陳 威 陽(yáng)許軍

（1.武漢郵電科學(xué)研究院 武漢 430074）（2.武漢虹信技術(shù)服務(wù)有限責(zé)任公司 武漢 430074）

1 引言

隨著社會(huì)的發(fā)展，人口流動(dòng)的日益頻繁，社會(huì)治安形勢(shì)的多樣性、復(fù)雜性，犯罪作案手段隱蔽性和向高智商犯罪發(fā)展的趨勢(shì)，治安和維穩(wěn)形勢(shì)的快速變化以及警務(wù)功能的不斷細(xì)化和拓展，傳統(tǒng)的警務(wù)和社區(qū)綜合治理模式已越來(lái)越不能適應(yīng)維護(hù)社會(huì)穩(wěn)定和治安的發(fā)展變化，越來(lái)越難以掌握當(dāng)代社會(huì)治安和維穩(wěn)的主動(dòng)權(quán)［1］。因此帶來(lái)一系列社會(huì)穩(wěn)定、治安管理等難題，給社區(qū)警務(wù)工作造成了空前的難度和壓力。

為了適應(yīng)新形勢(shì)的需要，本文提出構(gòu)建基于數(shù)據(jù)分析的治安情報(bào)研判系統(tǒng)。通過(guò)對(duì)社區(qū)人口數(shù)據(jù)，以及由人產(chǎn)生的日常生產(chǎn)生活數(shù)據(jù)進(jìn)行收集、整理、歸類，與既有的公安警務(wù)數(shù)據(jù)、社區(qū)網(wǎng)格管理數(shù)據(jù)進(jìn)行多源信息融合分析，挖掘數(shù)據(jù)中蘊(yùn)藏的巨大價(jià)值，進(jìn)行有效的情報(bào)研判，從而實(shí)現(xiàn)對(duì)流動(dòng)人口和重點(diǎn)防控人員的科學(xué)管理、動(dòng)態(tài)管理和長(zhǎng)效管理，在指揮調(diào)度、警力配置、聯(lián)防聯(lián)控等治安防范工作中變被動(dòng)為主動(dòng)，將有限的治安力量投放到最關(guān)鍵的位置。使基層治安和維穩(wěn)工作的資源配置更加科學(xué)、協(xié)同配合更加便捷、管理服務(wù)更加高效，在維護(hù)國(guó)家穩(wěn)定、保障社會(huì)安寧和人民安居樂(lè)業(yè)方面具有重大意義，對(duì)平安城市和智慧城市的建設(shè)提供有力的補(bǔ)充和支撐［2］。

2 領(lǐng)域現(xiàn)狀

當(dāng)前，全國(guó)多數(shù)地區(qū)在進(jìn)行治安工作時(shí)仍停留在傳統(tǒng)的人工研判形式，費(fèi)時(shí)費(fèi)力效率低下，缺乏準(zhǔn)確性和預(yù)見(jiàn)性，當(dāng)然有部分社區(qū)治安機(jī)構(gòu)已嘗試建立了治安數(shù)據(jù)綜合管理平臺(tái)，平臺(tái)包含了社區(qū)人員信息、車輛信息、違法信息等相關(guān)數(shù)據(jù)，形成了一個(gè)龐大的治安信息數(shù)據(jù)庫(kù)，且數(shù)據(jù)信息基本能夠做到實(shí)時(shí)收集。而目前對(duì)治安情報(bào)數(shù)據(jù)的分析，多數(shù)只能做到一般的統(tǒng)計(jì)分析，缺乏與案件相關(guān)的人員、車輛、居住地等相關(guān)信息的關(guān)聯(lián)分析和挖掘分析，故從這些數(shù)據(jù)中獲取的信息量?jī)H占了整個(gè)數(shù)據(jù)庫(kù)中的很少部分信息量，無(wú)法發(fā)現(xiàn)隱藏在案件背后的發(fā)生規(guī)律和發(fā)展趨勢(shì)，難以達(dá)到精準(zhǔn)制定預(yù)防決策的要求。

3 系統(tǒng)關(guān)鍵技術(shù)

