1、統(tǒng)計(jì)查詢：這是對(duì)大數(shù)據(jù)最基本的應(yīng)用方式，主要面向歷史與現(xiàn)狀，回答已經(jīng)發(fā)生了什么事情，如流動(dòng)人口分區(qū)域統(tǒng)計(jì)、實(shí)有車(chē)輛歸屬地統(tǒng)計(jì)、各類案件的數(shù)量分布和趨勢(shì)。

　　2、數(shù)據(jù)挖掘：是目前大數(shù)據(jù)的核心應(yīng)用方式，其重點(diǎn)不在于發(fā)現(xiàn)因果，而是發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。這種關(guān)系可能可以直觀解釋，也可能不能馬上發(fā)現(xiàn)其中的深層次原因，但對(duì)工作具有一定指導(dǎo)意義，比如季節(jié)氣候與某些類型案件的關(guān)聯(lián)關(guān)系、車(chē)輛活動(dòng)范圍、活動(dòng)習(xí)慣與黑車(chē)的關(guān)聯(lián)關(guān)系。

　　3、預(yù)測(cè)預(yù)判：是大數(shù)據(jù)應(yīng)用未來(lái)的發(fā)展方向，在數(shù)據(jù)統(tǒng)計(jì)、分析、挖掘的基礎(chǔ)上，建立起合適的數(shù)據(jù)模型，從數(shù)據(jù)的關(guān)聯(lián)關(guān)系入手，推導(dǎo)出因果關(guān)系，能夠?qū)σ欢〞r(shí)期內(nèi)的趨勢(shì)走向做出預(yù)測(cè)，對(duì)危險(xiǎn)信號(hào)做出預(yù)警，指導(dǎo)預(yù)防工作的走向。

　　這三個(gè)層次具體到實(shí)際業(yè)務(wù)系統(tǒng)，包括圖偵、車(chē)輛特征分析系統(tǒng)、人員特征分析系統(tǒng)、視頻偵查系統(tǒng)等等。這些系統(tǒng)以普通視頻監(jiān)控、車(chē)輛/人員卡口、智能IPC等監(jiān)控前端獲取的視頻、圖片、結(jié)構(gòu)化描述為基礎(chǔ)，通過(guò)大數(shù)據(jù)平臺(tái)的智能分析，實(shí)現(xiàn)如以圖搜圖、語(yǔ)義搜圖、車(chē)輛/人員布控、疑似案件對(duì)比、詳細(xì)特征分析等等深度大數(shù)據(jù)應(yīng)用，幫助公安能夠快速、科學(xué)地偵破案件。

　　公安大數(shù)據(jù)應(yīng)用于不同警種，由于其實(shí)際應(yīng)用需求的區(qū)別，解決的問(wèn)題也有所區(qū)別。如智能交通領(lǐng)域，目前大數(shù)據(jù)主要應(yīng)用于車(chē)輛的疏導(dǎo)，比如基于不同道路、路口車(chē)流量的統(tǒng)計(jì)（時(shí)、日、月統(tǒng)計(jì)等），根據(jù)這些統(tǒng)計(jì)可以分析不同時(shí)段某條道路實(shí)時(shí)的車(chē)流密度、發(fā)展方向和趨勢(shì)等。這些應(yīng)用目前已在很多大城市落地，比如平時(shí)大家在公交上看到移動(dòng)電視里播放的上下班高峰路段實(shí)時(shí)畫(huà)面，就是基于大數(shù)據(jù)的技術(shù)分析所得。

　　公安大數(shù)據(jù)應(yīng)用的構(gòu)建方式與難點(diǎn)

　　以車(chē)輛分析系統(tǒng)為例，介紹如何在平安城市大數(shù)據(jù)平臺(tái)上構(gòu)建應(yīng)用：

　　1、數(shù)據(jù)的來(lái)源與構(gòu)成

　　基于大數(shù)據(jù)平臺(tái)的車(chē)輛分析系統(tǒng)，其數(shù)據(jù)可分為靜態(tài)數(shù)據(jù)與動(dòng)態(tài)數(shù)據(jù)。靜態(tài)數(shù)據(jù)主要來(lái)源于車(chē)駕管庫(kù)、盜搶庫(kù)、布控車(chē)輛庫(kù)、涉案車(chē)輛庫(kù)等公安業(yè)務(wù)系統(tǒng)的資源情報(bào)類數(shù)據(jù)庫(kù)，這些數(shù)據(jù)構(gòu)成了車(chē)輛數(shù)據(jù)倉(cāng)庫(kù)的核心庫(kù)。動(dòng)態(tài)數(shù)據(jù)主要是來(lái)源于卡口聯(lián)網(wǎng)平臺(tái)，其數(shù)據(jù)可分為結(jié)構(gòu)化的卡口通行數(shù)據(jù)與非結(jié)構(gòu)化的卡口過(guò)車(chē)圖片，這些數(shù)據(jù)隨著時(shí)間的推移而不斷增長(zhǎng)，構(gòu)成了車(chē)輛數(shù)據(jù)倉(cāng)庫(kù)的中心庫(kù)。來(lái)自于其他設(shè)備如槍機(jī)、球機(jī)等視頻監(jiān)控設(shè)備抓拍或截取的車(chē)輛圖片，來(lái)自于系統(tǒng)外的車(chē)輛圖片，構(gòu)成了車(chē)輛數(shù)據(jù)倉(cāng)庫(kù)的外圍庫(kù)。

