garlanddon
情报学与公安情报学公安情报学是情报学理论、方法运用到公安警务领域，并在公安情报工作实践中抽象、总结原理规律而形成的一门具有部门行业特征的应用情报学科。探讨和阐明情报学与公安情报学的关系，是确立公安情报学学科体系的基础，是明确公安情报学其特有理论结构、性质和功能，掌握公安情报学理论与实践发展的特点、方向及其演化规律的前提。情报学产生于20世纪40年代。二战后，伴随着科学技术的飞速发展，科技情报成几何级数增长。为了应对与解决“情报爆炸”问题，促进科学交流，提高研究效率，学者们开始关注并研究情报交流、情报离散、情报检索等问题，并产生了一系列情报学理论著作。美国的萨拉塞维奇在《情报科学引论》（1970年）中认为，情报学是专门研究人类交流现象和交流系统特性的科学[1]。前苏联情报学家米哈依洛夫在其经典著作《科学交流与情报学》（1976年）中认为情报学的主要任务是研究科学交流的理论[2]。我国第一部正式的情报学教材《情报学概论》（严怡民，1983年）中也认为[3]“情报学，是以作为一种普遍存在着的社会现象的情报和整个情报交流活动为研究对象的。情报学是专门研究科学情报的构成和特性，以及研究科学交流全过程的规律性的科学学科。”此外，哥夫曼的情报传染理论[4]、费桑的微观情报传播理论[5]、维克利的情报传递理论[6]、丰成君的“信息栈”与信息交流对数变换理论[7]已经将情报交流从科技领域扩大到社会信息范围，重视传播过程的研究，从而发展了科学情报交流理论。直到今天，交流理论是我国情报学界的主流研究范式之一。自90年代初期开始，我国情报学进入发展低谷，这一期间，许多刊物停刊，发文量锐减[8]。为此，情报学界就情报学学科建设进行了一次大讨论，讨论的重点是把“情报”扩展到“信息”概念，把“情报学”延伸到“信息管理学”领域。文献[9]统计表明，我国情报学期刊发文论文以“情报”或“情报学”打头的论文正在逐渐减少。这种迷茫和阵痛一方面是由于外部环境的变化影响，从历史上，我国情报学专业是依附于图书馆学、文献学等传统学科，在图书情报领域颇有成果，而对于更为广阔的社会领域行业，包括公安情报领域，学科积累不多。我国大多数高等院校情报学专业设置特色并不突出，各校的情报学专业的发展方向集中在图书情报、竞争情报两个领域。笔者查询中国期刊全文数据库共检索出公安情报学类有效论文73篇[①]，其中以“公安”与“情报”（或“情报学”）为关键词检索出论文35篇（含公安情报理论5篇，公安情报工作18篇，公安院校图书馆建设12篇）；以“犯罪”与“情报”（或“情报学”）为关键词检索出论文26篇，无重复25篇；以“情报”与“刑事”（或“侦查”）为关键词检索出论文共26篇，无重复13篇。73篇论文中有12篇是传统图书情报内容，所以与公安情报领域完全相关论文共61篇。统计发现，公安情报类论文几乎全部集中发表在公安警务类期刊上。公安情报类专业教材也为数不多，内容主要包括犯罪情报学与刑事侦查情报学，如王志华的《犯罪情报资料教程》、于凤玲等编著的《刑事侦查情报学》、倪德源、龚里的《公安基层情报信息分析》等。到目前为止，国内还没有一本以“公安情报学”命名的专业基础教材。这些都表明公安情报学学科的建设尚处于起步探索阶段。一门学科既有它的普遍性、一般性，也有它的特殊性、专门性。当代情报学研究可以尝试划分具体领域行业来研究，每一个行业有该行业的情报工作特征，对情报的处理、分析也必须具有该行业的专业知识和技能。情报学理论是支撑整个各项社会情报工作的“骨架”，是指导情报实践的方法论；公安情报学是众多情报种类的一种，它是“血肉”。光有“骨架”而无“血肉”，情报学的研究就只能在纯理论世界中徘徊，这也是我国当前情报学陷入困境的原因之一。情报学基础理论方法加之公安专业知识是我们构建公安情报学科的原则。公安情报学要紧紧围绕这一原则来进行学科的构建，唯有这样才能办出学科特色。情报学是一门方法论科学，它指导着具体的情报实践，是一切情报工作的基础，具体从事某个方面的情报工作就必须掌握该领域的专业知识和技能。从这个意义上说，情报学教育是旨在让人们掌握情报运动过程的规律，建立情报思维，培养情报素质，使人们在工作中使用情报学的理论与方法手段去分析解决问题[10]。 
深度解析大数据在公安领域的应用近一两年，大数据开始在公安等行业领域得到普及应用，除了行业自身的特殊要求外，大数据也带动了相关行业的需求发展。未来，基于大数据的行业应用会变得更加深入，更多的相关厂商也会涉及其中，大数据在公安领域的商业模式架构逐渐清晰起来。在安防的细分领域中，大数据在公安及智能交通探索应用得比较早，相关的解决方案和技术也比较成熟，在广西等地也已经有相关的项目落地，大数据应用系统已经上线运营，取得了预期的效果。项目应用前景看好以相关的案例来讲，在广西公安厅投入使用的大数据系统中，整个项目是以自治区的总数据为出发点，对每天在所有卡口过道产生的上千万条数据，每年大概三十亿条的数据进行分布式存储和快速检索。在此基础上，后续可以给公安用户提供进一步的解决方案和增值服务，比如已经推出的卡口过车大数据、视频图像大数据和公安情报大数据三方面的解决方案。这些方案提供多种功能的查询，以及基于测控的分析和基站行业的服务，目的就是让公安能快速科学地侦破案件。