一种社区治安风险评估监控管理系统的设计与实现

何 超

（陕西警官职业学院治安系，陕西西安 710021）

近年来，关于治安防控研究成果日益丰富，一些学者从影响社区安全状况的积极因素和消极因素出发，建立包括社区违法案件、人口管理、违法人员等指标的评估指标模型，进行地区评估分析［1-2］。还有一些学者针对治安防控的组织结构特征，从控制防护角度建立治安防控体系，根据各构成要素的相互关系建立治安防控体系结构［3］。

本文在相关研究的基础上，针对社区治安事件的驱动要素进行分析，并基于层次分析法确定了影响社区治安的影响因子权重，在此基础上，构建覆盖社区、人、事、地、物、组织的社区风险监控管理系统，实现对社区风险的系统管控。

1 治安防控的要素驱动

1.1 治安事件要素

当前，社会治安事件主要从形态、时间、空间多维度进行分析拓展，从而为后续的管控干预措施提供建议意见［4］。本文在此基础上，针对驱动治安防控的基本要素，从人、时、空、案事件方面展开。

人：包括具有现实危害或违法犯罪的嫌疑人，纳入治安防控的高危人群；时间：包括与事件发生、应置于治安防控下的时间节点和区间的综合；空间：包括与时间发生的相关运动轨迹、应置于治安防控下的地理区域综合；案事件：指危害社会治安的各类违法犯罪活动，影响社会稳定的各类突发事件。

人、时、空、案事件4个要素相互紧密联系，缺一不可，但4个要素间不同结构、层次构成不同作用关系，各要素间相互作用，形成相应的要素驱动模式，图1给出了3种要素驱动模式。

图1 要素驱动模式示意图Fig.1 Diagram of the factor drive mode

由案到人的驱动要素：案事件发生后，以抓获人员为工作重点，警力资源侧重于对违法犯罪行为的打击和侦办，通过抓获犯罪分子对犯罪行为构成威慑，根据对案件的分析对可能发生案件的时间、地点进行控制。由人到案的驱动分析：警力资源侧重于获取重点人的背景、动态、身份信息，既通过对重点人的管控来实现经营查案、串并查案的目的，又可通过时间、空间有效地进行预警防控。时空压制的驱动分析：警力资源针对犯罪案件进行最大限度的时空挤压，确定重点时空范围、快侦快破，并通过减少违法犯罪机会，降低犯罪风险。

1.2 治安防控决策模型

针对治安防控3种要素驱动下的各种特征，为科学评价社区治安风险防控效果，采用层次法进行分析。以南方某省为对象，向全省13个设区的市公安局112个县级公安局发放问卷调查，征集市县两级治安、刑侦、办公室、报警指挥中心部门人员意见，共收到不同警种负责人意见328份，经过专家咨询评价分析，运用加权融合方法，建立如表1所示的递阶层次结构模型。模型分为目标层、准则层（一级指标）、子准则层（二级指标），其中目标层为社区治安风险防控，准则层包括4个指标，子准则层包括16个指标，共同构成风险评价指标。

表1 社区治安风险评价指标Tab.1 Community security risk evaluation index

在建立治安防控递阶层次模型基础上，对同层元素相对于上层元素重要性进行两两比较，构建表2所示的判断矩阵并计算。

表2 层次分析法重要程度判定Tab.2 Degreeof importanceof hierarchical analysis method

由于专家工作环境不同，以及判定存在一定误差，造成判断矩阵缺乏合理性，故引入“随机一致性比率”判定矩阵合理性，当满足值不大于0.1时，则认为矩阵满足一致性检验。根据层次单排序即层次总排序来确定各指标对上层指标的权重影响。

1.3 模型评价结果

运用层次分析法获得社区治安风险权重如表3所示。由表3可以看出，准则层的4个一级指标权重值分别为0.3376、0.1825、0.3954、0.0845。权重占比较高的指标为防护措施、潜在危险人员，而社区环境和潜在受害者2个指标权重占比相对较低，可以看出，社区治安风险源主要是潜在危险人员以及社区的治安防护措施是否合理。

表3 社区治安风险源指标权重Tab.3 Weight of Community security risk source index

从社区警务角度看，人防措施、技防设施的权重指标分别为0.1642和0.1422，有效的人防和机房措施对于预防社区治安风险具有显著作用。而潜在危险人员权重值较低，影响治安风险度较高的指标主要为流动人口、社会闲散人员，因此加强对社区流动人口管理能有效控制治安风险。吸毒人员和具有犯罪前科人员作为重点监控对象，加强对两类人员的定期走访对于避免社区治安类案件十分必要。

2 社区治安风险监控管理平台

针对社区治安的复杂性，为提升基层社区治理能力，设计新型的社区平安数据监控平台。将人与数据关联运算，通过大数据平台采集非结构化异构数据，为政府部门、社区提供便捷服务。

2.1 平台整体设计

平台采用Hadoop+Spark+HBase分布式框架。整个平台分为4层网络结构，包括资源层、数据持久层、数据处理层、应用层，见图2。

图2 整体架构图Fig.2 Diagram of Overull framework

资源层主要为各类软、硬件设备，为平台提供硬件软件支持。数据持久层进行不同异构数据的关联分析，首先通过数据方聚集、维规约、数据压缩对采集的初始数据进行规约化处理，利用深度学习进行风险预警。应用层主要实现平台功能应用，如警务处理、风险监控、数据管理。

2.2 系统功能实现

2.2.1 多协议动态适配数据采集

当前数据源主要包括政府部门、公安机关、社区等，数据采用非结构化形式［5］，包括图像、语音、文档、符号等。政府和公安机关数据包括各类警力、案件数据、社区成员关系等。社区数据以智慧型物管基础数据为主，包括社区人员组成、监控系统、设备、门禁等，对不同设备间通信协议解析，建立解构化的特征库，采用通用型协议视频方式实现通信协议智能识别，一旦识别成功，则自动调用对应接口方式，具体逻辑结构如图3所示。

图3 数据采集逻辑框架图Fig.3 Diagram of data acguisition framework

2.2.2 多源异构数据整合管理子系统

针对复杂庞大的多源、异构、孤立的社区数据，采取不同的数据处理方式，对交通、人员流动等结构数据进行预清洗、降噪处理［6］，对半结构化数据和非结构化数据标记预处理，实现数据结构转化和语义解析，对多源异构数据进行多源异构大数据融合，形成关系网络结构［14］。

2.2.3 社区治安风险方案子系统

当前，社区民警、街道办由于职责不同，各自拥有相互独立的网络系统，因此，在实际风险预警和处置中，容易造成资源调配困难、处理不及时的问题。通过对不同网络系统数据的关联融合，建立归一化的治安风险防范系统，整合社区人、事、物等资源，将城市管理、综合治理、社区治安等独立网格融合为信息大平台，进行统一管理和调度，通过建立风险分类防范和风险处理责任体系，实现有规可依。

3 结 语

本文基于社区治安日常风险管控，通过层次分析法对社区治安风险评价指标进行影响权重分析，并在此基础上，建立覆盖社区、人、事、地、物、组织的社区风险监控管理系统，对提升社区治安防护措施和控制治安风险具有重要意义。