王超 宋向嶸

摘? ?要：作為提高執(zhí)法和問責(zé)效率的一種手段，美國警務(wù)大數(shù)據(jù)推動警務(wù)實踐從傳統(tǒng)執(zhí)法活動向現(xiàn)代情報活動轉(zhuǎn)變，但其在多大程度上改善了警務(wù)實踐效果仍是一個開放的經(jīng)驗問題。文章探討了數(shù)據(jù)驅(qū)動警務(wù)實踐的歷史沿革，并從興起背景、數(shù)據(jù)特征、技術(shù)工具以及現(xiàn)實應(yīng)用等方面闡述了美國警務(wù)大數(shù)據(jù)的實踐進展，考察了美國警務(wù)大數(shù)據(jù)實踐中的四個風(fēng)險議題，并從數(shù)據(jù)質(zhì)量控制、數(shù)據(jù)安全管理與數(shù)據(jù)分析技術(shù)三方面闡述了其帶來的政策啟示。

關(guān)鍵詞：警務(wù)大數(shù)據(jù);實踐進展;風(fēng)險議題;政策啟示

中圖分類號：D712.3;G203? ?文獻標(biāo)識碼：A? ?DOI：10.11968/tsyqb.1003-6938.2019056

American Police Big Data：Practical Progress， Risk Issues and Policy Implications

Abstract As a means of improving the efficiency of law enforcement and accountability， the American police big data promotes the transformation of police practice from traditional law enforcement activities to modern intelligence activities， but to what extent it improves the effectiveness of police practice is still an open empirical issue. This paper discusses the historical evolution of data-driven police practice， and introduces the practical progress of big data in American police from the aspects of its rising background， data characteristics， technical tools and practical applications. The paper examines four risk issues in the practice of American police big data， and then expounds the policy enlightenment from three aspects： data quality control， data safety management and data analysis technology.

Key words police big data; practical progress; risk issues; policy implications

大數(shù)據(jù)的快速興起和廣泛應(yīng)用為傳統(tǒng)的情報主導(dǎo)警務(wù)（intelligence-led policing）注入了新的活力，并正在重構(gòu)全新的警務(wù)實踐模式。面對復(fù)雜多變的城市環(huán)境，大數(shù)據(jù)不僅拓展了警務(wù)運行的新思路，創(chuàng)新了犯罪預(yù)測的工具，促進了多警務(wù)一體化，而且提高了警務(wù)決策運行的有效性，發(fā)展了相關(guān)分析和多角度犯罪控制方法[1]。然而，迄今為止國內(nèi)外警務(wù)系統(tǒng)能否有效利用大數(shù)據(jù)在實踐證據(jù)方面是不一致的[2]。現(xiàn)有研究更多基于“技術(shù)導(dǎo)向”和“資源視角”去強調(diào)政府大數(shù)據(jù)的開放性和共享性，圍繞警務(wù)大數(shù)據(jù)的變革性影響和應(yīng)用價值進行學(xué)理闡釋或案例分析，缺乏基于“價值導(dǎo)向”和“風(fēng)險視角”的警務(wù)大數(shù)據(jù)實踐中風(fēng)險議題的歸納，以及聚焦于大數(shù)據(jù)本源風(fēng)險防控的政策需求的考察。那么，警務(wù)大數(shù)據(jù)究竟在何種程度推動了警務(wù)實踐的進展？同時，警務(wù)大數(shù)據(jù)實踐過程帶來了哪些不可忽視的風(fēng)險議題？而這些風(fēng)險議題又給警務(wù)大數(shù)據(jù)發(fā)展帶來了哪些迫切的政策需求？這些問題的解答對推動警務(wù)大數(shù)據(jù)實踐的良性發(fā)展是必要和現(xiàn)實的。為此，本文通過對近年來美國警務(wù)大數(shù)據(jù)實踐的綜合考察來回應(yīng)以上問題，也為公共安全數(shù)據(jù)管理理論框架完善和政策優(yōu)化提供案例洞察和啟發(fā)性思考。

1? ?美國警務(wù)大數(shù)據(jù)的發(fā)展與實踐

1.1? ? 美國警務(wù)大數(shù)據(jù)的歷史沿革

1967年，美國總統(tǒng)執(zhí)法與司法委員會在發(fā)布的《自由社會中犯罪的挑戰(zhàn)》（The Challenge of Crime in a Free Society）報告中，敦促警務(wù)部門在內(nèi)的刑事司法系統(tǒng)迅速采用信息技術(shù)，以提高其執(zhí)法的效率、效果和公平性。他們預(yù)言“只要我們能在適當(dāng)?shù)臅r間向有需求的警官提供適當(dāng)?shù)男畔ⅲ覀兙湍茉诜缸锾魬?zhàn)方面取得重大進展”[2]。20世紀60年代以來，美國警務(wù)主要是以隨機巡邏、快速反應(yīng)和事后調(diào)查[3]為基本特征的執(zhí)法模式。但后來人們愈發(fā)意識到，被動式的警務(wù)戰(zhàn)略對犯罪控制幾乎沒有影響[4]。在接下來的十年中，研究人員積極發(fā)展數(shù)學(xué)模型和拓展數(shù)據(jù)需求，以實現(xiàn)警務(wù)資源與犯罪時空數(shù)據(jù)的合理配置。這表明警務(wù)部門開始探索利用數(shù)據(jù)和計算等新的方式來提高警察的執(zhí)法績效。然而，這一時期的數(shù)據(jù)太粗糙，存儲成本高，跨數(shù)據(jù)庫不可訪問，無法完全實現(xiàn)數(shù)據(jù)驅(qū)動的警務(wù)愿景。20世紀80年代早期，面對被動戰(zhàn)略在減少犯罪方面的無效證據(jù)，逐漸發(fā)展起來一種更積極主動的、以問題為導(dǎo)向的警務(wù)戰(zhàn)略，即“熱點警務(wù)”（hot spots policing）。尤其是1994年，CompStat——一個將犯罪和執(zhí)法統(tǒng)計數(shù)據(jù)聯(lián)系起來的警務(wù)管理模式在紐約市出現(xiàn)[5]，意味著以數(shù)據(jù)驅(qū)動為顯著特征的美國警務(wù)新模式的初步形成。但是這種模式仍然是低效的，難以實現(xiàn)警務(wù)活動的犯罪預(yù)測、快速響應(yīng)和信息實時共享。其中，“9·11”事件就被廣泛視為公共安全界情報共享失敗的一個案例，這推動了“情報主導(dǎo)警務(wù)”的進一步發(fā)展[6]。它促進聯(lián)邦、州和地方執(zhí)法官員聯(lián)合起來改進刑事司法數(shù)據(jù)收集和信息共享的方式，加速了過去相互獨立的監(jiān)視系統(tǒng)融合為“監(jiān)視組合”，同時也推動了監(jiān)視的擴大化和合法化[7]。2008年美國開始探索“預(yù)測警務(wù)”（predictive policing）這一新的執(zhí)法理念，旨在以“先發(fā)制人”式的干預(yù)措施來實現(xiàn)警務(wù)活動的基本目標(biāo)。其中，犯罪情報分析就是一種典型意義上的基于大數(shù)據(jù)的情報應(yīng)用，是在預(yù)測模型中使用大數(shù)據(jù)技術(shù)以更高的分辨率和更高的精準度來預(yù)測和預(yù)防犯罪。自2012年美國政府正式啟動“大數(shù)據(jù)研究與發(fā)展倡議（Big Data Research and Development Initiative）”計劃以來，美國預(yù)測警務(wù)得到極大的重視與發(fā)展。同時，警務(wù)大數(shù)據(jù)在問題導(dǎo)向、警力資源優(yōu)化配置、風(fēng)險因素主動預(yù)測、警務(wù)決策科學(xué)等方面也表現(xiàn)出巨大的潛力。

1.2? ? 美國警務(wù)大數(shù)據(jù)的興起背景

大數(shù)據(jù)驅(qū)動新一輪美國警務(wù)系統(tǒng)的改革與發(fā)展有其必然性。從警務(wù)實踐來看，財政約束、執(zhí)法效率不足與問責(zé)制是促使美國警務(wù)采取大數(shù)據(jù)驅(qū)動的重要原因。首先，在2008年之后，金融危機導(dǎo)致的預(yù)算削減壓力，迫使美國多個地區(qū)社區(qū)警務(wù)的執(zhí)法行動面臨停止。在執(zhí)法資源有限的情況下，有效解決犯罪問題并合理控制成本就變得尤為重要;其次，對犯罪行為的情報需求刺激了可以滿足需求的信息技術(shù)的創(chuàng)新[8]。面對傳統(tǒng)執(zhí)法低效的長期困境，大數(shù)據(jù)監(jiān)測的大規(guī)模實施推動了美國警務(wù)部門以前所未有的廣度和深度去監(jiān)測個體、組織和環(huán)境中的潛在風(fēng)險。如，最大的預(yù)測性警務(wù)公司Predpol采用的算法中運用來自警務(wù)部門信息管理系統(tǒng)的犯罪地點、類型和時間數(shù)據(jù)，以預(yù)測可能的犯罪行為[9];再者，密蘇里州等地警察的執(zhí)法暴行和種族歧視行為導(dǎo)致公眾對警察的不滿情緒日益高漲。數(shù)據(jù)驅(qū)動的警務(wù)有可能成為一種問責(zé)機制，以應(yīng)對組織行為可能面臨的批評，其作用在于承諾減少自由裁量和執(zhí)行更客觀的決策，并增加執(zhí)法過程的透明度[7]。如監(jiān)督人員可以跟蹤警員的績效指標(biāo)，包括暴力率、受傷率、與少數(shù)群體的接觸率和投訴率，并將異常值標(biāo)記出來[2]。因此，美國政府發(fā)布的《白宮警察數(shù)據(jù)倡議（2015）》（White House Police Data Initiative（2015））認為，數(shù)據(jù)驅(qū)動的警務(wù)是應(yīng)對公眾對全國各地警察部門種族歧視行為指責(zé)的一種解毒劑。另外，社會媒體工具承載的大量數(shù)據(jù)正在改變政府機構(gòu)與公眾以及新聞媒體之間的溝通模式。如警務(wù)部門可以借助Twitter來傳播犯罪和事件信息，并分享有關(guān)部門的活動或會議、交通更新和安全信息，甚至使用Twitter直接與公眾互動[10]?？梢哉f，公開的警務(wù)數(shù)據(jù)有助于促進社區(qū)犯罪分析，產(chǎn)生創(chuàng)新性觀點，提高社區(qū)公眾對警察工作的理解，并減輕了信息回應(yīng)的負擔(dān)[2]。

