随着大数据技术的普及和应用,“大情报体系”建设需要对数据的大开发,通过使用挖掘算法对海量数据进行分析和建模,挖掘出各类数据背后所蕴含的内在的、必然的因果关系,进而判断出某一事件发生的概率、科学预测其发展趋势,以此来服务打防管控等警务工作。
公安大数据的起源以及与社会管理应用
纽约是美国人口数量最多、密度最大、多元化程度最高的城市,曾经黑帮盛行,毒品泛滥,各类案件高发,是一个著名的犯罪之都。一位叫杰克•梅普尔的巡警将地铁抢劫案的时间和地点标注在地图上,分析其中的原因和规律,借此预测第二天劫案发生的时间和地点。这种做法得到新任公安局局长布雷特的认可并在全局推广,第二年的地铁抢劫案下降了27%。后来梅普尔开发了纽约市电子版的“未来预测图表”即CompStat,将全纽约76个警区的数据录入并进行加总和分析,进行犯罪趋势预测,指挥官根据预测制定对策、调度警力,这种警务管理模式使纽约市的犯罪率应声而降。
大数据在公安交警方面的使用
可见,数据和信息是执法工作中制定战略和决策的基础。公安机关在社会管理中,通过采集驾驶员手机的GPS数据,就可以分析出当前哪些道路正在堵车,交警部门可以及时发布道路交通提醒;通过采集汽车的GPS位置数据,就可以分析城市的哪些区域停车较多,这也代表该区域有着较为活跃的人群,这些数据对于分析预测重大群体性事件非常重要。
大数据在警务预测的应用
凭借海量的数据信息和专门的数据挖掘技术,公安机关可以进行数据驱动的警务预测。技术人员从海量的案例信息、社会资源信息中提取有效数据,结合时间、空间、人文地理等要素进行加工分析,找出暴力犯罪、恐怖袭击、恶性群体性事件等各自的发生要件,总结出各类案件发生的要素特征,根据这些要素特征建立相应的预警模型,如当地实际情况的各项指标趋近临界值,表明可能会引发相应的治安风险。公安机关可根据预警及时调整和部署警力,将恶性事件及时地消除、化解在萌芽状态。
公安大数据与犯罪防范的应用
公安机关可以利用“大数据”来防范电信诈骗。电信诈骗是当今社会的一大顽疾,如果公安机关、电信部门、银行、互联网等各方摒弃利益纠结,共享各自的“大数据”,那么最大限度地杜绝电信诈骗是完全可能的。我们融合这些“大数据”的信息进行关联挖掘,找出电信诈骗相关性的数据因数,然后建立动态监控模型,那么一旦相关数据出现,公安机关根据数据链就可以快速找到诈骗犯罪嫌疑人。
社会治安防控点多面广,社会管理任务任重道远,服务社会群众事务繁多,实施“大数据”战略将改变公安工作被动应付、粗放运作的局面,是全面深化警务改革的重要内容和必要途径。公安机关要抓住“大数据”时代的机遇,必须做好以下几方面的工作:
搭建公安信息数据仓库。数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,可以对相应的数据进行各个层面的多维的分析。网络信息社会,每个人的身后都拖着一根长长的信息的尾巴,有户籍信息、学籍信息、求职信息、就业信息、通话信息、银行卡信息,他的每一件事、每一个行为,都会留下相应的信息,当然,犯罪嫌疑人的犯罪行为也不例外。我们要整合这些数据和信息,通过数据仓库管理这些格式化和非格式化的数据,对相应的犯罪信息数据挖掘。
开发数据挖掘智能软件。数据挖掘就是从海量的数据中用一定的算法分析计算,得到我们所需要信息和知识的过程,可以在保证时效性的前提下对更加庞大的数据样本进行分析,使结果更为精确。在街景的海量监控视频中,犯罪分子留下的踪影也许只有几秒钟。对于海量犯罪信息的分析研判,仅仅依靠人工是难以做到的,且不说人工在工作量和工作强度上难以胜任,即使分析了大量的数据,其结果的时效性和准确性也是难以达到要求的,但计算机数据挖掘可以使这个问题迎刃而解。选择恰当的算法可以在极短的时间内分析人工无法完成的海量犯罪记录数据。
加强数据分析人才的培养。一是机构要健全,配备专门人员从事警务“大数据”工作,统一规范,职能明确。二是加强有关数据分析技术的培训,使先进的信息技术与公安业务融合。三是培育“大数据”警务团队的创新文化,使警务情报紧跟“大数据”时代的步伐。
总之,“大数据”时代已经撼动了世界的方方面面,已经形成了公安大数据解决方案、铁路物流云解决方案、水利行业解决方案,充分利用数据时代信息技术,积极创新公安警务信息管控的新模式,是公安机关提升工作效率的重要途径。
相关资讯: