李亞東,夏 耘,宋婷婷
(一體化指揮調(diào)度技術(shù)國家工程實(shí)驗(yàn)室,北京 100192)
大數(shù)據(jù)助推人工智能在公安指揮調(diào)度上的應(yīng)用
李亞東,夏 耘,宋婷婷
(一體化指揮調(diào)度技術(shù)國家工程實(shí)驗(yàn)室,北京 100192)
大數(shù)據(jù)為人工智能在公安指揮調(diào)度上的應(yīng)用提供了海量的數(shù)據(jù)基礎(chǔ),高度還原現(xiàn)場場景,智能推送態(tài)勢信息,并圍繞某一案事件的全景信息,為決策者快速提供輔助參考信息,節(jié)約決策成本、提高警情處置效率,高效化處置流程、便捷化人民群眾。
智能指揮;人工智能;大數(shù)據(jù)
Abstract:With the application of command, which in the basis of a large set of data, using Artificial Intelligence, highly reduce the scene, push the situation information intelligent, and provide supplementary reference information around a case of event, saving the costs of decision-making, improve the eff i ciency of police,eff i cient disposal process and facilitate the people.
Keywords:Intelligent command; Artif i cial Intelligence; Big Data
近年來,隨著云計算、大數(shù)據(jù)、腦科學(xué)、認(rèn)知科學(xué)的綜合進(jìn)步,為人工智能加速發(fā)展創(chuàng)造了極好的條件,而大數(shù)據(jù)助推人工智能的發(fā)展主要體現(xiàn)在感知、認(rèn)知、展示三個人方面。
2.1 公安智能指揮調(diào)度的應(yīng)用模式
隨著社會總體治安形勢的不斷變化,如何快速、準(zhǔn)確、高效的滿足一線實(shí)戰(zhàn)要求,成為指揮中心當(dāng)前首要目標(biāo),目前,各地指揮中心已經(jīng)紛紛開展了基于大數(shù)據(jù)的信息化系統(tǒng)的建設(shè),為事件研判提供信息支撐,然而,在事件發(fā)生后,快速派警、優(yōu)化分配任務(wù)、節(jié)約決策時間成為遏制現(xiàn)場事態(tài)惡性發(fā)展、最大程度保證群眾安全性、最低成本解決事件的關(guān)鍵因素,而人工智能技術(shù)的引入,將貫穿到接警、處警、決策、指揮、調(diào)度等實(shí)戰(zhàn)業(yè)務(wù)中去,便捷化、智能化業(yè)務(wù)流程。
2.1.1 接警智能化應(yīng)用
傳統(tǒng)的接警席所獲取的報警信息往往只來源于報警人、視頻監(jiān)控或安防報警,而無法獲取報警事件背后隱藏的信息,而隨著大數(shù)據(jù)、視頻智能分析、人工智能等信息化技術(shù)的不斷成熟,為指揮中心提供更全面的現(xiàn)場警情信息可有效提高警力利用率、降低假警率、錯警率,在接收到報警電話時,可通過語音識別自動獲取案發(fā)地址、人物信息、案件事由等信息,并根據(jù)事件信息類別自動彈出預(yù)案,推送處警建議,對于重點(diǎn)人員可通過后臺關(guān)聯(lián)的數(shù)據(jù)庫,進(jìn)行智能報警提示,對于假警情報,通過聯(lián)動現(xiàn)場視頻進(jìn)行復(fù)核,實(shí)現(xiàn)報警事件的智能化確認(rèn),如圖1所示。
圖1 接警信息智能識別
2.1.2 處警智能化應(yīng)用
在報警事件確認(rèn)完畢后,將處警流程、現(xiàn)場信息、處警注意事項等信息標(biāo)準(zhǔn)化、規(guī)范化、智能化的推送給一線警力可提高處警效率,充分利用警力資源。在這過程中,通過對處警影響因子,比如案件信息、案發(fā)地周報警力分布、事發(fā)地周邊路況信息賦予不同權(quán)重,結(jié)合人工智能機(jī)器學(xué)習(xí)技術(shù),通過模型推演、人工核驗(yàn)后形成處警指令。并在處警人員趕赴現(xiàn)場時,根據(jù)現(xiàn)場實(shí)時交通路況信息智能化推送最優(yōu)路徑給處警人員,并按級分配不同管理權(quán)限,上級對下級接處警情況可實(shí)時監(jiān)控并存儲備案,下級漏接可跳轉(zhuǎn)上級,處警更快捷,可區(qū)分警情的輕重緩急,過濾誤報。
圖2 處警指令智能化派發(fā)
2.1.3 智能化態(tài)勢應(yīng)用
