基于公安大数据的智慧超脑感知系统研究与应用

基于公安大数据的智慧超脑感知系统研究与应用

王浩

宿迁市公安局 江苏省宿迁市 223800

摘要：基于公安大数据，本文提出了智慧超脑感知系统。通过构建符合GA/T1400标准的数据仓库（DataWareHouse，DW），在此基础上融合Hadoop、Elasticsearch等多种大数据技术，为应用提供快速、及时、有效的分析服务，并结合公安民警的实战，训练出多种实战分析模型、通过对实时数据、历史数据关联及碰撞分析，快速排查人、车等目标异常动态、锁定嫌疑目标，增强公安主动预防和打击犯罪的能力，服务于公安各类业务应用。

关键词：智慧感知公安大数据GA/T1400数据碰撞；

引言

随着云计算、大数据技术的快速发展，公安大数据战略不断升级，大数据在犯罪打击、管理预防等领域的应用遍地开花，数据存储、管理、分析已经成为社会治理、打击犯罪的利器。公安大数据应用分析的国际研讨会也在不断展开，2018年公安大数据应用分析国际研讨会在北京落幕，此次研讨会围绕“数据治理、知识图谱、情报研判、预警预测、视频大数据、人像大数据、AI赋能公安实战”等前沿问题展开激烈讨论，公安相关专家也强调，实施公安大数据战略的根本目的是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，具体实施路径就是坚持刀刃向内，自我革命，加快推进数据融合共享，先把智慧公安的大脑建好^[1]。基于此本文提出了一种基于公安大数据的智慧超脑感知系统，此系统充分融合公安各类数据，通过大数据技术为公安的工作增能增效。

1智慧超脑感知系统架构介绍

总体逻辑架构上，系统分为四个层次：资源层、支撑层、应用层、展现层。

2.1资源层

系统资源层通过前端采集设备接入视频资源、人脸卡口资源、车辆卡口资源、高点高清资源、RFID资源、Wi-Fi资源等多维度的数据资源，进行统一分类存储、结构化解析，基于公安大数据的智慧超脑感知系统研究与应用，本文提出了智慧超脑感知系统。通过构建符合GA/T1400标准的数据仓库（DataWareHouse，DW），在此基础上融合Hadoop、Elasticsearch等多种大数据技术，为应用提供快速、及时、有效的分析服务，并结合公安民警的实战，训练出多种实战分析模型、通过对实时数据、历史数据关联及碰撞分析，快速排查人、车等目标异常动态、锁定嫌疑目标，增强公安主动预防和打击犯罪的能力，服务于公安各类业务应用。然后汇聚存储，最终实现多种类数据资源融合、共享，为支撑层的算法提供丰富的数据“原料”。

2.2支撑层

支撑层主要为系统提供算法引擎，数据实时分析、离线分析、最短路径分析、时空分析、数据管理、存储等基础服务功能，同时也为系统提供数据分类检索、用户管理、日志管理以及权限管等功能。

2.3应用层

系统应用层主要包括全景感知、布控预警、时空重现、数据洞察、专题库应用等。

2.4展现层

分为C/S客户端、B/S客户端、以及统一门户管理。

2基于公安大数据的智慧超脑感知技术

2.1多维感知数据接入

2.1.1数据仓库技术

数据仓库（DataWarehouse，DW）是一个面向主题的、集成的、不可更新的、随时间不断变化的数据集合，它用于支持企业或组织的决策分析处理。通过数据仓库技术，可以全网汇聚的治安卡口数据、社会卡口数据、人脸数据、电子警察数据、ETC数据、点位信息数据等这些原来分散的数据进行抽取、清理，并在此基础上根据车牌、有无违章、活动区域等主题，对原来的数据进行重新组织，归为人脸、车辆、Wi-Fi、RFID四大类数据，以便系统用户方便快速查询所需要的信息，提供决策支持。所存储的数据可支持HDFS文件系统、也可支持HBase分布式数据库或Redis内存数据库，存储文件可表现为多种形式，数据仓库可为交互式统计分析、全文检索、数据挖掘等数据处理功能提供高速的I/O数据访问^[2]。

