大數據技術在公共安全領域的主要應用

+電鏡之鷹

一、概述

公共安全事件是指危害社會安全、社會經濟活動和人員生命健康及財產完整的各項危險性事件，一般包括：自然災害、事故災難、社會公共衛生事件和社會安全事件等。公共安全作為人類社會生存發展的重要基礎，歷來是世界各國高度重視的重要問題之一?？梢哉f，如何提供務實、有效的公共安全保障是國家治理體系和治理能力現代化的重要內容。

從目前世界主要國家的發展情況來看，在取得長足進步和巨大成就的同時，傳統的社會公共安全治理和保障模式還存在著公共安全風險預警敏感不足、公共安全風險綜合管控能力不強、公共安全治理技術相對落后、缺乏高效協同的安全風險協調機制等問題。

隨著現代信息技術的快速發展，大數據技術在社會各領域得到了越來越多的應用，將大數據技術應用到公共安全領域，有助于探索更加高效、可靠的公共安全保障模式，催生更加動態、高效和科學的公共安全管理理念體系，為進一步增強社會公共安全治理能力提供了一條全新的路徑。

二、大數據在公共安全領域的主要應用模式

隨著當前經濟社會的不斷發展和信息技術的不斷進步，大數據正在社會生活的各個領域衍生出越來越多的應用，社會實體空間正與數據空間產生日益緊密的對應關系，大數據技術的不斷發展，正在公共安全領域顯現出更多樣、更深入的實際應用成效。

（一）支撐公共安全風險的事前預警預防，實現公共安全治理從被動的應急響應向主動的風險管理轉型。

隨著經濟社會的發展和社會矛盾的逐漸演變，犯罪等公共安全威脅事件的數量、類型正發生顯著的變化。因此，為了更好的開展犯罪預防，更加主動有效的掌握犯罪動向，近年來很多國家正逐步開展犯罪預測技術的相關研究和應用，即采用大數據分析的方法收集、分析犯罪相關數據，在此基礎上建立能夠描述犯罪行為特點趨勢的犯罪模型，并根據模型對未來一段時間的公共安全趨勢、犯罪發生發展情況、犯罪熱點區域等進行有針對性的預測，更加準確地識別犯罪模式和熱點區域，有針對性地部署警力資源，從而更好地開展相關公共安全保障活動。

為了做好犯罪建模和趨勢預測，一般相關機構會收集過往犯罪數據，根據一定的分析算法建立犯罪預測模型，依據相關模型來對潛在的犯罪時間、地區、犯罪人員、被害人、犯罪形式等要素進行預測。一般來說，數據量越大、數據種類越豐富，犯罪預測模型的精確性和可信度就越高，因此，為了建立精準的犯罪模型，往往需要依靠大數據的算法和系統對大量數據（如犯罪人/嫌疑人信息、國外犯罪案件信息等）進行清洗、分析、處理和個性化呈現，從而保證建模的精度和效率。

許多國家和地區的實踐表明，采用大數據技術進行犯罪預測分析，可以加強相關部門的情報分析研判能力，能夠支撐開展犯罪嫌疑人員分析、犯罪熱點分析、犯罪時空分析、重大事件預警分析等業務，從而引導相關人員更好地聚焦犯罪風險及其誘因，有針對性地部署相關安全防范資源和策略，積極采取有效風險防控和犯罪干預，從而實現由事后被動應對向事前主動預防的轉變。

（二）實現更加精準的案件偵查，增強安全態勢感知能力，提升公共安全保障活動效率。

大數據技術的出現，可以使傳統的犯罪案件偵查過程逐步數據化：由于大數據技術的應用，使得相關機構和人員往往可以盡可能多地處理和分析多種類型的數據，從而突破時空障礙，不受地域和時間范圍的制約，實現對犯罪嫌疑人的全方位刻畫，實現“讓數據說話”的科學化案件和事件偵查。

通過視頻偵查對犯罪嫌疑人的體態、步態和特殊習慣的進行分析

大數據技術的引入，使得相關機構和人員能以科學、高效的方式將大量存在的孤立、異構數據進行有效整合，將碎片化的數據（包括文本數據、音視頻、圖像等非結構化數據）有機地組織到符合人們認知方式的知識網絡中，讓數據更加容易被人和機器理解與處理，為搜索、分析、挖掘、應用、展現、預測預警等各類應用提供更加可靠的支持。多種數據的引入，使得公共安全機構能夠更加全面地感知和預測公共安全態勢，更加精準地掌握非法活動的規律、特點和趨勢，從而提供更加準確的威脅預警和資源布控支持。

