人工智能+警务：智慧警务与科技创新

　　一、大都市化与警力平衡

　　中国正在进入大城市化的进程。北京和上海人口均超过了2000万，成都、天津、广州、哈尔滨、苏州、深圳人口均超过了1000万。杭州、武汉、西安相继喊出了“准一线城市”的口号，大规模地挤入吸纳人口的行列。

　　而安全，作为人类生存的最基本需求，在中国都市化的进程中资源配备不足，普遍被忽视。

　　美国心理学家马斯洛在1943年其著作《动机论》（国内译名《动机与人格》，见参考文献第二条）中提出，认为人的需要可分为五个层次，依次是：生理的需要、安全的需要、社交的需要（包含爱与被爱，归属与领导）、尊重的需要和自我实现的需要。

　　安全需要不仅是狭义上的人身安全，也包括社会环境安全、生命财产得到保护、摆脱失业的威胁、生活有保障、病有所医等。马斯洛认为，当人的生理需要得到了充分的满足时，就会出现一种要求安全的心理，是人的一种特殊的，较高层次的心理期待。

　　安全需要的实现不仅仅需要整个生态环境具备一定的经济来源，还有赖于社会的相对稳定和不断发展，同时它也应该不断吸纳高新技术成分，为人们的发展和自我实现创造应有的条件。

　　二、警力资源与需求的对比

　　我们来看一下中国城市的数据。中国警方的总警力只有大约200万人，约占总人口的0.13%。

　　从警力对比看，美国现有警力为人口总数的28：1万，而我国干警总数仅占人口总数的9：1万；从管理人数看，每名美国警察平均管理379人，而每名中国警察平均管理1100人以上。以拥有745万人口的纽约市为例，其城市警察约为5万名（不包括联邦警察），而我国深圳市人口为1035万人，却仅有公安干警11730名。

　　在美国，警察年休假必须达到137天，否则将被视为违法。而中国一线民警平均每天工作11至15个小时。每年一个民警工作量超过3016个小时，平均3周才能休息一天。在工作任务加重而警力不足的情况下，广大民警只能靠加班加点，牺牲自己的休息时间来平衡两者之间的矛盾。

　　常年的超负荷运转，得不到充足的休息和调整，尤其是基层干警普遍患有心理抑郁、颈椎病、糖尿病和心脏病的比率较高，每年都有一些优秀的警察因为积劳成疾倒在工作岗位上。

　　从殉职人数来看，进入21世纪，中国警察的因公殉职人数略有下降，但依然居高不下，2001-2015年平均每年牺牲441人，而同期（不含2015年）美国警察的殉职人数为155人，大约是中国的1/3。在上个十年，美国共有15404名执法人员因公负伤，年均1540名。也远低于我国公安干警因公负伤的规模。

　　就出警工作流而言，中国公共管理是越来越规范。办案程序烦琐复杂，各类考评检查，造成工作压力。就简单一个人来报警，按程序走，制作笔录、接警、立案、考评、整改、扫描，总计时一个小时最快。每次出警，每个警察还要进行接收、判断、调查、出动、了解、执行，进行安全管理、查找和定位，耗费人力物力。

　　三、内外网打通的警务系统

　　我们设想一种快捷定位的警务系统，主打科技创新、随身易用、警民两用、提升效率。

　　它分为三个维度：

　　（一） 网页版警务系统

　　图1网页版警务系统

　　网页版随行警务系统面向PC端和服务器端，简而言之是一个“警务云”，将办公系统和数据搬到了云上。它可以根据功能模块，灵活设置下级云，分配各种不同的权限，查看和下载不同的数据包。

　　这种管理方式类似大型商业组织，将警力、信息、案情和资源像数据一样进行分享式、透明化的管理，灵活进行组合和调配，在有限的警力资源、专业范围的基础上，根据实战，形成虚拟团队，灵活应对各种场景和突发事件，快速出击。

