Applying Police Knowledge Graph to Aid the Implementation of Smart Policing

Digital Communication World - - 目 次 Contents -

Sun Liyu,qian Jiajun

(Mininglamp Software System, Co., Ltd., Beijing, 100084)

Abstract: Public security knowledge graph is a helpful and feasible supporting technology to develop smart policing. It transforms the massive-scale data of disparate types in the field of public security into entities such as “people, events, places, objects, organizations, and virtual IDS”, defines and mines various relationships among entities, and converts the analytical models of the best policemen into algorithms, so that necessary information and knowledge can be quickly and easily retrieved whenever needed for analysis. As a result, police departments will be able to handle large cases faster, solve more small cases, receive warnings of high-risk people in advance, and drastically improve their working efficiency.

Keywords: Public Security Big Data; knowledge graph; smart policing

1 引言

2018年初,公安部正式成立全国公安大数据工

作领导小组,宣布将大力实施公安大数据战略,确保

到2020年公安信息化建设取得重大进展、维护国家

安全和社会稳定能力有大的提升。公安部党委书记、部长赵克志指示,“要把实施公安大数据战略作为一项龙头工程来抓,加强组织领导,坚持统筹推进。”

北京明略软件系统有限公司(简称“明略数据”)是一家专注于提供支持分析决策的行业人工智能解决方案的高科技公司。在公安行业,明略数

据结合自身2014年以来服务公安机关智慧警务系统建设的经验,立足于自身在大数据和人工智能领域的技术专长,摸索出一条以公安行业知识图谱为基础的智慧警务可行建设路径。

2 智慧警务的表现特征

区别于传统的信息化建设,新时代大数据和人工智能背景下的智慧警务主要有三大革新性的表现:“万物数联”、“价值挖掘”和“未卜先知”。

“万物数联”是智慧警务的数据架构基础。公安信息化拥抱大数据时代已经有多年的历史,但是大数据却越来越成为公安的一种负担。公安机关在过去的信息化建设过程中积累了数不清的业务系统,虽然实现了海量公安数据分门别类的存储,但是系统间竖井式、孤岛化现象严重,数据脏乱差问题突出,重复建设造成的资源浪费难以避免,公安民警在实战中疲于应对五花八门的系统,综合效率未能得到提升。“万物数联”是打破数据壁垒,实现数据在线化,将全量公安数据全部连接在一起的信息高

度融合的数据架构。

“价值挖掘”是智慧警务的根本实现方法。当把公安的全量数据打通关联后,必须要基于原有的数据信息挖掘出新的价值。在信息化建设过程中,数据本身并不具有价值,只有当数据治理成信息,信息关联形成知识,知识依托于业务场景汇聚挖掘形成智慧,才能真正发挥大数据的价值。而各个领域内最宝贵的知识和智慧绝大多数存在于该领域的专家的大脑中,智慧警务也需要面向人脑中存储的经验和智慧进行“价值挖掘”。

“未卜先知”是智慧警务的核心诉求表现。公安工作从事后研判向事前预警的演变是必然的趋势。任何一起案事件,如果在事后进行分析,一定多少能在案事件发生以前找到征兆。真正的智慧警务系统应该能实现通过全量数据关联形成的天网,利用先进技术手段进行数据分析与挖掘,结合场景的业务知识,精准定位犯罪的蛛丝马迹,防患于未然。

3 公安知识图谱

知识图谱是认知人工智能领域的典型技术,其本质是一种语义网络,用来描述真实世界中存在的各种实体或概念,以及它们之间的关联关系。知识图谱技术是大数据环境下建设智慧警务的最佳选择:知识图谱的数据组织结构符合人的思维模式,是人工智能的基础环境;知识图谱的组织结构能够灵活的应对行业的数据种类变化,使得新的数据种类可以快速融合并发挥作用;知识图谱不仅存储数据,也存储领域知识,包含通用领域和行业领域内事物的全面属性、精细化分类、概念名称、特定表达,以及事物之间的基本规则、行业规则、领域规范等。 明略数据基于服务公安机关智慧警务建设的实践,形成了公安行业特有的公安知识图谱,将公 安领域海量多源异构数据转化为“人、事、地、物、组织、虚拟身份”等公安领域的实体,定义并挖掘各实体间的各种关系,将最优秀的警察的研判模式算法化,在知识图谱数据库中进行存储、管理,以便在研判等场景中迅速、便捷地调取研判所需的信息、知识,从而实现基于自然交互的人案关系双向可视化自助推演分析、公安领域的高效线索研判和深度挖掘预警。