基于數(shù)據(jù)分析的治安情報(bào)研判系統(tǒng)的搭建，目的是利用數(shù)據(jù)分析的科學(xué)手段，研究出能夠科學(xué)分析影響社會(huì)治安各種因素的方法，從而挖掘出傳統(tǒng)分析方法不易得到的客觀規(guī)律，進(jìn)行有效的情報(bào)研判。系統(tǒng)包含兩個(gè)方面的關(guān)鍵技術(shù)：一是創(chuàng)建治安情報(bào)綜合分析數(shù)據(jù)倉(cāng)庫(kù)，二是確立治安情報(bào)分析主題與挖掘模型。

3.1 創(chuàng)建治安情報(bào)綜合分析數(shù)據(jù)倉(cāng)庫(kù)

在創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)之前，我們首先要獲取數(shù)據(jù)源［3］?；跀?shù)據(jù)分析的治安情報(bào)研判系統(tǒng)的數(shù)據(jù)源，主要包括社區(qū)警務(wù)數(shù)據(jù)、網(wǎng)格數(shù)據(jù)，比如社區(qū)內(nèi)的車輛信息、人口信息、重點(diǎn)防控對(duì)象等，同時(shí)還要獲取社區(qū)內(nèi)的人員車輛出入記錄、視頻監(jiān)控、門禁道閘、能源消耗等多方面的相關(guān)數(shù)據(jù)，這些都是數(shù)據(jù)倉(cāng)庫(kù)的基石。

數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)數(shù)據(jù)集合，它具有面向主題、融合性高、容量大、相對(duì)穩(wěn)定、時(shí)變等特點(diǎn)。整個(gè)系統(tǒng)架構(gòu)包含數(shù)據(jù)源、數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)集市、數(shù)據(jù)應(yīng)用、數(shù)據(jù)管理［4］。數(shù)據(jù)源先將系統(tǒng)的所有初始數(shù)據(jù)提取出來(lái)，然后進(jìn)行清洗轉(zhuǎn)換，再將其匯入數(shù)據(jù)倉(cāng)庫(kù)。數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)分析研判數(shù)據(jù)，將所有研判數(shù)據(jù)集中起來(lái)，便于管控。數(shù)據(jù)集市通過(guò)對(duì)各種研判主題構(gòu)造一系列數(shù)據(jù)集，從而增強(qiáng)系統(tǒng)的適應(yīng)能力，而且數(shù)據(jù)也更易于重復(fù)利用。數(shù)據(jù)應(yīng)用是數(shù)據(jù)的展示層，可以通過(guò)web、app等形式向用戶提供查詢統(tǒng)計(jì)、多維分析、數(shù)據(jù)挖掘、可視化等功能。數(shù)據(jù)管理用于確保整個(gè)研判系統(tǒng)安全可靠的運(yùn)行。系統(tǒng)的總體結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)總體結(jié)構(gòu)圖

3.2 確立治安情報(bào)分析主題與挖掘模型

情報(bào)研判系統(tǒng)采用常規(guī)的數(shù)據(jù)分析方法，如關(guān)聯(lián)分析、回歸分析、聚類分析、時(shí)間序列模型等方法［5］，根據(jù)社區(qū)治安情況的特點(diǎn)，建立適用于情報(bào)研判的分析主題，然后根據(jù)不同的主題選取相關(guān)的挖掘模型，由此進(jìn)行各種情報(bào)數(shù)據(jù)的分析挖掘。

可以將治安情報(bào)的挖掘分析分為兩類，一類是描述型的，能夠發(fā)現(xiàn)數(shù)據(jù)的內(nèi)部結(jié)構(gòu)和之間的聯(lián)系，另一類是預(yù)測(cè)型的，能夠根據(jù)歷史數(shù)據(jù)預(yù)測(cè)出數(shù)據(jù)將來(lái)的變化走向，后文將會(huì)詳述這兩類分析。

4 系統(tǒng)設(shè)計(jì)

4.1 整體流程設(shè)計(jì)

