案例简介：

   中国随着城市化进程的加快，社会治安面临严重挑战。全国的公安机关在公安部“情报主导警务“的方针指引下不断完善大情报系统建设，打造真正的”平安中国“。然而在实际警务工作中，仍然面临许多问题，如数据接入过程繁复冗长、数据系统与警种应用割裂、数据间的关系挖掘和关联推演效率低下、缺乏符合研判人员逻辑的人机互动系统。明略数据SCOPA昆仑镜公安大数据分析应用系统，基于尖端的存储和运算能力、图数据库技术和大量的预测模型和战法，对全量数据进行关联关系挖掘，通过交互的可视化方式，为公安干警提供情报研判分析、重点人员管控、重大事件预测等警务工作所需的重要的功能。

案例背景：  

   据2015年“全球和平指数”(Global Peace Index, GPI)报告，在主要以社会安全、国际国内冲突和军事化为衡量标准的排名中，中国在162个国家中排名124。此排名中世界最安全的国家前三名分别为冰岛、丹麦和奥地利；亚洲最安全的国家为日本（第8名），而美国排名94。报告中提到，在过去的八年中，世界整体安全指数下降了2.4%，世界安全形势仍然面临诸多挑战。

   研究统计，在2014年，由暴力犯罪的治理与防御（Violence containment）对全球造成的经济影响高达14.3万亿美元,相当于全球GDP总量的13.4%。其中，美国投入最多，共投入2万亿美元，占GPD的12%。中国在此投入上仅此于美国，排名第2，共8980亿美元，占GDP的5%。相对于此，邻国俄罗斯在此投入为8947亿美元，人均2470，占GDP的10%。相比之下，中国在总体投入上还有提升的空间。
   社会安全方面一直是“全球和平指数”关注的重要方面，其中城市化与社会安全的关系是最重要的研究课题。在2014年，54%的世界人口生活在城市。联合国预测，到2050年，城市化人口将持续增长25亿。报告认为，在大部分地区，高度城市化会有利于社会安全。但是一些中低收入地区，城市化却会危害社会安全。在下表中我们可以看到，25亿的城市化人口增长中，来自安全指数低的地区的人数将占到76%。其中中国和印度将占到接近30%。

图1 城市人口增长与社会安全指数

报告及上图选自澳大利亚经济与和平研究所（IEP）2015年“全球和平指数”(Global Peace Index, GPI)报告。

    海外警察局多年来一直在使用大数据技术维护社会安宁与稳定。洛杉矶警方使用预测类软件，盗窃犯罪率下降33%，暴力案件发生率下降21%，财产犯罪率下降12%。在英国，使用了预测分析软件的地区，特拉福德盗窃犯罪率下降26.6%，曼彻斯特入室盗窃犯罪率下降了9.8%。
   聚焦到中国的社会安全领域，随着城市化进程的加快，超容量人口规模的膨胀加剧了生存资源的竞争，引发资源分配的矛盾，对社会治安构成严重威胁。在城市化程度高的地区，犯罪案件的发生数量明显增高，犯罪手段也越来越多样化。比如大量高发的侵财类案件、层出不穷的电信诈骗类案件，手段可谓变化多端，2015年造成的人民财产损失多达上百亿。
   因此近年来，全国的公安机关持续贯彻落实习近平总书记的重要指示，在公安部“情报主导警务“的方针指引下不断完善大情报系统建设的总体部署，加强立体化社会治安防控体系建设工作，打造真正的”平安中国“。先进的信息系统和技术尤其是大数据技术，能够帮助警务机构拥有对海量数据的控制、分析、处理的主导权，并且转化为公安的决策优势和治安优势，提高总体智慧警务的能力和效率。金盾工程的竣工和四项建设的推进，以及大数据时代的信息爆炸，为公安机关运用大数据技术提高破案效率、预警重大事件、管控重点人员和团伙等方面创造了良好条件。

案例介绍：

具体到各地实际警务工作中，公安机关单位面临着许多大数据时代的现实的问题：
•    数据来源多，形式复杂，接入过程繁复冗长 - 虽然公安系统采集的数据来源丰富，然而采集环节的质量把控不规范、情报信息归口处理不统一导致了数据的可信度低，数据治理困难。
•    数据系统与警种应用割裂 - 各警种部门拥有自己的数据、自建的系统和供应商，导致了部门间的数据难以打通汇总，无法采用全面而统一的分析手段。
•    数据间的关系挖掘和关联推演效率低下 - 传统关系型数据库只能满足小数据量的单一维度查询，而无法进行海量的数据和多维度复杂关系的查询。
•    没有符合研判人员逻辑的人机互动系统：传统报表是以数据为中心，展现形式以图表为主，不符合情报人员办案时的思维逻辑，导致无法快速找到关键线索。

