基于时空分析的社会治安防控优化路径

◆程哲林

基于时空分析的社会治安防控优化路径

◆程哲林

（中国人民公安大学 北京 100038）

时空分析作为一种基于大数据和数学算法的多维分析方法，在网络化和信息化背景下对于发展社会治安防控体系及预测治安风险具有推动和优化作用。本文通过梳理国内外时空分析的理论研究发展历程和实践应用成果，发现当前时空分析在国内社会治安防控中的制约因素主要有时空数据采集不精、数据资源融合不畅、数据分析深度不足等问题。为了改善现状，应通过构建标准化数据立方、开发高端智能化应用及构建人才训练和保障体系等方式来让时空分析更好地在社会治安防控中发挥作用，从而建设更智能化、科学化的社会治安防控体系。

时空分析；社会治安防控；GIS；优化路径

1 引言

时空分析最初起源于地理信息科学，是依靠地理信息系统（GIS，Geographic Information System）的开发而产生的一种对环境和事物的描述与分析方法，通过对行为、案件或事件中所包含的时间序列信息和空间属性信息进行分析，能够实现对某一领域或某一区域的现实状态的直观展示，还能通过构建算法进行关联分析并建立预测模型，快速准确地描述时空格局的表征、测度、状态和概率等。

当前，随着网络信息技术及感知采集技术的发展，时空数据已呈现出多源异构、多语义、时空动态关联等特征，并被广泛地应用于地理及环境资源、计量经济、传染病传播分析、军事指挥、社会行为等领域的分析和研究之中。

在改革强警和科技兴警的战略背景下，加快推进立体化、信息化、智能化的社会治安防控体系建设，是解决社会治安突出问题、维护国家长治久安的治本之策，是推进平安中国建设，实现国家治理体系和治理能力现代化的战略工程。随着经济社会的不断发展，人、事（案）、物、组织等要素的加速流动和变化，对社会治安秩序维护和治安风险防范提出了更高的要求。而时空分析的出现能够将人、地、事、物、组织等诸要素纳入同一坐标系下并借助数学算法与模型进行智能化监测与管理，无疑为公安机关详细掌握社会治安状态，深入分析案事件规律及成因，科学调配警务资源及精准预测预警和防控未来风险提供了分析和研究的工具，是将公安数据优势转化为警务决策和治安行动的关键。

2 时空分析在社会治安防控中的发展及应用

2.1 萌芽阶段——案事件统计分析

时空分析的产生依赖于犯罪学理论的丰富和地图制作技术的发展，其前身可追溯到产生于19世纪初期的犯罪制图。1833年，法国统计学家Guerry通过对法国政府收集出版的犯罪区域分布数据犯罪进行统计，使用渐变颜色来反应法国不同区域的犯罪率变化，直观地展示了犯罪在时间和宏观区域空间上的变化，制作了世界上第一张犯罪地图[1]，完成了最早的对于犯罪现象的时空分析。

到20世纪30年代，时空分析有了初步的理论基础，以美国芝加哥大学学者Robert Park为代表的一批学者以美国快速城市化和移民涌入而导致城市犯罪率上升为背景开展了一系列研究[2]。通过对城市扩张、社区居民关系、土地利用情况、社会空间环境等因素对犯罪的时空分布进行了探索性研究，解释为什么犯罪活动集中分布在一些社区，而在另一些社区却没有出现[3]，并提出了著名的“同心圆理论”。

2.2 快速发展阶段——时空模型构建

20世纪60年代，地理信息系统被开发出来，随后逐渐从国土资源统计领域利用扩大到军事指挥、气象观测、经济统计、应急管理、社会治安与犯罪预防等方面。地理信息系统具有的数字化技术、存储技术、空间分析技术、仿真技术及可视化技术使得对于犯罪和社会治安现象的时空分析效果得到了前所未有的加强。

到20世纪80年代以后，利用GIS技术将犯罪行为和风险可视化的研究逐渐兴起，例如通过将犯罪事件作为单独的点标记在地图形成散点图来识别、描述、分析犯罪描述犯罪趋势[4]；参考地理等高线绘制犯罪的等值线地图，用以区别高犯罪地区和低犯罪地区[5]，或通过时空建模进行犯罪的仿真和预测[6]，通过这些研究，逐渐建立了时空分析应用软件开发和使用的基础。

2.3 拓展应用阶段——风险预测预警

进入21世纪后，随着大数据、云计算、人工智能等相关技术的发展、犯罪时空分析又迈上了一个新台阶，即通过开发算法与建立模型的方式来对某种犯罪或某一区域进行犯罪仿真与预测，为城市建设和警务策略提供支持和指导，如地理加权回归模型，风险地形探测，Agent模型等。

