网约车案件积分预警模型构建及应用

王泽蓥，于 龙

（辽宁警察学院 治安管理系，辽宁 大连 116036）

关键字：网约车；大数据；积分预警；建设；实践

截至2020 年3 月，我国网约车用户已经达到3.62 亿，占互联网用户整体的39.4%。[1]网约车凭借其便利、高效等优势，迅速成为城市交通的重要选择之一。然而网约车的普及也使得新的社会问题浮出水面，出现了诸如郑州空姐遇害案、乐清女孩约车遇害案等新型犯罪案件，该类案件的社会危害性大、社会影响度广。面对日趋复杂的防范工作，积极顺应公安信息化警务实战的警务改革，在现有建立的大数据基础上，通过将数据量化建立积分模型把原本杂乱的信息整理出来，形成有效的信息链，可以让警方在警力部署和预防侧重上有迹可循，更好地起到提示预警的作用。

一、我国网约车问题现状

（一）网约车行业现状

互联网时代的发展浪潮下，从共享经济理念孕育而生的网约车，通过手机的移动终端改变了人们传统的出行方式，引领“互联网+交通”的新理念。《网络预约出租汽车经营服务管理暂行办法》的出台，标志着政府部门逐步放宽对网约车行业的管控，对网约车等新型经济模式采取包容和审慎的管理态度，坚守安全底线、把握市场态势[1]，提出优化完善准入条件、审批程序和服务，建立健全人身认证，加快平台参与者规范化进程，确保在共享经济的理念下，网约车能实现优化市场资源配置、推动传统交通运输行业变革、促进交通智能化、缓解城市交通出行压力等作用。如今，杭州、泉州、兰州等地正在相继放宽网约车准入限制，宁波和贵阳整合网约车和出租车驾驶证，深圳、昆明等地相继发展新能源网约车，网约车作为一个新型交通出行的趋势已经越来越明显。一方面，汽车企业助力网约车拓展市场，甚至汽车制造商跨界经营网约车业务，抢占用户流量和数据资源，2019 年广汽集团、一汽集团等近十家汽车企业推出网约车服务抢占市场份额。另一方面，网约车平台企业整合资源拓展发展空间，网约车平台企业以“集合模式”在全国范围内拓展市场，地方性网约车企业作为行业的基础力量，先行开拓地方城市的市场，为网约车行业提供坚实的客户基础，如美团点评借助自身优势与多家网约车服务商对接，整合引流入口，优化客户约车体验，将出行服务拓展至全国范围。截至2020 年，我国已有13138 家网约车平台公司，全国网约车驾驶员已达 150 多万人，日均完成业务订单超过2000 万单。基于目前网约车发展的态势来看，网约车用户规模将会持续性增长，以共享经济为基础的网约车在新的金融环境下将呈现出井喷式发展的态势。

（二）目前网约车管理存在的问题

1.相关部门管理缺失

网约车是作为一种共享经济出现的，其目的是实现闲置资源的再利用，人们从事网约车行业主要以兼职为主[2]。在如今各个城市纷纷放宽网约车准入限制之后，网约车行业已经出现了新的行业动态，共享经济已经不再“共享”，C2C模式原有的补贴机制吸引了很多自由职业的社会人员，在短时间形成了低门槛、低投入的“职业洼地”。通过对网约车司机群体现状进行调查后不难发现，原本的网约车属于典型的共享经济商业模式，在中国的局部市场却因为企业之间的相互竞争，众多企业给予网约车高额的补贴利益，使得原本的兼职变成了不少人的全职工作。公安机关对网约车却并没有像出租车行业一样进行严格的监督和管控。网约车平台除了在招聘司机时进行审查外，对运营车辆和司机监控不够全面。这使得网约车的职业门槛非常低，对于约车乘客的审查更是微弱。现实案例证明，仅依靠网约车平台的审查不足以保护司机、乘客和其他交通参与者的安全。

