李亞東，夏 耘，宋婷婷

（一體化指揮調度技術國家工程實驗室，北京 100192）

大數(shù)據(jù)助推人工智能在公安指揮調度上的應用

李亞東，夏 耘，宋婷婷

（一體化指揮調度技術國家工程實驗室，北京 100192）

大數(shù)據(jù)為人工智能在公安指揮調度上的應用提供了海量的數(shù)據(jù)基礎，高度還原現(xiàn)場場景，智能推送態(tài)勢信息，并圍繞某一案事件的全景信息，為決策者快速提供輔助參考信息，節(jié)約決策成本、提高警情處置效率，高效化處置流程、便捷化人民群眾。

智能指揮；人工智能；大數(shù)據(jù)

Abstract:With the application of command, which in the basis of a large set of data, using Artificial Intelligence, highly reduce the scene, push the situation information intelligent, and provide supplementary reference information around a case of event, saving the costs of decision-making, improve the eff i ciency of police,eff i cient disposal process and facilitate the people.

Keywords：Intelligent command; Artif i cial Intelligence; Big Data

1 引言

近年來，隨著云計算、大數(shù)據(jù)、腦科學、認知科學的綜合進步，為人工智能加速發(fā)展創(chuàng)造了極好的條件，而大數(shù)據(jù)助推人工智能的發(fā)展主要體現(xiàn)在感知、認知、展示三個人方面。

2 人工智能在指揮調度中的應用

2.1 公安智能指揮調度的應用模式

隨著社會總體治安形勢的不斷變化，如何快速、準確、高效的滿足一線實戰(zhàn)要求，成為指揮中心當前首要目標，目前，各地指揮中心已經紛紛開展了基于大數(shù)據(jù)的信息化系統(tǒng)的建設，為事件研判提供信息支撐，然而，在事件發(fā)生后，快速派警、優(yōu)化分配任務、節(jié)約決策時間成為遏制現(xiàn)場事態(tài)惡性發(fā)展、最大程度保證群眾安全性、最低成本解決事件的關鍵因素，而人工智能技術的引入，將貫穿到接警、處警、決策、指揮、調度等實戰(zhàn)業(yè)務中去，便捷化、智能化業(yè)務流程。

2.1.1 接警智能化應用

傳統(tǒng)的接警席所獲取的報警信息往往只來源于報警人、視頻監(jiān)控或安防報警，而無法獲取報警事件背后隱藏的信息，而隨著大數(shù)據(jù)、視頻智能分析、人工智能等信息化技術的不斷成熟，為指揮中心提供更全面的現(xiàn)場警情信息可有效提高警力利用率、降低假警率、錯警率，在接收到報警電話時，可通過語音識別自動獲取案發(fā)地址、人物信息、案件事由等信息，并根據(jù)事件信息類別自動彈出預案，推送處警建議，對于重點人員可通過后臺關聯(lián)的數(shù)據(jù)庫，進行智能報警提示，對于假警情報，通過聯(lián)動現(xiàn)場視頻進行復核，實現(xiàn)報警事件的智能化確認，如圖1所示。

圖1 接警信息智能識別

2.1.2 處警智能化應用

在報警事件確認完畢后，將處警流程、現(xiàn)場信息、處警注意事項等信息標準化、規(guī)范化、智能化的推送給一線警力可提高處警效率，充分利用警力資源。在這過程中，通過對處警影響因子，比如案件信息、案發(fā)地周報警力分布、事發(fā)地周邊路況信息賦予不同權重，結合人工智能機器學習技術，通過模型推演、人工核驗后形成處警指令。并在處警人員趕赴現(xiàn)場時，根據(jù)現(xiàn)場實時交通路況信息智能化推送最優(yōu)路徑給處警人員，并按級分配不同管理權限，上級對下級接處警情況可實時監(jiān)控并存儲備案，下級漏接可跳轉上級，處警更快捷，可區(qū)分警情的輕重緩急，過濾誤報。

圖2 處警指令智能化派發(fā)