目前，时空分析不再局限于单纯的展示描述犯罪现象或分析影响因子，而是从展示数据走向了挖掘数据，从质性分析转向时空模型构建和综合信息预测，并在此基础上衍生出了一系列专业分析和预测工具，如由ESRI公司开发的以ArcGis为代表的一系列地理分析软件产品，国际商用机器公司（IBM）开发的IBM I2犯罪分析软件，美国国家司法研究所开发的Crimestat软件等，以及还有诸如GWR、SatScan、（Open）Geoda等开源时空分析软件。警务部门也在利用时空分析来预防犯罪和分配警力资源，如美国纽约采用的Compstat警务模式将情报主导警务与时空分析结合，实现了由被动反应型警务向主动提前型警务的转变，洛杉矶警察局通过使用PredPol软件对统计数据进行分析从而推算出犯罪高发区，使得盗窃案大幅下降。

我国公安机关在20世纪80年代后期开始组件计算机信息网络，并逐步将其应用到日常警务活动的管理之中[7]，随着公安信息化和科技化的不断推进，推动空间地理信息技术在公安信息化中的大规模的深度应用，启动了“全国警用地理信息基础平台应用技术研究与规模应用示范”项目（PGIS，Police Geographic Information System）[8]。一些地方公安机关在此基础上亦开发了具有特色的时空分析应用，如北京市公安局怀柔分局的“犯罪数据分析和趋势预测系统”包含犯罪相关因素系统分析、犯罪历史数据时空地形图、未来犯罪趋势时空预报趋势图等[9]。浙江省杭州市将辖区内警用监控整合进派出所的PGIS系统，使得指挥调度派警的同时能够通过视频查看现场及周边情况。武汉市公安局通过物联网相关项目建设以及内外部数据整合，已经汇聚海量的人、事、物、组织和案件等警务数据，同时以“位置”为核心，关联整合了各类社会数据[10]。

3 制约时空分析在社会治安防控应用中的因素

虽然经过长时间的建设发展，时空分析及应用已经在社会治安防控工作中取得了一定的进展，但受限于地方经济发展水平和警务观念，时空分析的应用及价值并没有很好地在公安工作中体现。数据质量参差不齐，数据来源及标准不一，数据分析人才及应用的缺乏，缺少对时空分析应用范围及有效性评估，都成为制约时空分析在社会治安防控中发挥作用的因素。

3.1 时空数据采集质量不高

在“信息化”、“智能化”这一背景下，社会运行和警务工作中产生的各种数据成为社会治安防控体系建设中的根基，数据的完整、真实和详细直接决定了高水平社会治安防控体系建设的质量和深度。虽然我国已经于2016年出台了《社会治安综合治理基础数据规范（GB/T 31000—2015）》这一国家标准，但在实际公安工作中，受数据采集工作的规范化程度、警务应用系统的设计水平、民警个人的观念和信息素质、采集设备的信息化和自动化程度的影响，使采集数据过程依然存在着诸多问题。

（1）数据的完整性和准确性问题

部分民警对于数据采集的意识和观念不强，如在录入警情信息时不仔细不准确不完整，在接处警时只录入了案事件的基本信息，上门入户采集数据不准确等，导致一些与时空数据关联的事件属性信息出现缺失偏差。

（2）数据的时效性及更新问题

当今社会发展迅速，人、地、事、物、组织都在经常性地发生变化，信息录入后更新不及时不迅速都会削弱数据分析和信息应用的价值，而对于时空分析来说，时空信息的准确性和全面性直接决定了分析结果的可信性和真实性。但当前基层警力缺乏，无法及时地更新海量的治安数据，导致数据时效滞后。

受各种因素影响，无论是人工还是前端设备采集的信息数据都存在信息采集项目不全，格式不一，服务器中存储着大量重复、错误甚至虚假的信息，如果不对这些数据进行清洗、更新和统一化，将会逐渐成为信息化建设的累赘。以上问题导致了真正高质量的，能为治安资源配置和犯罪防控提供有效支持的数据不多，也使得时空分析的优势在社会治安防控体系中难以展现。

3.2 时空数据资源融合受限

时空数据是基于案事件产生的包含有时间属性和空间属性的数据，时间和空间本身只是一种参考系，只有附加了案事件及各种属性的时空数据才具有反应现实及变化规律的能力，因此，将包含“人、地、事、物、组织”等多元属性的信息融合进时空坐标中，是进行时空分析的大前提，然而，在信息数据资源的联通、共享、融合中出现的问题也成为制约当前时空分析发展的因素。当前存在的问题主要有如下两项。

（1）公安机关内部数据管理水平有待提升

我国公安机关自20世纪80年代开始信息化建设以来，至今已经在社会治安、交通管理、情报反恐、刑事与经济犯罪侦查、网络信息安全等各业务部门和层面建立了全方位多层次的信息应用系统和数据库，但是，由于需求和侧重不同，各警种和各部门间尚未形成统一或通行的数据标准，形式、标准、结构类型的差异使得包含丰富信息的数据难以实现交互协同与融合。公安机关内部信息化程度与信息数据管理水平也导致纵向数据业务开放程度低，横向部门数据互通难度高。

