智慧警务背景下公安情报生成的动力机制

熊泽宇，唐 超，朱攀龙，李 志

1. 中国人民警察大学，河北 廊坊 065000； 2. 景德镇市公安局，江西 景德镇 333000

自20 世纪初，全球先后经历社区警务、问题导向警务、情报主导警务、预测警务等模式。在人工智能等技术的推动下，正在走向智慧警务模式。警务模式的变革是一项系统工程，是多种力量共同作用的结果，情报机制是警务模式变革的核心，技术要素是其中的重要驱动力量。智慧警务是一种全新的警务模式，与传统警务模式下的情报生成动力机制有着本质区别，亟须探讨智慧警务模式的内涵、运行机制、情报生成机制。本文基于人工智能中数据、算法及算力原理，分析公安情报生成的内在机理，并运用系统动力学探析公安情报生成的演化规律及影响因素，提出顺应情报生成机理的公安情报体系建设策略，以优化公安情报生成的整体效能。

1 不同警务模式中公安情报生成机制

1.1 社区警务模式中的公安情报生成机制

19 世纪20 年代，罗伯特·皮尔强调警察和社区协同工作，认为警察仅仅是公众成员，专注于其职责，领取薪水，对每个公民及其社区利益有责任和义务［1］。这是社区警察和社区警务最初的形态。20 世纪80 年代早期，社区警务成为决策者思考治安问题的主导方向，重新将警察和社区关联起来。社区警务是一个价值体系，不是具体的策略，通过在同一社区长期任命同样的警官，从而以主动的、多样化的途径来减少犯罪、混乱和对犯罪的恐惧［2］。

在社区警务模式下，公安情报主要来自警察的经验知识，是一种“人力智慧+专业知识+社区活动”的生成机制。警察经验知识的全面性、与社区民众的社交关系等要素决定了公安情报的获得及运行效果。这一时期，公安情报的主要类型是战术情报。随着技术的进步，一些犯罪分析工具，如计算机辅助调度、档案管理系统、犯罪模式地理制图、警务战略控制系统、犯罪地理画像、犯罪热点分析等逐步应用于社区警务中，并发挥情报分析的辅助作用。

1.2 问题导向警务模式中的公安情报生成机制

问题导向警务是一种概念性的方法，比社区警务更具体［3-4］，强调警务工作要将注意力转移到“问题”上来，比如公众期望警方解决哪些具体的问题。约翰·艾克和威廉姆·斯皮尔曼（1987）［5］总结出SARA 模型（Scanning、Analysis、Response、Assessment），该模型中的审视、分析、反应和评估，成为问题导向警务广为接受的内容。审视（Scanning）：确认问题。所谓问题，是指一组两个以上的、具有一个以上共同点的事件，这些事件产生危害并由此被警方和公众所关注，如影响社会治安的行为、地点、人物、时间、事件等。分析（Analysis）：解决问题的核心阶段。包括调查问题、确定问题的内涵和外延、确认问题的危害。反应（Response）：详细陈述量身订制的策略。包括完全消除问题、由问题引发的事件数量减少、危害程度减轻、更好地解决问题、辅助警察的处理等情况。评估（Assessment）：评价干预效果。包括逮捕数、犯罪报告的水准、反应时间、破案率、居民投诉以及各种工作任务。

问题导向警务模式聚焦于解决问题的完整流程，该流程本身就是一个信息分析过程，其中还包括了独立的信息分析环节。该警务模式中公安情报源的范围更广，包括警察机构、求助电话、媒体报道、私人机构、社区力量、司法系统、网络等，公安情报分析与通报对技术的依赖更强，来源更广，成为解决问题的重要途径。

1.3 情报主导警务模式中的公安情报生成机制

20 世纪80 年代以来，警察系统内部对外部世界数字化的迅猛发展感知灵敏。计算机化的情报数据库群能够在大量数据库间实现批量比对，可以通过姓名或关键词进行搜索，并对不完全信息展开模糊查询，新软件可以通过连线图、地图等一系列的输出格式发布结果。通过增加可查询的信息，并植入智能软件包，技术进步极大地改变了公安情报活动的性质［6］。在技术的推动之下，逐渐形成一种以风险评估为基础，以情报为主导，以信息管理为流程，以犯罪预防为关注点，通过警务资源的优化配置，预防犯罪行为的警务模式，被称为情报主导警务［7］。情报主导警务模式强调，数据分析和犯罪情报是客观决策机制的关键，通过警务战略管理，对惯犯和重特大犯罪嫌疑人采取有效的执法策略，以降低发案、减少犯罪问题、遏制和预防犯罪［8］。