態(tài)勢無論在戰(zhàn)場上還是在公安實(shí)戰(zhàn)應(yīng)用中,是指揮員了解現(xiàn)場情況,評估事件未來發(fā)展以及作出對應(yīng)決策的關(guān)鍵信息,在實(shí)戰(zhàn)過程中,保證各級終端態(tài)勢的對稱性可減少各級人員因理解不同而導(dǎo)致處置手段不一致;在決策過程中,態(tài)勢圖可作協(xié)作研討的底圖,進(jìn)行態(tài)勢的推演。
智能化態(tài)勢從態(tài)勢感知、態(tài)勢處理、態(tài)勢展示三個方面來描述,態(tài)勢感知可通過傳感器、互聯(lián)網(wǎng)、移動端、PC端等獲取現(xiàn)場氣象信息、交通流信息、場所信息、應(yīng)急資源信息、警情信息等;態(tài)勢處理則可通過態(tài)勢標(biāo)繪、態(tài)勢訂閱、態(tài)勢分發(fā)、態(tài)勢回溯、態(tài)勢研判、態(tài)勢評估等方法分析事態(tài)走向的多種可能性,將基于時空維度的現(xiàn)場態(tài)勢轉(zhuǎn)換為直觀、可視化的“態(tài)勢圖”,為指揮控制人員分析行動方案、有效決策提供支持,最終可基于大屏、PC、移動等終端表現(xiàn)形式為指揮中心人員、一線警力提供直觀可視的態(tài)勢現(xiàn)場圖、態(tài)勢趨勢圖、專題研討圖。在指揮決策過程中,將可視化圖像轉(zhuǎn)變?yōu)楸阌谥笓]調(diào)度的協(xié)作研討環(huán)境,形成面向不同業(yè)務(wù)終端的“態(tài)勢研判圖”,并結(jié)合標(biāo)準(zhǔn)化的行動指令派發(fā)給終端用戶。
圖3 智能化態(tài)勢總體設(shè)計
2.1.4 智能化決策應(yīng)用
隨著前端信息的不斷疊加,決策將日益基于數(shù)據(jù)和分析而做出,而并非基于經(jīng)驗(yàn)和直覺,然而,大而全的信息無法為指揮員減少決策成本,指揮員如何快速、準(zhǔn)確的從海量信息中篩選出有效信息,并形成一系列調(diào)度指令成為了控制現(xiàn)場局面的主要因素之一。人工智能的日益成熟為公安業(yè)務(wù)開辟了新的路徑,在案例推理、規(guī)則推理、機(jī)器學(xué)習(xí)、模糊邏輯與模糊推理、神經(jīng)網(wǎng)絡(luò)等人工智能算法基礎(chǔ)上,在發(fā)生重大案事件時,可根據(jù)事件的描述信息,通過模型計算,迅速的篩選出歷史與此事件相似的典型案例以及其所采取的預(yù)案,經(jīng)過類比思維,把相似事件的知識應(yīng)用到新事件中,從而得到新事件的解釋或解決方案[5]。
基于人工智能的決策智能化應(yīng)用可幫助決策者減少決策成本、提高決策準(zhǔn)確性,在決策方案下達(dá)后,可通過人機(jī)交互方式將其迅速分解成非常好理解和傳達(dá)的行動命令,規(guī)范化決策流程,提高決策效率。
圖4 基于案例推理的智能決策應(yīng)用流程
2.1.5 智能化預(yù)案應(yīng)用
智能化預(yù)案以案事件為核心,通過人工智能模型計算的自學(xué)習(xí),以將預(yù)案分解為標(biāo)準(zhǔn)化、序列化、智能化、行動化指令為目標(biāo),基于地理信息數(shù)據(jù)庫、模型庫、決策技術(shù)庫和預(yù)案庫,針對公安各類突發(fā)事件的不同特性和文本預(yù)案,采用預(yù)測分析模型進(jìn)行模擬預(yù)測預(yù)警,在預(yù)測預(yù)警過程中,通過模型庫的調(diào)用分析,可以通過數(shù)據(jù)(數(shù)據(jù)驅(qū)動)、模型(模型驅(qū)動)和知識(知識驅(qū)動)提供專家咨詢和輔助預(yù)警。比如在警情發(fā)生后,可通過提取警情關(guān)鍵字,如警情類別、警情級別、案件特征等,根據(jù)問題識別已有的成熟模型,分析模型所需要的數(shù)據(jù),通過它們之間的接口技術(shù)和系統(tǒng)集成技術(shù)把它們組成有機(jī)整體,采用相似度計算方法,評估新案例與舊案例之間相似程度,為當(dāng)前警情推送歷史案例的解決思路,通過案例的重用和修正形成當(dāng)前警情的智能化預(yù)案,并最終將其分解為一系列指令推送給一線警力人員。
圖5 預(yù)案的智能化分解
2.2 人工智能應(yīng)用于指揮調(diào)度的關(guān)鍵技術(shù)
2.2.1 機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)是人工智能的核心,它主要使用歸納、綜合方法,機(jī)器學(xué)習(xí)的研究是通過生理學(xué)、認(rèn)知科學(xué)等對人類學(xué)習(xí)機(jī)理的了解,建立人類學(xué)習(xí)過程的計算模型、認(rèn)知模型,進(jìn)而發(fā)展各種學(xué)習(xí)理論和學(xué)習(xí)方法,以機(jī)器學(xué)習(xí)算法為代表的人工智能技術(shù)可基于已知觀測數(shù)據(jù)建立模型,從數(shù)據(jù)中自動分析獲得規(guī)律,并利用規(guī)律對未知數(shù)據(jù)進(jìn)行預(yù)測,并根據(jù)模型來求解問題。
2.2.2 專家系統(tǒng)
