大數(shù)據(jù)可視化分析平臺的構(gòu)建與鐵路公安應(yīng)用實踐

童琳　劉旭

摘? ?要：從公安大數(shù)據(jù)技術(shù)的發(fā)展和應(yīng)用入手，探索如何有效地利用海量信息并挖掘內(nèi)在更大的價值，以便提升公安實戰(zhàn)應(yīng)用能力、建立立體化綜合防控體系。設(shè)計了一個應(yīng)用靈活的大數(shù)據(jù)可視化建模工具，將業(yè)務(wù)經(jīng)驗、研判思路與海量數(shù)據(jù)融合為符合實戰(zhàn)需求的數(shù)據(jù)模型。對典型模型的應(yīng)用效果進行了說明，對下一步公安大數(shù)據(jù)的建模和挖掘方向進行了展望。

關(guān)鍵詞：大數(shù)據(jù);可視化;數(shù)據(jù)挖掘;數(shù)據(jù)建模

中圖分類號： TP319? ? ? ? ? 文獻標(biāo)識碼：A

Abstract： Starting with the development and application of public security big data technology， this paper explores how to effectively utilize massive information and tap the inherent greater value， so as to enhance the actual combat application ability of public security and establish a three-dimensional comprehensive prevention and control system. A flexible big data visualization modeling tool is designed， which integrates business experience， research and judgment ideas and massive data into a data model that meets actual combat requirements. The application effect of typical models in major event security， epidemic prevention and control and other fields is explained， and the modeling and mining direction of public security big data in the next step is prospected.

Key words： big data; visualization; data mining ;data modeling

1 引言

近年來，隨著大數(shù)據(jù)技術(shù)和應(yīng)用的不斷發(fā)展和演進，以數(shù)據(jù)集中和共享為途徑，建設(shè)全國一體化的國家大數(shù)據(jù)中心已成為國家級戰(zhàn)略決策，以技術(shù)融合、業(yè)務(wù)融合、數(shù)據(jù)融合為特征，實現(xiàn)跨層級、跨地域、跨系統(tǒng)、跨部門、跨業(yè)務(wù)的協(xié)同管理和服務(wù)，提高社會治理社會化、法制化、智能化、專業(yè)化水平，提高預(yù)測、預(yù)警、預(yù)防各類風(fēng)險的要求也不斷提升。如何完善社會治安綜合治理體制機制，加快建設(shè)立體化、信息化社會治安防控體系，用信息化手段更好的感知社會態(tài)勢、暢通溝通渠道、輔助決策施政成為擺在政法系統(tǒng)面前的挑戰(zhàn)。從公安行業(yè)的建設(shè)與應(yīng)用實踐來看，不同警種間的壁壘正逐漸被打破，全量互通的數(shù)據(jù)中心初步形成，信息數(shù)據(jù)作為新型核心資源的重要性也不斷凸顯。為了有效地利用海量信息并挖掘內(nèi)在更大的價值，提升鐵路公安實戰(zhàn)應(yīng)用能力、建立立體化綜合防控體系，設(shè)計并建設(shè)了武漢鐵路公安局大數(shù)據(jù)可視化分析平臺（本文簡稱PDP）。

2 平臺架構(gòu)及關(guān)鍵技術(shù)

PDP平臺的主要特點有三個方面：一是面向各警種、各層級用戶的可視化、拖拽式的大數(shù)據(jù)可視化建模平臺，無需建模人員擁有計算機編程基礎(chǔ)，通過簡單培訓(xùn)就可以通過拖拽搭積木的方式實現(xiàn)自由配置數(shù)據(jù)源、數(shù)據(jù)處理融合、數(shù)據(jù)邏輯關(guān)系和模型展示方式以及模型鉆取、聯(lián)動、跳轉(zhuǎn)等功能，降低數(shù)據(jù)建模門檻，提高數(shù)據(jù)建模的效率;二是通過提供自助式、個性化的大數(shù)據(jù)可視化建模功能，形成靈活的面向個人、面向業(yè)務(wù)、面向場景的大數(shù)據(jù)分析服務(wù)能力;三是通過開放基于規(guī)則的數(shù)據(jù)分析、挖掘接口，允許業(yè)務(wù)警種基于大數(shù)據(jù)平臺的數(shù)據(jù)資源和基礎(chǔ)服務(wù)能力，自定義配置出本業(yè)務(wù)部門所需的數(shù)據(jù)分析及應(yīng)用需求。最終讓業(yè)務(wù)警種及民警個人能夠按照自己的分析研判思路，自定義數(shù)據(jù)分析流程，交由大數(shù)據(jù)平臺自動運算并獲得結(jié)果，通過多次嘗試性分析及觀察結(jié)果最終實現(xiàn)自助式優(yōu)化并確定大數(shù)據(jù)分析研判方案。

2.1 平臺整體架構(gòu)

