在全球信息化快速發展的大背景下，大數據已經成為國家重要的基礎性戰略資源、重塑國家競爭優勢的新機遇、提升社會治理能力的新途徑。公安部以習近平新時代中國特色社會主義思想為指引，牢固樹立總體國家安全觀，全面實施公安大數據戰略，為各部門各警種、各地公安機關和基層民警以及政府部門和相關行業、人民群眾提供智能化、專業化服務，切實提高公安機關態勢感知、預警預測、精確打擊、動態管控、扁平指揮、社會服務等核心戰斗力。公安“大數據”的深度應用讓公安警務工作向“智慧公安”轉變。在大數據時代，基于公安數據與社會數據融合的大數據分析研判在公安偵破案件、預防犯罪、精確打擊、輔助決策等警務工作中的作用日益顯著。

大數據在“智慧公安”領域中的應用優勢主要體現在以下幾個方面：

一是對大量結構化和非結構化數據進行智能化分析處理。公安機關在履行社會管理職責過程中，已經掌握、管理、儲存了各類數據信息，包括人口管理、接處警信息、出入境登記、旅店賓館住宿信息、機動車駕駛員信息、視頻等結構化和非結構化數據，這促成了公安機關掌握的數據儲存海量化和類型多樣化。針對這些互聯網信息、生物特征信息、行為軌跡、圖片影像等海量數據進行智能化處理分析，是公安機關應用大數據的優勢，也是當前公安信息化建設的重點。

二是構建起以大數據智能應用為核心的“智慧公安”新模式。公安機關在長年的案件偵破過程中，技術人員通過從海量的案例信息、社會資源信息中提取有效數據，結合時間、空間、人文地理等要素進行加工分析，找出暴力犯罪、恐怖襲擊、惡性群體性事件等各自的發生要件，總結出各類案件發生的要素特征，形成了各種各樣行之有效的技戰法，積累了豐富的實戰經驗。通過大數據技術可以很好地將這些老民警經驗和技戰法進行模型化，結合各類要素特征數據建立起相應的模型，實現智能分析研判、自動預測預警、精準防范打擊、便捷管理服務等應用，構建起以大數據智能應用為核心的“智慧公安”新模式，真正向科技要警力。

三是隨著大數據在“智慧公安領域”的深度應用，各類方法和工具正不斷完善和創新。用于大數據分析的關鍵技術，包括A/B測試、關聯規則挖掘、分類、數據聚類、眾包、數據融合和集成、數據挖掘、集成學習、遺傳算法、機器學習、自然語言處理、神經網絡、神經分析、優化、模式識別、預測模型、回歸、情緒分析、信號處理、空間分析、統計、監督式學習、無監督式學習、模擬、時間序列分析、時間序列預測模型、可視化技術等。用于整合、處理、管理和分析大數據方面的關鍵技術有BigTable、商業智能、云計算、Cassandra、數據倉庫、數據集市、分布式系統、Dynamo、GFS、Hadoop、HBase、MapＲeduce、Mashup等。

四是編制公安大數據建設標準體系。各地公安機關結合以往大數據建設經驗和問題總結，整理編制了公安大數據建設標準體系，包括：基礎標準、數據處理標準、數據安全標準、數據質量標準、產品和平臺標準及應用和服務標準等。通過統一標準，統一數據標準和信息交互的技術標準，大大降低了公安內外部各系統信息交互和使用成本，使得各部門各系統能夠把更多精力和資源專注于要解決的業務問題上。

雖然大數據技術在“智慧公安”領域中的應用優勢明顯，但在實際應用過程中也存在一些難點問題。

難點一：過于依賴源頭信息采集，導致基層民警信息采集工作量大。在“智慧公安”領域，哪些數據是有用的，哪些是需要關心和提取的，這是一直在探索的問題，為確保公安工作有效開展，就要求盡可能廣泛獲取各種信息資源。目前，公安機關倡導信息“全警采集”，通過建立健全“信息工作基礎化、基礎工作信息化”的工作機制，將信息采集建立在扎實的基層基礎工作之上。然而，由于信息采集覆蓋面廣，必然導致基層民警信息采集任務繁重，造成信息采集效率低下、質量不高，也影響了日常警務活動的開展。

難點二：有價值的非結構化數據難以高效、直接利用。當前公安系統數據特點以結構化數據為主、半結構化數據為輔、非結構數據增量巨大。增量巨大的視頻圖像數據作為非結構化數據，不能直接實現結構化查找檢索，無法將其中有價值的信息直觀、高效的提供給各個業務需求部門。以車輛識別為例，以往建設的卡口系統主要通過車牌進行車輛識別，并以車牌為檢索條件，實現從海量過車圖片中查找車輛。然而一旦犯罪嫌疑人或交通肇事者使用假牌、套牌或進行車牌遮擋、摘掉等行為時，常規僅能識別車牌的系統就難以繼續獲取目標車輛的動態信息。遇到該類案情便只能依據車輛本身固有和難以更改的信息，如品牌、型號、顏色等從海量過車視頻圖像中依靠人工進行查找和識別目標車輛。