2.1.3 智能化態(tài)勢應用

態(tài)勢無論在戰(zhàn)場上還是在公安實戰(zhàn)應用中，是指揮員了解現(xiàn)場情況，評估事件未來發(fā)展以及作出對應決策的關鍵信息，在實戰(zhàn)過程中，保證各級終端態(tài)勢的對稱性可減少各級人員因理解不同而導致處置手段不一致；在決策過程中，態(tài)勢圖可作協(xié)作研討的底圖，進行態(tài)勢的推演。

智能化態(tài)勢從態(tài)勢感知、態(tài)勢處理、態(tài)勢展示三個方面來描述，態(tài)勢感知可通過傳感器、互聯(lián)網(wǎng)、移動端、PC端等獲取現(xiàn)場氣象信息、交通流信息、場所信息、應急資源信息、警情信息等；態(tài)勢處理則可通過態(tài)勢標繪、態(tài)勢訂閱、態(tài)勢分發(fā)、態(tài)勢回溯、態(tài)勢研判、態(tài)勢評估等方法分析事態(tài)走向的多種可能性，將基于時空維度的現(xiàn)場態(tài)勢轉換為直觀、可視化的“態(tài)勢圖”，為指揮控制人員分析行動方案、有效決策提供支持，最終可基于大屏、PC、移動等終端表現(xiàn)形式為指揮中心人員、一線警力提供直觀可視的態(tài)勢現(xiàn)場圖、態(tài)勢趨勢圖、專題研討圖。在指揮決策過程中，將可視化圖像轉變?yōu)楸阌谥笓]調度的協(xié)作研討環(huán)境，形成面向不同業(yè)務終端的“態(tài)勢研判圖”，并結合標準化的行動指令派發(fā)給終端用戶。

圖3 智能化態(tài)勢總體設計

2.1.4 智能化決策應用

隨著前端信息的不斷疊加，決策將日益基于數(shù)據(jù)和分析而做出，而并非基于經驗和直覺，然而，大而全的信息無法為指揮員減少決策成本，指揮員如何快速、準確的從海量信息中篩選出有效信息，并形成一系列調度指令成為了控制現(xiàn)場局面的主要因素之一。人工智能的日益成熟為公安業(yè)務開辟了新的路徑，在案例推理、規(guī)則推理、機器學習、模糊邏輯與模糊推理、神經網(wǎng)絡等人工智能算法基礎上，在發(fā)生重大案事件時，可根據(jù)事件的描述信息，通過模型計算，迅速的篩選出歷史與此事件相似的典型案例以及其所采取的預案，經過類比思維，把相似事件的知識應用到新事件中，從而得到新事件的解釋或解決方案[5]。

基于人工智能的決策智能化應用可幫助決策者減少決策成本、提高決策準確性，在決策方案下達后，可通過人機交互方式將其迅速分解成非常好理解和傳達的行動命令，規(guī)范化決策流程，提高決策效率。

圖4 基于案例推理的智能決策應用流程

2.1.5 智能化預案應用

智能化預案以案事件為核心，通過人工智能模型計算的自學習，以將預案分解為標準化、序列化、智能化、行動化指令為目標，基于地理信息數(shù)據(jù)庫、模型庫、決策技術庫和預案庫，針對公安各類突發(fā)事件的不同特性和文本預案，采用預測分析模型進行模擬預測預警，在預測預警過程中，通過模型庫的調用分析，可以通過數(shù)據(jù)（數(shù)據(jù)驅動）、模型（模型驅動）和知識（知識驅動）提供專家咨詢和輔助預警。比如在警情發(fā)生后，可通過提取警情關鍵字，如警情類別、警情級別、案件特征等，根據(jù)問題識別已有的成熟模型，分析模型所需要的數(shù)據(jù)，通過它們之間的接口技術和系統(tǒng)集成技術把它們組成有機整體，采用相似度計算方法，評估新案例與舊案例之間相似程度，為當前警情推送歷史案例的解決思路，通過案例的重用和修正形成當前警情的智能化預案，并最終將其分解為一系列指令推送給一線警力人員。

圖5 預案的智能化分解

2.2 人工智能應用于指揮調度的關鍵技術

2.2.1 機器學習

機器學習是人工智能的核心，它主要使用歸納、綜合方法，機器學習的研究是通過生理學、認知科學等對人類學習機理的了解，建立人類學習過程的計算模型、認知模型，進而發(fā)展各種學習理論和學習方法，以機器學習算法為代表的人工智能技術可基于已知觀測數(shù)據(jù)建立模型，從數(shù)據(jù)中自動分析獲得規(guī)律，并利用規(guī)律對未知數(shù)據(jù)進行預測，并根據(jù)模型來求解問題。

