鄭 凱，張寶康，王小勤（上海公安高等?？茖W(xué)校，上海200189）

?

大數(shù)據(jù)下的警務(wù)管理模式創(chuàng)新思考

鄭 凱，張寶康，王小勤（上海公安高等?？茖W(xué)校，上海200189）

摘 要：大數(shù)據(jù)于公安實(shí)踐中之運(yùn)用對(duì)警務(wù)管理有舉足輕重的作用，但由于大數(shù)據(jù)應(yīng)用的復(fù)雜多樣性，目前警務(wù)管理中還存在著數(shù)據(jù)應(yīng)用的各種疑難問(wèn)題。據(jù)此，應(yīng)認(rèn)識(shí)大數(shù)據(jù)警務(wù)應(yīng)用價(jià)值，穩(wěn)步提高應(yīng)用大數(shù)據(jù)的技術(shù)應(yīng)用與管理水平，發(fā)揮數(shù)據(jù)應(yīng)用對(duì)公安管理的價(jià)值。

關(guān)鍵詞：大數(shù)據(jù)；警務(wù)管理模式；大數(shù)據(jù)警務(wù)

大數(shù)據(jù)下的警務(wù)管理，實(shí)質(zhì)是警察部門(mén)在對(duì)社會(huì)治安相關(guān)數(shù)據(jù)收集、加工、分析的基礎(chǔ)上，規(guī)劃與控制日常發(fā)生的各項(xiàng)警務(wù)活動(dòng)。回顧公安數(shù)據(jù)處理的發(fā)展，其是伴隨計(jì)算機(jī)數(shù)據(jù)處理四個(gè)階段同步發(fā)展的：第一階段是單機(jī)信息處理，第二階段是基于運(yùn)行于小型機(jī)、大型機(jī)上的數(shù)據(jù)庫(kù)進(jìn)行信息處理，第三階段是網(wǎng)絡(luò)環(huán)境下應(yīng)用跨庫(kù)技術(shù)進(jìn)行數(shù)據(jù)庫(kù)跨庫(kù)檢索與數(shù)據(jù)挖掘處理的信息處理，第四階段是利用萬(wàn)兆高速網(wǎng)、云平臺(tái)和數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行全集數(shù)據(jù)的清洗挖掘的大數(shù)據(jù)信息處理。大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)，數(shù)據(jù)資源已經(jīng)成為重要生產(chǎn)要素和社會(huì)財(cái)富，以大數(shù)據(jù)驅(qū)動(dòng)警務(wù)變革正逐漸成為警務(wù)發(fā)展的重要趨勢(shì)。因此，在大數(shù)據(jù)時(shí)代如何應(yīng)用大數(shù)據(jù)進(jìn)行有效的警務(wù)管理是當(dāng)前的一個(gè)熱點(diǎn)，也是一個(gè)亟待思考的問(wèn)題。

一、大數(shù)據(jù)處理對(duì)警務(wù)管理的應(yīng)用價(jià)值

社會(huì)科學(xué)中的統(tǒng)計(jì)測(cè)量方法與幾何學(xué)定律、物理學(xué)萬(wàn)有引力定律一樣，都是構(gòu)建現(xiàn)代文明的基石。在數(shù)據(jù)收集和處理能力有限的“小數(shù)據(jù)”時(shí)代，統(tǒng)計(jì)學(xué)家發(fā)明了隨機(jī)采樣法，即通過(guò)盡可能少的數(shù)據(jù)獲得盡可能接近實(shí)際情況的結(jié)果。[1]但在“大數(shù)據(jù)”時(shí)代下，需要通過(guò)將“樣本”擴(kuò)展到全體數(shù)據(jù)，從而提高數(shù)據(jù)分析的客觀準(zhǔn)確性，更有條件對(duì)數(shù)據(jù)進(jìn)行全方位細(xì)分和探究，實(shí)現(xiàn)對(duì)數(shù)據(jù)的深度利用。大數(shù)據(jù)有4 個(gè)典型特征:第一，數(shù)據(jù)體量巨大。從TB 級(jí)別躍升到PB級(jí)別。第二，數(shù)據(jù)類型繁多。包括視頻、圖片、日志、位置信息等等。 第三，價(jià)值密度低。以視頻為例，連續(xù)不間斷的監(jiān)控過(guò)程中，可能有用數(shù)據(jù)只有幾秒。 第四，快速化。大數(shù)據(jù)的產(chǎn)生速度很快，處理要求也快，有時(shí)須在秒級(jí)時(shí)間給出分析結(jié)果，有些數(shù)據(jù)時(shí)間長(zhǎng)了影響使用價(jià)值。

大數(shù)據(jù)時(shí)代必然引起警務(wù)管理模式的改變?？v觀警務(wù)管理的發(fā)展歷史，警務(wù)管理模式在不同時(shí)期有不同的特點(diǎn)，并且都受到當(dāng)時(shí)的技術(shù)與方法的影響。以往警務(wù)管理大致經(jīng)歷了如下三個(gè)階段：第一階段強(qiáng)調(diào)專業(yè)管理，主要注重警務(wù)管理的有效和精確；第二階段強(qiáng)調(diào)社會(huì)性，主要注重社會(huì)層面對(duì)警務(wù)的需求與反應(yīng)；第三階段強(qiáng)調(diào)職業(yè)性，主要強(qiáng)調(diào)警務(wù)管理的獨(dú)立價(jià)值。如今進(jìn)入大數(shù)據(jù)時(shí)代，基于大數(shù)據(jù)的清洗、挖掘、整合形成的具有巨大應(yīng)用價(jià)值的數(shù)據(jù)引導(dǎo)，警務(wù)管理必然與大數(shù)據(jù)關(guān)聯(lián)。但是現(xiàn)實(shí)問(wèn)題是：目前的警務(wù)管理沒(méi)有與大數(shù)據(jù)時(shí)代匹配。這是由于目前警務(wù)信息分析多還沿用傳統(tǒng)的數(shù)據(jù)分析工具和分析方法，很多數(shù)據(jù)的處理只是簡(jiǎn)單的累加、比對(duì)和百分比計(jì)算；對(duì)很多地區(qū)視頻監(jiān)控信息的分析也主要依靠人工觀看，信息整合度較低，多種格式的數(shù)據(jù)整合不全面，數(shù)學(xué)算法欠缺。隨著大數(shù)據(jù)的應(yīng)用，如何實(shí)現(xiàn)對(duì)海量數(shù)據(jù)的深度應(yīng)用、綜合應(yīng)用和高端應(yīng)用，促使這些數(shù)據(jù)從量變到質(zhì)變的數(shù)據(jù)開(kāi)發(fā)和應(yīng)用，在紐約警察已有實(shí)踐先例，即“計(jì)算機(jī)統(tǒng)計(jì)法”。該法是通過(guò)使用數(shù)學(xué)算法對(duì)海量數(shù)據(jù)進(jìn)行分析和建模，讓“數(shù)據(jù)說(shuō)出未來(lái)”，以此來(lái)修正人類的偏見(jiàn)和直覺(jué)。這也證明了“大數(shù)據(jù)”時(shí)代，可以通過(guò)數(shù)據(jù)分析，挖掘出各類數(shù)據(jù)背后所蘊(yùn)涵的內(nèi)在的、必然的因果關(guān)系，進(jìn)而研判出某一事件發(fā)生的概率，科學(xué)預(yù)測(cè)其發(fā)展趨勢(shì)，以此來(lái)引導(dǎo)警務(wù)管理。這樣，大數(shù)據(jù)處理必然對(duì)警務(wù)管理模式產(chǎn)生影響。

（一）使用大數(shù)據(jù)預(yù)測(cè)犯罪

使用大數(shù)據(jù)可以促使警務(wù)管理由粗放化向精細(xì)化轉(zhuǎn)型。大數(shù)據(jù)平臺(tái)集中應(yīng)用，告別了靠手工操作和人海戰(zhàn)術(shù)的粗放型管理模式，實(shí)現(xiàn)了數(shù)據(jù)自動(dòng)入庫(kù)、自動(dòng)分析和整合應(yīng)用。如美國(guó)警方使用的大數(shù)據(jù)分析工具， Texton System 的Impace軟件，這些最初是為了軍方和情報(bào)機(jī)構(gòu)設(shè)計(jì)的，現(xiàn)在不僅用來(lái)幫助警方分析人員采集和分析消息文本、圖像以及其他信息，還可以用于文本提取、案例組織等。據(jù)國(guó)外媒體報(bào)道，美國(guó)孟菲斯市警察局啟用Blue CRUSH預(yù)測(cè)型分析系統(tǒng)后，過(guò)去五年暴力犯罪率大幅下降。美國(guó)馬里蘭州和賓夕法尼亞州也開(kāi)始啟用一種能極大降低兇殺犯罪率的犯罪預(yù)測(cè)軟件，不但能預(yù)測(cè)罪犯假釋或者緩刑期間的犯罪可能性，還能成為法庭假釋條款和審判的參考依據(jù)。實(shí)踐證明，警務(wù)管理引入大數(shù)據(jù)分析系統(tǒng)，分析歷史案件、城市數(shù)據(jù)源和社交網(wǎng)絡(luò)數(shù)據(jù)，找出其中的共同點(diǎn)和相關(guān)性，發(fā)現(xiàn)犯罪趨勢(shì)、犯罪模式，并預(yù)測(cè)犯罪。這個(gè)方法就是基于：

