大数据视阈下我国林区治安防控数据框架体系构建

骆家林,陈积敏,时 光

(南京森林警察学院 生态环境法治研究中心,南京 210023)

十九大报告指出要打造共建共治共享的社会治理格局,加快社会治安防控体系建设,依法打击和惩治黄赌毒黑拐骗等违法犯罪活动,保护人民人身权、财产权、人格权。习近平总书记强调推动实施国家大数据战略,加快建设数字中国。公安部已成立全国公安大数据工作领导小组,以大力实施公安大数据战略,打造数据和智慧警务,推动公安机关改革创新[1]。充分运用大数据技术和信息化手段,确保公安工作的有效性和精准性,提升公安机关社会治理能力和水平。

截至2020年3月,我国网民规模达9.04亿,互联网普及率为64.5%；我国手机网民规模达8.97亿,网民通过手机接入互联网的比例高达99.3%[2]。大数据对林业公安工作带来了机遇和挑战,90%的野生动植物贩卖等涉林刑事犯罪行为均通过互联网进行信息传递并形成严密的交易网络链条[3]。野生动物是地球上所有生命和自然生态体系的重要组成部分,其生存状况同人类可持续发展息息相关。非法野生动物交易严重影响着生物多样性、生物安全、公共卫生安全和生命健康安全。然而防范措施不到位则是造成非法野生动物交易行为猖獗的关键要素,因此在大数据战略背景下,亟待对林区社会治安防控体系数据框架进行研究[4]。

1 我国林区治安防控体系建设现状及存在问题

当前社会治安防控体系建设存在定位不准确、发展不平衡、社会参与度不高、软环境建设不足和评估困难等问题[5]。我国林区社会治安防控体系经历了萌芽期、初建期、推进期、发展期等4个阶段。第一阶段萌芽期(1991—1997年):1991年南昌会议上首次提出“三情”(山情、林情、社情)和“四网”(群防群治、边界联防、案件协查和情报信息)林业公安基层基础建设方针,全国林业公安机关开始重视林区社会治安工作；1997年福建会议上首次提出林区四网防控体系概念。第二阶段初建期(1998—2004年):1998年林业部发布《关于加强公安基层基础建设工作的通知》,进一步明确基层林业公安夯实基层基础工作,开展林区社会治安防控体系建设。第三阶段推进期(2005—2010年):公安部开展“三基工程”建设,给森林公安机关基础设施和信息化建设带来机遇,各地森林公安机关加快基层基础建设,进一步推进林区社会治安防控体系建设,出台并形成了系列制度和规范。第四阶段发展期(2011年至今):为了进一步打击森林资源和野生动植物犯罪,全国森林公安机关开展林区警务合作,出台《关于建立跨区域林区治安防范机制的指导意见》,推动建设南方8省、中东部14省等多区域的大林区警务合作,建立起以信息共享为基础、互援协作为手段、联合整治为目的的林区警务合作体系,进一步提升林区社会治安防控体系建设的效能[6-8]。

云南省是我国林区社会治安防控体系建设的典范,云南对森林资源的重视程度和管控力度在全国是位于前列。由于地域的特殊性和资源的战略性,使得云南森林公安机关高度重视林区社会治安防控体系建设,2003年10月在省内开展警务办案协作机制建设；2005年6月与老挝签订警务合作框架协议,实现国际间的警务合作；2011年2月将林区治安防控体系建设作为“平安林区”建设的重要内容；2011年12月出台《关于进一步加强林区治安防控体系建设的意见》,系统构建林区社会治安防控格局及建设思路[9]。

2018年公安体制改革启动后,2019—2020年期间,各地森林公安机关陆续改制隶属于地方公安机关,转隶后借助地方公安机关实力林区治安防控能力有所提升,但总体而言林区治安防控体系建设仍然滞后与社会治安防控体系,主要存在以下几个方面的问题。

一是林区治安防控体系定位不准。林区治安防控体系能力建设是体现国家治理体系和治理能力现代化的重要指标,要站在国家战略角度进行定位。林区治安防控体系不能仅仅定位在林区治安是否稳定,是否发生盗伐、滥发、滥捕滥猎野生动物等行为上,而是上升到公共安全和生命健康安全等国家战略角度去设计林区治安防控体系[10]。

二是警力资源不足。大数据时代下的林区治安防控体系建设,对于警力的数量和能力需求与日俱增,而基层警力资源存在着数量和结构性不足。全国森林公安机关民警实有队伍编制数量为6万余人(转隶前),管辖全国2.18亿hm2森林面积,人均管辖面积3 333hm2左右,这是警力效能不高的制约因素[11]。