　　2、數(shù)據(jù)的存儲(chǔ)

　　對(duì)于核心庫(kù)的車(chē)輛靜態(tài)數(shù)據(jù)，通常都是存儲(chǔ)于關(guān)系型數(shù)據(jù)庫(kù)中。對(duì)于中心庫(kù)的卡口通行數(shù)據(jù)，則存放在面向列的高可靠高性能分布式數(shù)據(jù)庫(kù)HBase中，其中實(shí)時(shí)過(guò)車(chē)記錄部分，因其查詢量大且更新速度快，放置在內(nèi)存中以優(yōu)化吞吐量，降低系統(tǒng)I/O負(fù)荷。外圍庫(kù)的車(chē)輛圖片數(shù)據(jù)，則存儲(chǔ)在類似于IPSAN這樣的普通存儲(chǔ)空間內(nèi)。

　　3、數(shù)據(jù)的結(jié)構(gòu)化與搜索查詢

　　對(duì)于卡口過(guò)車(chē)圖片這樣的海量非結(jié)構(gòu)化數(shù)據(jù)而言，為了實(shí)現(xiàn)數(shù)據(jù)的檢索，必須通過(guò)智能分析技術(shù)對(duì)其進(jìn)行結(jié)構(gòu)化并入庫(kù)，從卡口圖片中提取出車(chē)牌顏色、車(chē)身顏色、車(chē)標(biāo)、細(xì)分車(chē)型等傳統(tǒng)卡口前端不能提供的結(jié)構(gòu)化信息并存儲(chǔ)在HBase中。

　　在對(duì)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化以后，系統(tǒng)設(shè)計(jì)的大數(shù)據(jù)搜索引擎可以提供多種條件的簡(jiǎn)單檢索和復(fù)合檢索，這些條件包括時(shí)間、地點(diǎn)、車(chē)標(biāo)、細(xì)分車(chē)型庫(kù)等等；同時(shí)，基于車(chē)輛號(hào)牌的模糊搜索、混淆搜索（如“B”和“8”、“V”和“U”、”2”和”Z”等）功能為車(chē)輛分析系統(tǒng)的后續(xù)應(yīng)用奠定了基礎(chǔ)；此外，通過(guò)與核心庫(kù)數(shù)據(jù)的對(duì)接，在查詢過(guò)程中可以自動(dòng)調(diào)出車(chē)輛關(guān)聯(lián)的車(chē)主信息、駕駛員信息、事故/ 違法信息等。

　　4、數(shù)據(jù)的挖掘分析與應(yīng)用

　　在經(jīng)過(guò)數(shù)據(jù)的結(jié)構(gòu)化后，結(jié)合平臺(tái)提供的GIS引擎，我們可以方便的對(duì)其進(jìn)行各種類型的統(tǒng)計(jì)，為交通、刑偵等部門(mén)提供服務(wù)。這些統(tǒng)計(jì)報(bào)表包括路段路口的流量統(tǒng)計(jì)、車(chē)輛歸屬地統(tǒng)計(jì)、路段平均行程時(shí)間統(tǒng)計(jì)、路網(wǎng)交通流量統(tǒng)計(jì)、車(chē)輛出行規(guī)律統(tǒng)計(jì)等等。

　　利用卡口圖片結(jié)構(gòu)化的成果以及與車(chē)輛核心庫(kù)的對(duì)接，系統(tǒng)可以提供一套達(dá)到實(shí)戰(zhàn)水平的假套牌分析應(yīng)用。該應(yīng)用可以進(jìn)行假牌、套牌、輪換車(chē)牌等涉牌違法行為的分析，同時(shí)可以區(qū)分套牌車(chē)輛與被套牌車(chē)輛，更加精準(zhǔn)地打擊違法車(chē)輛。

　　利用卡口通行數(shù)據(jù)的挖掘分析，結(jié)合公安干警多年工作經(jīng)驗(yàn)的智慧結(jié)晶，系統(tǒng)提供一系列的卡口技戰(zhàn)法，供用戶在不同場(chǎng)景下使用。這些技戰(zhàn)法包括：車(chē)輛尾隨跟蹤分析、團(tuán)伙車(chē)輛分析、晝伏夜出車(chē)輛分析、區(qū)域徘徊車(chē)輛分析、區(qū)域車(chē)輛頻次分析、車(chē)輛活動(dòng)區(qū)域分析、路徑匹配分析、頻次變化分析等十多種。