1.大數(shù)據(jù)應(yīng)用平臺(tái)告別了靠手工操作和人海戰(zhàn)術(shù)的粗放型管理模式，實(shí)現(xiàn)了信息自動(dòng)入庫(kù)、自動(dòng)分析和實(shí)時(shí)監(jiān)控，通過(guò)對(duì)海量數(shù)據(jù)的分析和比對(duì)，實(shí)現(xiàn)了精細(xì)化分析和趨勢(shì)發(fā)展的掌控，推動(dòng)預(yù)測(cè)進(jìn)行。

2.大數(shù)據(jù)應(yīng)用平臺(tái)告別了風(fēng)險(xiǎn)隱蔽型管理，實(shí)現(xiàn)了風(fēng)險(xiǎn)的防范型管理。[2]依托大數(shù)據(jù)平臺(tái)建立的風(fēng)險(xiǎn)管理系統(tǒng)，對(duì)重要時(shí)段、地段人流、物流的全程監(jiān)控、分析，可以有效預(yù)測(cè)風(fēng)險(xiǎn)，控制重、特大事件發(fā)生。

（二）使用大數(shù)據(jù)預(yù)防犯罪

應(yīng)用大數(shù)據(jù)預(yù)測(cè)分析軟件整合在大數(shù)據(jù)平臺(tái)中的相關(guān)數(shù)據(jù)，可以對(duì)指紋、掌紋、人臉圖像、簽名等一系列生物信息數(shù)據(jù)進(jìn)行識(shí)別、整合和分析，便于警方對(duì)關(guān)聯(lián)信息、數(shù)據(jù)進(jìn)行集中管理，從中發(fā)現(xiàn)犯罪線索、確定犯罪方式。這是基于：

1.大數(shù)據(jù)關(guān)聯(lián)性分析。在大數(shù)據(jù)中通過(guò)找到一個(gè)現(xiàn)象的良好關(guān)聯(lián)物，相關(guān)性分析就能幫助我們捕捉現(xiàn)在和預(yù)防未來(lái)。美國(guó)南卡羅來(lái)那州的查爾斯頓警方，應(yīng)用IBM的數(shù)據(jù)分析工具，幫助當(dāng)?shù)氐?00多名警察更加準(zhǔn)確地分析犯罪模式和犯罪熱點(diǎn)地區(qū)，并據(jù)此進(jìn)行警力調(diào)配，提前預(yù)防犯罪發(fā)生，減少了當(dāng)?shù)氐陌l(fā)案率。這是由于大事件的出現(xiàn)不會(huì)是瞬間的，而是慢慢形成的。事件關(guān)聯(lián)信息一旦頻繁出現(xiàn)，就可能導(dǎo)致犯罪事件產(chǎn)生，影響警務(wù)的控制力。警方應(yīng)用數(shù)據(jù)分析軟件以及相關(guān)數(shù)據(jù)庫(kù)數(shù)據(jù)分析整合，可以提前發(fā)現(xiàn)大事件產(chǎn)生的相關(guān)數(shù)據(jù)，事前一個(gè)一個(gè)地將相關(guān)因素解決，從而有效控制大事件產(chǎn)生。

2.大數(shù)據(jù)精確性分析。由于受數(shù)據(jù)收集和處理技術(shù)的影響，警方獲得的信息數(shù)據(jù)與事件形成的真實(shí)信息數(shù)據(jù)之間會(huì)有偏差，預(yù)防效果也許就會(huì)南轅北轍。通過(guò)大數(shù)據(jù)層面的相關(guān)數(shù)據(jù)關(guān)聯(lián)、清洗、糾錯(cuò)，應(yīng)用數(shù)據(jù)分析處理軟件就可以精細(xì)分析相關(guān)單元數(shù)據(jù)，使預(yù)防策略有效發(fā)揮。在此基礎(chǔ)上通過(guò)以警務(wù)需求為導(dǎo)向，把大數(shù)據(jù)應(yīng)用與服務(wù)決策、服務(wù)實(shí)戰(zhàn)、服務(wù)基層相結(jié)合，突出預(yù)防工作重點(diǎn)，拓寬研判視野，整合信息資源，完善工作機(jī)制，推動(dòng)警務(wù)數(shù)據(jù)研判的科學(xué)化、專業(yè)化、實(shí)戰(zhàn)化和高效化發(fā)展。

（三）使用大數(shù)據(jù)共享其價(jià)值并擴(kuò)展應(yīng)用

過(guò)去，警務(wù)部門(mén)擁有各自的情報(bào)信息系統(tǒng)，很多數(shù)據(jù)相互隔離，形成了個(gè)個(gè)信息孤島。大數(shù)據(jù)的應(yīng)用要求實(shí)現(xiàn)數(shù)據(jù)信息共享，最大限度地發(fā)揮數(shù)據(jù)的功效，為警務(wù)管理服務(wù)，推動(dòng)警務(wù)管理從單兵作戰(zhàn)型向協(xié)作共享型轉(zhuǎn)型。