　　明显的劣势是警力有限，有一个潜在优势是我们的信息存储相对无限、人工智能无限、数据分析无限。那么我们有可能通过迅捷的学习型组织，传递准确的信息，远程指挥有限的警力出击。

　　（二） 警用版系统：以处理事件为主，接信网页版发送的信息，便于同事之间合作等事宜

　　（三） 民用版系统：以报警、监护、社交为主体的安全软件

　　图2民用版警务防卫系统

　　四、精准投放理念

　　这方面笔者建议参考某些军事化的理论。

　　20世纪80年代，前苏联提出“侦察-打击综合体”（RUK）的概念，认为侦察-打击综合体将能真正地实施侦察和毁伤任务。该体系主要由三个基本元素构成：精确弹药、广域高级传感器和近实时反应的自动指挥与控制。

　　1989年柏林墙倒塌后，鉴于当时世界局势剧烈变化，美国五角大楼继承了前苏联的研究遗产，以安德鲁·克雷皮内维克（AndrewKrepinevich）为首的战争攻击评估人员提出了“远程精准打击”的思想。

　　1991年的沙漠风暴行动是美国精准打击的首次试验。F-117在43天的战斗中只出动2%的架次，却打击了40%的战略目标，创下了80%的击中记录。美国战后分析发现，侦察系统、精确弹药及隐形F-117的联合使用效果出色，让美军能够“迅速、果断、伤亡大大减少地获得胜利”。

　　上述数据和现象让我们看到某种战术思考方式：通过精确引导信息，快速投放兵力（资源），低成本迅速结束事件。结合我们的实战场景，我们来看我们在应用方案落地方式具备一定优势条件。

　　（一） 警务信息源头位置与信息区分、锁定（精确弹药）

　　（二） 大量普及的智能手机及其搭载APP客户端（广域传感器）

　　（三） 服务器端和警用随身端的近战实时反应（自动指挥与半自动指挥、自动控制与半自动控制）

　　我们来做预演分析：

　　（一） 接获要求出警信息后，我们首先是进入信息评估流程，不仅考评报案人和信息主体，而且可以用不同的参考信息相互截取和印证，进一步提升信息的评估效率。这个部分很像美军的战斗情报分析和近战指挥系统的联接部分。在一定时间压力下，产生某个分析判断的初步结果，结合资源丰沛程度，得出一个较精确的指挥判断。

　　人工智能应用于预警判断其实一点都不新鲜。2012年才建立的PredPol已经覆盖了全美上百个地区的警局，在降低犯罪率上给出了很强势的数据反馈。

　　图3PredPol公司

　　PredPol的口号是“实时预测犯罪”，其业务说起来没那么神秘。它的基本逻辑是根据过往犯罪率曲线和不断变化的犯罪事件时间、地点等数据，通过大数据分析算法，来得出哪个街区犯罪事件高发、哪条街道抢劫事件较多、哪个时间段城市比较危险这样的结论。再通过这些结论，来指导警方调整巡逻路线和巡逻时间，把更多警力投入到犯罪率偏高的时间地点上去。

　　任何警员肯定都知道重点巡逻这件事。但以前重点巡逻靠的是个人经验，而且整个警队难以统筹协调。PredPol在6年间扩大了几十倍的使用率，已在某种程度上说明了人工智能+数据分析应用于犯罪预测是有效的。

　　（二） 其实是我们这个系统比较有规模效应的部分：巨大的智能手机人群和APP使用量。

　　其中8岁以上，60岁以下人口约占中国总人口的87%，占到智能手机使用人群总数的82%。

图4各年龄端占总人口比例

　　假设只有15%的都市人群下载并安装了民用版系统，事实上，我们拥有了近1.7亿的用户群，跻身全球50强APP软件。

　　这个规模量意味着你在城市主干网络每个节点，每时每刻有5-8台手机终端可以彼此验证信息。且这个巨大的“传感器网络世界”搭建官方不用出一分钱硬件经费，已全部由消费端市场消化。

