公安大数据发展趋势与思考

公安大数据发展趋势与思考2015/5公安信息化历经多年一直长于出入境、户政、执法办案等规范数据格式和业务流程方面的信息系统建设，而短于面向实战的分析研判类信息系统建设，主要原因就是后者对于数据综合利用广度和数据挖掘分析深度有很高的要求，在数据存储及运算能力不足、数据采集量不够的情况下难以取得良好的效果。目前随着基础业务系统建设的不断完善，数据采集手段和技术提升所带来的数据采集广度和频次不断加大，网络传输能力不断提升，公安信息化逐渐进入了大数据时代，合理利用大数据与云计算技术提高公安信息化建设水平是一个发展趋势。本文对公安大数据的发展趋势进行探讨。公安大数据的发展，大体可以分为数据架构升级、数据价值发现、数据融合创新三个阶段。数据架构升级随着数据采集量的增大，而且数据类型多种多样，有结构化数据（比如人口档案数据、宾馆住宿记录等），也有半结构化和非结构化数据（比如监控视频、卡口照片等），这对当前公安信息化系统提出了极大挑战。传统关系型数据库和大容量存储的技术方案即将或已经出现瓶颈。对这些海量数据合理地进行存储和利用必须要进行架构升级，建立专门的数据中心是一种势不可挡的趋势，云计算和大数据会在这些数据中心落地。云计算技术通过对物理资源（CPU、存储、网络等）虚拟化，通过资源池的方式，实现应用的弹性扩展和无缝迁移，对资源进行充分利用。大数据技术包含分布式存储和分布式执行引擎，对海量公安数据进行有效地存储和利用，当前比较流行的Hadoop、MPP数据库、内存计算、流式计算、搜索都属于大数据技术的范畴。云计算和大数据技术当前已在公安内部实现局部落地。数据价值发现传统的基于SQL语句的数据分析方式已无法充分发挥海量数据的价值，公安海量数据需要经过一个价值发现或重新发现的过程。首先，对当前响应时间缓慢、运行状态不稳定的业务系统基于大数据技术进行升级改造，保证业务系统的正常高效运转。这中间主要是进行一些业务迁移和升级，以增删改查的数据处理模式为主。再者，是对已有海量数据的深度挖掘。对于结构化数据（存储在当前数据库中的数据），从业务角度出发，综合利用，深度挖掘数据模型（比如作案人预测模型、突发事件预测模型等），重新发现其潜在价值。对于半结构和非结构化数据（视频、图片等），优化语义分析技术，把非结构化数据转换为结构化数据，提升这部分数据的信息化程度，发挥出其应有的价值。数据融合创新大数据的一个特点就是价值密度低，并且仅凭单一类型数据本身无法发挥出应有的价值。不同数据放在一起会发生“化学作用”，往往比单一数据的价值大很多，比如金融数据跟电商数据碰撞在一起，就产生了像小微贷款那样的互联网金融；电信数据跟政府数据碰撞在一起，可以产生人口统计学方面的价值，帮助城市规划人们居住、工作、娱乐的场所。随着“互联网+”时代的不断发展，社会各行业数据化、互联网化，融合公安数据和社会数据为公共安全服务，做到防患于未然，是公安大数据的真正价值所在。