1.數(shù)據(jù)的價(jià)值應(yīng)用。信息數(shù)據(jù)長(zhǎng)期以來(lái)都是有價(jià)值的，但通常被視為附屬于管理核心的一部分，或者被視為機(jī)密信息中相對(duì)狹窄的類別，但大數(shù)據(jù)時(shí)代收集的所有數(shù)據(jù)可以因不同的目的和用途進(jìn)行基本利用。比如通過(guò)對(duì)相關(guān)詞條搜索數(shù)據(jù)的分析，得出問(wèn)題熱點(diǎn)區(qū)域和高發(fā)時(shí)間；通過(guò)人們喜好變化數(shù)據(jù)，得出人們對(duì)某些事物的喜好，以及可能引發(fā)的流行。這樣，大數(shù)據(jù)時(shí)代，新的分析工具和思路為警務(wù)管理提供了一系列新的視野，揭示了許多過(guò)去不曾注意的聯(lián)系。

2.數(shù)據(jù)的擴(kuò)展應(yīng)用。大數(shù)據(jù)時(shí)代使得各種數(shù)據(jù)變得簡(jiǎn)單易得，而且能夠從大數(shù)據(jù)中通過(guò)技術(shù)工具客觀分析、解讀、顯化與還原數(shù)據(jù)集，獲得事物要素。正因?yàn)槿绱?，警?wù)管理不能止步于傳統(tǒng)管理理論與模型，而是要發(fā)展和突破以往數(shù)據(jù)分析方法、分析技術(shù)和分析思路，通過(guò)整合數(shù)據(jù)，多次擴(kuò)展數(shù)據(jù)釋放的信息，從大數(shù)據(jù)中捕捉影響管理的重要因素，提升警務(wù)數(shù)據(jù)收集處理的擴(kuò)展應(yīng)用功能。另外，數(shù)據(jù)共享還可以避免重復(fù)工作，如數(shù)據(jù)的聯(lián)合查詢和模糊查詢的功能， 可以讓用戶在即便拼錯(cuò)單詞的情況下， 以一個(gè)查詢語(yǔ)句訪問(wèn)不同的數(shù)據(jù)庫(kù)；或者借用一系列數(shù)據(jù)，找到事物核心。[3]

二、Hadoop與警務(wù)大數(shù)據(jù)平臺(tái)構(gòu)建

警務(wù)信息的計(jì)算機(jī)統(tǒng)計(jì)，實(shí)質(zhì)就是一個(gè)警務(wù)大數(shù)據(jù)收集、清洗、挖掘處理并輸出結(jié)果，獲得相關(guān)信息指導(dǎo)警務(wù)管理的過(guò)程。大數(shù)據(jù)時(shí)代是一個(gè)數(shù)據(jù)為王的時(shí)代，需要處理海量數(shù)據(jù)，其中包含了警務(wù)相關(guān)數(shù)據(jù)。警務(wù)管理更多地要實(shí)現(xiàn)對(duì)海量數(shù)據(jù)的深度發(fā)掘應(yīng)用、綜合應(yīng)用和高端應(yīng)用，促使這些數(shù)據(jù)從量變到質(zhì)變。因此，應(yīng)用大容量、可擴(kuò)展、自冗余、可容納及處理各種數(shù)據(jù)類型的高可靠性平臺(tái)，可以為警務(wù)大數(shù)據(jù)處理服務(wù)。

（一）大數(shù)據(jù)平臺(tái)的典范Google

目前世界上比較成功的大數(shù)據(jù)處理平臺(tái)莫過(guò)于Google數(shù)據(jù)中心以及廉價(jià)的Linux PC機(jī)組成的大型集群，支撐著全世界Google用戶的各種應(yīng)用。其核心組件有3個(gè)：

1.GFS（Google File System）。一個(gè)分布式文件系統(tǒng)，隱藏下層負(fù)載均衡、冗余復(fù)制等細(xì)節(jié)，對(duì)上層程序提供一個(gè)統(tǒng)一的文件系統(tǒng)API接口。Google根據(jù)自己的需求對(duì)它進(jìn)行了特別優(yōu)化。包括：超大文件的訪問(wèn)，讀操作比例遠(yuǎn)超過(guò)寫(xiě)操作等；GFS把文件分成64MB的塊，分布在集群的機(jī)器上，使用Linux的文件系統(tǒng)存放；同時(shí)每塊文件至少有3份以上的冗余，中心是一個(gè)Master節(jié)點(diǎn)，根據(jù)文件索引，找尋文件塊。

2.MapReduce。Google發(fā)現(xiàn)大多數(shù)分布式運(yùn)算可以抽象為MapReduce操作。Map是把輸入Input分解成中間的Key/Value；Reduce把Key/ Value合成最終輸出Output。這兩個(gè)函數(shù)由程序員提供給系統(tǒng)，下層設(shè)施把Map和Reduce操作分布在集群上運(yùn)行，并把結(jié)果存儲(chǔ)在GFS上。