1.3? ? 美國警務(wù)大數(shù)據(jù)的數(shù)據(jù)特征

警務(wù)大數(shù)據(jù)體現(xiàn)了當(dāng)前城市公共安全大數(shù)據(jù)多源海量異構(gòu)的基本特征，即體量大、傳速快和多樣性。首先，警務(wù)大數(shù)據(jù)幾乎都是基于區(qū)域的全量數(shù)據(jù)進行的預(yù)測分析，涉及到數(shù)據(jù)采集、存儲和計算的體量都遠超于傳統(tǒng)數(shù)據(jù)規(guī)模。而且，各種傳感器和警用攝像頭等每天都實時產(chǎn)生海量數(shù)據(jù)，如100臺攝像機每天產(chǎn)生約1 TB的數(shù)據(jù);其次，存儲技術(shù)的進步和高速無線網(wǎng)絡(luò)的融合意味著數(shù)據(jù)的高速傳輸。一方面?zhèn)鞲屑夹g(shù)、云存儲技術(shù)的采用使得獲取數(shù)據(jù)的成本顯著降低，數(shù)據(jù)訪問更容易，使用更復(fù)雜更準確的模型去分析大型數(shù)據(jù)集成為可能[2];另一方面長期演進（Long Term Evolution，LTE）無線網(wǎng)絡(luò)技術(shù)對警務(wù)數(shù)據(jù)產(chǎn)生了變革性的影響，它提供高傳輸率和支持設(shè)備以每小時220英里的速度移動[11]。有了這些技術(shù)支持，警務(wù)部門就能夠部署更多的數(shù)據(jù)設(shè)備以實時收集和傳輸數(shù)據(jù);再者，美國警務(wù)部門獲得了前所未有的新數(shù)據(jù)源，不僅包括社會個體數(shù)據(jù)、團伙數(shù)據(jù)、歷史犯罪數(shù)據(jù)、地理環(huán)境數(shù)據(jù)，還有網(wǎng)絡(luò)媒體數(shù)據(jù)以及私人購買數(shù)據(jù)等。正如成本下降促進了警察存儲和傳輸數(shù)據(jù)的能力一樣，數(shù)據(jù)標(biāo)準的出現(xiàn)也促進了警察從多個來源融合數(shù)據(jù)的能力。美國警務(wù)大數(shù)據(jù)基本實現(xiàn)了整合不同機構(gòu)的數(shù)據(jù)系統(tǒng)，促使警察能夠訪問和使用的數(shù)據(jù)大幅增加。如帕蘭蒂爾（Palantir）警務(wù)平臺集成了不同的數(shù)據(jù)源，甚至包括購買的私人收集的資料，使跨數(shù)據(jù)庫快速搜索成為可能。另外，社會媒體得到了普遍重視，成為警務(wù)部門分析人們習(xí)慣、觀點和行為的重要數(shù)據(jù)來源。除此之外，警務(wù)大數(shù)據(jù)還具有分辨率高、系統(tǒng)的可擴展性好以及價值密度低等特征。

1.4? ? 美國警務(wù)大數(shù)據(jù)的技術(shù)工具

為了在適當(dāng)?shù)臅r間將有關(guān)人員和地點等信息呈現(xiàn)在有需求的警察面前，警務(wù)大數(shù)據(jù)技術(shù)要支撐多源數(shù)據(jù)采集、傳輸、清洗和整合，建立數(shù)據(jù)挖掘分析模型，實現(xiàn)信息的聚類、關(guān)聯(lián)等分析，并以時空序列、熱點分布、關(guān)聯(lián)關(guān)系等可視化的形式展示。這里重點介紹警務(wù)大數(shù)據(jù)在數(shù)據(jù)采集和分析方面所應(yīng)用的重要技術(shù)工具。

（1）數(shù)據(jù)采集技術(shù)工具。根據(jù)數(shù)據(jù)的來源不同，警務(wù)大數(shù)據(jù)技術(shù)大致可分為三類數(shù)據(jù)采集工具：一是自動采集物理環(huán)境數(shù)據(jù)的系統(tǒng)，即一系列用于實時信息訪問和大規(guī)模跟蹤的技術(shù)，包括各類攝像頭、自動車牌閱讀器、射頻識別、智能終端、傳感器等泛在網(wǎng)技術(shù)，實現(xiàn)對監(jiān)測目標(biāo)的信息采集與狀態(tài)識別，并通過云技術(shù)將數(shù)據(jù)傳送到遠端數(shù)據(jù)庫[12]。如自動車輛定位（AVL）系統(tǒng)是一種定期、頻繁地傳輸車輛位置信息的技術(shù)。而且，總統(tǒng)21世紀警務(wù)工作組建議執(zhí)法部門擴大視頻采集程度，特別是利用隨身攜帶的攝像頭[2];二是警務(wù)部門主動搜集的數(shù)據(jù)，主要包括現(xiàn)場采集卡、點系統(tǒng)和社會媒體分析等。其中，點系統(tǒng)（point system）是一種量化警務(wù)形式，它在很大程度上是對傳統(tǒng)監(jiān)測做法的量化概括。分析人員每天從巡邏隊、假釋合規(guī)部門、現(xiàn)場采集卡、交通引證、釋放拘押表格、犯罪和逮捕報告以及歷史犯罪數(shù)據(jù)中收集情報，以生成“慢性罪犯”列表，每個人都被賦予一個點值，并給出一個排名。另外，警務(wù)部門還將話語分析和情感分析應(yīng)用到Twitter和Facebook等社交媒體數(shù)據(jù)中，以發(fā)現(xiàn)社會中持續(xù)或潛在的威脅[13];三是警務(wù)部門還通過信息化手段采集來自于其他行政系統(tǒng)的調(diào)查數(shù)據(jù)以及獲取涉及違法行為的網(wǎng)絡(luò)數(shù)據(jù)。