基于數(shù)據(jù)分析的治安情報(bào)研判系統(tǒng)通過(guò)對(duì)社區(qū)警務(wù)平臺(tái)數(shù)據(jù)及其他相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理獲得數(shù)據(jù)源，然后創(chuàng)建治安情報(bào)綜合分析數(shù)據(jù)倉(cāng)庫(kù)，在此基礎(chǔ)上，進(jìn)行案件信息的統(tǒng)計(jì)分析，案件與案發(fā)時(shí)間地點(diǎn)等因素的關(guān)聯(lián)分析，案情發(fā)展趨勢(shì)預(yù)測(cè)的挖掘分析，案件數(shù)據(jù)處理結(jié)果的可視化分析，經(jīng)過(guò)這一系列操作之后，通過(guò)提供接口輸出情報(bào)分析研判結(jié)果，從而實(shí)現(xiàn)了社區(qū)治安情報(bào)的綜合分析研判。整體流程如圖2所示。

4.2 詳細(xì)功能設(shè)計(jì)

4.2.1 統(tǒng)計(jì)分析

統(tǒng)計(jì)分析是對(duì)歷史案件統(tǒng)計(jì)的項(xiàng)目與未曾統(tǒng)計(jì)到的項(xiàng)目的擴(kuò)充，是對(duì)之前的統(tǒng)計(jì)功能與欲改進(jìn)功能的完善，具體包括案件信息任意分析、案件特征綜合分析、案件發(fā)展趨勢(shì)分析、案件發(fā)生原因分析等。

圖2 系統(tǒng)整體流程圖

現(xiàn)對(duì)上述各類分析分別作出解釋。任意分析，就是對(duì)案件信息的任意條件進(jìn)行單一和組合分析［6］；特征分析，就是對(duì)案件性質(zhì)以及重點(diǎn)區(qū)域和人員進(jìn)行統(tǒng)計(jì)分析；趨勢(shì)分析，就是通過(guò)多維度統(tǒng)計(jì)分析出某時(shí)間段（年季月周或特殊節(jié)假日，如國(guó)慶、春節(jié)等）內(nèi)的案情發(fā)展趨勢(shì)；原因分析，就是在統(tǒng)計(jì)案件發(fā)生的直接原因時(shí)與歷史重大相似案件產(chǎn)生原因相結(jié)合進(jìn)行綜合分析。

4.2.2 關(guān)聯(lián)分析

針對(duì)案件來(lái)講，基本都有作案時(shí)間、作案地點(diǎn)、案件性質(zhì)、受害人群等一系列的要素［7］，而且通常情況下在案件情況相同或相似時(shí)，差不多就能推測(cè)出該案是由同一個(gè)人或團(tuán)伙所致。關(guān)聯(lián)分析不僅是為了對(duì)各種類型案件進(jìn)行區(qū)別劃分，更主要的目的是對(duì)多起案件所獲取的現(xiàn)場(chǎng)資料展開(kāi)分析，由此分析結(jié)果便可縮小嫌疑人的范圍，甚至鎖定嫌疑人。

系統(tǒng)首先從數(shù)據(jù)倉(cāng)庫(kù)中提取出案件信息，通常情況下，關(guān)聯(lián)案件具有很多相同或相近的屬性，故可將特征相似的案件近似地歸到一組，從而這些案件就能被關(guān)聯(lián)起來(lái)。那么，如何對(duì)相似案件進(jìn)行歸類呢？

對(duì)于未曾歸類過(guò)的數(shù)據(jù)集合，通常會(huì)采用“聚類”算法。“聚類”算法就是在無(wú)需人為參與的情境下，根據(jù)一定的規(guī)則，對(duì)有處理需求的數(shù)據(jù)集合自動(dòng)歸類?！熬垲悺彼惴軌?qū)Υ罅课谋緮?shù)據(jù)進(jìn)行處理，并且處理效率較高，故其在案件歸類中有著廣泛的運(yùn)用。選擇k-means算法作為案件歸類的核心算法，因?yàn)槠湓凇熬垲悺彼惴ㄖ锌焖俑咝В?］，并且許多編程語(yǔ)言庫(kù)都提供了其算法實(shí)現(xiàn)。該算法的主要思想是通過(guò)判斷兩個(gè)空間節(jié)點(diǎn)間的距離，距離越近說(shuō)明兩點(diǎn)具有越高的相似性，然后將距離最相近的節(jié)點(diǎn)歸到一起，稱之為“簇”，這樣不同的“簇”就可以等效為一個(gè)案件類型。本系統(tǒng)中該算法在案件歸類時(shí)有如下實(shí)現(xiàn)過(guò)程。

