大数据背景下公安积分预警系统设计研究

量进行比较，利用设定的方式和信号（积分达到上限），实行预告和示警，以便使公安机关有足够的时间采取相应的对策和反应措施或是根据预案采取行动。

本文将“积分预警系统”的应用方向定义为侵犯财产、人身伤害、吸贩毒类治安性质违法犯罪及危害国家安全、公共安全类刑事犯罪，即主要面向基于异常行为的违法犯罪类应用。普遍意义上的经济类犯罪、网络类犯罪等非接触式犯罪，因犯罪分子可不用频繁改变其物理位置，仅在办公室、网吧等固定场所就能达成犯罪的事实，不涉及异常行为特征（与日常的工作生活轨迹无异），不在讨论之列。

3 数据挖掘与积分预警

数据挖掘是从包含有大量不完全的、有噪声的应用数据的数据库或数据仓库中发现未知、隐含且有规律性的、可理解的、有利于决策的信息和知识的过程。 作为一门综合性的技术，数据挖掘不仅包含各种数据挖掘算法，还与统计学、数据库技术、人工智能、机器学习等多个领域的理论相互交织。公安实战人员可以利用各种分析工具在大量的公安数据中发现模型和数据间的关联性，使用这些模型和关系可以帮助决策部门基于数据间的潜在关联性做出评估、预测与决策。 目前，国内外执法部门都在研究和探讨面向相关职能领域中的数据挖掘理论方法和技术。传统的数据挖掘技术如关联分析、分类、聚类、预测分析都可以应用于具有大数据特征的违法犯罪信息领域。其中，关联规则模式及其改进型应用最为广泛，其基本思想是发现频繁性至少和预定义的最小支持度一样的所有频集，然后由频集产生强关联规则，选择那些超过设定支持度和可信度的关联规则为可行性关联规则。

数据分析和犯罪情报对客观的决策机制至关重要。根据公安学术界的定义，积分预警系统正是一种基于对异常行为信息的数据分析、情报加工，为侦查工作乃至其他相关警务活动的决策提供科学依据。公安积分预警，指的是在警情发生之前对其进行预测报警，即运用现有的公安情报，判断、描述和预测事物的变化趋势，并与预期的目标

4 公安积分预警系统的设计思路

4.1基于异常行为进行分析预警

在当前公安信息化建设不断深化的形势下，将应用模式由事后研判转向事前预防预警已成当务之急。公安情报预警系统的建设，总体来讲，有两个设计应用方向，一是以人为主线开展情报管控，二是基于案件进行预防预警。公安机关在早期，由于各种技术手段的限制，较多采用后种方式进行防控，即通过已发生的案件去关联涉案人员，发散至其人际关系网，以防范类似案件的发生。这种预防预警的方式，时间上存在滞后，当案件发生时往往不能有效控制局势，也不算真正意义上的预防预警。

在大数据时代，应树立以人为主线的预防预警模式，其中对于嫌疑人异常行为的监控，就是一种非常有效的手段。异常行为信息是以语言、文字、图像等为载体，对嫌疑人的活动轨迹、行为习惯、作案过程、作案痕迹等与犯罪行为密切相关的信息进行实体化的反应。积分预警系统的设计，应基于异常行为分析来开展，通过不断反馈和归纳，致力于挖掘不同异常行为信息与刑事案件的关联程度，并开展相应的预防和预警。

4.2 最大限度整合数据以突出视频监控作用

积分预警系统的设计应以最大化情报信息（包括数据信息）收集为基础，本着“把一切和公安工作有关的事物

CHINA SECURITY PROTECTION TECHNOLOGY AND APPLICATION2019年第1期59

公安大数据都纳入到情报收集的范畴中来”的思想，整合各类公安管控数据、视频监控结构化信息数据、物联网前端采集的信息数据（未来，数据来源将进一步丰富），并设计用于数据规范化整合、清洗的数据表。

在当前公安系统内部设计应用的积分预警系统中，系统设计者已经逐渐意识到异常行为轨迹分析的重要性，但由于数据来源不足，目前主要通过收集嫌疑人通讯工具信息（基站信息）、旅馆入住信息、交通出行信息（火车飞机出票信息）等来做较为粗放的轨迹刻画。公安积分预警

定过渡。

5 积分预警系统业务流程设计

系统根据功能属性和流程阶段可划分为积分预警模块、预案/布控模块和运营服务三个模块系统。总体业务流程如图1所示。

积分预警流程开 始● 视频结构化信息● 公安信息库信息● 物联网信息● 位置信息● 时间信息数据的清洗与存在多套积分标准化过程预警指标体系（如反恐、涉毒……）指标体系选择图例：流程子流程文档/报告判定开始/结束数据收集系统的设计，应能充分发挥视频监控建设的规模效应，将视频流、图片流转换为结构化信息，并从人、车、物多个维度，更为细致地刻画嫌疑人轨迹信息、描述其作案的行为习惯，可为积分预警系统的建设研究开拓新的视野，将积分预警系统的应用成效提升至新的层次。

分析评估数据整合积分预警指标体系指标选择运营服务流程系统修正权重设置层级排列（四色）输出展示可信度设置f(x)=∑αXij=1n4.3大数据挖掘建模为主和人工干预为辅