2.1.2数据接入总线

数据接入总线主要负责数据的抽取、转换、清洗及标准化，支持注册、心跳、校时、注销及采集接口，除了基于GA/T1400-2017和GB/T28181-2016标准的数据接入方式外，亦可根据实际情况采用多源的数据接入方式，按照相关标准规则进行清洗、转换，转化为标准化数据格式，保障接入数据的标准安全^[3]。

2.1.3数据跨网络接入

由于公安网与互联网是物理隔离的，在涉及跨网络数据接入时，主要借助网闸技术，通过安全边界实现数据交换，保障网络与数据的安全性。

2.2数据存储

感知大数据库包括按照GA/T1400标准建设的视频图像信息数据库（简称视图库）以及Wi-Fi、RFID等标准中未涉及的自定义标准的汇聚库。

2.2.1标准视图库

按照GA/T1400标准并借助KAFKA消息组件，完成人员汇聚库、人脸汇聚库、机动车汇聚库、非机动车汇聚库、图片汇聚库及视频片段汇聚库等结构化数据的汇聚。利用HDFS组件提供汇聚库子系统所需的数据存储空间。

2.2.2其他汇聚库

包含Wi-Fi汇聚库、RFID汇聚库等非GA/T1400标准的数据汇聚库，随着系统的使用，数据会源源不断的增多，这些数据有标准则按照标准进行建库管理、无标准则根据数据特征自定义标准进行建库管理，最终形成统一化的感知大数据汇聚库^[4]。

2.3数据分析

基于公安大数据的数据分析与碰撞主要作为应用支撑层，为应用层的业务提供大数据分析、检索、关联比对等能力，同时提供相关的大数据分析模型，为应用平台提供业务应用接口，应用平台基于大数据系统分析的结果，做人机交互应用^[5]。数据分析流程如下：检索及关联分析：基于公安大数据基础，利用Hadoop框架实现对海量数据的秒级检索及关联分析，为应用层提供人脸、车辆、MAC、RFID轨迹侦查，关联分析应用^[6]。时间、空间、事件关联分析：根据“时间-空间”、“空间-时间”、“空间-事件”、“事件-空间”等关联关系，基于公安业务建立多种数据模型，并借助于地图服务进行可视化分析展示，服务于公安实战应用。多档融合：多档融合主要提供人、车、号码之间时间变化的分析数据，提供以人、车、手机MAC地址、电动车RFID编号、地址、事件之间相互关系的分析数据。通过统一的分析入口，将人，车，地，事等几个专题库关联起来的数据进行分析展现，起到整合各种数据为一个有关联的整体。

2.4数据碰撞

数据碰撞充分利用前端感知的目标（如：车辆、人脸、手机、RFID等），再结合目标的时间、空间等多维度属性特征，基于大数据分析引擎、实时流处理等技术，结合公安民警实战应用训练出成熟的实战分析模型，对目标对象进行分析。通过对多维数据综合研判、数据过滤、时空关联度判断、GIS空间地图多轨重合度比对，实现由车到人，由人到车，由案到车，由车到案的高效关联。具体实际应用实践包括车辆大数据分析、人像大数据分析、手机大数据分析、RFID大数据分析、多维大数据分析等。

3智慧超脑感知系统应用实践

3.1全景感知

全景感知以前端多维感知数据为基础，以地图展示为中心，基于大数据统计分析、大数据碰撞挖掘、算法识别比对等技术，分析出有用信息，从宏观层面进行智慧感知相关数据的一屏展示，实现平台重点区域数据概况展现、数据感知概况展现、数据统计趋势概况展现、数据碰撞分析（即异常数据挖掘）概况展现、重点目标布控预警概况展现、智能推荐展示、图像解析展示等内容，有助于公安部门对社会治安的整体把控，对社会治理做出快速有效、全面的决策^[7]。