（2）數(shù)據(jù)分析技術(shù)工具。美國預(yù)測警務(wù)中的犯罪情報分析主要運用統(tǒng)計學(xué)的基本知識和技術(shù)方法，將犯罪數(shù)據(jù)與社會人口統(tǒng)計、時間、空間等數(shù)據(jù)進行關(guān)聯(lián)分析，來發(fā)現(xiàn)犯罪數(shù)據(jù)中的“非線性關(guān)系”[14]。也就是說，大數(shù)據(jù)方法不是依靠個人經(jīng)驗，而是通過查看幾乎所有現(xiàn)有數(shù)據(jù)，并使用計算機算法識別可疑的活動模式，或者揭示犯罪嫌疑人之間未知的聯(lián)系[13]。當(dāng)前，美國預(yù)測警務(wù)主要采用機器學(xué)習(xí)算法對采集的數(shù)據(jù)進行分析，匯聚概率、統(tǒng)計等多學(xué)科知識來實現(xiàn)犯罪預(yù)測的目標(biāo)。在具體實踐中，警務(wù)部門與專業(yè)企業(yè)建立了深度合作關(guān)系。如成立于2004年的大數(shù)據(jù)分析公司Palantir已經(jīng)發(fā)展成為執(zhí)法和情報機構(gòu)匯編和分析海量多源數(shù)據(jù)的主要平臺之一。Palantir平臺允許警察通過標(biāo)記過程對結(jié)構(gòu)或非結(jié)構(gòu)的數(shù)據(jù)內(nèi)容（如電子郵件、PDF和照片）進行可視化展示，鏈接對象和實體以識別新出現(xiàn)的關(guān)系，如人員、電話號碼、地址、執(zhí)法報告以及呼叫服務(wù)數(shù)據(jù)等。同時，通過時空維度數(shù)據(jù)的社會網(wǎng)絡(luò)分析來展示不同時間段犯罪集群的分布變化已成為警務(wù)實踐的普遍手段。社會網(wǎng)絡(luò)分析的基本分析單位包括兩個人之間的聯(lián)系，其關(guān)系包括多種形式，如毒品交易關(guān)系、受害者與罪犯之間的通話記錄等。在具體執(zhí)法活動過程中，這些技術(shù)工具可以組合使用，如將車牌識別系統(tǒng)與社會網(wǎng)絡(luò)分析結(jié)合，可用于發(fā)現(xiàn)與警察關(guān)注的目標(biāo)汽車在時間和空間上相關(guān)聯(lián)的其他車輛[13]。

1.5? ? 美國警務(wù)大數(shù)據(jù)的具體應(yīng)用

（1）紐約警察局（NYPD）：區(qū)域感知系統(tǒng)。紐約市警察局成立于1845年，是目前美國最大和歷史最為悠久的警察局，負責(zé)紐約市5個區(qū)的警力部署及案件調(diào)查。紐約警察局所運用的區(qū)域感知系統(tǒng)（Domain Awareness System ，DAS）是大數(shù)據(jù)警務(wù)應(yīng)用的典型例子。該系統(tǒng)采用先進的監(jiān)測技術(shù)，整合了國防部的大量數(shù)據(jù)源，并將這些數(shù)據(jù)提供給一線警員用于制定預(yù)防犯罪的戰(zhàn)術(shù)。該系統(tǒng)包括音頻槍擊探測器和環(huán)境傳感器收集的大量數(shù)據(jù)，還有20億個車牌讀數(shù)、1億次傳票、5400萬次911電話、1500萬次投訴、1200萬份偵探報告、1100萬次逮捕、200萬份逮捕令和9000臺攝像機30天的視頻等[15]。警察通過DAS可以直接與911呼叫者聯(lián)系，而不是通過調(diào)度員作為中間人進行傳遞。警察還可以針對與其職責(zé)相關(guān)的問題定制警報，提取有關(guān)他們前往地點的歷史信息，以便提前了解有關(guān)限制令、精神健康問題和逮捕令等信息[2]。

（2）洛杉磯警察局（LAPD）：自動車牌閱讀器。洛杉磯的戰(zhàn)略提取和恢復(fù)計劃（LASER）項目始于2011年，由“智能警務(wù)倡議”資助。作為一項國家倡議，它鼓勵地方警察部門和研究人員使用循證和數(shù)據(jù)驅(qū)動的策略。其中，自動車牌閱讀器（ALPR）作為一種常規(guī)性監(jiān)視工具，它讀取每個人的數(shù)據(jù)，而不僅僅是那些受到懷疑的人。安裝在巡邏車上的攝像頭和交叉路口的固定自動車牌閱讀器攝像頭為每輛通過其視線的汽車拍攝兩張照片，一張牌照照片和一張汽車車體照片，每秒可讀取多達50個牌照，并記錄日期和GPS坐標(biāo)。ALPR數(shù)據(jù)可以為警方提供一張城市車輛分布的直觀地圖。ALPR系統(tǒng)讀取掃描結(jié)果，并將其與“熱門列表”進行比較，“熱門列表”是包含有關(guān)被盜車輛、違規(guī)停車和恐怖分子監(jiān)視列表等信息的車牌數(shù)據(jù)。