（2）社会领域数据共享亟待建立统一标准与融合途径

除了公安机关内部已有数据难以互通外，社会生活和经济建设发展过程中所产生的数据由于受行业、地域等方面的影响，使得现有数据的盲点的局限未能得到补充和消除。除了警务数据外，政务数据、商业数据、经济数据、城市运行数据等均能反映社会治安形势，为治安防控提供线索，为时空分析提供依据。

3.3 时空分析挖掘层次不深

时空数据的采集固然重要，但只有通过挖掘分析才能从中挖掘出社会治安的变化规律和影响因子以体现其价值，而对其进行的挖掘分析和现实应用及可视化处理，是实现时空分析在治安防控中价值路程的“最后一公里”。对于这一问题，当前存在的不足有如下两点。

堆料装置采用双油缸支撑臂架或拉杆作俯仰运动（油缸行程由堆料高度确定），降低了落料点的高度，减少物料和物料之间的碰撞，从而减少了铺料过程中异味的产生。

（1）现有数据应用层次不深

首先，对于信息数据存储和处理能力有待提升，当前对于时空数据及关联信息主要停留在位置标定、状态展示与路线规划上，即多为简单的描述性统计与状态展示，数据应用的智能化水平偏低。

其次，可供使用的数据模型数量不足，应用场景受限，相较于学术及理论研究会深入到的基于个人行为地理画像、空间影响因子分析与趋势仿真外，实际应用中的查询检索和比对功能并不是严格意义上的挖掘分析。

最后是具有针对性和导向性的专门应用偏少，当前的数据收集和分析工作尚处于模糊的大范围收集和检索阶段，缺少具有专门功能的，如犯罪时空趋势预测、地理警务资源配置分析、治安决策仿真系统等应用，有待于在主动预防、精细化治理等方面进行突破。

（2）缺乏数据分析人才

除了数据本身、数据应用外，人的因素也十分重要。当前，虽然绝大多数基层民警都掌握了利用前端设备进行信息数据录入搜索和比对的能力，但在时空分析方面仍然缺乏知识和经验，无法进行深度分析和辨识。而具有专业分析能力的人员虽然具有深度挖掘分析的能力，但却远离基层或不了解公安工作，无法将策略与基层进行对接，导致策略制定与实际执行脱节，难以实现防控目标。

4 基于时空分析的社会治安防控建设构想

4.1 以部门需求为导向，建立标准化数据采集模式

我国公安机关进行信息化建设40余年来成绩斐然，数据采集范围已经覆盖到全警各部门各警种，经过长时间的建设，已经积累了海量的数据，但是当前数据及相关应用仍然停留在查询、检索、比对的初级应用阶段，实时状态监测、态势分析、仿真建模和策略指导能力有待深化和加强。因此，在采集大量数据的基础上，必须从警种部门的具体业务需求出发，以具体业务需求为根据来收集数据和开发应用，才能达到“有的放矢”的效果。

如图1所示，标准化数据采集以信息丰度、价值密度和数据时效性为考量，通过将时空信息与事件点中包含的“人、地、事、物、组织”信息融合，打造纵向贯通、横向互联的数据融合体系，打破“信息壁垒”，让各部门对于信息数据各取所需，同时保证数据的及时上传和更新。

图1 数据采集标准化示意图

其中，纵向互通的数据主要包含提供三维参考系的空间资源，即能反映宏观状态的卫星遥感（GIS/PGIS）地理数据，能展现中观层面的城市建筑3D数据，以及基于无人机倾斜摄影，BIM技术产生的微观街道或建筑数据，从全方位掌握一定区域内的空间特点。横向互联的数据主要根据部门需求，对来自公安机关内部、政务管理和城市运行过程中产生的数据进行清洗整合，主要包含的是特定事件中的时、地、人、物、组织、行为及其延伸信息。

通过将这些数据整合进数据库中，并根据治安工作导向和需求进行抽取、排布、组合，就构成了包含社会治安信息的立体数据阵列，在这基础上对其进行分析，能有效打破“数据壁垒”，使得信息数据精度更高、融合程度更深、分析维度更多，从而为全面掌握社会治安形势打下坚实基础。

4.2 以预测预警为目标，深度开发时空应用

时空数据的获取与整合只是基础部分，除了数据采集和数据融合，要使其在当前的社会治安防控中发挥作用，仍然需要围绕预测预警来进行挖掘分析和现实化应用，即关键在于数据开发和现实应用。其中关键的开发路径和应用如图2所示，应当从如下3个方面进行突破。