2.网约车呈现新的治安隐患

人们在享受新型出行方式的同时，空姐遇害案件与温州乐清事件等案件也将网约车行业安全问题暴露在人们视野中，引发社会对网约车发展问题的反思。通过对网约车行业的研究，我们发现网约车服务存在着一系列治安隐患，包括行业冲突导致的群体性事件风险，易被掌握行踪的个人信息安全风险，妨害道路交通安全风险，更严重的有侵犯乘客甚至社会公共权益的风险，如严重暴力犯罪风险。根据我国司法机关公布的数据，2018 年有54 份关于网约车案件的判决书，需要指出的是，以上数据仅为相关刑事判决数据，考虑到刑事隐案的原因，网约车案件绝不是低发案率的犯罪，此类案件必将成为社会新的治安隐患，为我们建设平安中国带来新的挑战。

（三）网约车案件的特性

1.犯罪动机呈现突发性

网约车案件与传统的出租车案件有很大的区别，在提供服务的过程中，传统出租车司机犯罪案件多为司乘合谋犯罪，司机提供运载工具（占比29.21%）；网约车司机犯罪案件多为司机与乘客或他人发生言语冲突（占比38.89%）。由言语争端引发的司乘冲突案件中，涉车费问题案件量最大，在网约车司机案件中占比 50.12%，在传统出租车司机案件中占比42.24%[3]。网约车案件的犯罪类型与以往的传统出租车案件相比有更明显的偶然性和突发性，依据现有的警察力量根本没有办法做到在嫌疑人实施犯罪的过程中进行有效地制止。

2.犯罪行为呈现暴力性

在网约车案件中，司机与乘客之间基于某种原因产生分歧，进而发生争吵，最终上升为暴力犯罪的情况较多。在网约车案件中，故意伤害罪占38.89%，交通肇事罪占16.67%，强奸罪和强制猥亵罪合计占16.67%[3]，这说明网约车案件的犯罪分子在实施犯罪过程中具有很明显的暴力性，而受害者往往会遭受到人身的伤害。

3.犯罪地点呈现特定性

网约车案件的犯罪地点也与传统出租车案件的随机地点犯罪情况不同，网约车司机在起止点沿线实施犯罪的占比最高为 57.14%，剩余有42.86%的网约车案件发生在指定路线之外，但都处在指定路线的沿途路段，所以犯罪分子在实施犯罪时很大程度上是选择在乘车地和目的地之间的路段。

4.犯罪人员呈现复杂性

网约车案件的犯罪人员呈现复杂性。根据南京公安部门提供的数据显示2016 年南京市警方发现102 名网约车司机属于在逃人员，在此基础上又发现在逃人员13 名，涉毒人员381 名。这组数据证明，网约车行业确实存在人员审查不清等重大安全隐患，其从业人员凸显了复杂性。

二、网约车案件积分预警的模型设计

（一）积分预警的基本原理

传统的积分预警模式，主要是基于基层民警的实践经验所拟定的方案。随着公安机关信息化的发展，其积分模型的设计将逐步被数据挖掘方式取代，实现以信息情报为主导的预防工作[4]。一个事件是由多个条件和因素共同构成的，事件的条件和因素将决定事件发生的概率，先通过大数据从以往发生的案件中提取条件，整理后给每一个条件根据对案件的影响力进行权重赋值，每一个因素便对应一个分值，然后得到一个普遍发生的积分点，最后用这个积分点来作为预警值。积分预警就是依托事件的条件和因素，与整理好的案件条件进行比对，将所有符合的条件罗列出来，所对应的分值相加得出的分数便是积分。积分能直接反应一个事件的可能性，将积分与预警值进行对比，实现由事件到比对再到积分最后预警的数据分析模型。积分预警可以对各种潜在的安全隐患进行数据化和量化。通过对数据的考量，公安机关能够对可疑情况提前预防。