（3）芝加哥警察局（CPD）：熱點名單。芝加哥警察局利用社會網(wǎng)絡(luò)分析產(chǎn)生一個備受爭議的主題清單，其中列出了被認為有可能成為暴力犯罪的受害者或犯罪者的群體。根據(jù)過去五年中是否與某個兇殺案受害者共同參與行動，芝加哥警方預(yù)測某個人成為兇殺受害者的可能性[2]。芝加哥警察局使用“熱點名單”來集中其預(yù)防性警務(wù)工作。計算機分析會權(quán)衡與此人相關(guān)的風(fēng)險因素，如一個人的犯罪記錄表、他的逮捕令或假釋狀態(tài)、使用武器或毒品記錄，以及可能的暴力傷害等。在“熱點名單”上的人會被警告如果他從事犯罪活動，將導(dǎo)致法律后果。名單上的人還被告知，他們也有可能成為受害者，而不僅僅是犯罪者。但事實上，那些收到“定制通知”的人并不總是明顯的暴力犯罪者，這可能是他們與兇殺案受害者的社會聯(lián)系密切提高了警方對他們的風(fēng)險評級。

2? ?美國警務(wù)大數(shù)據(jù)實踐中的風(fēng)險議題

當(dāng)前，公共部門的挑戰(zhàn)在于如何理解、管理和有效利用這些價值與風(fēng)險并存的數(shù)據(jù)[16]。根據(jù)風(fēng)險社會理論的觀點，由于現(xiàn)代性具有自反性（Reflexivity），大數(shù)據(jù)的出現(xiàn)也可視為一種新興風(fēng)險[17]，其應(yīng)用過程中伴隨著由數(shù)據(jù)本身所產(chǎn)生的本源性風(fēng)險。2019年1月，世界經(jīng)濟論壇（WEF）發(fā)布的《全球風(fēng)險報告（2019）》（The Global Risks Report）顯示，網(wǎng)絡(luò)攻擊和數(shù)據(jù)泄露等技術(shù)性風(fēng)險已成為全球五大風(fēng)險之一。隨著大數(shù)據(jù)在當(dāng)今社會活動中的不斷滲透，其越來越多地被用作公共決策和治理的基礎(chǔ)和依據(jù)，這一過程中由于警務(wù)大數(shù)據(jù)自身錯誤和扭曲等原因?qū)е碌暮蠊赡芊浅乐兀瑪?shù)據(jù)質(zhì)量、隱私安全、價值爭議等問題已經(jīng)成為大數(shù)據(jù)時代警務(wù)新的風(fēng)險議題。

2.1? ? 數(shù)據(jù)質(zhì)量問題：警務(wù)臟數(shù)據(jù)

大數(shù)據(jù)之所以具有巨大的價值是建立在其客觀中立的假設(shè)基礎(chǔ)之上。這些數(shù)據(jù)不受政治意識形態(tài)和社會制度的影響，數(shù)據(jù)質(zhì)量反映了有關(guān)社會和經(jīng)濟關(guān)系的固有真相，從而為政策和實踐提供了有力的實證證據(jù)[18]。然而，在許多司法管轄區(qū)，很多數(shù)據(jù)管理系統(tǒng)都是建立在有缺陷的、有種族偏見的，甚至是在一些非法行為和特殊政策期間產(chǎn)生的數(shù)據(jù)之上。這些警務(wù)實踐和特殊政策塑造了創(chuàng)建數(shù)據(jù)的環(huán)境和方法，從而增加了產(chǎn)生不準確或系統(tǒng)性偏差數(shù)據(jù)（“臟數(shù)據(jù)”）的風(fēng)險[19]。如因偏見、腐敗等因素而產(chǎn)生的同意法令、備忘錄等數(shù)據(jù)帶有偏見性。生活在低收入、少數(shù)民族地區(qū)的個人，其“風(fēng)險”被量化的概率比那些在更有利的社區(qū)（警察不通過點系統(tǒng)的監(jiān)視）更高[7]。而且，大數(shù)據(jù)工具使用的信息也可能是被隱藏的警察自由裁量權(quán)的產(chǎn)物。如警務(wù)信息官員通過現(xiàn)場采集卡收集他們在街上遇到的人的信息，但是采集卡不太可能均勻或隨機的分布。一旦轉(zhuǎn)換成數(shù)據(jù)，這些信息即被認為是中立和客觀的，即使它們是警員個人自由裁量決定的產(chǎn)物[13]。

2.2? ? 數(shù)據(jù)風(fēng)險問題：隱私與安全

在大數(shù)據(jù)環(huán)境中，社會組織和個體在日常生活中為越來越多的警務(wù)數(shù)據(jù)貢獻著力量。當(dāng)前，美國預(yù)測警務(wù)將保護公民隱私作為其執(zhí)法的前提，要求警方在收集和使用個人隱私數(shù)據(jù)時，必須遵守美國第四修正案（Fourth Amendment Law）及相關(guān)公民隱私權(quán)法案的規(guī)定[14]。但事實上大數(shù)據(jù)聚合和分析涉及的一個關(guān)鍵安全問題是，收集和處理大量有關(guān)組織和個人的敏感信息，以及知識產(chǎn)權(quán)、商業(yè)秘密和財務(wù)信息[20]。一方面，對于警務(wù)系統(tǒng)而言，電子數(shù)據(jù)庫構(gòu)成了當(dāng)代刑事司法運作的神經(jīng)系統(tǒng)，但從這些數(shù)據(jù)庫中產(chǎn)生錯誤的風(fēng)險并不小，廣泛的、相互聯(lián)系的電子信息集合的不準確性引起了社會對個人隱私的特別關(guān)注[21];另一方面，警察使用大數(shù)據(jù)挖掘作為調(diào)查方法可能會干涉普通公眾的隱私權(quán)，實時犯罪中心的權(quán)力和絕對集中的監(jiān)視引起社會公眾對自身安全的普遍擔(dān)憂[22]。因此，當(dāng)美國警方使用大數(shù)據(jù)挖掘的調(diào)查方法實際上干預(yù)了公眾的隱私權(quán)時，僅僅實施監(jiān)視就可能抑制公眾自由表達、行動和非常規(guī)行為的能力，即使沒有實施拘留或逮捕等執(zhí)法行為，監(jiān)視也可能具有侵入性。

