社区治安风险多主体关联分析及预警方法研究

胡勉宁 王宇哲 贾 楠讲师

(中国人民公安大学 信息网络安全学院，北京 100038)

0 引言

城市安全取决于社区安全。随着社区规模扩大、社区居民聚集，社区治安事件也随之增多，如2018年杭州蓝色钱江社区的保姆纵火案，2020年杭州城东某社区杀妻案。社区作为城市的基本构成单元，社区治安安全是城市安全的基础，是居民平安稳定生活的基本保障，因此研究社区风险多主体关系、对社区风险进行预警，是进一步完善社区治安风险管理、实现城市精细化管理的重要一步。社区风险高度汇聚、相互复杂耦合关联，社区治安风险具有“人—地—事—物—组织”多主体混杂的特点。社区治安事件的发生往往起源于社区中错综复杂的关系，社区作为若干社会群体的生活聚集体，拥有其所属范围的有界性，在狭小范围内包含人与人之间邻里关系、婆媳关系、债主关系，人与物之间的携带危险物品关系，人与组织之间隶属犯罪团伙关系等，这些关系可总结归纳为 “人—地—事—物—组织”5风险要素。同时单一案件往往是由多个风险关系叠加所致，例如在2018年杭州蓝色钱江社区的保姆纵火案中，由于保姆和雇主之间盗与被盗关系，保姆与高利贷集团催债事件关系，消防设备老化的关系等叠加导致悲剧发生。因此，在社区安全事件频繁发生、社区治安与生活安全问题凸显的当下，应厘清社区中风险多主体的关联关系，尽早对风险事件进行预警，切断风险事件的演化进程。

社区治安风险因素关联机制研究方面，国内外专家已开展部分研究工作，如Every等采用实地考察和访谈的方式，分析Sampson公寓内易引发火灾的风险因素，还原风险因素导致火灾发生的链式过程；Cruz等运用案例分析方法，定性分析社区周边及内部各系统的关联关系，提出适用于社区的风险识别预测方法，但已有研究也仅停留在运用定性或半定量的方法分析风险因素间的线性关联，对实时演化的风险因素间相关关系的刻画能力明显欠缺，无法全面反映社区主体间的交互关联。而国内很少有学者对我国错综复杂的社区关联关系进行详细研究，在国内社区风险事件预防与预警中也缺乏相关理论指导。

本文针对社区治安风险防范中多主体复杂关联梳理的实际需求，在阐析梳理社区风险事件的主体、特质和演化逻辑的基础上，总结归纳出社区风险事件的多主体关联关系，即“人—地—事—物—组织”5类主体之间的二元及多元关联关系，并以多米诺骨牌原理为基础解释社区治安风险事件的演化逻辑模型及风险事件预防方式，为后续社区治安风险防范研究奠定基础。

1 社区治安风险概述

社区作为各类突发事件的直接承受者，其承受的治安风险包括可能发生的治安案件、治安事故和自然灾害事件。社区治安风险的特征是多元异构特性、隐蔽性和不确定性。

首先，社区治安事件是多主体之间相互作用的结果，新的致灾要素的加入，或者已经存在于事件链中的致灾要素与其他要素进行迭代后被重新加入到事件链中，最终形成导致社区治安事件发生的完整闭合环。

其次，社区治安风险具有隐蔽性特征也是不可忽视的因素之一。许多受人为因素影响较大的致灾要素(如巡逻次数少、检查不到位等)成为社区治安事件催化剂，原因就在于其隐蔽性使得人们无法及时发现社区中存在的各种风险，例如：物品——杂乱堆砌的物品中可能存在的易燃易爆品；地点——环境复杂的闹市以及各种监控死角。

再次，由于社区治安风险的不确定性，在预警预测方面主要以不断提高预测准确率进行辅助决策。各地方现有的基于公安大数据的智能警务平台能够满足数据查询、数据可视化的需求，但是数据挖掘、寻找潜在风险的辅助决策功能依然存在不足，社区风险事件多源异构的复杂特性在对数据进行收集、整合方面对公安机关提出较高要求。