在智能交通领域，目前主要应用于车辆的疏导，比如基于不同道路、路口车流量的统计(时、日、月统计等)，根据这些统计可以分析不同时段某条道路实时的车流密度、发展方向和趋势等。这些项目的应用已经在很多大城市落地，比如平时大家在公交上看到的移动电视里播放的上下班高峰路段实时画面，就是基于大数据的技术分析所得。从应用上看，用户切实感到便捷好用，所以市场潜力很大，未来的应用会更加广泛。大数据应用存在的难题大数据本身是针对数据的存储、检索、关联、推导等有价值的挖掘，这些数据本身来说是通用的。但在安防领域，哪些数据是有用的，哪些是我们需要关心和提取的，这是目前在摸索的问题。也就是说，当前的困难在于如何让技术热点和相关业务进行结合，以提取更有价值的数据。从技术上分析，有两个技术难点：第一个难点是如何从非结构化的数据中提取结构化的数据出来。所谓非结构化数据是指在视频里面进行特征的提取，这些可能是人类不能理解和不能处理的;结构化数据则是人可以理解和处理的，比如在视频里有几个活动目标、是人还是车。如果是人，身上穿的是什么样的衣服;如果是车，车牌号是多少、什么样的品牌型号、颜色、行进速度、方向等数据，这些都是可以转化为结构化数据为人所用。目前，安防的数据很多涉及到视频数据，而视频数据本身是不能够被结构化的数据，也就不能被计算机直接所处理。所以未来摆在技术人员面前的课题是如何把视频数据转换成计算机能够处理的结构化或者半结构化数据。第二个难点是寻找这些数据之间的关联和价值。数据是有关联没关联之分的，我们只能通过工具来找。所有这些存储的特征数据，包括公安行业、平安城市中每天产生的海量视频数据，可以为很多案件的侦查提供有价值的线索。现在技术需要攻克的难题就是能不能把这些数据通过相应的工具模块，通过大数据技术把原来被忽视的数据信息关联起来，找到或提取这些数据之间的相关性，为案件的侦破和方案决策提供科学的数据依据。公安数据流动的单向性公安行业每天获取的数据数以千万，如何确保这些数据信息的安全成为行业共同关注的热点。从传统意义上讲，数据产生之后，首先要确保数据本身的安全，目前行业内有非常成熟的技术和解决方案。在海量数据面前，如果你对数据不了解，就算把这些数据摆在面前，你也很难去提取有用的数据，但这并不能作为行业忽视其重要性的借口。因为对安防厂商而言，很多有价值的数据是需要提供保护的，也就是对数据应用模式采取高规格的保护措施，因为这些数据一旦被不法分子挖掘并关联起来，可能整个地区的安全漏洞就会被利用。现在，公安的数据一般在局域网内运行，并有相关的保护措施来提供安全保障。如会把数据分成不同的网络和不同的层次，让数据在不同的网络安全系统之间，从低安全性网络向高安全性网络实行单向流动，最后在公安的核心网络里汇集所有的数据(这个安全等级是最高的，通过安全边界、物理隔离来保护)。同时在外围的视频网，主要以视频数据为主，辅以视频相关的业务，这些数据只有进入公安网后才与其他的数据发生关联，才能发掘出一些有价值的数据。比如办案民警在视频网络上，可以获取犯罪嫌疑人的照片，但这个人是谁，他的信息是什么，只有进入公安网以后才能获取，才能将相关信息匹配关联起来，然后通过其他数据库的关联，进一步挖掘出他在哪个网吧出现过，在哪个酒店居住过……以上信息都可以挖掘出来，但这种挖掘只能在高安全性网络中进行，这种信息流动都是单向的。未来的商业模式从传统的安防业务来讲，还是以公安客户投资建设系统为主，厂商提供产品和集成的解决方案，最终由集成商来做落地实施，最后交付给客户使用并进行相应的维护。同时，未来行业对大数据中数据的获取、存储、分析、处理会变得更加的专业，用户本身在处理和应用时可能会遇到各种困难，那么针对这类问题可能会有一些小型的服务公司出现，给终端用户提供各种各样专业的数据服务。比如专业的视频提取会有专业的公司切入，用专业的算法工具帮助你把视频里面的数据提取出来，或者有那些专业的通讯厂商对数据进行挖掘和处理，包括提供一些工具和服务的模式(未来会更倾向于服务的模式)。但限于公安行业的特点，这些公共服务在公安行业目前还比较难做，不过未来也可以由一些厂家对整个应用系统进行构建，以运营服务收费的方式与公安客户或者政府机构进行合作。对于大型、特别大型的项目，比如涉及到一个城市、一个省乃至全国范围的项目，一般来说可能会找专业的IT厂商来做，特别是互联网公司(现在也有牵涉其中)，他们更多是以技术提供商的角色参与，安防厂商侧重点放在业务上。这样大家分工比较明确，因为即使是技术比较领先的行业厂商，它也很难或者没有必要投大量的研发在大数据基础的研发上，而是应该将重点放在大数据的基础应用或业务解决方案上，然后底层的基础架构由IT厂商来分担完成。彼此互利共赢，持续发展。以上是小编为大家分享的关于 深度解析大数据在公安领域的应用的相关内容，更多信息可以关注环球青藤分享更多干货
面对以大数据、物联网、人工智能为代表的新一轮科技革命浪潮，公安部党委正带领全国公安机关积极推进公安大数据战略，在科技创新、数据共享、安全保护等方面进行前瞻性布局，全面推动公安工作质量变革、效率变革、动力变革，为维护改革发展稳定大局、促进社会公平正义、保证人民安居乐业作出新的更大贡献。