2.3? ? 數(shù)據(jù)價值問題：有效性的爭議

雖然已有實踐彰顯了警務(wù)大數(shù)據(jù)在提高執(zhí)法效率和配置警務(wù)資源方面的巨大價值，但數(shù)據(jù)驅(qū)動將在多大程度上提高警務(wù)系統(tǒng)的效率并減少偏見，這仍是一個開放的經(jīng)驗問題[7]。盡管技術(shù)不斷進步，但自1967年總統(tǒng)執(zhí)法與司法委員會報告發(fā)布以來，暴力犯罪和財產(chǎn)犯罪的犯罪清除率仍然頑固地固定在45%左右[23]。目前，一些大數(shù)據(jù)分析系統(tǒng)不但沒有填補執(zhí)法部門的技術(shù)空白，而且創(chuàng)造了新的制度需求[7]。對于數(shù)據(jù)的依賴也可能阻礙了警察根據(jù)常識進行預(yù)測判斷的能力。如根據(jù)歷史數(shù)據(jù)繪制的犯罪地圖可能會導(dǎo)致更多的人因居住在有色人種為主的社區(qū)而被捕。這些影響是技術(shù)本身的產(chǎn)物，即使使用它的警察部門有責(zé)任感也可能發(fā)生。預(yù)測性警務(wù)系統(tǒng)在多大程度上產(chǎn)生了這些歧視性結(jié)果，公眾和警察本身都不清楚[24]。也就是說，預(yù)測分析的使用有可能在技術(shù)上重新定義偏見并加深現(xiàn)有的不平等程度。而且，預(yù)測算法可能將使一些潛在偏見持續(xù)下去。如盡管白人和非裔美國人以同樣的程度使用大麻，但非裔美國人因持有大麻而被捕的可能性是白人的3.73倍，因為許多預(yù)測算法實際上依賴于先前的逮捕或定罪記錄[25]。而且，如果技術(shù)能夠消除警察判斷力的一些不良使用（如種族偏見），對其過度依賴也有可能削弱警察的正常判斷力，這包括警察掌握的社區(qū)事件狀況，而這些經(jīng)驗性判斷并不依賴于數(shù)據(jù)采集。

2.4? ? 數(shù)據(jù)法律問題：公平與自由裁量權(quán)的標(biāo)準

警務(wù)大數(shù)據(jù)對現(xiàn)有的警察活動的法律框架構(gòu)成挑戰(zhàn)。執(zhí)法部門使用大數(shù)據(jù)的法律含義跨越了刑事、憲法、行政和隱私法[9]。在法律層面，允許警方究竟在多大程度上挖掘大數(shù)據(jù)，應(yīng)該由誰做出相關(guān)決定，以及應(yīng)該如何監(jiān)督大數(shù)據(jù)調(diào)查方法同樣是經(jīng)驗性問題。隨著更多數(shù)據(jù)傳感器和分析平臺被納入執(zhí)法行動中，警方越來越多地利用與案件沒有任何直接聯(lián)系的個人數(shù)據(jù)。這些創(chuàng)新所涉及的法律風(fēng)險在很大程度上仍然沒有受到法律界的審查[21]。新技術(shù)通過降低成本和提高警察識別可疑人員的能力，改變了傳統(tǒng)監(jiān)督的自由裁量權(quán)。自由裁量權(quán)的擴大引發(fā)了有關(guān)警察監(jiān)督和處置公平的重要法律和政策問題，尤其是涉及到警察自由裁量權(quán)和問責(zé)制這些關(guān)鍵性問題。大數(shù)據(jù)工具似乎提供了對信息的客觀分析，但基于自由裁量權(quán)的人類決策可以在大數(shù)據(jù)中以隱藏的方式發(fā)揮重要作用。個體或組織使用大數(shù)據(jù)工具進行決策都會涉及到自由裁量權(quán)，如采用哪種數(shù)學(xué)模型，使用哪些數(shù)據(jù)，以及如何顯示這些數(shù)據(jù)等，他們還將決定如何和在何處應(yīng)用大數(shù)據(jù)工具。

3? ?美國警務(wù)大數(shù)據(jù)風(fēng)險議題的政策啟示

盡管精算量化的方法已存在于刑事司法系統(tǒng)中近一個世紀，但數(shù)據(jù)驅(qū)動的決策在最近幾十年才被系統(tǒng)地納入執(zhí)法實踐[7]。隨著情報機構(gòu)對大規(guī)模監(jiān)視和大數(shù)據(jù)挖掘全球性討論的深入展開，如今規(guī)范警務(wù)大數(shù)據(jù)的應(yīng)用勢在必行[26]。美國警務(wù)大數(shù)據(jù)風(fēng)險議題的提出意味著，要更好地發(fā)揮警務(wù)大數(shù)據(jù)的價值，在追求數(shù)據(jù)分析技術(shù)進步的同時，不能忽視政策法律甚至倫理道德對警務(wù)大數(shù)據(jù)實踐的規(guī)制和指導(dǎo)。美國警務(wù)大數(shù)據(jù)風(fēng)險議題盡管是源自美國實踐的特殊問題，但其在世界范圍內(nèi)都不同程度地存在著，因此也可以看作是警務(wù)大數(shù)據(jù)應(yīng)用的共性問題，這使得數(shù)據(jù)管理本身成為新的政策需求，對我國正在展開的相關(guān)實踐來說，同樣具有政策啟示意義。