（二）积分预警模型建立网约车案件防治的可行性分析

我们通过以往网约车案件的分析，如湖南男子杀害网约车司机案，彭某在乘坐网约车之前曾通过微信支付购买了三副手铐和两根电击棍；惠东网约车司机猥亵女乘客案，司机刘某在此前曾多次骚扰同车乘客；西安网约车司机抢劫案，司机王某在此前就出现了经济状况和家庭问题等。通过这些案件我们不难看出，在大部分网约车案件中，犯罪嫌疑人在实施犯罪行为之前都曾出现过某些潜在的可疑情况，并非所有案件都是激情犯罪。但是，因为网约车案件多发生在交通工具内，内部空间狭小，事发突然，情况紧急，而公安机关在以前办理此类案件时多数是对后果的补救行为，通过大量调查锁定犯罪嫌疑人，都是在犯罪事实已经形成，社会危害已经造成的情况下进行事后处置。无论补救的多么及时，失序行为都已经对社会造成了影响，这并不符合我们社会治安源头治理的基本治安政策也不能对潜在的犯罪分子起到震慑的作用。

治安实践证明，任何一起非法犯罪、治安事故和治安事件的发生，无论控制如何及时、处置如何规范，都会给社会秩序和民众生命财产安全带来影响甚至损害[5]，与社会治安维护的其他环节相比较，治安预防不仅能有效地减少损失，也可以节约大量的人力物力资源。社会治安的预防就需要通过对危害社会治安秩序的各种因素进行风险识别与评估[5]，对危害事件的发生概率进行推测，然后通过充分论证预测模型，建立预防制度，采取有效的预防措施和手段。如果我们在案件发生之前获取嫌疑人的潜在犯罪迹象，在犯罪嫌疑人的准备阶段进行干预，这将有效地减少此类案件的发生率。

但是，目前仅凭借公安一线的警力部署很难做到预防，以这样的方式去应对案件显然不合适，网约车案件的防治属于应用性的警务实战，而积分预警正是一种从实战角度出发的网络警务模式，积分预警依托公安机关掌握的大量数据，可以有效地通过数据的比对来获取一些行为人的异常行为。通过大量警务数据总结案件规律，识别案件热点，发生趋势和模式，设立积分预警模型。当行为人的潜在可疑情况已经到达一定程度时及时预警，而且积分预警模型设置的预警临界值，可以最低限度地减少出现预警错误的情况，让指挥者在进行警力部署和预防管控时有迹可循，通过提前干预，尽可能地防止案件发生。

（三）网约车案件积分预警要件

积分预警模型的要件是以文字、图像、语言为载体，通过对案件中嫌疑人的行为习惯、活动轨迹、作案过程、犯罪信息等提取出频繁出现的条件和因素，获取嫌疑人与犯罪行为密切相关的信息进行实体化的分析[6]。积分预警要件的价值主要体现在预警可疑犯罪行为，公安机关根据积分预警要件来获取网约车运营过程中存在的可疑信息，通过对各种可疑信息的整合分析来判断是否需要对其预警。对于积分预警模型的建立最重要的就是构建筛选案件的条件要件，根据不同地域以及地方法律法规的变化来建立模型，并在今后的使用中不断调整修订，使得模型的准确化程度和可信度达到一个较高的水平。我们将网约车案件中的预警要件归为六类：车辆信息、车主信息、行程轨迹、运营时间、乘客信息、其他异常信息。

1.车辆信息

网约车服务经营者通过对运营服务智能拆分，建立三种共享商务模式：私家车和私家车主模式、租赁公司车辆和劳务公司驾驶员模式、平台自有车辆和平台劳务驾驶员模式[7]。在这三种运营模式中，网约车平台除了在招聘和注册时对网约车司机有监管，其他情况下对于运营车辆的信息审查并不严格，网约车没有像出租车一样的统一标识，同时网约车基本以私家车的外观形式进行运营。我们在建立积分预警的时候，一定要充分考虑到网约车的车辆信息，通过车辆的维修信息以及年检信息对运营的网约车进行评估赋值，及时消除交通安全隐患，督促车辆维护保养，减少交通事故的发生。比如出现跨区域抢单的情况，车牌与注册信息不一致时，就会增添乘客的危险。在建立积分预警模型的过程中应该将此类情况纳入预警范围，通过积分的累加实现预警的功能。

