉴社交网络分析的基本技术，往往能够及时发现犯罪分子的部分社交关系，将“人、事、地、物、组织和虚拟身份”等数据要素关联起来，从而还原其策划实施犯罪的主要过程，为案件侦破提取必要线索。

犯罪关系挖掘一般选择一个或几个关键性人物（一般为犯罪嫌疑人）为起点，通过大数据手段提取、清洗和分析相关人物的通信数据、网络联系数据、视频数据、社交媒体数据，并对相关人物的关系网络进行提取绘制，分析不同关系的连接次数、频率等因素判断不同关系的亲疏程度，最终形成完整的犯罪关系网络[3]。

四、结语

为确保大数据技术与公共安全的有效结合，应该注意如下问题。

（一）把握好大数据信息的合法性边界

当下，把大数据作为侦办相关犯罪案件，支持公共安全决策的必要手段已经越来越成为一种客观需要，但从相关法律来说，大数据本身并不是严格意义上的证据，只有在那些能够将海量数据进行客观完整采集的基础上，运用科学的数据处理技术进行连接、运算和分析，才能为证明案件事实提供有价值的分析。因此，大数据作为传统意义上的司法证据使用，必须确保其可信性、完整性和法律符合性。

（二）加强大数据信息的合法隐私保护

大数据技术在具备较强的数据分析能力的同时，在客观上也潜在着侵害公民隐私权利的可能性。因此，大数据技术在公共安全领域的应用，必须严格遵守相关个人隐私保护的法律法规，对于大数据的应用及其结果的处理、存储、公布、分发等关键环节应建立严格的管理机制，确保隐私和敏感信息不外泄。同时，在应用大数据技术的过程中，也应注意到大数据技术的使用边界和范围，确保其不侵犯公民合法权益。

（三）建立完善的大数据共享设施和机制

大数据技术在公共安全领域的有效利用往往依赖于顺畅的跨部门、跨地域的信息共享，这就在客观上要求打破各种不合理的信息壁垒，以数据资源为基础，依托基础网络设施，建设跨部门、行业的信息共享与服务基础设施，从而实现信息资源安全可控的交换共享，从根本上打破信息孤岛的制约。