作者：陈鹏，中国人民公安大学信息技术与网络安全学院副教授，硕士生导师。研究方向：犯罪地理与空间分析，公安情报数据建模和警务大数据分析。
真正实现智慧警务建设目标，不仅要开展大数据的平台和体系建设，同样也需要构建起能够适应公安业务工作的数据分析体系，因为数据只有被分析和应用才能真正的发挥巨大的价值。
根据事件、人员和环境三类要素之间的数据关联关系，可以建立起公安数据分析的两种分析模式，一种是面向过去的分析，即还原式分析；另一种是面向未来的分析，即预测式分析，两种分析模式进一步又可以分为战略和战术两个层面。
（1）还原式分析
所谓还原式分析是通过对已发生的事件数据的挖掘分析来发现和确定事件的发生规律与模式以及关联的人员目标和环境类因素，其中在战略层面上主要表现为大量事件集合的通用规律挖掘，战术层面上表现为对具体事件关联要素的分析。
战略层面的还原式分析。个别事件的发生往往具有一定的偶然性和随机性，但大量同类事件的叠加则能够从一定程度上反映其内在的规律性。一方面，从环境角度通过对事件的时空分析能够有效发现事件的时间规律和空间模式，如时间上的高发时段、高发日期、高发季度以及关联的自然与社会等时间类影响因素，空间上的事件热点部位、热点区域以及关联的人文、社会、经济等空间和环境影响变量等。另一方面，从人员角度分析事件关联的人群则能够有效识别出事件相关人群的群体性特征及其行为特点，如犯罪人和受害人的籍贯分布、性别分布、年龄分布、学历分布、职业分布、行为活动规律等。因此，战略层面的还原式分析广泛用于各类事件的态势分析方面。在方法上，战略层面的还原式分析主要以统计分析或数据挖掘为主，具体包括描述性统计、可视化分析、聚类分析、关联规则挖掘等。
战术层面的还原式分析。这类分析主要体现在具体事件发生后的侦查研判，即通过事件现场的相关线索来实现对相关人员的关联查找。例如，发生事件或事件后通过现场勘查获得人脸、指纹、足印、DNA等生物类线索或手机号、身份证、账号等物理标签线索，随后通过线索分析和时空行为伴随或时空位置同现关系扩线查找逐步确认事件关联的人员身份，最后再利用个人的身份、轨迹等特征数据抽丝剥茧锁定并找到相关的人员。这种分析应用的方法相对于战略层面的还原式分析在原理上较为简单，主要为数据库检索和查找、数据项之间的比对和碰撞，但需要大量的先验性经验知识作为基础来确定分析的方向。
（2）预测式分析
如果说还原式分析是分析和挖掘事件的内在规律与表现模式，发现其关联的人员结构和环境特征，那么预测式分析则是利用还原分析得到的事件规律、模式以及相关的人员和环境类变量来实现对未来事件发生趋势及风险的预测。
战略层面的预测式分析。这类分析主要是利用具体事件与时空环境和特定人群的关联性来对事件的未来发展趋势及其风险分布进行预测和判断，应用场景主要为治安风险防控等领域。例如，根据历史上事件的时空分布特征及其与时间和空间影响性要素变量的相互作用机制来判断特定时空条件下事件发生的概率和可能性，包括时间趋势预测、空间热点预测、时空风险预测等；利用事件关联的人群和特征结构分析结果来判断在相似环境与人群结构下发生类案的可能性风险等。在方法上，这种分析所应用的方法主要为预测算法，包括时间序列预测模型、空间热点预测方法、时空风险预测技术等。
战术层面的预测式分析。相较于以事件类概率风险预测为主的战略层面的预测式分析，战术层面的预测式分析主要以事件关联人员的身份预测和行为预测为主，但这种预测需要还原式分析提供大量的有效规则作为基础，其主要应用场景为重大案事件的风险预警研判。例如，可以根据某一类事件的历史数据分析所挖掘出的人员群体结构特征及其在时空环境下的行为特征来构建模型并分析确定目标人员是否与已知群体具有相同的身份特征结构和行为特征模式，进而来判断这一类事件发生的风险概率。其主要的分析方法为机器学习中的分类算法、关系图挖掘和异常点挖掘方法等。
基于事件、人员和环境等要素的犯罪分析的基本逻辑结构可以表示为图1-2所示。简而言之，还原式分析侧重于挖掘事件的历史规律和基本模式，其输出结果为与事件存在强关联性的人员群体与时空属性等变量、规则和知识结构，而预测式分析则是在挖掘出的事件强关联变量、规则和知识结构的基础上通过对新的输入信息的加工来得到未来的趋势判断，因此，还原式分析是预测式分析的基础，预测式分析则是还原式分析在未来空间上的延伸。
图1-2 还原式分析和预测式分析的逻辑关系架构
本文摘选自《公安数据分析与决策：原理和方法》（陈鹏、胡诗妍等编著，中国人民公安大学出版社出版），已经作者授权，刊发时有删减。
声明：本文来自海致学院，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