三是各部门协调不到位,体系运行不规范。多区域、多部门资源协调能力不足,防控网络构建不完善。防控体系中各要素主体之间的互动、联动不足,森林公安机关作为主体的导向型不足,责任与权利严重不匹配,导致林区治安防控体系建设的广度和力度大打折扣。此外,还有缺少政策支持,基础设施薄弱,人员水平参差不齐等问题,这些问题限制了林区治安防控体系的构建与发展。随着大数据战略的逐步推进,各种先进的技术与理念被不断应用到治安防控体系中,针对目前林区治安防控存在的问题,亟待需要一套全新的林区治安防控体系,以更加高效的实现林区治安管理。

四是科技含量低,覆盖面不全面。大数据和科技警务理念缺失,效率不高。由于林区区域的固有属性,当前林区治安防控体系构建存在与信息化对接和融合不够,大部分停留在原始的人防和物防等层面居多,技防中尤其是信息防控运用的较少,防范效率不高。

2 林区治安防控体系框架构建

随着各种数据主体产生的大量数据关联性的增强,大数据技术近年来被越来越重视,其在决策制定与趋势预测等领域具有极高的商业和社会价值。而其体量大,种类多,信息密度低,价值高等特点,使得目前数据挖掘技术发展迅速,而且已经产生很多成熟技术可以进入实际场景使用。将大数据中目前最新的前沿技术应用于林区治安防控体系的构建中,可以实现林区治安的全天候,全覆盖以及全关联式防控[12]。针对当前单一数据不足以解决复杂安全问题的困境,以及安防系统友好性的问题,以“数据”作为对象,设计了一套基于大数据的立体感知防控系统,从预防到分析决策,后期的执行以及平时的宣传和舆论引导,全方位的提升了防控效率,减少了人力成本。系统具体可以分成3个模块,如图1所示。

图1 基于大数据的林区治安防控体系框架

2.1 数据采集模块

数据采集模块中包含动态数据数据采集,静态数据采集以及数据统一化3个方面(图2)。

图2 数据采集模块框架图

1) 动态数据收集。所谓动态数据就是随着时间空间不断变化的数据。一套网格化巡防系统用于动态数据的采集,是由大量的传感器和摄像头以及卫星数据系统组成。具体来说,第一步是在所要管辖的区域内,针对当前林情的特点,将获取传感器和视频数据的设备安装放置在需要被检测的地点。第二步将林区中放置的设备联网,将所有的设备组成一个局域网,而一个显而易见的问题是管辖的林区面积一般都比较大,对每个结点连接持续性电源不现实,如果采用常规的组网方式,常规的数据节点,电池容量是一个问题。此处选择目前在物联网领域的一个全新组网技术——LORA无线技术,即低功耗无线局域网,在同样的功耗下,传播距离是传统无线射频的5倍左右,在郊区可以达到15km。一个中心LORA网关结点可以连接上万个LORA结点,由于采用了低功耗,慢速传播,其电池寿命可以达到10年。因此,LORA网络非常适合林区的网格化布控。第三步利用卫星定位和成像技术,对管辖片区内的各类人员、车辆以及动植物的分布进行实时监控和调度。这里的卫星系统采用我国自主研发的北斗卫星系统,北斗系统目前可以精准地实现实时二维三维地图更新,警力热力图分布,并且可以对人和车辆进行轨迹跟踪,这在后面执行模块对于警力调度具有很大作用[13]。

2020年5G正式商用,届时北斗数据和LORA局域网结点数据都会更好地应用于整个防控系统。网格化巡防系统采集的动态数据外,还有一类动态数据需要采集,即网络舆论数据。网络舆论数据作为整个宣传工作的重点,对于后期进行舆论引导决策的制定具有重要意义[14-15]。而网络舆论数据的抓取可以通过网络爬虫等相关技术实现,这类技术目前已经比较成熟,可以有效解决舆论数据采集问题。

2) 静态数据收集。静态数据是指不需要随着时间和空间变化而实时采集的数据。林区治安防控体系包括各种LORA结点的位置信息、各种摄像头位置数据,各种场所位置数据,警务人员的信息,重点监控人员的信息,车辆信息,防控设备信息,林区各种动植物信息,生态大数据信息等。

对于静态数据一般可以从相关部门获取,相对于动态数据,其获取成本较低,但对于整个林区治安防控体系具有重要价值,一般与动态数据配合使用,可以极大提高整个系统的防控能力。比如：对于可疑人员进入林区,可以通过视频数据获取人脸图像,然后采用人类识别技术与静态数据中的人脸数据库匹配确定身份,进而制定执行决策。

3) 数据统一化。每个林区都需要针对自身特点设计网格结点,比如有的林区需要整体湿度数据,就需要设置湿度传感器,有的林区需要检测某种哺乳动物数据,就需要在每个结点设置动物特定的红外温度传感器等。对于不同的林区,其数据种类是多样化的,因此在进行网格化布局之前,需要对目前使用的各种数据进行统一的格式化声明,在实际使用中,按照之前声明的格式进行处理和存储,实现多源数据,多协议处理,从而达到实时监控的目标,这对于将数据统一处理和管理具有重要意义[16]。