（三）促進公共安全相關資源整合，實現公共安全的多元協同化治理。

在實際的警務工作中，相關單位隨著業務系統建設和數據累積的不斷增多，往往面臨著許多現實難題，主要包括：

（1）數據來源多，形式復雜，因此接入過程復雜冗長，進一步導致了數據可信度低、應用困難等問題。

（2）數據與各警種或業務部門之間的關聯不夠，各個警種往往都有自己的數據和自建的業務系統，導致了不同部門和警種之間的數據很難打通匯總，無法進行全面的整合分析。如何有效地把多源異構的海量數據整合為能夠被不同警種和部門人員理解和使用的數據對象就成為一個亟待解決的問題。

大數據平臺可以為不同部門提供統一的數據描述、建模和共享，便于把海量數據歸一化為具有統一特征的數據對象（如人物、時間、地點、環境等基礎要素），為相關人員提供多種自動化警務分析或技戰法模型，從而幫助相關人員自動化的開展關系挖掘、情報研判、重點人員管控等相關分析，提高數據應用和案件推演的效率。

同時，采用統一化的數據可視化方式，為用戶提供友好的態勢感知接口，確保相關人員能夠從眾多信息中快速分析和洞察相關安全事件隱患。

三、大數據技術在公共安全領域的典型門類

（一）視頻大數據

視頻信息是指通過視頻監控設備采集獲取的視頻流媒體、圖片以及與視頻流媒體和圖片相關的描述信息。一般來說，公共安全部門主要使用的視頻圖像信息主要包括視頻流媒體信息，人像、車輛視頻及其結構化屬性信息等。隨著視頻監控攝像機覆蓋廣度、密度的增加，視頻圖像數據量呈指數上升趨勢，通過人工判圖的傳統方式已經不能適應視頻信息的處理和應用，客觀上必須引入大數據方式對海量視頻信息進行高效整合和利用。

視頻大數據技術主要是依托大數據對采集到的視頻圖像進行處理、分析和挖掘，及時發現犯罪行為和犯罪分子蹤跡，偵查案件線索和證據。在現代案件偵破過程中，視頻大數據往往在發現案犯、劃定偵查方向、確定犯罪規律特點、縮小偵查范圍、甄別細節特征、鎖定案犯等方面能夠起關鍵性作用。在“周克華案”的偵破過程中，公安人員通過對大量涉案視頻的審看、分析和研判，充分應用了大量視頻技戰方法，查明了嫌疑人身高、特殊步態等特征，運用時空鎖定、循線追蹤等技戰法，獲取了周克華的時空軌跡、生活習慣、衣著、物品等特征，查清了周克華的活動、藏匿區域，為偵破該案件提供了重要保障[1]。

當前，公共安全領域的視頻大數據應用領域主要包括如下方面：

●利用各類治安監控視頻數據來夯實公共安全基礎管理，如實現對流動人口和車輛的管理，實時或事后掌握關鍵人、車、物等基礎要素的相關特征和時空活動軌跡規律；

●從海量的視頻數據中發掘可能危害公共安全的預警信息，如個體行為、群體聚集事件等，為有針對性的安全防控和事態化解提供決策支持；

●在案件偵辦過程中利用視頻數據來發現涉案線索，輔助相關部門偵查破案；

●利用視頻數據對危害公共安全的交通違規、違法和犯罪行為進行取證和調查。

應該看到，由于視頻數據屬于非結構化數據，如何自動、準確地解讀視頻數據，從大量冗余信息中盡可能完整可靠地提取有價值的信息，是需要解決的主要問題。目前，基于深度學習的人工智能技術和海量視頻數據檢索分析技術在視頻大數據中發揮著越來越重要的作用，基于人工智能的視頻分析技術能夠幫助相關人員實現對海量視頻的深度挖掘和多種業務化應用，從而最大限度發揮視頻的作用和價值。

（二）電子取證大數據

電子證據是信息數字化過程中形成的以數字形式存在的能夠證明案件事實情況的數據。2013年1月1日施行的《中華人民共和國刑事訴訟法》首次將“電子數據”正式列入合法證據類型中。隨著電子技術的快速發展，各類犯罪活動越來越多地使用手機、計算機、網絡、云存儲等現代信息化手段，因此，針對計算機、手機和其它各類電子文件的提取分析往往能夠成為案件分析與案件跟蹤的重要依據之一。

它主要包括：視頻、音頻、程序、圖像等，只要內容涉及犯罪活動或行為就能作為直接證據對犯罪分子予以定性。電子取證一般包括電子證據的復制、提取、過濾和恢復過程。在大數據環境下，電子證據往往不再局限于單個機器，而是存在于不同的物理主機和服務器上，為此現代取證技術必須能夠適應這一變化，采用分布式的綜合取證系統來實現包括互聯網、電子郵件、智能手機等多種新型信息化媒介的綜合取證。