2.车主信息

网约车平台在经营过程中，除了对车辆信息的审查不能及时地反映信息之外，对车主的信息由于受到权限的限制并不能全面地掌握，网约车没有像传统出租车一样的司机身份登记，乘客对司机身份、驾龄都不太了解，对于司机是否注册者本人也不太清楚。公安机关对于信息的获取则便利很多，对于网约车在运营过程中，汽车驾驶人、汽车所有者以及平台信息注册人是否一致是公安机关需要注意的重点。通过平时对车辆的例行检查，当人车出现异常的情况次数过多时，该网约车的安全危险系数就会提升，那么对于这种情况，在设计积分预警的过程中就要加以考虑，对于网约车车主的信息审查也应当加入到积分预警的考虑范围之内。根据中国司法大数据研究院的研究显示：网约车司机在提供服务过程中实施犯罪的案件中，有犯罪前科记录的司机占比11.11%，侵害乘客的有犯罪前科记录的司机占比14.29%[3]。这与网约车的特殊性不无关系，所以对于网约车司机车主的信息审查也就有必要纳入积分预警的积分范围之内。

3.行程轨迹

根据交通运输部《交通运输新业态协同监管部际联席会组织召开网约车顺风车进驻式安全检查有关情况》的报告中指出，网约车企业对人车信息监管失控，网约车案件时有发生，社会治安综合治理责任缺失，对异常行程、异常订单缺乏有效监测管理。这说明网约车服务平台对网约车出现的异常行程轨迹，并不能及时监测。而现如今的大数据模型能够识别行程中的一些异常情况，例如多次偏离既定路线、行程中过久的停留、司机在非目的地提前结束订单、经常经过案发高危路段等。我们在建立积分预警机制时，对此类情况应当给予及时的危险预警。当网约车司机多次出现行程轨迹异常等情况时，我们应当根据具体的次数来对应相应的积分，实现积分的累加预警。

4.运营时间

据调查，在提供服务过程中，传统出租车司机在夜间实施犯罪占比 29.71%，网约车司机在夜间实施犯罪占比50%[3]。在中国裁判文书网随机抽取的17 宗滴滴网约车案件（13 宗强奸案，2 宗杀人案，2 宗强奸杀人案）中，有7 宗案件发生在22～3 时，我们认为最不安全的时间段。6 宗案件是发生在傍晚的17～19 时。只有4 宗案件发生在11～15 时。也就是说，因为夜间的外部环境和汽车的封闭性激发和怂恿了犯罪人内心的侵害冲动，并在客观上形成了使犯罪得以掩护的外在条件；同时，由于夜晚的时间段，被害人处于疲惫放松状态，疏于防备，降低了实施犯罪的难度。鉴于网约车运营时间在案件中出现的频率，在建设积分预警模型时，对网约车的运营时间是一个比较有价值的预警条件。

5.乘客信息

此类信息不同于其他的预警条件要素，鉴于不同地区与网约车运营平台的合作情况不同，这类信息的获取取决于公安机关的实际情况。在网约车案件中，尚有 22.21%的案件侵害对象为司机，所以出于预防的考虑，对于乘客信息也有作为积分预警条件要素的必要。在网约车案件中，受害者为女性的比例远高于男性，而对于乘客单人乘车和与陌生人拼车、乘客具有犯罪前科等情况，也都存在一定的危险性。对于这些情况，可以根据各级公安机关获取信息的权限自行设定。

6.其他异常信息

在网约车案件中，对于网约车司机或者乘客违反法律法规的情况也应该给予考虑。对于前科人员的积分预警，按照“认定违法犯罪嫌疑人”“有重大作案嫌疑但证据不足”“有作案嫌疑”“有违法行为”等类型进行分别计算积分。例如，对于网约车司机出现违反《中华人民共和国道路交通安全法实施条例》第六十二条的情况，出于道路交通安全等考虑，也应当列入到积分预警的情况中，根据其违反次数进行累计。因为各地对于网约车的管理以及地方性法律法规的区别，各地公安机关可以根据地方治安秩序管理的需要，自行设立其他异常信息预警要件。