情报主导警务已经成为全球警务模式的主流。基于环境犯罪学的犯罪地理画像技术、犯罪热点成像技术和比较分析技术应运而生［9］。公安情报的关注点从事后转移到事前，更加积极主动，公安情报的战略地位得到很大提升。公安情报生成的核心理念是以警务信息资源建设为基础，计算机统计分析为核心，统计分析犯罪热点和不同犯罪类型的集中趋势。统计学、信息资源管理是情报主导警务模式的重要支撑学科。

1.4 预测警务模式中的情报分析

2009 年“预测警务”概念［10］在美国提出后，迅速在西方国家推广，被认为是一种新的警务模式。该警务模式利用高级分析手段开发和利用信息，为犯罪预防提供预判性信息和警务战略战术决策支持。预测警务模式以过去发生的与犯罪直接或间接相关的数据信息为依托，借助互联网、算法模型等方法，探索和推测可能出现的犯罪现象和变化趋势，并以此为基础，指导警察部门的战略决策、行动安排，以达到降低、控制和预防犯罪目的。

在预测警务模式中，公安情报分析面向的是多维多源全程数据，主要方法是大数据环境下的统计分析、相关分析，体现了多学科（如犯罪学、地理学、社会学等）知识参与，以及批量化、自动化分析的理念。基于案件时空位置信息的犯罪时空预测、基于时空环境要素的犯罪时空预测、融合行为轨迹和时空环境要素的犯罪时空预测等方法被广泛应用，公安情报生成的动力更加充足和多元。

纵观不同警务模式的发展历史，可以看出公安情报生成具有明显的技术主导特征。智慧警务模式的产生，主要是以大数据、人工智能、自然语言识别、模式识别等前沿技术的发展为推动，依靠技术“理解”安全环境，其情报生成机理与其他警务模式具有本质区别。

2 智慧警务模式中公安情报生成的机理分析

智慧警务模式是伴随智慧城市发展而产生的，是一种典型的由新兴技术支撑的警务理念和新模式［11］。智慧警务综合运用现代科学技术，整合信息资源，统筹公安业务应用系统，促进公安工作科学发展，旨在汇聚人的智慧，赋予物以智能，实现公安效益最大化［12］。智慧警务建设是一项系统工程，主要包括技术层、管理层和应用层［13］。

在智慧警务模式下，大数据和人工智能技术可在一定程度上辅助人类了解和控制社会治安系统。为充分了解警务工作的运作系统，必须利用好警务数据和警务技术。从数据、算力和算法入手［14］，分析公安情报的多维特征，可为公安情报生成、分析及应用提供新视角。算力是系统处理数据的运算能力，是解决问题的必要条件。算法是对人类思维的抽象表现，也是人类对自然系统规律的理解，在公安情报实际工作当中，所运用的算法主要有Java EE 技术算法［15］、聚类算法SCAN［16］、Apriori算法［17］等，通过数据的实时查询、关键人物聚类图谱查询等发现情报信息规律。1999 年，Ljanes 和Cartaya 引入人工智能数据挖掘技术［18］，自然语言处理技术［19］、机器学习［20］、人工智能［21-22］等技术也被应用于安全感知领域。在数字经济时代，算力是新生产力，与数据、算法协同构成数字经济时代最基本的生产要素，算力通过终端、边缘端、雾端和云端等多端联动实现智能生产与传播，提供支持存储要求的内容到云端计算、存储和分发，提升存储和分析数据的规模、广度和深度，为内容生产和制作提供底层算力支撑［23］。因此，警务数据挖掘主要反映的是警务目标数据获取时的处理度问题，算法和算力则凸显出警务目标数据处理时计算速率与准确度的问题，即驱动力问题。公安情报生成并合理利用的核心要义在于处理好数据、算法及算力三者之间的关系，以合理发挥数据挖掘中算力与算法之间的共同作用，对警务原数据进行有效的采集、选择和预处理，从而加工出有效的公安情报。

在智慧警务模式下，公安情报的生成主要包括警务数据挖掘和人工智能整合分析两大过程。在警务数据挖掘阶段，通过对大批量警务原始数据进行初次筛选并采集有效数据，围绕情报目标对初次筛选的数据进行粗加工，分析、整理选择有针对性的数据，将失效的警务数据删除，从而将警务数据转化为警务信息。警务数据挖掘后，需要结合人工智能中的算法及算力对获取的警务数据进行处理。具体而言：利用算法对警务数据进行快速分析计算，是提高警务数据使用的关键，体现了警务数据的处理度；算力是警务数据有效分析的基础，体现了警务数据的驱动力。