1）將案件的屬性如時(shí)間、地點(diǎn)、人群等各作為一個(gè)坐標(biāo)維度，各案件作為坐標(biāo)系中的一點(diǎn)，各點(diǎn)坐標(biāo)就等效于其代表案件的對(duì)應(yīng)屬性。

2）設(shè)定一個(gè)k值，在坐標(biāo)系中任選k個(gè)點(diǎn)當(dāng)作“質(zhì)點(diǎn)”，將各案件歸并到距離最相近的“質(zhì)點(diǎn)”集合內(nèi)。

3）將各集合中最具該集合各點(diǎn)共性的案件重新當(dāng)作“質(zhì)點(diǎn)”，由此再次劃分新的案件集合，并再次將各案件坐標(biāo)點(diǎn)歸并到新劃分的集合內(nèi)。

4）重復(fù)執(zhí)行第3）步，當(dāng)劃分的案件集合不再改變時(shí)停止，此時(shí)，案件的關(guān)聯(lián)分類便完成了。

4.2.3 挖掘分析

1）描述型挖掘分析

通過(guò)對(duì)案件單因素分析，能夠大致判斷案情危害程度與定性影響因素之間獨(dú)立與否、相關(guān)與否。這里我們用到卡方檢驗(yàn)的方法，該方法是可用于判斷定性變量間是否存在關(guān)聯(lián)性［9］。模型方程式為

式中，fi是統(tǒng)計(jì)樣本的實(shí)際觀測(cè)值，fe是統(tǒng)計(jì)樣本的理論期望值。

在案件單因素分析的基礎(chǔ)上，構(gòu)造案件危害程度與案件多個(gè)相關(guān)因素（如年齡、性別、是否獨(dú)居、出行記錄、人際關(guān)系等）之間的累積邏輯回歸模型，更一步確立定性變量間的函數(shù)關(guān)系，用來(lái)反映變量間的相互影響，計(jì)算出危害系數(shù)值［10］，從而得到相應(yīng)的分析結(jié)論。模型方程式為

式中，β0，j為偏置，βp為權(quán)值系數(shù)，p為變量數(shù)目，P為案件相關(guān)因素的危害系數(shù)，此值越大，代表危害程度越高。

2）預(yù)測(cè)型挖掘分析

構(gòu)造治安情報(bào)各項(xiàng)因素的多元線性回歸模型，以此評(píng)價(jià)案情的發(fā)展趨勢(shì)，從而能夠依據(jù)歷史案件數(shù)據(jù)對(duì)各項(xiàng)指標(biāo)進(jìn)行長(zhǎng)遠(yuǎn)的趨勢(shì)預(yù)測(cè)。線性回歸分析是用來(lái)推斷多個(gè)變量之間相互依存定量關(guān)系的分析方法［11］，假定變量Y和變量X1，X2，…，Xp間存在線性關(guān)系，那么可寫出多元線性回歸方程式：

式中，β0為常數(shù)項(xiàng)，p為變量數(shù)目，βj(j=1，2，…，p)為回歸系數(shù)，ε為誤差。

構(gòu)造治安情報(bào)各項(xiàng)因素的時(shí)間序列自回歸移動(dòng)平均模型，研究序列值相關(guān)關(guān)系的統(tǒng)計(jì)規(guī)律，依據(jù)案件歷史數(shù)據(jù)計(jì)算出案情短時(shí)間內(nèi)預(yù)測(cè)值，從而預(yù)測(cè)時(shí)間序列的短期走勢(shì)。時(shí)間序列自回歸移動(dòng)平均模型（ARMA模型），在研究平穩(wěn)時(shí)間序列時(shí)有著廣泛運(yùn)用［12］。ARMA（p，q）模型中，AR意為“自回歸”，MA意為“移動(dòng)平均”，模型可表示為如下方程式：