　　5、數(shù)據(jù)的展示

　　利用平安城市大數(shù)據(jù)平臺(tái)所提供的展示框架，車(chē)輛分析系統(tǒng)的應(yīng)用功能既可以整合在平臺(tái)框架中，與其他系統(tǒng)構(gòu)成一套完整的平安城市解決方案，提供統(tǒng)一的訪問(wèn)界面與接口，也可以作為現(xiàn)有卡口聯(lián)網(wǎng)應(yīng)用系統(tǒng)的功能增強(qiáng)模塊單獨(dú)部署，提供單獨(dú)的訪問(wèn)界面與接口。

　　準(zhǔn)確率與適用性，公安大數(shù)據(jù)應(yīng)用的市場(chǎng)競(jìng)爭(zhēng)點(diǎn)

　　誠(chéng)然，如人臉識(shí)別、車(chē)輛識(shí)別等大數(shù)據(jù)技術(shù)已在安防市場(chǎng)中有所應(yīng)用，通過(guò)對(duì)視頻進(jìn)行智能分析、有效信息的結(jié)構(gòu)化數(shù)據(jù)提取，讓視頻監(jiān)控的使用者真正告別人工安防，走進(jìn)自動(dòng)安防的新時(shí)代也是目前安防行業(yè)共同的追求。但是，公安大數(shù)據(jù)的應(yīng)用還遠(yuǎn)未成熟，準(zhǔn)確率與適用性將決定誰(shuí)在不久的未來(lái)脫穎而出。

　　先是準(zhǔn)確率，以人臉?lè)治黾夹g(shù)為例。所謂人臉識(shí)別的“準(zhǔn)確率”，是指基于全世界最權(quán)威的人臉數(shù)據(jù)庫(kù)LFW進(jìn)行比對(duì)測(cè)試的成績(jī)。LFW由美國(guó)馬薩諸塞大學(xué)阿默斯特分校管理，可以認(rèn)為是一個(gè)考察深度學(xué)習(xí)系統(tǒng)人臉識(shí)別能力的“題庫(kù)”，它從互聯(lián)網(wǎng)上提取6000張不同朝向、表情和光照環(huán)境下的人臉照片作為考題，可以讓任何系統(tǒng)在里面“跑分”。跑分過(guò)程如下：LFW給出一組照片，詢問(wèn)測(cè)試中的系統(tǒng)兩張照片是不是同一個(gè)人，系統(tǒng)給出yes或no的答案。99%的準(zhǔn)確率，意味著在測(cè)試的所有題目中，人臉識(shí)別系統(tǒng)答對(duì)了99%的題目。

　　問(wèn)題的關(guān)鍵是LFW以及類似數(shù)據(jù)庫(kù)FDDB等，只是一個(gè)純粹實(shí)驗(yàn)室級(jí)別、學(xué)術(shù)性質(zhì)的測(cè)試工具，在樣本量可能達(dá)到十萬(wàn)級(jí)、百萬(wàn)級(jí)的實(shí)際商業(yè)場(chǎng)景下，測(cè)試得分高的系統(tǒng)不一定能保持已有成績(jī)，其誤識(shí)率將直線上升，甚至可能根本沒(méi)法用。部分真實(shí)復(fù)雜場(chǎng)景測(cè)試中，十萬(wàn)分之一的誤識(shí)率下，98%的人臉識(shí)別準(zhǔn)確率會(huì)直線下降到70%左右。借助人臉識(shí)別等智能分析技術(shù)，將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)是后續(xù)大數(shù)據(jù)應(yīng)用的基礎(chǔ)，所以，從目前的智能分析水平而言，準(zhǔn)確率仍將是很長(zhǎng)一段時(shí)間內(nèi)安防業(yè)共同的追求。

　　其次是適用性，這里的適用性主要指安防廠商對(duì)用戶的了解程度，涉及到應(yīng)用建設(shè)的設(shè)計(jì)到實(shí)現(xiàn)的各個(gè)方面，各個(gè)功能模塊是否是用戶真正的關(guān)注點(diǎn)、系統(tǒng)操作方式是否真正方便用戶等等，直接決定了用戶對(duì)應(yīng)用系統(tǒng)的體驗(yàn)感，這主要取決于安防廠商的行業(yè)、實(shí)際項(xiàng)目積累。當(dāng)然，無(wú)論是準(zhǔn)確率還是適用性，都無(wú)法改變大數(shù)據(jù)應(yīng)用成為公安業(yè)務(wù)應(yīng)用未來(lái)的方向。