2.2.2 專家系統(tǒng)

專家系統(tǒng)（expert system，ES）是能把一個或多個人類專家在某一領域的知識集中起來，并能解決專家要解決的問題的程序，一個專家系統(tǒng)就是一個計算機程序集，該程序利用當前的輸入信息、知識庫及一系列推理規(guī)則來完成由某一領域專家才能完成的工作。

專家系統(tǒng)是指一個具有大量行業(yè)或領域專門知識與經驗的程序系統(tǒng)。它以計算機科學技術和人工智能技術為基礎，先根據(jù)某一行業(yè)或領域一些權威專家或多個專家所提供的一些相關知識和相關經驗，再進行深入推理和判斷，進而可以模擬人類專家的判斷決策過程。通過這個過程，從而來幫助人們解決現(xiàn)實中一些需要人類專家來處理的一些復雜的問題。實現(xiàn)專家系統(tǒng)必須要有兩個條件：一是要擁有類似于該領域專家解決實際問題的推理機制，二是建立一個完善的存儲有該領域中經過專家事先總結、分析并按某種模式表示的專家知識庫。這兩個條件缺一不可，否則無法進行專家識別。研究發(fā)現(xiàn)，專家系統(tǒng)能對人類輸入的信息進行快速處理，并運用相關的行業(yè)和領域知識進行推理判斷，進而作出相應的判斷和決策。

2.2.3 人工神經網(wǎng)絡

神經網(wǎng)絡技術（Artificial Neural Networks，ANN）具有大規(guī)模并行處理、分布式信息存儲、良好的自組織自學習能力等特點。通過掃描分析大量的數(shù)據(jù)，在類似于人腦的神經元網(wǎng)絡中建模，通過不斷地讓模型對輸入數(shù)據(jù)進行機器訓練，從而得到符合邏輯的運算輸出。

2.2.4 案例推理CBR

案例推理（Case-based Reasoning，CBR）是美國學者Roger在動態(tài)理論中提出的[6]，屬于人工智能中的一種學習方法，通過從歷史案例庫中查找與目標案例相似的歷史案例的解決方案，為當前問題的決策提供支持。CBR是人工智能領域發(fā)展起來的一項技術，規(guī)避了傳統(tǒng)人工智能技術在知識和推理規(guī)則的獲取這一瓶頸上所面臨的問題，CBR的邏輯起點是認知科學，而認知科學和心理學的研究認為人類解決問題的常用方式是基于經驗的推理和學習。

3 結束語

大數(shù)據(jù)的發(fā)展為人工智能在公安指揮調度上的應用提供了進一步的可能性，隨著人工智能算法的不斷成熟，智能指揮調度勢必成為未來指揮控制領域的一個重要的研究方向。目前關于智能指揮調度的研究，仍有許多問題亟需解決，但是如果從公安實戰(zhàn)角度出發(fā)，人工智能在指揮調度的應用將為會進一步提高公安實戰(zhàn)效率。

[1] 袁藝，祝旦龍．人工智能能否“染指”指揮藝術之花[J]．學習時報，2016,7:1-2

[2] 王洪艷，郭云峰．大數(shù)據(jù)技術在人工智能中的應用研究[J]．應用研究

[3] 徐卓函．大數(shù)據(jù)時代人工智能的創(chuàng)新與發(fā)展研究[J]．信息技術，2015:30-31

[4] 孫松林，陳娜．大數(shù)據(jù)助推人工智能[J]．郵件設計技術，2016:1-5

[5] 石浩．基于案例推理的城市應急決策支持系統(tǒng)的研究[D]．浙江：浙江工業(yè)大學，2004

[6] 王凱．基于案例推理的應急管理案例庫構建方法研究[D]．上海交通大學安泰經濟與管理學院

The Application of Command with Artificial Intelligence in the Boost of Big Data

Li Yadong, Xia Yun, Song Tingting

10.3969/J.ISSN.1672-7274.2017.09.009

TN929.5，TN91文獻標示碼：A

1672-7274（2017）09-0024-04