式中，p為自回歸項(xiàng)數(shù)，φi為自回歸系數(shù)，q為移動(dòng)平均項(xiàng)數(shù)，θj為移動(dòng)平均系數(shù)［13］。

4.2.4 可視化分析

所謂可視化就是將上述一系列分析結(jié)果通過(guò)圖形化界面直觀地展示出來(lái)，可以借助JavaScript或Python等編程語(yǔ)言提供的圖形化庫(kù)來(lái)實(shí)現(xiàn)。這樣就能從宏觀上把控社區(qū)治安情況的各項(xiàng)指標(biāo)，比如區(qū)域分布、人員分布、發(fā)展趨勢(shì)等，并且對(duì)重點(diǎn)可疑對(duì)象、地點(diǎn)可以實(shí)現(xiàn)預(yù)警通知，從而為社區(qū)治安工作的開(kāi)展帶來(lái)了極大的便利。

5 系統(tǒng)的應(yīng)用

基于數(shù)據(jù)分析的治安情報(bào)研判系統(tǒng)對(duì)于開(kāi)展社區(qū)治安工作提供了極大的幫助，通過(guò)對(duì)治安情報(bào)各項(xiàng)指標(biāo)的綜合分析研判，能夠在實(shí)際治安維穩(wěn)工作中起到指導(dǎo)和決策的作用，充分體現(xiàn)了“情報(bào)主導(dǎo)警務(wù)”的思想［14］。在實(shí)際應(yīng)用中還可根據(jù)實(shí)際情況開(kāi)展如下的重點(diǎn)分析研判工作。

1）情報(bào)特征專項(xiàng)分析

開(kāi)展案發(fā)時(shí)間、地點(diǎn)分布特征，人員年齡、職業(yè)分布特征，案件原因、性質(zhì)分布特征等專項(xiàng)分析，能夠根據(jù)需要去重點(diǎn)關(guān)注某些因素。

2）案件高發(fā)因素分析

開(kāi)展案件高發(fā)因素分析，比如案件高頻出現(xiàn)的時(shí)間地點(diǎn)以及屢犯人員，以便及時(shí)盯防，從而降低風(fēng)險(xiǎn)。

3）案情發(fā)展趨勢(shì)分析

開(kāi)展案情發(fā)展趨勢(shì)分析，可以預(yù)測(cè)出未來(lái)潛在的安全威脅，以便提前采取相應(yīng)防范措施。

本系統(tǒng)雖然是基于社區(qū)數(shù)據(jù)搭建起來(lái)的，但是通過(guò)大數(shù)據(jù)的手段，完全可以將其推廣到地區(qū)、城市等更高層次，這樣更有助于實(shí)現(xiàn)社會(huì)綜合治理和平安城市的目標(biāo)。

6 結(jié)語(yǔ)

綜上所述，在當(dāng)前社會(huì)治安依舊難以穩(wěn)定的形勢(shì)下，面對(duì)潛在的各種安全威脅，社會(huì)治安部門對(duì)于案情分析研判的精準(zhǔn)性和針對(duì)性要求日益增加，對(duì)于案件數(shù)據(jù)的挖掘需求也日益急切，因此，本文設(shè)計(jì)了一套實(shí)用的治安情報(bào)研判系統(tǒng)，對(duì)于發(fā)現(xiàn)龐大復(fù)雜的案件數(shù)據(jù)背后潛在的發(fā)展規(guī)律，以便采取科學(xué)的防范措施和有效的決策起到了重大的實(shí)際作用。

如今，大數(shù)據(jù)技術(shù)飛速發(fā)展，未來(lái)社會(huì)治安維穩(wěn)的情報(bào)數(shù)據(jù)量會(huì)相當(dāng)龐大［15］，所以治安情報(bào)研判系統(tǒng)的功能及性能需求也越來(lái)越高，可能還需要多個(gè)子系統(tǒng)的相互協(xié)助配合，這也是今后新社會(huì)形勢(shì)下系統(tǒng)需要不斷改進(jìn)和完善的方向。