3.1? ? 加強數(shù)據(jù)采集的源頭治理，防范人為因素導(dǎo)致的風(fēng)險問題

（1）制定明確的數(shù)據(jù)采集規(guī)范，從源頭上保障數(shù)據(jù)采集質(zhì)量。目前我國《網(wǎng)絡(luò)安全法》對數(shù)據(jù)采集有相關(guān)規(guī)定，但該法對警務(wù)數(shù)據(jù)信息采集權(quán)的規(guī)定并不明確[27]。在采集標(biāo)準上，急需制定專門的數(shù)據(jù)采集規(guī)范，建立統(tǒng)一的數(shù)據(jù)采集、錄入和審核標(biāo)準。在采集主體上，需要規(guī)定數(shù)據(jù)采集的主體范圍，并確立數(shù)據(jù)質(zhì)量主體責(zé)任。除了政務(wù)部門的信息采集官員外，還要重新審視第三方參與數(shù)據(jù)采集與供給的相關(guān)規(guī)定[7]，加強行業(yè)自律審查，建立數(shù)據(jù)授權(quán)和保護機制。在采集內(nèi)容上，明確數(shù)據(jù)采集需求和采集范圍之間的關(guān)聯(lián)。其中如何規(guī)定數(shù)據(jù)采集行為所涉及的公民隱私保護問題仍然是相關(guān)政策亟待回應(yīng)的重點。

（2）規(guī)范數(shù)據(jù)采集與使用行為，防范數(shù)據(jù)采集使用過程中人為因素導(dǎo)致的風(fēng)險問題。在數(shù)據(jù)采集與使用中，個體偏見、歧視、操作失范等人為因素會引發(fā)數(shù)據(jù)失真、數(shù)據(jù)使用不當(dāng)?shù)葐栴}，影響執(zhí)法的公正性與效率，但目前我國警務(wù)數(shù)據(jù)實踐尚缺乏對這一問題的足夠關(guān)注。除建立數(shù)據(jù)采集規(guī)范和相關(guān)標(biāo)準之外，應(yīng)在制度上加強警員的數(shù)據(jù)質(zhì)量意識和數(shù)據(jù)素養(yǎng)培訓(xùn)，對數(shù)據(jù)造假、數(shù)據(jù)欺詐等行為建立懲罰機制。同時，應(yīng)建立數(shù)據(jù)使用方面的倫理規(guī)范，對警員的數(shù)據(jù)使用行為進行倫理審查。

3.2? ? 構(gòu)建數(shù)據(jù)安全管理保障體系，加強數(shù)據(jù)管理系統(tǒng)的風(fēng)險評估

（1）出臺專門的警務(wù)數(shù)據(jù)安全管理政策，彌補當(dāng)前相關(guān)政策法規(guī)的不足。從現(xiàn)有實踐看，我國數(shù)據(jù)安全管理政策主要集中在科學(xué)數(shù)據(jù)公開共享、政務(wù)數(shù)據(jù)開放等方面，應(yīng)結(jié)合警務(wù)數(shù)據(jù)安全管理的特殊性和具體需求，整合現(xiàn)有相關(guān)政策規(guī)定，構(gòu)建一整套警務(wù)數(shù)據(jù)安全管理的政策和標(biāo)準，并進行政策試點和實施效果評估。數(shù)據(jù)安全立法要加強不同生命周期階段的數(shù)據(jù)保護，明確數(shù)據(jù)的采集、傳輸、訪問權(quán)限和使用流程，實施對使用主體行為的績效考核。同時，制定數(shù)據(jù)安全風(fēng)險的應(yīng)急預(yù)案，開展數(shù)據(jù)安全應(yīng)急演練。

（2）構(gòu)建數(shù)據(jù)安全管理的技術(shù)支撐體系，利用大數(shù)據(jù)技術(shù)來增強數(shù)據(jù)管理的能力和水平。需要建立健全數(shù)據(jù)安全防護體系，加強警務(wù)大數(shù)據(jù)防攻擊、防泄漏、防竊取等安全防護技術(shù)手段建設(shè)，強化數(shù)據(jù)安全監(jiān)測、預(yù)警、控制和應(yīng)急處置能力。

（3）定期開展數(shù)據(jù)管理系統(tǒng)的風(fēng)險評估。警務(wù)數(shù)據(jù)管理系統(tǒng)的安全性與其承載數(shù)據(jù)的安全息息相關(guān)。美國2012年發(fā)布的《網(wǎng)絡(luò)安全法案》和2013年發(fā)布的《聯(lián)邦信息安全管理修訂法案》都提出了通過持續(xù)監(jiān)測政府信息系統(tǒng)的脆弱性，定期開展威脅評估和安全措施有效性評估，以確保政府網(wǎng)絡(luò)信息安全的思路[28]。其中，數(shù)據(jù)安全管理系統(tǒng)的評估主要是定期、持續(xù)地通過訪談、檢查等方法對數(shù)據(jù)的完整性、保密性以及災(zāi)備能力等方面的保障措施進行風(fēng)險評估，防范系統(tǒng)在軟件、硬件、協(xié)議等多方面存在的未知的漏洞隱患，并對發(fā)現(xiàn)隱患進行及時整改。