難點三：數據加工處理及匯集整合面臨諸多困難。針對龐雜而豐富的信息資料，只有進行整序、濃縮、升華、系統化，使之成為一個有機的整體即信息資源，才能發揮其整體效益、系統效益，并從中提煉出有價值的情報信息。當前，公安機關“條”與“條”、“塊”與“塊”、“條”與“塊”之間缺乏有效的信息交流，不同部門、不同地區的信息資料互設壁壘、互不共享或者共享不完整，導致信息資源網絡化、集成化程度低。與此同時，各類犯罪的新動向、新特點、新情況變化多樣，特別是對于團伙、流竄、同類案件，僅靠單一信息資源難以偵破案件，往往需要通過多地區、多源信息內部關聯，才能碰撞出高價值的情報線索，服務警務實戰。

難點四：數據的時效性難以得到保障。目前，用于“智慧公安”大數據的信息資源一部分從各公安業務信息系統中抽取，一部分從社會其它部門通過交流交換以定期復制、提取的方式獲得。這些信息資源都存在一定程度的時差，不具備實時性，這使得大數據分析及應用受到限制。

目前對于公安大數據的應用主要包括以下五個方面：

1、深度的數據融合

在數據融合方面，能夠實現數據的跨網、跨平臺、跨系統間的數據整合，極力促成公安網、技偵網、網安網、視頻網等數據深度融合，確保公安內部與外部、網上與網下、真實與虛擬的信息有效整合。通過數據融合，實現互聯網虛擬世界向真實世界的關聯映射，實現真實世界向虛擬世界的擴展延伸，對實名登記數據、互聯網數據、通聯數據、車輛數據、社會化數據深度關聯有機整合，真正實現“人、車、物、證、網、像”等全面刻畫。

2、變實戰經驗為業務數據模型

充分運用人工智能新技術突破人力極限，全面構建以靈敏感知、主動發現、精準推送、動態在線為特點的大數據智能應用服務體系，以公安業務實戰的需求為出發點，將案件分析、研判、處理等警務流程歸納成為應用模型，在數據挖掘、特征提取、算法優化、模型構建、知識總結和規律發現等方面實現新突破，促進大數據在公安工作全領域、全方位、全過程的深度智能應用。

3、提供關聯關系發現

通過全維度的數據分析挖掘，查找人員關系、時空軌跡、通聯信息、定位軌跡等關聯關系、規律特點、因果關系，通過流程化、可視化的方式向民警預測預知風險狀態。

4、更深層次警情研判

通過提供多種統計分析方法、數據挖掘模型和多維分析等手段，對治安態勢的預測分析、犯罪行為分析、重點人員軌跡分析和多業務庫智能碰撞比對與關聯分析，深層次、多方位的從海量數據中提煉有價值的數據，并通過多模式的比對進行智能研判，實現對重點人員異動的預警。預警信息可推送至多部門、多警種，使相關警種及時掌握警情態勢，把握穩控先機，促進跨部門信息共享及合作聯動，實現警力的科學部署和智能決策。

5、提供直觀豐富的數據展示

利用可視化技術將抽象的數據通過直觀、生動的圖形、圖表展示出來，通過曲線圖、柱狀圖、趨勢圖等綜合展現數據的詳細信息、案件趨勢走向和分布區域、人員流向等，讓數據“慧”說話，為警務工作者提供實時、直觀、整合的信息，支持決策層快速、精準制定戰略。

大數據應用具有揭示事物內在聯系的特點，有助于改變公安管理被動、粗放的工作局面。通過對警務工作大數據的研究分析，可在指揮調度、警力配置、治安防范等方面開展預測分析、制定更精細化的工作方案，將有限的警力資源投放到最關鍵的位置，實現警力邊際效應最大化。

在指揮決策、業務指導、組織管理方面，通過態勢風險、決策推演、動態評估、重大風險預警等應用，實現風險提前預警、全時態勢感知、決策綜合推演、政策動態評估。

在維穩防護、打擊犯罪、治安防控方面，通過構建維護穩定、打擊犯罪、治安防控等智能應用，實現違法犯罪精準打擊以及人地事物動態管控。

在內部管理方面，通過對警員行為監測與評估、警務保障等智能應用，實現全警警務數據鐵籠和警務保障智慧高效。

在行政管理方面，深化出入境重點人員實時管控、交通管理分析、智慧交通集成指揮被監控重點人員實時管控等方面精細化應用，實現科技強警、執法規范以及安全監管。

可以預見，基于“大數據”的應用將進一步幫助公安機關精準洞悉警務管理的趨勢和著力點，使警務工作的資源配置更加科學、協同配合更加便捷、管理服務更加高效。未來對于數據收集、組織、分析的能力將直接決定公安工作的戰斗力。