N当前公安系统的积分模型多是建立在民警办案经验的基础上，而不是建立在对异常行为信息与发案情况关联研究的基础上，现存的积分规则、嫌疑指数、具体分值、积分系数等缺乏科学性，缺少实证研究的基础。为解决这一问题，系统积分模型的设计应主要采用数据挖掘建模的方式进行，首先多维度、广泛地进行情报信息（信息数据）的采集，而后做标准化归纳和数据清洗，将海量数据统一输入系统，由系统运用大数据、机器学习等技术，自行挖掘异常行为信息与刑事案件之间的关联关系，构建不同案件属性的多套积分模型。同时，强调人工干预的重要性，充分发挥公安民警系统分析师的经验作用，结合运维服务团队的设置，对系统积分模型进行调整与修正，使模型更贴近本地化，提高其实用性与有效性。

处置预案N是否达到报警阈值Y预警报告预警决策民警输入输入开 始是否启动预案人工复核Y实施布控系统分析报告启动预案结案报告结 束系统维护人员图1 系统总体设计流程

5.1 积分预警模块（流程）

5.1.1 数据收集

基于异常行为信息的积分预警系统数据收集包括众多类目，从数据的属性上来说，主要分为动态异常行为信息、管控信息和现实异常行为信息三类；从数据的来源上讲，主要包括视频监控的结构化信息（包括对普通IPC产生的视频流、车辆/人员卡口抓拍图片等进行结构化解析产生的视频数据）、公安各类信息库数据（比如人员/车辆身份信息、案件信息等）、由物联网采集设备产生的数据（如

4.4 通过合理划分功能模块理顺积分预警流程

系统流程功能、部署应以模块化设计为主导思想。整个系统分为三个主要模块，包括积分流程模块、预警模块和运维服务模块，并将积分指标体系设置为独立体系，便于系统开发，实现系统的逐步升级，确保原有系统平滑稳

602019年第1期中国安全防范技术与应用

公安大数据MAC地址数据、RFID数据）、地理位置数据（地理位置根据不同的业务需求划分相应的重点区域）等。

5.1.2 数据整合（清洗）

通俗地讲，积分预警系统就是在获取新的数据后，将新的数据与原有数据进行比对，并根据既定的数学模型重新赋值的过程。因此，从各类数据源采集到的各类数据必须根据一定的数据格式进行规范化、标准化的排列。将采集到的异构数据进行数据清洗，检查数据的一致性，处理无效的数值并解决数据缺失项的问题。

在积分系统的大范围落地应用中，系统自身产生的数据（包括视频结构化后的数据、物联网前端设备采集到的数据等）的标准化是可控的部分，而各地公安系统的管控数据则存在较为显著的数据格式标准不一问题，因此必须进行数据整合与清洗的过程。

括车辆/人脸模型、结构化数据、图片URL地址等）的能力。

5.1.3 分析评估

分析评估即相应的积分预警过程，对于不同的公安业务应选取不同的积分预警指标体系（“选择指标体系”为“分析评估”流程的子流程）。

5.1.4 积分预警指标体系

制定积分预警指标体系是一个相对独立的过程。制定完成之后的指标体系在每一次单条积分流程中都会使用。制定合理的指标体系要经过指标初选、指标遴选、确定层级、确定权重和形成预警指标体系等步骤，需要保障制定出的指标既有犯罪学学理上的理论支撑，又要有实践中的可操作性。

系统采集的各类异常行为动态数据逐项通过积分预警指标体系进行判定，根据相应的权重设置和可信度判定，

实现对重点管控（关注）人员积分总表的赋

数据库1值，并将数值返回给积分预警系统。

当前公安系统的积分模型多是建立在民警办案经验的基础上，而不是建立在对异常

数据库2内部接口数据中间件外部接口行为信息与发案情况关联研究的基础上，现存的积分规则、嫌疑指数、具体分值、积分

……积分系统数据库n系数等缺乏科学性，缺少实证研究的基础。同时，全国多数公安机关并不是根据本地需求建立积分模型。因此，积分预警、嫌疑指数的科学性、可靠性难以得到保障，在实际

公安八大库图2 数据中间件示意图

运用中会出现偏差，出现高“误报警率”问

为避免积分预警系统与各地公安数据库对接需要频繁修改、定制开发的问题，建议设计一款用于数据整合（清洗）的“中间件”产品（比如依托视图库进行设计），当系统需要与各地公安机关不同的数据库对接时，仅基于此“中间件”产品进行定制开发，而“中间件”产品与积分预警系统之间的内部接口则保持相对的稳定。同时，数据“中间件”应能实现从现有车辆/人脸大数据实时抽取数据（包

题。在积分预警系统的运行中，系数、分值设定具有时效性，异常行为信息的权重随着时间发生动态变化，因而必须要进行相应的人工干预。

此外，还应根据事后的输出的系统评估报告分析利用积分预警系统开展预警工作的有效性，分析其偏差，对相应的积分预警指标体系进行相应的调整和修正（参数遴选、权重设置），以提高系统预警的准确率。这项工作主要由

CHINA SECURITY PROTECTION TECHNOLOGY AND APPLICATION2019年第1期61