明略数据早在2015年就建成了中国公安首个公

安知识图谱的实践案例。在某省会城市的公安局,为帮助该地公安把握全省的人员活动情况,从中发

现可疑人员和可疑行为,明略数据围绕该省约7000万常驻人口,约3000万流动人口的数据,采用了14节点的大数据集群,接入并治理数据160亿条,提取实体7.6亿,构筑关系超过20亿,形成了公安知识图

谱,且其规模随着数据的扩充还在不断增长。在如此庞大的公安知识图谱上,明略数据系统能够保证

所有推演操作<1秒,完全没有等待感;同时传统系统无法运算的4层关系碰撞也可在3秒内轻松完成。

以公安知识图谱为核心,明略数据进一步形成了“一主两翼”的智慧警务解决方案架构。其中“一主”指的是融合公安的标签、轨迹、关系三大数据体系,为公安智能化应用提供高效支撑服务的公安知识图谱应用引擎。“两翼”中“左翼”指的是图谱关联检索、全息档案研判、在线比对碰撞等应用构成的综合模块,主要提供“从案到人、从案到案”的深度研判能力。“右翼”指的是由智能积分模型、隐性嫌疑人挖掘、高危团伙挖掘、深度类案串并等智能预测预警类应用构成的综合模块,主要提供“从人到案、从证到供”的事前预测预警能力。

4 基于公安知识图谱的典型实践

明略数据利用公安知识图谱服务公安机关,形

成了大量的实践案例和应用场景的沉淀。其中,最为典型的应用场景是大数据追逃。随着逃犯反侦查意识的不断提升,存在不少抛弃原有身份隐姓埋名重新生活的逃犯。传统的追逃侦查需要耗费大量的时间和调查警力,而利用公安知识图谱,则可以轻易在全量数据网络中找到与逃犯原始身份“社交指纹”高度重合的洗白嫌疑人,极大提升研判和抓捕的效率。

在稍微复杂一些的场景中,明略数据运用公安知识图谱已经能够做到帮助公安人员提前发现潜在危险,未卜先知。以明略数据服务的某市公安局的涉毒违法犯罪分析挖掘案例为例,首先,明略数据的技术和业务专家深入学习该市涉毒违法犯罪的特征特点,汇聚了来自科信、刑侦、禁毒等警种的30多大类数据,将其组织成面向该市禁毒业务的公安知识子图谱,基于图谱提供基础战法服务和标签 服务的数据服务,打造情报检索、全息档案研判、关系网络研判、时空轨迹研判共四类辅助研判工具,设计了12种分析挖掘模型,实现了针对涉毒违法犯罪行为和团伙的精准识别与挖掘,服务当地公安主动防范和开展禁毒行动,上线以来在多次专项行动中硕果累累。

5 结束语

实现智慧警务的最终关键是人机结合。优秀的系统和算法能够帮助人脑突破物理上的极限,一方面极大提升信息处理的效率,另一方面带来思考维度的跃升,赋予人基于全量数据思考的“上帝视角”。但是,再优秀的系统和算法也无法取代人脑的智慧。明略数据坚信,只有在公安知识图谱上融合由人驱动的分析工具和数据驱动的分析模型,才能真正发挥人脑和机器的优势。大数据分析助力智慧警务实现,公安知识图谱是基础,而最终的抓手在于人。明略数据在过去、现在和将来,始终将一直与奋斗在公安领域的专家和一线警员们并肩,利用技术和服务帮助公安提升工作智能化水平,以机器换人力、以智能增效能,实现智慧警务。■

参考文献

[1] 李涓子,侯磊.知识图谱研究综述[J].山西大学学报(自然科学

版),2017, 3:454-459.

图1

图2

图3

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.