3.3? ? 強化數(shù)據(jù)分析技術(shù)的可靠性，促進警務(wù)決策在經(jīng)驗與數(shù)據(jù)之間的平衡

（1）通過多主體合作來提升技術(shù)開發(fā)力度，增強數(shù)據(jù)分析結(jié)果的可靠性。技術(shù)創(chuàng)新有助于開發(fā)更為精準的犯罪預(yù)測模型，優(yōu)化警務(wù)大數(shù)據(jù)挖掘的關(guān)聯(lián)分析，降低技術(shù)因素導(dǎo)致的風(fēng)險問題，從而實現(xiàn)從低價值密度的海量數(shù)據(jù)中提取出滿足警務(wù)需求的情報信息。如大數(shù)據(jù)已經(jīng)能夠測量出存在的種族偏見，而適當(dāng)?shù)念A(yù)測算法設(shè)計可以避免偏見因素，或者調(diào)整數(shù)據(jù)來抵消其歧視效應(yīng)[25]。我國警務(wù)部門應(yīng)從政策上推動警務(wù)部門與科技型企業(yè)、學(xué)術(shù)機構(gòu)以及社會組織的互動關(guān)系，共同開發(fā)更加精準的犯罪預(yù)測算法和理論模型，加強數(shù)據(jù)脫敏、數(shù)據(jù)審計、數(shù)據(jù)備份等，從而推進大數(shù)據(jù)預(yù)測的實施效果。另外，大數(shù)據(jù)分析算法在使用方法上應(yīng)該是透明的，以增加算法的可信度和中立性[24]。

（2）探索組織決策在經(jīng)驗和技術(shù)工具之間的平衡?，F(xiàn)代警務(wù)活動不僅是大數(shù)據(jù)技術(shù)驅(qū)動的結(jié)果，而且還是多領(lǐng)域知識推動的復(fù)雜過程。警務(wù)人員不僅需要關(guān)注大數(shù)據(jù)分析的結(jié)果，而且還需要根據(jù)適當(dāng)?shù)慕?jīng)驗知識將分散在不同系統(tǒng)中的大數(shù)據(jù)與過程分析聯(lián)系起來，以便于提供支持證據(jù)和做出決策[29]。因此，在警務(wù)實踐中不能“唯數(shù)據(jù)導(dǎo)向”，數(shù)據(jù)并不完全是中立和客觀的，尤其是涉及道德和倫理問題時，需要從政策上處理好個體自由裁量權(quán)和技術(shù)工具使用之間的平衡問題。

4? ?結(jié)語

作為公共安全數(shù)據(jù)管理的一個應(yīng)用領(lǐng)域，美國警務(wù)大數(shù)據(jù)在取得實踐進展的同時，其風(fēng)險議題的提出顯示了制度建設(shè)對技術(shù)進步反應(yīng)的滯后性，使數(shù)據(jù)管理政策成為警務(wù)大數(shù)據(jù)實踐的現(xiàn)實需求。這需要政策制定者在數(shù)據(jù)采集規(guī)范、數(shù)據(jù)安全管理以及技術(shù)研發(fā)支撐上予以相關(guān)政策內(nèi)容的響應(yīng)。毫無疑問，實現(xiàn)大數(shù)據(jù)價值與大數(shù)據(jù)本源風(fēng)險之間的平衡是具有挑戰(zhàn)性的，需要合理考量技術(shù)理性與價值理性，綜合運用法律、政策、倫理、技術(shù)、標(biāo)準、管理等手段進行治理。本文僅基于美國警務(wù)大數(shù)據(jù)實踐，側(cè)重從政策角度對這一具有共性的風(fēng)險議題作了一般性回應(yīng)與思考，還需要立足我國本土化實踐進展與風(fēng)險議題的特殊性，通過頂層設(shè)計、部門協(xié)同和社會參與，進一步探討警務(wù)數(shù)據(jù)管理的制度安排問題，促進我國數(shù)據(jù)驅(qū)動的警務(wù)實踐的發(fā)展。

參考文獻：

[1]? Leng J，Li G.Big Data-driven Predictive Policing Innovation[C].2018 7th International Conference on Energy，Environment and Sustainable Development（ICEESD 2018）.Atlantis Press，2018.

[2]? Ridgeway G.Policing in the era of big data[J].Annual Review of Criminology，2018（1）：401-419.

[3]? Sherman L W.The rise of evidence-based policing：Targeting，testing，and tracking[J].Crime and justice，2013，42（1）：377-451.

[4]? Braga A A，Weisburd D.Policing problem places：Crime hot spots and effective prevention[M].Oxford University Press on Demand，2010.

[5]? Weisburd D，Mastrofski S D，McNally A M，et al.Reforming to preserve：Compstat and strategic problem solving in American policing[J].Criminology & Public Policy，2003，2（3）：421-456.

[6]? Ratcliffe J H.Intelligence-led policing[M].Routledge，2016.

[7]? Sarah Brayne.Big Data Surveillance：The Case of Policing[J].American Sociological Review，2017，82（5）：977-1008.

[8]? Ratcliffe J.Intelligence-led policing and the problems of turning rhetoric into practice[J].Policing & Society，2002，12（1）：53-66.

[9]? Brayne S.The Criminal Law and Law Enforcement Implications of Big Data[J].Annual Review of Law and Social Science，2018，14：293-308.

[10]? Heverin T，Zach L.Twitter for city police department information sharing[J].Proceedings of the American Society for Information Science and Technology，2010，47（1）：1-7.

[11]? Doumi T，Dolan M F，Tatesh S，et al.LTE for public safety networks[J].IEEE Communications Magazine，2013，51（2）：106-112.