（1）开发多终端和多层次的时空可视化应用

当前公安部门内系统繁多、功能复杂，从一定程度上给信息整合造成了不便。所谓“一图胜千言”，将交通信息、社区及楼栋信息、消防信息、视频监控信息、警情及关联人信息、警力布置信息以及历史治安数据等整合进“一张图”内，再按照不同的需求和级别进行功能分发，将有助于在一个平台内或多个终端上实现实时状态展示、警力调度和信息查询。

（2）开发高质量算法模型

时空分析的关键在于对数据的分析算法设计和仿真模型实现。实现预测预警的首要前提是进行关联性分析和仿真，而各影响因子间关系的探明都依赖于高质量的分析模型，因此，无论是自主研发，还是与社会资源合作，必须拥有和建立一系列适用于社会治安的算法和模型。

（3）推动时空分析的功能和成果落地

时空分析作为一种方法，最终实现的是对社会治安现象规律的解释和阐明，展示的是社会治安的变化规律，而应用这些规律成为实现时空分析在社会治安防控中的最后一步。必须建立和开发出能为治安资源配置、警务策略制定以及社会风险预警服务的高效应用，如治安热点分析、巡逻路线辅助规划、治安资源配置、基于3D-GIS的网络行为分析等高端应用。

4.3 以贴合实战为导向，构建人才训练和保障体系

无论是数据采集还是开发应用，时空分析都离不开警务人员和技术人才的工作和支持，因此训练、培养以及招募一批具有数据素质和数据技能的相关工作者对推进时空分析在社会治安防控中的应用具有重要作用。为了在更高水平上实现时空分析的价值，需要从3个方面构建相应的人才训练和保障体系。

（1）提高数据采集人员素质

对于社会治安防控工作来说，基层民警是处在治安防控最前沿的，提高他（她）们的数据素养和数据技能将直接有助于提升采集数据的数量和质量。当前大部分基层民警已经掌握了数据录入查询检索等能力，需要提高的是分辨能力和分析能力，对于基层科所队，可以以轮岗交流、开设讲座、办培训班的方式提高其数据素养。除了基层民警，街道和社区工作者也是采集数据的重要来源，公安机关应加强与街道和社区的合作，组建一支“采集员”和“信息员”队伍，提高数据采集的深度和广度。

（2）招募培训应用开发人员

时空数据不同于其他数据，对于它的清洗、模型构建、应用开发需要大量专业知识和专门人才。对于公安机关内部可以采用训练、培养和选拔的方法，注重培养专家型和复合型人才，将实战经验和数据分析相结合，承担时空分析深度应用、专业平台开发等任务，以基层实际指导应用开发，用分析应用和策略反哺实战。而对外，则可以通过与相关科研院所合作研发，聘请专业技术专家，委托移动运营商或数据公司开发的方式来增强相关模型和应用的科学性与实用性。

（3）重视系统安全维护人员

由于时空数据及分析结果涉及社会治安的各方面细节，同时会影响公安机关的治安力量配置与警务策略，因此相关数据的安全性必须得到足够高的重视。除了数据采集和分析人员，还应当组织起对于原始数据、相关应用及分析结果和策略的保护与维护力量，必须建立起严格的数据保密、访问分级、应用权限制度，及时监测和发现违法违规与泄密行为。

[1]陈亮.犯罪制图的理论与实践进展研究[J].中国人民公安大学学报（自然科学版），2008.

[2]梅建明.论环境犯罪学的起源、发展与贡献[J].中国人民公安大学学报（社会科学版），2006.

[3]Juvenile Delinquency and Urban Areas Revised Edition[M].The University of Chicago Press.1969.

[4]Amanda L. Nelson. The geography of shoplifting in a British city： Evidence from Cardiff[J]. Geoforum，1996.

[5]Allan J. Brimicombe，Martin P. Ralphs，Alice Sampson，Hoi Yuen Tsui.An analysis of the role of neighborhood ethnic composition in the geographical distribution of racially motivated incidents[J].British Journal of Criminology，2001.

[6]Jeffrey M. Ackerman，D. Kim Rossmo. How Far to Travel? A Multilevel Analysis of the Residence-to-Crime Distance[J]. Journal of Quantitative Criminology，2015.

[7]贺日兴，候震宇，李家龙，等.我国警用地理信息系统建设若干问题的探讨[J].警察技术，2006.

[8]孙丕龙.全国警用地理信息系统的建设和应用[J].地理信息世界，2014.

[9]张晶，杨兆青.突发公共卫生事件中刑事司法应急制度研究[J].公安学刊（浙江警察学院学报），2020.

[10]田野，杨帆，王彪.警务时空大数据条件下“智慧地图”的构建与应用[J].中国人民公安大学学报（自然科学版），2018.

国家自然科学基金（71904193）；北京市社会科学基金项目（19JDGLB031）；公安部软科学项目（2019LLYGJADX020）