综上，在公安情报的生成过程中，既要体现出数据挖掘技术的作用，又要充分运用好人工智能中的算法及算力，最终获取有效的公安情报。公安情报生成机理如图1所示。

3 公安情报生成的影响因素

公安情报的生成是在充分处理数据、算法、算力关系的基础上，通过对数据进行加工、分析、整理等，以获取对警务实战有效的公安情报。公安情报的生成，主要受警务数据获取能力和警务数据失效度两大要素的影响。

3.1 警务数据获取能力

警务数据获取能力对公安情报生成具有至关重要的作用。经过实地考察、访问、分析整理发现，警务数据的获取主要受硬件设备和软件设备的影响，具体包括：硬件设备的获取能力、警务数据处理度、警务数据驱动力；软件设备的综合技术保障能力、数据支援量等［24-26］。

警务数据获取能力与警务工作的影响力之间存在因果关系，通过共享与安全风险相关的威胁情报、信息，可以提高组织评估和管理风险的能力，营造安全的信息环境［27］。通过分析和利用这些数据，公安机关可以更好地了解犯罪活动的规律、趋势，并采取相应的侦查措施。值得注意的是，仅仅收集大量的数据还不足以产生有效的影响，必须对数据进行详细的分析和解释，以从中提取有价值的信息。只有在正确理解数据的基础上，才能制定出有效的应对策略，并达到降低犯罪率、改善治安的效果。警务数据获取能力因果关系如图2所示。

图2 警务数据获取能力因果关系回路图

3.1.1 硬件设备

硬件设备对警务数据的获取有直接影响作用，包括警务数据直接获取的能力以及在算法和算力作用下表现的警务数据处理度、警务数据驱动力［28］。在警务工作当中，主要采取现场勘验、电子天眼、人像识别、图像侦查等方法采集数据，现场勘验技术越先进、电子天眼成像越清晰、图像侦查方案越缜密，所获取警务数据的针对性越强，警务数据的量越丰富。警务数据的处理度是在人工智能算法的作用下，对获取的警务数据进行加工和筛选的能力，具体体现为警务数据处理速度和数据存量。警务数据的驱动力是算法在公安情报生成过程中的运用，即警务数据的运算时间、处理能力和数据的储存能力［29-30］。

3.1.2 软件设备

警务数据获取能力不仅需要硬件设备的技术支持，还需要软实力的技术保障，主要包括警务数据支援和综合技术保障部门的保障。警务数据支援由各警种之间的配合程度及各警种的支援数据量共同体现，其配合度越协调、支援量越多，警务数据的总体支援量就越大。国外情报研究机构纷纷将最先进的智能软件应用于数据处理中。美国高级情报研究计划局（IARPA）［31］推出了可以进行跨视频深度感知的DIVA 技术，它能长时间自动探测视频内容，并且标注出人或车辆的特定动作，提升情报感知水平。

3.2 警务数据失效度

受公安情报人员的情报评估能力、情报协调能力、警务数据利用效率、警务数据匹配程度的影响，警务数据获取过程中同时伴随警务数据的失效。警务数据的获取是各个部门协同的集合，共享的及时性、共享的深度都会影响警务数据的效度，将其统称为数据的共享水平。情报评估能力、情报匹配度、情报协调能力及数据共享水平越高，警务数据就会越有价值，就会在相应的时间段转为有效的公安情报，反之亦然，如图3所示。

图3 警务数据失效度因果关系回路图

4 公安情报生成系统动力学模型构建

系统动力学是解决系统内部复杂时变、非线性的方法，而公安情报生成过程有与其相似的运行机理［32］，因此，可以运用系统动力学理论来研究公安情报生成的内在机理。

4.1 公安情报生成系统模型

运用Vensim PLE 软件，将公安情报效度作为流量图的存量，将警务数据获取能力设置为流入量，把警务数据失效度设置为流出量，把在生成过程中的影响因素设置为流量变量。根据各个因素与公安情报效度的正相关和负相关关系，构成有效公安情报生成系统模型，如图4所示。

图4 公安情报生成系统模型

4.2 变量之间的方程式

各变量之间相关计算如下：

硬件设备获取量=（图像侦查数据量+现场勘验数据量+电子天眼数据量）/3

警务数据驱动力=（数据储存能力+数据处理能力）×数据运算时间

数据支援量=各警种配合度×各警种数据支援量

警务数据处理度=数据储存量×综合技术保障能力/数据处理速度

警务数据获取能力=（数据支援量+硬件设备获取量+综合技术保障能力）/3×警务数据处理度×警务数据驱动力/警务数据失效度

警务数据失效度=（情报协调能力+情报评估能力+数据共享水平）/3×情报匹配度

4.3 数据取值

常量函数的初始值通过问卷调查法、算术平均法及实地走访综合求出。由于系统模型结构是决定系统动力学模型行为的主要因素，其基本结构是信息反馈，对数据的取值敏感性较低，因此，对于模型中的常量函数均取整数并设定取值范围为0～100。取值结果见表1。

