公安大数据面临的问题及未来发展的4点建议

公安大数据的定义和目的

截至目前，“公安大数据”没有官方通用定义。结合“公安”和“大数据”这两个名词推论，可以把它定义为：公共安全领域内，无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。这种数据集合，是公共安全的信息资产。

现在公安业务中，最重要的两个要素就是人和车。在数据获取途径和类别上，可以分为：

·视频、音频等具象要素；

·保险、金融、房产等资产要素；

·身份信息、生物信息（理论上）、关系、职业、既往行为（违法、违章等）、征信情况等背景要素；

·出行、居所等轨迹要素。将这些要素相互融合，分级、分层、分版块，建立人、车、物立体数据库。

公安大数据的建设，其目的为：提升公安工作智能化水平，以机器换人力、以智能增效能，最大限度地释放警力，提高公安机关核心战斗力。将公安工作以打为主转向有数据支撑、有技术保障的打防结合，最终做到简化流程、快速处置、提高效率、主动出击、有效防控。这个过程适用于所有公安场景，包含综治、刑侦、经侦、反恐防暴、人口管理、交通出行等等。

公安大数据现状和面临的问题

要达到公安大数据建设中提到的“提升智能化水平、释放警力、提高效能”，就必须要保证开放、融合。坚持集约化建设原则，打破部门警种壁垒，打通交换共享渠道，集聚优质资源，实现数据规模效益和价值最大化。只有如此，才能为基层一线实战应用提供更多更高质量的数据信息服务和支撑。但从目前情况看，也恰恰是开放和融合二字，成为公安大数据建设面临的最大问题。

如上所述的集中要素，是分布在不同网络间的分散信息集合，在以往都是单独运行。公安大数据的基础就是要多网融合、相互共享，才能在最短时间内实现业务落地。但截止目前，公安信息网、涉密网、视频专网等多种网络之间仍然存在数据共享不充分和业务流程衔接不畅的现象。以涉密或业务程序等借口而回避自身数据资源和业务接口的对外开放和共享问题，公安大数据平台注重利用系统外部数据资源而不是做资源汇集。

各地开展的警务云、大数据工程都强调外部数据资源接入的重要性，但对于需要接入哪些外部数据资源、接入后如何应用、服务哪些目标并不清楚，存在如下问题：

外部数据资源接入混乱，数据管理难度加大；

数据无序且单向，很容易形成新的“信息孤岛”；

大量数据分散在不同的业务部门，无法有效共享，形成了极大浪费

各地公安机关纷纷建立以云计算技术为支撑的数据中心，但实际上是各自为战，在技术上采用不同厂商的不同技术方案，互通性存在较大问题。在管理上也没有实现真正的统一，无法做到资源的统一调度，达不到集约管理、高效运用的目标。

在服务业务中，所有的创新和技术都应该以业务应用为核心，但目前看到的很多技术，往往是把系统创新和技术创新生硬地嫁接到传统业务上，缺乏针对性，以至前端信息采集、查询对比和后台数据支撑与推送服务，以及相应的实战指导跟不上基层需求发展。这等同于民警要用老套路去保障业务，还要用新办法去迎合考核，效用叠加明显。

再从更深一层，也就是顶层和人才培养，也同样存在一些问题。

顶层设计：全国公安大数据建设具体如何布局和定位尚不非常明确，没有具体的实施路线图。各地响应号召，各自为战，呈现出了一定程度的盲目性。

人才方面：各地方大数据建设的组织机构力量薄弱，组织乏力，既缺乏业务专家，又缺乏技术专家，难以形成推动大数据警务建设的整体合力。

解决建议及今后发展

公共安全大数据建设，对于推动提升公安效率、严厉打击违法犯罪行为、有效管控危险发生具有重大意义。如何能够更深入的落实中央的部署，更好的落地开花，要从体系建设、融合开放、技术创新和人才培养四个方面着力，利用大数据技术，强化警务流程再造。实现数据、业务、技术、管理有机融合，充分发挥数据作用，贴近业务和实战。

1、顶层设计明确布局，形成职责明晰、协同推进的工作格局：强化部省两级大数据管理协调机构的纵向管理与横向协同，切实充分发挥其协调作用的权威性。建立以数据流为引领的融合警务协同模式，实现精细化管理和智能化应用。