（三）數據碰撞

數據碰撞是指不同數據集之間，以一種或多種數據項為條件，產生數據交集的過程。在實際的犯罪偵查行動當中，數據碰撞是在大量涉案數據中查找符合一定數據條件（如涉案的人、物、事、地址、時間等因素）抽取不同的數據項為碰撞條件，產生數據交集，從而更快地查找犯罪嫌疑目標。

在案件偵破過程中，數據碰撞往往能夠帶來重大的幫助，如在某些盜竊案件的偵破中，罪犯在實施盜竊過程中，可能會在盜竊案件現場留下指紋、足跡等痕跡，也可能在盜竊案件現場所在地及其周邊的通訊基站或者視頻監控系統中留下手機通話數據和視頻監控數據。通過對盜竊案件現場的各種偵查要素及其鑒定結果的數據碰撞、比較和分析，能夠找出犯罪人員的活動規律或確認犯罪人員身份，從而鎖定犯罪嫌疑人，偵破盜竊案件[2]。

（四）大數據畫像

大數據畫像技術實際上源自傳統的犯罪心理畫像技術，是指通過大數據的分析和可視化方法，對犯罪相關人員的身份特點、行為特征、興趣偏好等進行更加量化、全面的描述，從而使辦案人員更全面了解犯罪相關人員的具體情況，并為犯罪偵辦行動提供必要的線索支撐。

大數據畫像中所使用的數據類型往往非常多樣，包括相關人員的基本信息數據庫中來源的數據（如身份證號碼、駕照號碼、護照號碼、婚姻狀況等）、網絡通信數據（通話、短信、電子郵件、社交媒體活動、常用聯系人等）、視頻監控數據（人物軌跡、高頻出現地區等）。一般來說，搜集的數據越多，對于人員的畫像就會越精確和完整。

（五）犯罪關系挖掘

當前，大量違法犯罪活動越來越呈現出網絡化和集團化的趨勢，有組織的犯罪已經成為犯罪活動中的主要形式。在犯罪行為的策劃、實施過程中，犯罪分子及其相關人員往往會通過通信聯系、接頭配合等方式發生必要的社會聯系，因此其在現代通信網絡中所留下的痕跡實際上就是其進行犯罪活動的蹤跡和證據，為此，采用大數據挖掘和分析的方法，借鑒社交網絡分析的基本技術，往往能夠及時發現犯罪分子的部分社交關系，將“人、事、地、物、組織和虛擬身份”等數據要素關聯起來，從而還原其策劃實施犯罪的主要過程，為案件偵破提取必要線索。

犯罪關系挖掘一般選擇一個或幾個關鍵性人物（一般為犯罪嫌疑人）為起點，通過大數據手段提取、清洗和分析相關人物的通信數據、網絡聯系數據、視頻數據、社交媒體數據，并對相關人物的關系網絡進行提取繪制，分析不同關系的連接次數、頻率等因素判斷不同關系的親疏程度，最終形成完整的犯罪關系網絡[3]。

四、結語

為確保大數據技術與公共安全的有效結合，應該注意如下問題。

（一）把握好大數據信息的合法性邊界

當下，把大數據作為偵辦相關犯罪案件，支持公共安全決策的必要手段已經越來越成為一種客觀需要，但從相關法律來說，大數據本身并不是嚴格意義上的證據，只有在那些能夠將海量數據進行客觀完整采集的基礎上，運用科學的數據處理技術進行連接、運算和分析，才能為證明案件事實提供有價值的分析。因此，大數據作為傳統意義上的司法證據使用，必須確保其可信性、完整性和法律符合性。

（二）加強大數據信息的合法隱私保護

大數據技術在具備較強的數據分析能力的同時，在客觀上也潛在著侵害公民隱私權利的可能性。因此，大數據技術在公共安全領域的應用，必須嚴格遵守相關個人隱私保護的法律法規，對于大數據的應用及其結果的處理、存儲、公布、分發等關鍵環節應建立嚴格的管理機制，確保隱私和敏感信息不外泄。同時，在應用大數據技術的過程中，也應注意到大數據技術的使用邊界和范圍，確保其不侵犯公民合法權益。

（三）建立完善的大數據共享設施和機制

大數據技術在公共安全領域的有效利用往往依賴于順暢的跨部門、跨地域的信息共享，這就在客觀上要求打破各種不合理的信息壁壘，以數據資源為基礎，依托基礎網絡設施，建設跨部門、行業的信息共享與服務基礎設施，從而實現信息資源安全可控的交換共享，從根本上打破信息孤島的制約。