　　这时候警务应用就本着“不打搅用户、用完即退”的思想，有望在每个客户端每周至少活跃一次，每次服务20-30分钟，活跃在警力薄弱或者流动警力不足的场景，保卫人民群众生命和财产安全、保护老人、小孩和弱势群体。

　　例如网约车场景，不管如何规范管理，总是存在用户深夜打车、有人图谋不轨的情况，也不可能通过所谓的司机身份认证来完全解决问题。

　　如果使用民用版系统，某空姐下班，预订网约车，约定同时立即声明自己从某个地点回家，回家的路径总是相对固定的，系统马上根据交通数据判断，车辆大约会在某几个时间点经过几个标志节点，并设下几个自动预警等级。

　　进入系统后，系统自动分析和判断，只是施加监控，监督整个运营流程走完，APP自动报告终止节点，自然任务条结束。如果几个时间点过去，有几个标志节点先后宣告无法监测，则系统自动升级至保护环节，后台自动发信息给关键联系人，催促其主动联通空姐手机，有望抢在犯罪行为发生以前施加干预，防患于未然。

　　图5民用版客户端拓补图

　　图6 调用公共资源接口

　　五、人工智能提升警务效能的未来

　　精准投放资源的战术其实是结构成本的较量，天平的一头是人力成本，一头是科技研发与硬件制造成本。正如美军不断增加精准打击的战斧导弹，减少投入地面战斗的人员数量那样，关乎经济账和效率。

　　人工智能技术通过各个场景正在进驻警务市场，与人类角逐。就在不久之前，福特申请了一项新的自动驾驶警车专利。根据相关信息，福特的新警车不仅能够自动驾驶，还可以通过车载摄像头和传感器发现街上其他车辆的违规信息，同时它还能连接到公共摄像头等设备，组成立体化的车辆自动执法体系。

　　图7自动化警车执法

　　根据专利信息，这种警车可以在不用人类介入的情况下自己开出罚单，甚至还能根据事态来主动追踪甚至跟踪嫌疑车辆。

　　最近美国德克萨斯州应用了可协助警方侦查案件和谈判的警用机器人。这款机器人看起来就像一个小坦克，配有滚轮、踏板和记录仪，另外还配有一个双向无线电和一个可远程控制的摄像头。

　　在不造成人员伤亡的情况下，反恐特警和其他战术反应小组可以使用这款机器人对周围环境进行侦查。同时，这款机器人还具备在不同的复杂地势中进行巡逻的能力，比如楼梯、沙漠、草原和地毯等。

　　当前，全球安全形势进入新的阶段，警务工作也在不断变化当中，机器人等科技产品的发展为警察部门带来了更多的选择。面对各种危险情况，反恐机器人、排爆机器人、灭火机器人等等都能“各司其职”，在避免人类伤亡的同时，也能更好地完成任务。

　　还有一些更前沿的研究。PredPol的创始人之一，加州大学洛杉矶分校的杰夫·布兰汀汉姆教授，是今天“预测犯罪”领域的先驱和代表人物。

　　他带领的团队在名为《Partially Generative Neural Networks for Gang Crime Classification（碎片神经网络用于辨识黑帮犯罪）》的论文中提出了这样一种设想：用深度学习网络来识别帮派犯罪的特征，从而将帮派分子从人群中找出来。

　　在布兰汀汉姆团队的研究中，他们收集了洛杉矶警局2014年到2016年所有关于黑帮犯罪的数据，输入到一个深度学习神经网络中，由算法自动生成对于帮派犯罪的特征理解和行为框架。很多案件中缺失的证据环节也将有AI来主动补完。

　　经过长时间的训练，AI开始掌握了一套对帮派犯罪和黑帮分子的独特理解。回到现实中，当警方把新的嫌犯信息输入进AI系统后，就可以由AI来判断该人是不是参加了帮派组织和帮派犯罪。

　　可以预见，未来的警务应用，人力半自动控制与AI的结合将迅速成为主流，统计学、运筹学、计算数学等交叉学科彼此跨界、繁衍，共同支撑起高效能警务在各个场景大放异彩。

作者：金凡

编辑：广汉