3.BigTable。一個(gè)大型的分布式數(shù)據(jù)庫(kù)，它不是關(guān)系式的數(shù)據(jù)庫(kù)，而是像它的名字一樣，就是一個(gè)巨大的表格，用來(lái)存儲(chǔ)數(shù)據(jù)。

（二）Hadoop

Google的大數(shù)據(jù)平臺(tái)為其專用，Google以外無(wú)人能用。然而基于Google大數(shù)據(jù)平臺(tái)白皮書(shū)開(kāi)發(fā)的開(kāi)源系統(tǒng)Hadoop 不失為是警務(wù)大數(shù)據(jù)平臺(tái)一個(gè)很好的選擇。Hadoop 是一個(gè)軟件框架，由Apache基金會(huì)開(kāi)發(fā)，是一個(gè)能夠儲(chǔ)存并管理大量數(shù)據(jù)的云端平臺(tái)，分析 PB 級(jí)的非結(jié)構(gòu)化數(shù)據(jù)，并將其轉(zhuǎn)化為可管理的形式使用。即可以在輕松的儲(chǔ)存超過(guò)一個(gè)大型服務(wù)器所能容納的超大檔案的同時(shí)還能儲(chǔ)存、處理、分析幾千幾萬(wàn)份超大檔案。Hadoop 基于Google 的MapReduce 和GFS（Google File System）分布式文件系統(tǒng)構(gòu)建而成，可部署于通用的網(wǎng)絡(luò)和普通PC服務(wù)器硬件之上，因此它的成本比較低，能廉價(jià)地構(gòu)建使用。

1.Hadoop的主要優(yōu)點(diǎn)：（1）高可靠性。Hadoop按位存儲(chǔ)和處理數(shù)據(jù)的能力值得人們信賴。Hadoop 可靠性表現(xiàn)在假設(shè)計(jì)算元素和存儲(chǔ)會(huì)失敗，仍然有多個(gè)工作數(shù)據(jù)副本，確保針對(duì)失敗的節(jié)點(diǎn)重新分布處理。（2）高擴(kuò)展性。Hadoop是在可用的計(jì)算機(jī)集簇間，分配數(shù)據(jù)并完成計(jì)算任務(wù)。這些集簇可以方便地?cái)U(kuò)展到數(shù)以千計(jì)的節(jié)點(diǎn)中。（3）高效性。Hadoop能夠在節(jié)點(diǎn)之間動(dòng)態(tài)地移動(dòng)數(shù)據(jù)，以并行的方式工作，并保證各個(gè)節(jié)點(diǎn)的動(dòng)態(tài)平衡，并行處理又能夠加快處理速度。（4）高容錯(cuò)性。Hadoop能夠自動(dòng)保存數(shù)據(jù)的多個(gè)副本，并且能夠自動(dòng)將失敗的任務(wù)重新分配。 Hadoop 針對(duì)特定任務(wù)類別進(jìn)行了優(yōu)化，例如大型數(shù)據(jù)集索引編制和分類、數(shù)據(jù)挖掘、日志分析和圖片處理等。

2.Hadoop的構(gòu)成與工作模式。從架構(gòu)上而言，Hadoop 具有兩個(gè)主要部分：HDFS與MapReduce。Hadoop 分布式文件系統(tǒng)（HDFS）使用一次寫(xiě)入、多次讀取模式，能夠?qū)?shù)據(jù)拆分為多個(gè)存儲(chǔ)塊，分布在多個(gè)節(jié)點(diǎn)之中，以實(shí)現(xiàn)容錯(cuò)和高性能。MapReduce Engine 通過(guò)其 Job Tracker節(jié)點(diǎn)接收來(lái)自應(yīng)用的任務(wù)。該節(jié)點(diǎn)將工作分解成若干個(gè)小型任務(wù)，然后指派給Task Tracker 節(jié)點(diǎn)。當(dāng)連接至網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)感知交換基礎(chǔ)設(shè)施時(shí)，Job Tracker 節(jié)點(diǎn)智能地將工作保存在與其所需數(shù)據(jù)相鄰的位置。

3.Hadoop平臺(tái)的配套組件。ApacheCassandra是一款為大數(shù)據(jù)量場(chǎng)景設(shè)計(jì)的數(shù)據(jù)庫(kù)管理系統(tǒng)，它的關(guān)鍵特性是容錯(cuò)、擴(kuò)容、Hadoop集成性和復(fù)制支持；Hbase是非關(guān)系型的支持容錯(cuò)的分布式數(shù)據(jù)庫(kù)，專為存儲(chǔ)大量稀疏數(shù)據(jù)而設(shè)計(jì)；Hive是為Hadoop設(shè)計(jì)的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，支持簡(jiǎn)單數(shù)據(jù)匯總；Apache Pig由創(chuàng)建數(shù)據(jù)分析程序的高級(jí)語(yǔ)言組成，還包括評(píng)估那些應(yīng)用程序的基礎(chǔ)；Apache ZooKeeper是用于分布式應(yīng)用的一款集中服務(wù)，它維護(hù)配置信息，并提供命名注冊(cè)、分布式同步和組服務(wù)；Chukwa是一個(gè)數(shù)據(jù)收集系統(tǒng)，可以監(jiān)控大型分布式系統(tǒng)，包括分析結(jié)果的一個(gè)工具包。