综上所述，在具体设立积分预警要件的过程中，根据设立的积分预警要件，在数据采集的步骤中，每一项出现可疑情况时积分预警系统应当对该车辆记一分，当同一问题出现两次及以上时，应当加记一分。如某网约车出现了一位具备可疑信息的乘客时，根据乘客信息预警要件，应当对该网约车记一分，如果该网约车有两名乘客，且两名乘客都具备可疑信息时，不仅分别对两名乘客各记一分，而且因为同一问题的重复出现，再加记一分，该网约车总共应记三分。由此根据其符合要件的多少进行加分，当累计的分数超过预警值时，进行预警。

（四）积分预警系统运行与管理

关于积分预警在警务实战中的应用路径如图1 所示，通过数据收集系统对于正在运营的网约车进行数据信息的收集，提炼出符合积分预警系统所设定的预警要件。将这些预警要件加权赋分，根据规定的赋值方法，对每辆网约车进行评估，将评估数据与预警值进行对比。如果尚未达到预警值，那么信息将返回到数据收集平台继续进行数据的再收集；如果评估数据已经超过预警值，那么说明该网约车辆存在潜在的危险，积分预警系统将对该车辆进行预警并把情况传递给负责该区域的民警。社区民警通过线下了解相关情况，确认被预警人员有准备违法违规的可能性，先由社区民警进行法制说服教育，再将相关情况上传至公安机关的指挥中心，由指挥中心对潜在案件可能高发的街道和社区适当加强某一时间段或某一街道的巡逻警力。

图1 积分预警在警务实战中的应用路径

三、积分预警模型的案例应用分析

（一）案例背景

2020 年H 市网约车司机遇害案，34 岁的被害人田某，在2020 年10 月1 日凌晨接单后，被车上三名男子袭击和抢劫，网约车司机田某最终遭遇不幸。2020 年10 月1 日凌晨3 点，三名犯罪嫌疑人原本想搭乘一辆网约车，然后选择在偏僻地段将司机打晕后将车抢走然后卖掉，在相继取消了好多个订单后，最终选定被害人田某。当车辆行驶到X 乡樱园停车区时，三名犯罪嫌疑人让司机田某熄火停车，然后趁其不备用石块猛砸田某，田某和三名犯罪嫌疑人在樱园停车区发生了激烈的搏斗，田某失去了反抗能力，此过程持续40 分钟。而后，三名犯罪嫌疑人驾车离开樱园停车区，直到他们将车停在了一处山脚下，三名犯罪嫌疑人逼迫被害人田某说出手机和银行卡密码后，将车主田某残忍杀害。

（二）积分预警模型的实际应用

根据积分预警模型的条件要件对案件中符合的可疑信息进行筛选。在本案中：首先，三名犯罪嫌疑人中张某有抢劫的犯罪前科，招某有赌博前科并且出现了严重的经济问题。其次，该网约车的运营时间属于午夜。再次，该车辆超出正常行驶该路段所需时间，在整个行车过程中出现过久的停留，并且超出规定的行驶轨迹。最后，犯罪嫌疑人在乘坐网约车之前多次取消订单，存在可疑情况。通过对该车辆存在的预警要件进行加权赋分，得到该车辆的预警分数，与预警值进行对比，该车辆已经超过预警值，对该车辆进行预警。将预警信息传递给社区民警，社区民警可以通过社区走访等警务工作方式对存在的情况进行了解，对可能存在违法违规倾向的人员采取法制说服教育，并且将走访情况传递回警务指挥中心，指挥人员可以根据社区民警回访的情况对潜在案件可能高发的街道和社区适当加强某一时间段或某一街道的巡逻警力。在对该车辆进行预警的同时，警务指挥人员也可以自行的评估，将存在高度可疑的车辆情况传递给车辆附近的值班民警，在危险发生之前及时制止，保障人民生命财产安全。

通过对实际案例的分析，积分预警对比传统条件下在案件发生后的补救行为，明显可以达到早预防的效果。当前信息化发展情况下，由大数据和网络系统所支撑的新型积分预警运行模式，可以在案发之前提前制止犯罪后果的产生。这是基于大数据下的逆向思维，更符合治安预防的要求，也可以为公安机关节约更多的警力资源[6]。