    因此，公安部对情报系统提出“数据汇聚、手段集成、权限集中、警种联动、智能实用、安全可靠、成果共享”的要求。各省市地方公安机关纷纷开始规划运用大数据、云计 算技术，搭建大数据平台来汇聚各类数据资源；从顶层设计的角度规范整体技术架构，建设集约化的技术支撑体系；建立实战化的情报研判体系，运用数据关联关系挖掘等技术创新研判手段，提升研判效率；建立情报合成机制，实行手段高度集成，成果全警共享；同时优化流程机制，形成情报信息深度研判、实战应用的运行模式，提升情报主导警务的能力。
   明略数据深刻理解公安领域目前面临的困难，通过结合具体的实战经验，为公安机关提供SCOPA昆仑镜公安大数据分析应用系统，其核心是基于对全量数据的关联关系挖掘，提供情报研判分析、重点人员管控、重大事件预测等警务工作所需的重要的功能。
以下从几个难点入手，结合具体的应用案例来阐述我们如何将大数据落地公安的思路。先说第一大难题 - 数据治理。金盾工程把全国人口的八大信息库已经初步建立完善，除此以外，公安系统的常规轨迹类数据如：火车出行、飞机出行、宾馆住宿、交通卡口等信息也有一定的积累。但是这些数据存储形态犹如孤岛林立，之间没有“立交桥“，有限的几座桥上”红绿灯“又太多，导致数据几乎无法打通融合，加之数据质量的问题，要实现数据的整合与关联分析难上加难。因此如何有效快速地把多源异构的数据归一为业务人员（或公安人员）理解的语言和对象，合理地存储及展现，是首先需要解决的问题。
    在SCOPA昆仑镜平台，通过有效的ETL工具，所有的数据被转化成以“人、事、地、物、组织“为核心要素的数据形式，为进一步构建业务模型和战法提供了灵活有弹性的基础平台。基于某省公安厅提供的八大库信息以及火车出行、宾馆住宿等相关的几十亿条数据，我们将所有数据转化为“人事地物组织”的信息对象，以图数据库为核心进行混合存储，建立了以人为关联要素的全省范围的警务关系网，能够实时看到任何人-人、人-案、人-车、人-号、车-车、号-号之间的关联关系。
   第二个难点 - 数据系统与警种应用割裂。目前的公安IT系统在数据库与业务应用之间缺少了有效的业务数据模型，导致在具体警务应用中无法调用全部数据。SCOPA本身是融合数据和情报分析的工具集，通过构建能支撑业务应用的数据库来支持多警种应用的数据主题和应用服务。
   某市公安局的刑侦处只提供了较少的线索，即一辆可疑的面包车、车牌号、车主身份、事发地点周围摄像头数据。在已构建好的关联关系库中分析拓展，迅速锁定了此车主密切相关的7到8位可疑人员。将这几位可疑人员的图像信息与监控录像中模糊出现的司机图像信息进行比对，迅速确定了犯罪嫌疑人。如果利用常规手段进行线索的分析排查，至少需要2-3位公安干警两到三天的工作量才能确定的线索，而通过与业务融合的大数据手段，仅用了1分钟。
   第三个难点 - 数据挖掘和关系推演。以一个中等省会城市为例，全省7000万常住人口，3000万流动人口，各种关系6-7亿条，在这样的海量数据集上做研判时，多层次的推演几乎无法实现。利用大数据平台的处理能力，系统可以定期在后台对千万级实体进行自动的关系构筑。而且构筑的方法是引擎化的，我们称之为“战法引擎“，随着警种业务的不断充实，可以积累形成”战法集市”，能够进行基于全量数据的实施关系挖掘、路径推演、全文检索等运算与分析。
   基于图数据库的经典算法，标注出大量关系密切的群体。根据多次往返毒源地、活动时间多发于晚间、有抢劫和犯罪案底等特征，通过机器学习算法，预测出疑似犯罪态势的团伙20多个。经过多层关系推演最终锁定一个以盗养吸的犯罪团伙。在数亿实体和数十亿的关系网中，只需秒级即可获得运算返回结果，极大提升警员分析研判效率。
    中国随着城市化进程的加快，社会治安面临严重挑战。全国的公安机关在公安部“情报主导警务“的方针指引下不断完善大情报系统建设，打造真正的”平安中国“。然而在实际警务工作中，仍然面临许多问题，如数据接入过程繁复冗长、数据系统与警种应用割裂、数据间的关系挖掘和关联推演效率低下、缺乏符合研判人员逻辑的人机互动系统。明略数据SCOPA昆仑镜公安大数据分析应用系统，基于尖端的存储和运算能力、图数据库技术和大量的预测模型和战法，对全量数据进行关联关系挖掘，通过交互的可视化方式，为公安干警提供情报研判分析、重点人员管控、重大事件预测等警务工作所需的重要的功能。第四个难点 - 符合研判人员逻辑的人机互动系统。现有的许多研判应用系统对于警务人员的技能要求过高，导致了系统使用率低下，使得公安行业建设的大量IT系统无法有效运转，警察办案仍然处于“汗水警务“的状态。SCOPA的设计理念充分尊重人类心理认知模型，用户在可视化分析过程中能够灵活地依据自身经验和逻辑进行关联推演、信息挖掘和迭代分析，在最短的时间内找到破案关键！