2 社区治安风险事件多主体分析

2.1 “人—事—地—物—组织”多主体特征分析

社区治安风险事件涉及的主体包括人、事、地、物、组织5类要素，下面分析各主体在社区治安风险本体中的特征。

(1)人。人是社区治安事件最重要的组成部分，大多数治安事件都是以人作为主体贯穿于时空之中，直接或间接由人导致或与人相关。犯罪模式理论认为一次成功的犯罪是由3个基本要素所构成的：具有动机的犯罪者、合适的目标和犯罪防范缺失。具有动机的犯罪者，即需要重点关注的存在治安风险的人，例如存在犯罪前科人员、流动人口、无业人员等，都会增加潜在社会治安风险，因此掌握这些重点人口的各种信息尤为重要，包括目标人员的身份证号、居住地、社会关系网络、活动轨迹等。

(2)事。事作为最后的结果，包括治安案件、治安事故、以及自然灾害事件。治安案件是由调查违反治安管理行为所形成的案件，一般针对人数有限，例如抢劫案件、盗窃案件等。治安事故是未按治安管理制度或操作流程作业等，造成人身伤亡或财产损失的事故，例如火灾、危险品爆炸等事故，其造成的经济损失和人员伤亡较治安案件的后果更为严重。突发事件，例如自然灾害、公共卫生事件、社会安全事件等，影响范围甚广，后果最严重。处置和控制突发事件对于维护公共安全、社会稳定有着十分重要的意义。

(3)地。社区内的公共场所和居民区中一定会存在安防薄弱点。“地”作为治安事件中涉及到的所有空间位置，包括“人”的轨迹地点、“物”的轨迹地点以及最终事件现场，对构建治安事件各主体的空间轨迹有重要作用，例如娱乐场所、偏僻小巷等。其中，公共场所作为社区中不可缺少的重要组成部分，往往与居民区交织在一起，具有环境复杂、人员聚集程度高等特点，同时又是财物集散地，为各类治安问题产生提供条件。犯罪类型理论指出，充斥着“犯罪诱因”(如商场、火车站)、“犯罪吸引子”(如酒吧、便利店、主干道交叉口)的社区吸引着有违法意图的人员，导致更多违法犯罪案件发生，空间位置是该理论的核心。充斥着“犯罪诱因”的场所，例如：离居民区较近的休闲娱乐场所，如KTV、影剧院、洗浴中心等；离居民区较远的游乐场所，如游乐场、动物园，位置相对较偏僻。

(4)物。社区治安事件中的“物”是连接“人”与“事”的重要线索。“物”包括现实物品，例如管制刀具、易燃易爆品等；虚拟物品，例如聊天记录、网银记录等。同样的物品在与不同人员构成联系时风险性是不同的，例如犯罪前科人员的购买刀具行为和普通民众的购买刀具行为，他们购买刀具的行为所蕴含的治安风险是有区别的，犯罪前科人员的风险系数相对普通人更高。

(5)组织。社区内各类组织是由人员构成的，受人的风险因素影响较大，分为合法组织与非法组织。合法组织包括物业、街道管理、居委会等，旨在为社区内的居民提供各种帮助和服务，有利于维护社区内部居民生活的和谐安定；非法组织，例如盗窃团伙、传销组织等，是以进行非法活动来获取不正当个人利益的团伙组织，由组织的风险造成的社区治安事件所产生的影响相较于个人事件影响范围更广，其组成人员往往是犯罪前科人员或社区重点监控对象。

2.2 社区治安风险多主体关联架构

社区风险事件往往具有多主体的复杂性，社区治安事件的发生往往是多主体多要素之间相互联系共同决定的后果。结合警方经验以及警情案件大数据的分析，得到社区治安风险多主体分析图，如图1。社区多主体之间存在密切的交互关联，每个主体都有其各自对象和属性，正是由于这种密切交互和其自身多样化，才导致社区治安事件的难以预见性。以社区团伙盗窃案为例，整个案件会涉及到人、事、地、物、组织多主体关联，犯案人员在自己的居住地(多为出租屋)内商讨作案流程细节，购买作案工具或进行改装，随后在深夜前往某临街店铺实施盗窃。该盗窃全过程涉及五要素之间相互关联，若能在其主体间发现异常关联，便可以及时预警，预防犯罪发生。