4.Hadoop的核心競(jìng)爭(zhēng)力。Hadoop及其配套組件所構(gòu)成的大數(shù)據(jù)處理系統(tǒng)的核心競(jìng)爭(zhēng)力表現(xiàn)在：（1）分布式計(jì)算環(huán)境下的海量超大數(shù)據(jù)并行處理技術(shù)；（2）支持以容錯(cuò)方式擴(kuò)展，可以從一臺(tái)計(jì)算機(jī)擴(kuò)展到數(shù)千臺(tái)，構(gòu)架可動(dòng)態(tài)伸縮；（3）可以處理結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，支持各種數(shù)據(jù)源。這個(gè)是非常有利于警務(wù)大數(shù)據(jù)處理的一個(gè)核心競(jìng)爭(zhēng)力，也是Hadoop真正的核心價(jià)值所在。

5.Hadoop在各行業(yè)的應(yīng)用。Hadoop作為一款并行數(shù)據(jù)處理可擴(kuò)展系統(tǒng)，對(duì)分析大數(shù)據(jù)集非常有用。目前，美國(guó)有70%的智能手機(jī)數(shù)據(jù)服務(wù)背后都是由Hadoop來(lái)支撐的；全球范圍內(nèi)80%的在線旅游網(wǎng)站都在使用Hadoop；石油開(kāi)采領(lǐng)域，利用Hadoop收集和處理海洋的地震數(shù)據(jù)，以便于找到海底油氣田的位置；圖像處理領(lǐng)域，使用Hadoop來(lái)存儲(chǔ)并處理衛(wèi)星拍攝的地面高清圖像，從中探測(cè)地理變化；金融詐騙檢測(cè)方面，金融服務(wù)機(jī)構(gòu)利用Hadoop來(lái)存儲(chǔ)所有的客戶交易數(shù)據(jù)，包括一些非結(jié)構(gòu)化的數(shù)據(jù)，能夠幫助機(jī)構(gòu)發(fā)現(xiàn)客戶的異?；顒?dòng)，預(yù)防欺詐行為。

（三）應(yīng)用Hadoop構(gòu)建警務(wù)大數(shù)據(jù)處理平臺(tái)

Hadoop的特性以及工作模式非常適合構(gòu)建警務(wù)大數(shù)據(jù)處理平臺(tái)。通過(guò)Hadoop平臺(tái)可以方便地解決目前警務(wù)大數(shù)據(jù)共享整合問(wèn)題。面對(duì)警務(wù)大數(shù)據(jù)橫向交換和縱向匯聚的困難，Hadoop的分布式數(shù)據(jù)管理技術(shù)，通過(guò)邏輯上的統(tǒng)一管理和調(diào)度，讓各種符合大數(shù)據(jù)定義的海量數(shù)據(jù)先統(tǒng)一進(jìn)入Hadoop警務(wù)大數(shù)據(jù)平臺(tái)，通過(guò) Hadoop的并行計(jì)算架構(gòu)和彈性擴(kuò)容能力，對(duì)數(shù)據(jù)分散開(kāi)來(lái)存儲(chǔ)和計(jì)算并提供統(tǒng)一的大數(shù)據(jù)，支撐對(duì)外服務(wù)。由于在大數(shù)據(jù)平臺(tái)內(nèi)部，數(shù)據(jù)天然就是融合的，自然消除了海量數(shù)據(jù)的跨部門(mén)、跨應(yīng)用交換和跨地市的數(shù)據(jù)查詢和應(yīng)用問(wèn)題。這樣，運(yùn)用Hadoop自身的分布式存儲(chǔ)和并行計(jì)算能力，從一個(gè)面上支撐警務(wù)機(jī)關(guān)眾多的信息系統(tǒng)建設(shè)和數(shù)據(jù)融合共享，大大減低了警務(wù)大數(shù)據(jù)的整合難度。

三、創(chuàng)新大數(shù)據(jù)下的警務(wù)管理模式的探索

2015年7月21日公安部全面深化改革領(lǐng)導(dǎo)小組第十三次（擴(kuò)大）會(huì)議強(qiáng)調(diào)，未來(lái)公安要建設(shè)完善警務(wù)信息綜合應(yīng)用平臺(tái)，破解基層業(yè)務(wù)條塊分割、協(xié)同不暢、信息重復(fù)采集等問(wèn)題，促進(jìn)資源聯(lián)通共享，通過(guò)統(tǒng)籌規(guī)劃、整合共享、因地制宜、安全應(yīng)用的原則推進(jìn)警綜平臺(tái)的建設(shè)完善。以此帶動(dòng)公安有關(guān)警種業(yè)務(wù)系統(tǒng)的融合對(duì)接，建立有效的協(xié)調(diào)管理機(jī)制，促使基層基礎(chǔ)工作高效規(guī)范、業(yè)務(wù)有機(jī)協(xié)同、數(shù)據(jù)動(dòng)態(tài)鮮活、信息高度共享，提升基礎(chǔ)工作信息化建設(shè)水平。因此，大數(shù)據(jù)下的警務(wù)管理模式創(chuàng)新已經(jīng)啟動(dòng)。