2、强化大数据资源开放共享：从政策层面入手，建立和完善数据开放和保护等方面的规章制度，促进数据在风险可控原则下最大程度开放共享。明确公安系统外部第三方数据接口和来源规则，形成全国分布式统一数据治理框架，提升全国公安数据治理能力与水平。

3、大数据人才培养：充分发挥人的主观能动性和专业领域企业积极性。在规划、建设、运维、应用等方面着重建立专家库，选拔优秀应用和技术人才。各公安院校应开设大数据相关专业，培养复合型应用技术人才。企业和专业领域人才可以“为我所用，而不为我所有”，建立联合实验室，让最新技术深入教育教学当中去，也能够在第一时间将科技转化成生产力，落实到公安实战中。

4、以“人工智能”等前沿技术驱动大数据发展，打通数据壁垒：利用智能算法，将大数据的核心价值深入挖掘，使之成为高价值密度的核心资产。用知识图谱技术，构建全国实体及实体关系库；建设公安知识图谱，通过对公安结构化信息和非结构化信息数据关系挖掘。抽取出人、物、地、组织机构、服务标识号等实体，并根据实体的属性联系、时空联系、语义联系、特征联系等建立相互的关系，构建一张具有公安特性的多维多层的实体与实体、实体与事件的关系网络。

在公安大数据发展和整合过程中，依托政策保障和智慧公安的大力推进，大数据企业和专业领域单位会随着需求发展，深入服务公安业务需求，从而使企业得到更大的发展。

企业紧抓公安大数据机遇

1、云平台和云计算：现在各省市都在提倡公安云，利用分布式技术对数据进行全流程治理，实现对全国各省市数据分布式治理的统一管理和监督。但现在的云平台过于多样化，互通性存在较大问题，跨平台操作也很大程度上限制了管理的统一布局。由公安部主建、各省市公安厅、局主战的趋势愈加明显，这样既能实现全国公安一盘棋的顶层管理，也提高了在交通管理和反恐处突、大型会议活动安保等方面的协同动作，更方便跨省串并案的效率。这是接口和平台类企业非常熟悉的业务，而由于公安行业的特殊性，为保障数据安全和国家安全，肯定要实现云平台的管理、传输、存储完全国产化。

2、视频智能化：大数据在公安领域中的应用，最终要的是“打防结合”。根据这一需要，现在的视频物联网企业，已经将智能化从原有的云端提前到了边缘节点上。边缘智能和云智能可以简单的理解为“边缘重打，云端重防，点面一体，打防结合”。边缘智能是要把发生的特情在最短时间内凸显出来，报警，处理。与此同时，在获取视频的过程中，将所获得数据初步结构化交付云端；云端要根据边缘反馈上来的初步结构化要实现二次结构化分类，为实现警情的“预测、预警、预知、预防”提供有力的数据支撑和理论依据。这与第一点提到的平台云又有所区别。视频云更注重业务实战，平台云更注重管理和效能。但边缘+云智能的过程，是受到很多条件制约的。第一是公安信息网的开放程度，第二是视频云与平台云的兼容性。这又不得不再次提到融合和信息、数据安全的问题。融合即打通，将视频网与公安网（各种要素）打通，首先要确保的就是数据安全，公安信息不外泄，视频信息不外流。这个打通的过程，不会是企业主导，而是企业主建，公安主用，权责分立，相互制约。真正到了云端，就不会有视频信息安全的问题。毕竟越庞大的数据量，个人在其中就已经由一个人变成了一个点，只会缩小，不会放大。再有就是如何将视频云信息与大数据管理平台有效打通，相互兼容，做到视频数据为大数据所用，这也是视频企业要攻关的重点。

3、大数据管理：摄像机、拾音器、银行、保险公司等每天要产生海量的数据，这种数据本身是杂乱无序的，而且绝对不能运营。这就需要有大数据管理经验的公司针对公安业务和警种的需要，将海量数据按照总体和细分进行归类。整合各个接口的数据到集中平台，再由集中平台针对各个业务单元进行分发，提高业务应用效率的同时也能有效保障数据的安全性。平台太多既不方便整合，对信息和数据安全性也有潜在的风险。谁能异军突起，还要看谁能更深入的了解公安数据的需求和需要。

参考文献

《公安大数据建设的主要问题及对策》中国人民公安大学信息技术与网络安全学院院长 副教授 李欣

《“十大经典案例”对公安大数据的启示》 刘培富

来源：智安物联网