表1 系统模型常量函数取值表

系统动力模型边界：（1）对于模型的研究，仅考虑警务数据获取能力和警务数据失效度两个子系统，不考虑其他子系统的影响。（2）对于公安情报效度的研究，仅考虑一种公安情报的获取，不考虑多种情报的生成。

4.4 系统仿真结果

4.4.1 公安情报效度运行结果

运行结果趋势如图5 所示。可以看出，公安情报效度大体运行趋势是先上升后下降。当公安情报主体对公安情报有足够需求时，公安情报会在特定时间内，在相关因素共同作用下达到其效度的最大值，但在其主体不再需要公安情报时，公安情报自身价值便会随着时间的推移而逐渐消失。

图5 公安情报效度基础图

4.4.2 公安情报效度子系统仿真结果

4.4.2.1 警务数据获取能力子系统

在警务数据获取能力子系统中，将各个影响参数增加20%，得到结果如图6所示。公安情报效度改变量由大到小顺序为：各警种数据支援量＞综合保障能力＞各警种配合程度＞数据处理速度＞数据储存能力，由此可以看出，各警种之间的警务数据获取能力有着重要作用，对生成公安情报效度贡献较多。

图6 警务数据获取能力子系统与公安情报效度关系图

4.4.2.2 警务数据失效度子系统

在警务数据失效度子系统中，将各个影响参数增加20%，得到结果如图7所示。公安情报效度改变量由大到小顺序为：情报协调能力＞情报评估能力＞数据共享水平。由此可以看出，各警种对情报的协调能力对公安情报的效度影响较大，而情报评估能力和数据共享水平是在情报协调能力下，起到辅助的作用。

图7 警务数据失效度子系统与公安情报效度关系图

综上，在警务数据获取能力及警务数据失效度两个子系统当中，对公安情报的效度至关重要的因素分别为各警种数据支援量和情报协调能力。各警种数据支援量的重要性在于它们能够提供实时、准确的信息，从而支持决策制定和行动执行，数据支援量将直接影响系统的信息优势。而情报协调能力的重要性在于它能够促进警种之间的信息共享和协作。在复杂环境下，不同警种可能需要依靠彼此的情报，以便更好地了解和应对威胁。情报协调能力的提高将直接增加整个系统的灵敏度和反应能力。此外，各警种之间的数据支援量和情报协调能力也可能相互影响。如，良好的情报协调能力可以帮助各警种更好地理解和利用彼此的数据，从而增加数据的支援意愿。同样，更好的数据支援意愿也可以促进情报协调能力的提高，因为更多的数据意味着更多的信息可以共享和分析。

5 结论与讨论

首先，本文论述了人工智能背景下公安情报与数据、算法、算力的关系及警务数据的特点，分析了公安情报生成的主要影响因素。其次，构建了公安情报效度各个子系统的因果回路图。最后，基于系统动力学理论构建公安情报生成系统模型并进行仿真模拟，得出各个子系统中对公安情报效度起关键作用的影响因素。基于此，得出影响公安情报效度的动力学结论，为公安情报的高效利用提供了具有客观性、针对性及可参考性的理论依据。

5.1 加大各警种的数据支援量，提升公安情报生成效率

公安实战部门既要重视各警种之间协调能力，使各警种之间效能更高，发挥更大作用；也要重视和发展硬件设备对数据的分析研判能力，加强信息融合与加工技术的研究，如大数据预测、多维生物特征融合、信息深度合成犯罪应对、语义认知推理、视频图像智能处理与应用等技术的研发与应用，提升对社会治安风险的智能感知与研判能力。

5.2 公安情报体系建设与公安情报研判并重

在警务数据建设中，既要重视各相关部门的协调能力，也要重视对获取情报的分析研判能力，减少获取警务数据的失效程度，提高警务数据的利用率。同时，需要重视情报人员专业能力的培养，让其反馈出的情报数据能够客观、及时、有效运用到实战警务当中。

5.3 数据、算法、算力协同推进情报效能最大化

为使公安情报系统效能最大化：一方面要重视数据获取的全面性和客观性，协调各警种之间作战能力，优化各部门之间的沟通渠道；另一方面要大力发展和开发数据分析技术，剔除无效数据而尽可能获取有针对性的有效数据，从而达到数据利用率最大化和作战精准化。此外，在数据的高效获取和算法的有效分析下，应提高算力，强化数据处理能力和算法分析能力。