（一）建設(shè)大數(shù)據(jù)云平臺(tái)和各類數(shù)據(jù)共享機(jī)制

建設(shè)大數(shù)據(jù)云平臺(tái)和各類數(shù)據(jù)共享機(jī)制包括：

1.打通公安數(shù)據(jù)孤島。公安管理部門(mén)要打破各自為戰(zhàn)的封閉數(shù)據(jù)現(xiàn)狀，把公安采集的所有數(shù)據(jù)引入云平臺(tái)，開(kāi)放公安數(shù)據(jù)系統(tǒng)，發(fā)揮數(shù)據(jù)的價(jià)值延伸、共享使用、挖掘警示的作用。打通警務(wù)數(shù)據(jù)孤島在廣州已有先例。2014年廣東省委常委、珠海市委書(shū)記李嘉提出設(shè)想：建立一個(gè)實(shí)時(shí)客觀反映地區(qū)平安狀況的評(píng)價(jià)指數(shù)和推動(dòng)工作的機(jī)制。后經(jīng)應(yīng)用大數(shù)據(jù)形成了“平安指數(shù)”的指標(biāo)體系。指標(biāo)體系的數(shù)據(jù)可將“發(fā)現(xiàn)問(wèn)題”、“對(duì)癥整改”和“客觀評(píng)估”3類相關(guān)數(shù)據(jù)進(jìn)行有效串聯(lián)，同時(shí)配套運(yùn)作，發(fā)揮研判、預(yù)警、督辦、問(wèn)責(zé)、考核于一體的“平安指數(shù)”價(jià)值。

2.警務(wù)管理部門(mén)要善于購(gòu)買(mǎi)或共享各類數(shù)據(jù)。購(gòu)買(mǎi)或共享各類數(shù)據(jù)，包括社會(huì)、行業(yè)的共享或?qū)Ｓ袛?shù)據(jù)在內(nèi)。如百度數(shù)據(jù)、騰訊數(shù)據(jù)、阿里數(shù)據(jù)、快遞數(shù)據(jù)、水電煤使用數(shù)據(jù)以及民政、衛(wèi)生、食藥監(jiān)、銀行、通信等系統(tǒng)數(shù)據(jù)，同時(shí)注意通過(guò)相關(guān)單位的物聯(lián)網(wǎng)搜集交通、自然界的風(fēng)雨雷電、潮汐、大氣情況、水質(zhì)等數(shù)據(jù)，進(jìn)行數(shù)據(jù)信息關(guān)聯(lián)碰撞，及時(shí)發(fā)現(xiàn)關(guān)聯(lián)情況?！叭A南理工大學(xué)政府績(jī)效評(píng)價(jià)中心”對(duì)外發(fā)布的“2014年度廣東省法治政府績(jī)效滿意度報(bào)告”顯示，在社會(huì)治安指標(biāo)的評(píng)比中，珠海在全省21個(gè)市中得分最高，成為廣東省最有安全感的城市。

3.建立數(shù)據(jù)模型，深挖數(shù)據(jù)價(jià)值。以任務(wù)需求為導(dǎo)向，建立相關(guān)數(shù)據(jù)深挖模型，找出現(xiàn)象關(guān)聯(lián)點(diǎn)和要點(diǎn)，設(shè)計(jì)警務(wù)方略。珠海市7大區(qū)24個(gè)鎮(zhèn)街應(yīng)用3項(xiàng)考核數(shù)值包括：違法犯罪警情指數(shù)、消防安全指數(shù)、交通安全指數(shù)，它們的權(quán)重分別是60%、20%、20%，形成的綜合指數(shù)提示社會(huì)平安與否。以珠海市香洲區(qū)獅山街道辦7月3日“平安指數(shù)”為例，萬(wàn)人違法警情數(shù)值為1.062，表明該街道辦每萬(wàn)人（實(shí)有人口）平均發(fā)生1.062起違法犯罪；萬(wàn)人消防警情數(shù)值為0，表明未發(fā)生火災(zāi)事故；萬(wàn)人交通警情數(shù)值為0.929，表明每萬(wàn)人（實(shí)有人口）平均發(fā)生0.929起交通事故；綜合指數(shù)95分，平安提示顯示為藍(lán)色，表示治安環(huán)境良好，社會(huì)平安穩(wěn)定。這些數(shù)據(jù)均由市公安局警用平臺(tái)自動(dòng)采集，選取體現(xiàn)客觀性和結(jié)果性的數(shù)據(jù)，擯棄主觀性和過(guò)程性的指標(biāo)。根據(jù)每天客觀數(shù)據(jù)測(cè)算“平安指數(shù)”，按照“藍(lán)、黃、橙、紅”4級(jí)4色預(yù)警，4種顏色分別表明優(yōu)秀、良好、基本平穩(wěn)、較差4種平安狀況。這樣，既可以通過(guò)看一個(gè)鎮(zhèn)街的顏色了解其治安、消防、交通狀況，又據(jù)此進(jìn)行警務(wù)預(yù)防。