图1 人—事—地—物—组织多主体关联框架Fig.1 The multi-subject correlation framework of people-event-place-object-organization

3 事件驱动的社区治安风险多主体关联机制分析

以社区治安风险事件作为本体，“人—事—地—物—组织”多主体关联关系框架，梳理出各风险主体要素之间复杂的关联关系。

3.1 二元主体关联关系

(1)人—X二元主体关联关系。人作为一种拥有情感、易受外界影响的物种，是社区风险事件的重要因素，它与其他任何相关要素碰撞形成的人—X二元关联关系都可能促使社区案件发生，结合真实的社区案例可以得到以下例子。例如：一名刑满释放一段时间有盗窃前科的人员和一处坐落于偏僻位置的老旧社区，2个分别隶属于人和地的单要素，看似没有任何风险，但要是两者发生了碰撞，即该前科人员一段时间内多次出入该社区，那么该社区具有发生盗窃案件的风险，即该风险属于人—地关联关系；某天社区摄像头捕捉到一名盗窃前科人员和同行人员进入某社区，同时同行人员隶属于正在被公安机关调查的盗窃犯罪团伙，那么社区内发生盗窃案件风险提高，属于人—组织关联关系；一名患有老年痴呆登记在册的老年人以及他的行程轨迹和往日出现较大偏差，可能即将发生走失案件，那么公安机关应及时和其家属联系并接回老人，从而实现基层警力合理分配，等等。针对社区治安风险事件中人—X关联关系的详细分析，见表1。

表1 人—X二元关联关系表Tab.1 The binary association table of man-X

续表

续表

(2)X-Y二元主体关联关系。同时，社区还存在着诸多其他二元关联关系，如事—物关联关系、地—组织关联关系、物—组织关联关系等。社区内的煤气罐、菜刀等生活用品，当与发生激烈争吵事件的家庭相关联时，便构成事—物的风险关联，例如2020年杭州杀妻案，一次积攒很久的家庭矛盾，一把不起眼的菜刀，两者在同一时空产生交集发生风险事件，属于事—物的关系；在一处偏僻位置开放程度高的小区，公安机关对该片区的打击力度比较薄弱，使犯罪分子更容易得逞，从而易发生盗窃案件，属于地—组织关系。同时，本文针对X-Y二元关联关系，见表2。

表2 X-Y二元关联关系表Tab.2 The binary correlation table X-Y

3.2 多元主体关联关系

在社区治安风险事件中，要素越多，发生风险事件概率就越大。针对社区风险事件，认真分析多主体关联关系有助于对真实风险案件起到预防作用。当一名盗窃前科人员、一个出入口繁多且监控设备不足的老旧社区、该盗窃前科人员留有购买盗窃工具的记录、社区安保巡防次数较少这4个要素在同一时间碰撞后，该社区的盗窃事件发生的风险增大，此为人—地—物—组织多元关联关系，例如，当一栋监控设施少的居民小区中，出现一名非小区的无业人员，同时该人有在网络上购买相关开锁工具的记录，那么该小区此栋居民楼内很可能发生相关盗窃案件，属于人—地—物关系，需要引起公安机关高度重视，及时预警制止。当多主体涉及越多，关系越复杂，就更加贴近于真实社区治安风险事件。针对社区治安风险事件多元关联关系的分析，见表3。

表3 多元关联关系表Tab.3 Multi-subject correlation table

4 社区治安风险预警

4.1 社区治安风险事件演化逻辑

基于多米诺骨牌理论，构建社区治安风险事件的演化机理，即社区治安事件是由“人—地—事—物—组织”5类社区风险主体要素叠加至阈值后，导致多米诺骨牌连锁效应，发生相关风险事件以及后果。社区治安风险多主体—风险事件—后果的演化逻辑模型，如图2。

图2 社区治安风险事件演化逻辑模型图Fig.2 The model diagram for evolution logic of community security risk event