專家系統(tǒng)(expert system,ES)是能把一個或多個人類專家在某一領(lǐng)域的知識集中起來,并能解決專家要解決的問題的程序,一個專家系統(tǒng)就是一個計算機(jī)程序集,該程序利用當(dāng)前的輸入信息、知識庫及一系列推理規(guī)則來完成由某一領(lǐng)域?qū)<也拍芡瓿傻墓ぷ鳌?/p>
專家系統(tǒng)是指一個具有大量行業(yè)或領(lǐng)域?qū)iT知識與經(jīng)驗(yàn)的程序系統(tǒng)。它以計算機(jī)科學(xué)技術(shù)和人工智能技術(shù)為基礎(chǔ),先根據(jù)某一行業(yè)或領(lǐng)域一些權(quán)威專家或多個專家所提供的一些相關(guān)知識和相關(guān)經(jīng)驗(yàn),再進(jìn)行深入推理和判斷,進(jìn)而可以模擬人類專家的判斷決策過程。通過這個過程,從而來幫助人們解決現(xiàn)實(shí)中一些需要人類專家來處理的一些復(fù)雜的問題。實(shí)現(xiàn)專家系統(tǒng)必須要有兩個條件:一是要擁有類似于該領(lǐng)域?qū)<医鉀Q實(shí)際問題的推理機(jī)制,二是建立一個完善的存儲有該領(lǐng)域中經(jīng)過專家事先總結(jié)、分析并按某種模式表示的專家知識庫。這兩個條件缺一不可,否則無法進(jìn)行專家識別。研究發(fā)現(xiàn),專家系統(tǒng)能對人類輸入的信息進(jìn)行快速處理,并運(yùn)用相關(guān)的行業(yè)和領(lǐng)域知識進(jìn)行推理判斷,進(jìn)而作出相應(yīng)的判斷和決策。
2.2.3 人工神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)技術(shù)(Artificial Neural Networks,ANN)具有大規(guī)模并行處理、分布式信息存儲、良好的自組織自學(xué)習(xí)能力等特點(diǎn)。通過掃描分析大量的數(shù)據(jù),在類似于人腦的神經(jīng)元網(wǎng)絡(luò)中建模,通過不斷地讓模型對輸入數(shù)據(jù)進(jìn)行機(jī)器訓(xùn)練,從而得到符合邏輯的運(yùn)算輸出。
2.2.4 案例推理CBR
案例推理(Case-based Reasoning,CBR)是美國學(xué)者Roger在動態(tài)理論中提出的[6],屬于人工智能中的一種學(xué)習(xí)方法,通過從歷史案例庫中查找與目標(biāo)案例相似的歷史案例的解決方案,為當(dāng)前問題的決策提供支持。CBR是人工智能領(lǐng)域發(fā)展起來的一項技術(shù),規(guī)避了傳統(tǒng)人工智能技術(shù)在知識和推理規(guī)則的獲取這一瓶頸上所面臨的問題,CBR的邏輯起點(diǎn)是認(rèn)知科學(xué),而認(rèn)知科學(xué)和心理學(xué)的研究認(rèn)為人類解決問題的常用方式是基于經(jīng)驗(yàn)的推理和學(xué)習(xí)。
大數(shù)據(jù)的發(fā)展為人工智能在公安指揮調(diào)度上的應(yīng)用提供了進(jìn)一步的可能性,隨著人工智能算法的不斷成熟,智能指揮調(diào)度勢必成為未來指揮控制領(lǐng)域的一個重要的研究方向。目前關(guān)于智能指揮調(diào)度的研究,仍有許多問題亟需解決,但是如果從公安實(shí)戰(zhàn)角度出發(fā),人工智能在指揮調(diào)度的應(yīng)用將為會進(jìn)一步提高公安實(shí)戰(zhàn)效率。
[1] 袁藝,祝旦龍.人工智能能否“染指”指揮藝術(shù)之花[J].學(xué)習(xí)時報,2016,7:1-2
[2] 王洪艷,郭云峰.大數(shù)據(jù)技術(shù)在人工智能中的應(yīng)用研究[J].應(yīng)用研究
[3] 徐卓函.大數(shù)據(jù)時代人工智能的創(chuàng)新與發(fā)展研究[J].信息技術(shù),2015:30-31
[4] 孫松林,陳娜.大數(shù)據(jù)助推人工智能[J].郵件設(shè)計技術(shù),2016:1-5
[5] 石浩.基于案例推理的城市應(yīng)急決策支持系統(tǒng)的研究[D].浙江:浙江工業(yè)大學(xué),2004
[6] 王凱.基于案例推理的應(yīng)急管理案例庫構(gòu)建方法研究[D].上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院
The Application of Command with Artificial Intelligence in the Boost of Big Data
Li Yadong, Xia Yun, Song Tingting
10.3969/J.ISSN.1672-7274.2017.09.009
TN929.5,TN91文獻(xiàn)標(biāo)示碼:A
1672-7274(2017)09-0024-04