（二）大數(shù)據(jù)下的警務(wù)管理模式創(chuàng)新探索

1.大數(shù)據(jù)下的交通擁堵管理?？衫冒俣取⒏叩碌牡乩硇畔⑾到y(tǒng)所收集的大數(shù)據(jù)，結(jié)合交通管理系統(tǒng)以往的車輛管理信息、卡口數(shù)據(jù)、車流數(shù)據(jù)、交通擁堵數(shù)據(jù)、事故統(tǒng)計(jì)數(shù)據(jù)、氣象數(shù)據(jù)等進(jìn)行整合與挖掘，應(yīng)用Hadoop系統(tǒng)運(yùn)算，形成交通大流量、時(shí)間、地點(diǎn)等整合數(shù)據(jù)的熱力圖，按此形成配置警力和車流疏導(dǎo)方案。同時(shí)，通過(guò)公共平臺(tái)及時(shí)發(fā)布交通擁堵情況，開(kāi)展車流引導(dǎo)，真正實(shí)現(xiàn)智能交通引導(dǎo)（ITS）。

2.大數(shù)據(jù)下的治安管理模式創(chuàng)新?？衫靡酝陌讣y(tǒng)計(jì)數(shù)據(jù)、發(fā)案地點(diǎn)、發(fā)案時(shí)間以及涉案人員情況統(tǒng)計(jì)數(shù)據(jù)，結(jié)合街面探頭圖像數(shù)據(jù)，應(yīng)用Hadoop系統(tǒng)進(jìn)行整合挖掘，分析問(wèn)題發(fā)生的熱點(diǎn)分布及高發(fā)案件類型、涉案人員及作案軌跡，按此配置警力和形成工作方案。同時(shí)，通過(guò)公共平臺(tái)及時(shí)發(fā)布治安熱點(diǎn)情況，開(kāi)展問(wèn)題預(yù)防。

四、結(jié)語(yǔ)

大數(shù)據(jù)下的警務(wù)管理模式創(chuàng)新是時(shí)代發(fā)展的必然。應(yīng)用大數(shù)據(jù)為警務(wù)管理提供更優(yōu)的解決方案，有效解決警務(wù)熱點(diǎn)問(wèn)題。因此，大數(shù)據(jù)時(shí)代改革警務(wù)管理模式已勢(shì)在必行。據(jù)此以提升警務(wù)工作效能，更好地為經(jīng)濟(jì)發(fā)展服務(wù)，為人民群眾創(chuàng)建一個(gè)安定祥和的生活環(huán)境。

參考文獻(xiàn)：

[1]周飛 ,石晉杰,崔磊.“大數(shù)據(jù)”時(shí)代的公安工作初探[J].上海公安高等?？茖W(xué)校學(xué)報(bào)，2013（4）.

[2]智慧政府:大數(shù)據(jù)治國(guó)時(shí)代的來(lái)臨[M].中信出版社，2014.

[3]隋玉明.數(shù)據(jù)時(shí)代集團(tuán)財(cái)務(wù)共享問(wèn)題探討[J].財(cái)會(huì)月刊，2014.

責(zé)任編輯：王 燕

Thinking of Policing Management Model Innovation under Big Data

ZHENG Kai,ZHANG Bao-kang,WANG Xiao-qin
(Shanghai Police College,Shanghai 200189,China)

Abstract:The application of big data in practice is crucial to policing management.However,there exist different kinds of problems in the current policing management as the complexity of big data seems to appear in the processing of policing work.It is necessary to understand the applied value of big data,stably enhance the level of technical management and develop the value of big data applied in the policing work.

Key words:big data;policing management model;policing under big data

作者簡(jiǎn)介：鄭 凱（1960-），女，上海人，上海公安高等專科學(xué)?；A(chǔ)部教授；張寶康（1965-），男，上海人，上海公安高等?？茖W(xué)校教輔中心工程師；王小勤（1962-），女，上海人，上海公安高等?？茖W(xué)校圖書(shū)館館員。

收稿日期：2015-10-18

DOI:10.13310/j.cnki.gzjy.2016.01.016

[中圖分類號(hào)：D631

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1671-5195（2016）01-0102-06]