如图2所示，由“人—地—事—物—组织”5类风险要素形成社区多主体关联，以“盗窃前科人员—老年型社区—涉及其他盗窃案件—携带盗窃工具—巡防组织力度不足”5个具体的多主体关系为例，它们相互之间的关系碰撞与叠加导致社区治安风险事件演化，如同多米诺骨牌效应一样，由此接连产生风险事件、后果。在每类风险要素形成之初，如果给予不同要素不同的积分值，即图2中积分块，在同一社区多主体关联背景下积分块叠加在一起，当其最终积分和值超过最初设定阈值时，将及时提醒管理员并进行人为干预，譬如密切监控相关风险要素中重点人员、重点场所、重点设备、重点团体等，从而能够在风险事件发生之前及时予以制止，阻断社区治安风险事件演变。

4.2 社区治安风险预警方法

基于构建的社区治安风险事件演化逻辑模型，提出社区治安事件预警方法。

社区治安风险事件的演化逻辑模型很大程度上取决于社区风险要素及其关联关系，而这些社区风险要素及其关联关系就潜藏在社区的海量异构数据中，利用智能技术对大数据进行处理，将大数据变成“小事情”，为解决社区治安中的重点和隐患、为相关部门的精确治理提供精细化保障。知识图谱在知识及其载体的关联分析刻画、数据挖掘、信息处理方面表现出优异的信息可视化效果，可用于梳理社区治安风险中的多主体关联。通过知识提取、知识融合等技术搭建社区治安风险事件的本体库，常见的本体构成要素有实例、关系、属性、事件等，通过构建出的本体库发现本体之间的关联关系从而搭建关联关系库，从海量的异构数据中形成具有预警功能的社区治安风险事件知识图谱，并以当下发案比例较高的盗窃类案件为例展现出其预警功能，如图3。首先，分析并构建社区盗窃案件的“人—地—事—物—组织”本体及关联关系，构建社区治安风险多主体知识图谱；其次，采用在一定区域内、一定时间段内、同一时空下警务与社区大数据为基础，通过概率统计学方法得出“人—地—事—物—组织”5类要素的每种特征的积分值，并根据该地区的盗窃案件大数据发案特征按照迭代计算、统计的方式预设出每类关联关系在该区域内的风险阈值。最后，将所有积分值及阈值一同融入到所搭建的知识图谱中，形成具有预警功能的社区治安风险事件知识图谱。当某种关联关系类型的积分和值超过所设该类关联关系的阈值时，就会及时预警并反馈相关主体关联信息。

图3 盗窃案件预警知识图谱图Fig.3 The knowledge graph of early warning of theft cases

以社区盗窃案件预警为例。假设将某社区联网摄像装置抓拍的众多采集数据与后端大数据人员库进行对比，得知该人具有盗窃前科(属于“人”的风险要素)并计算得出积分值；然后结合社区建筑基础数据可以知道该社区的出入口有6个，进出难易度程度低(属于“地”的风险要素)得出此积分值；接着通过与互联网上该人的数据痕迹得知其购买过相关盗窃工具、有过搜索周边相关路线痕迹、搜索一些反侦察方法痕迹(属于“物”的风险要素)得到此积分值；最后针对“人—地—物”关联关系系统提前通过迭代计算、统计的方式得出来该同一时空下阈值。综合上述已有相关信息并将其转化为积分和值并在知识图谱中进行预算和研判，一旦超过其阈值，知识图谱将及时向管理员预警，并反馈该类关联关系下知识图谱中所有内容信息，告知相关单位并及时处理，将社区风险隐患遏制在源头。

5 结论

社区治安风险多主体关联分析是风险预警的基本前提，本文在详细分析事件驱动的“人—地—事—物—组织”多主体关联机制的基础上，结合社区真实案例分析研究，得到如下结论：

(1)根据社区风险事件发生逻辑，构建出社区治安风险逻辑演化模型。

(2)结合知识图谱技术以及多主体特点，提出通过构建的本体库和关联关系库搭建出知识图谱的结构基础。

(3)本文采用技术手段，通过以概率统计学的方式设定出相关积分值和阈值，提出实现治安风险的预警方法。但是本文仅在理论层面对社区治安风险预警方法进行初步探讨，关于社区治安风险知识图谱的构建依然在进行中。今后还需围绕基于知识图谱的各类社区治安风险事件预警方法开展系列研究，以期为我国社区治安风险防范提供支撑。