3.2实时监控

智慧感知系统实时监控模块，对接入的视频数据、实时过车数据、实时人像抓拍数据、实时Wi-Fi捕获数据、RFID监控等多维数据，通过选择设备点位实现实时视频监控、数据监控（包括车辆数据、人像数据、Wi-Fi数据及RFID电动车数据等），并结合布控报警信息，支持按照设备类型进行选择并支持选择在线设备，如若知道具体设备名称，亦可直接通过搜索设备列表快速找到点位设备，并同步在地图上进行高亮展示，点击即出现点位设备信息弹框，有设备名称、设备编号、设备IP、设备在线状态、设备所在区域等，并可一键进行实时预览、录像回放、告警查询、多维布控等操作，便于公安民警基于实时监控数据进行一键处理。

3.3数据查询

智慧感知系统数据查询模块，通过对全量感知数据（包括海量过车数据、人脸抓拍数据、行人数据、非机动车数据、MAC数据、RFID电动车捕获数据等）进行统一规划、统一存储，采用全文检索（Elasticsearch）引擎技术，分类建立全文索引，实现根据时间范围、空间位置、目标特征属性等信息进行秒级检索查询，全面提升公安民警的工作水平和办事效率。

3.4数据碰撞

智慧感知系统数据碰撞应用模块，充分利用前端感知的目标（如：车辆、人脸、WiFi、RFID等）特征信息，结合目标的时间属性、空间属性等多维度属性特征，进行综合分析研判，挖掘目标出行规律、异常行为特征，为案件的线索发现、案件侦查提供快速高效的分析手段。采用最短路径、时空分析等技术对人、车、案件等元素进行时空重现，根据案事件的时空属性、嫌疑人的照片、车辆、Wi-Fi、RFID等条件进行检索，生成目标轨迹，同时可根据以车牌、MAC、RFID，或者人脸为目标，搜索一定同行时间、空间位置范围、同行次数内的其他一个或者多个目标（车牌、MAC、RFID，或者人脸）轨迹，形成多轨合一，辅助公安民警快速追踪嫌疑目标。

4.5布控报警

智慧感知系统布控预警模块，主要对嫌疑人、车辆、Wi-Fi、RFID进行布控，当嫌疑目标触网立即产生告警，实现对嫌疑目标进行实时跟踪，可缩小嫌疑目标的范围，通过查询告警信息可提取有助于案件侦查的线索，加速破案的进度。

4结束语

通过大数据的相关技术对公安大数据的标准化汇聚，以及智慧超脑感知系统的研究实践表明，此系统有助于公安部门对社会治安的整体把控，对社会治理做出快速有效、全面的决策；有利于公安民警对实时场景的数据进行一键处理，全面提升公安民警的工作水平和办事效率；有助于辅助公安民警快速追踪嫌疑目标；有助于提取案件侦查的线索，加速破案的进度。

参考文献

1. 张跃.公安部发布视频图像信息联网与应用六项行业标准[J].中国安全防范认证,2017(04):8-9.

2. 王进,姜新超,孙佳伟.数据仓库在网络安全态势感知中的设计与实现[J].网络安全技术与应用,2019(04):54-56.

3. 邓晔.浅析安防监控大数据与智慧城市公共安全大数据的关系[J].中国安防,2018(03):49-54.邱明月.

4. 基于公安大数据的数据警务技术专业人才培养研究[J].江苏科技信息,2020,37(13):3.

5. 王楠.浅析大数据时代下的公安教育——评《智慧公安——大数据时代的警务模式》[J].中国教育学刊,2020,No.332(12):120-120.

6. 李晓林,张翔.以大数据智能化建设引领警务机制改革——智慧警务杭州模式的实践与思考[J].公安学刊(浙江警察学院学报),2020(5).

[7]张苗苗,冷静,江彦.公安大数据共享感知价值影响因素研究[J].中国刑警学院学报,2019,No.149(03):65-71.