2.2 数据分析与决策模块

1) 在数据分析与决策模块中,针对不同的数据分析与决策能力,将此模块分成3个层次:市级数据中心,省级数据中心,国家数据中心。每个层次的数据中心都可以独立的对林区的统一化数据进行大数据分析,并作出决策。由于当前林区治安防控中遇到的问题比较多元化,而且每个林区上传的数据种类和规模也不相同,对于有些治安防控问题,涉及的数据比较单一,处理决策也比较简单,只需要简单操作既可以作出决策,这个时候就可以将其传入市级数据中心,由市级中心的数据分析得出相应结果,然后结合相关市级专家意见得出决策。而对于一些比较复杂的治安防控问题,以及处理的数据相对复杂的情况,在市级数据中心处理不了的时候,需要将其传入数据处理能力更强大的省级数据中心进行相关的数据分析,由省级专家根据分析结果作出决策。如果传入的数据过于复杂,在省级数据中心也处理不了或者处理结果不满意的情况下,最后可以将处理结果传到国家数据中心,由国家数据中心进行数据分析,并由相关专家根据分析结果得出决策[17]。

2) 根据处理的数据级别将数据分析并作出决策的过程分成3个层次,这样的分层结构优点可以极大地降低计算能力的空闲时间,提高效率。如果只是单一结构,所有的森林防控数据都汇聚到一个数据中心,这样不仅使得整个数据中心的工作量剧增,而且也不利于资源调度,所以采用分层结构更加合理实用。对于在每一层的数据中心都需要进行数据分析,并根据分析结果作出决策。而数据分析主要依靠的是大数据的计算机算法,作出决策则是根据数据分析和专家的经验完成。

3) 当前从数据采集端传入的数据以及应对的防控问题都是多种多样的,从而在数据分析端则需要具体问题具体对待。可以用于大数据分析的方法有很多,比如人工智能、机器学习、深度学习、极限学习、生成对抗、MLPG等。这些方法的使用可以极大的提高办案效率。对于决策过程,一方面是结合数据分析的结果,另一方面结合专家的经验产生的。而对于决策本身不仅包括了对于具体事件的指导,还包括具体的资源调度策略以及执行方式[18]。

2.3 执行模块

当具体的事件通过数据分析和决策模块得到具体决策以后,就将决策发送到执行模块。在执行模块中,利用大数据技术同样可以提高执行效率优化执行的结果。比如：在舆论导控中,可以利用大数据抓取数据分析当前的舆论走向,对某一地区进行针对性的舆论引导；在审讯过程中,可以通过基于大数据的情绪与表情分析系统,准确获取当前嫌疑人的心理活动,进而引导进一步审讯。在防止滥砍滥发的问题上,可以通过大数据了解重点人员的流动轨迹,同时也可以在容易作案的地带放置监控设备,起到防控效果[19]。在执行模块中,利用大数据技术不仅可以提高执行效率,同时还可以降低人力成本,使得资源可以更加合理的调配。

2.4 模块的联合工作机制

通过数据采集、数据分析与决策、执行等模块,利用大数据技术可以极大改善林区治安防控效率。由于数据采集模块中设置了一个网格化巡防网络,对于整个林区的关键路口或者位置都进行了视频结点的布控,而且对一些重点监测人员都进行了人脸数据的采集。如果此时有陌生车辆进入林区,首先林区的摄像头可以拍摄到车辆的图片并识别其车牌号码,北斗系统也可以实时锁定该车辆,并进行车辆轨迹跟踪。如果进入林区相关区域,则车辆轨迹和位置可以通过传感器获取。当车上人员下车,其人脸照片也是可以通过隐藏摄像头获取。然后数据采集模块将这些信息传送到数据分析决策模块,数据中心在获取这些数据后,首先对人脸图像进行识别,并从数据库中获取人脸对应的身份信息,然后通过传过来的实时视频,相关专家可以判断这些人是否从事违法行为,并作出决策。如果该车辆作案后逃跑,则可以根据摄像头和北斗轨迹定位获取其实时位置,并根据目前警力大数据进行警力调用实施抓捕。当抓捕完成后,将信息实时反馈到对应数据中心[20-21]。

上述3个模块相辅相成,缺一不可。而且在具体执行过程中,还需要不断反馈信息到数据中心,这样又可以不断丰富数据,使得以后的执行决策制定的更加精确。

3 结语

通过构建基于大数据的林区治安防控体系可以做到全量感知,使用过程可以通过数据流不断完善全要素的林区治安大数据库。可以构建泛在、多维复杂的林区社会数据网络。还可以对实时的人口,警力,单位以及安防设备进行全覆盖调配。整体上来说,这个体系基本上解决了当前林区警力不足、执行效率不高等的问题。由于本文中采用的很多技术是目前最前沿的科技,在具体使用上还需要优化。另外，本套体系在决策过程中,增加了人工的参与,如果将这些人工的经验转化成用大数据表示,则整个系统就完成了智能化的转变,这是以后的研究方向。