如圖1所示，PDP系統(tǒng)總體框架在縱向上分為數(shù)據(jù)接入、數(shù)據(jù)處理、模型應(yīng)用、模型展現(xiàn)四個層級，并輔以監(jiān)控和運維管理、用戶和權(quán)限管理作為平臺的管理支撐。

（1）數(shù)據(jù)接入

考慮到數(shù)據(jù)來源的多樣化，數(shù)據(jù)接入模塊提供了多種數(shù)據(jù)的接入方式，包括數(shù)據(jù)庫直連、API數(shù)據(jù)接口以及Excel/CSV文件導(dǎo)入，系統(tǒng)底層任務(wù)調(diào)度模塊依據(jù)系統(tǒng)目前的運行情況和各服務(wù)器當(dāng)前計算能力集中調(diào)度平臺內(nèi)的資源，協(xié)調(diào)服務(wù)之間的協(xié)同運行，確保平臺的高效運行，實現(xiàn)資源最大化利用，保障快速準(zhǔn)確接入數(shù)據(jù)。

（2）數(shù)據(jù)處理

主要通過ETL工具實現(xiàn)數(shù)據(jù)在ODS、BAS、DW數(shù)據(jù)倉庫三層流轉(zhuǎn)，對接入原業(yè)務(wù)系統(tǒng)數(shù)據(jù)進行標(biāo)準(zhǔn)化、規(guī)范化清洗和梳理。其中，ODS為接入到本系統(tǒng)的原始數(shù)據(jù)，BAS是經(jīng)過代碼翻譯、計算字段、去重等處理之后的數(shù)據(jù)，DW數(shù)據(jù)倉庫則是根據(jù)應(yīng)用需要建設(shè)的一些計算結(jié)果專題庫。數(shù)據(jù)層主要由數(shù)據(jù)處理子系統(tǒng)來完成數(shù)據(jù)的抽取、清洗和轉(zhuǎn)換，保證數(shù)據(jù)的質(zhì)量。

（3）模型應(yīng)用

主要依據(jù)實戰(zhàn)模型應(yīng)用系統(tǒng)中的數(shù)據(jù)在線分析、模型搭建工具、模型展現(xiàn)工具實現(xiàn)輔助決策、實戰(zhàn)應(yīng)用、內(nèi)部管理等三大類各細項應(yīng)用模型開發(fā)建設(shè)，并支持對實戰(zhàn)應(yīng)用模型提煉出來的關(guān)鍵數(shù)據(jù)指標(biāo)進行預(yù)警條件設(shè)置，實現(xiàn)重點關(guān)注指標(biāo)、重點關(guān)注對象及軌跡預(yù)警展示和預(yù)警推送。

（4）模型展現(xiàn)

應(yīng)用模型分析結(jié)果根據(jù)不同用戶的需要，可在PC終端、大屏終端使用，并支持用戶對于匯報需求及專題展示需求定制化設(shè)計開發(fā)和建設(shè)智慧大屏。

2.2 系統(tǒng)主要功能

為了使數(shù)據(jù)更快、更好地貼合警務(wù)實戰(zhàn)需求，PDP設(shè)計了多數(shù)據(jù)源接入、數(shù)據(jù)精加工、數(shù)據(jù)在線分析建模、數(shù)字化大屏定制開發(fā)、自動預(yù)警中心等功能，同時完成了模型建設(shè)和大屏可視化工作。

（1）多源數(shù)據(jù)接入及數(shù)據(jù)處理

考慮到公安數(shù)據(jù)來源的多樣化，數(shù)據(jù)接入?yún)R聚子系統(tǒng)支持多種數(shù)據(jù)接入方式，包括本地數(shù)據(jù)上傳、數(shù)據(jù)庫直連、API數(shù)據(jù)接口等方式。

（2）數(shù)據(jù)權(quán)限靈活控制

結(jié)合日常工作流程，構(gòu)建了一套數(shù)據(jù)權(quán)限控制體系，由局一級研判人員按照需求搭建數(shù)據(jù)分析模型，管理員將其分發(fā)、共享至處、所使用人員，并根據(jù)其業(yè)務(wù)警種、部門區(qū)域展現(xiàn)不同的分析模型和分析結(jié)果。例如，某一個鐵路公安處的治安部門只能看到本轄區(qū)治安數(shù)據(jù)分析的結(jié)果，同樣，刑偵部門也只能看到轄區(qū)刑偵數(shù)據(jù)的分析結(jié)果。同時，數(shù)據(jù)權(quán)限操作還支持?jǐn)?shù)據(jù)隔離、角色分離等功能，實現(xiàn)對數(shù)據(jù)做到行列級別細粒度控制分離。

（3）數(shù)據(jù)在線分析建模

為了保證平臺的穩(wěn)定性，采用分布式存儲和計算。數(shù)據(jù)分析子系統(tǒng)支持拖拽式可視化建模，可實現(xiàn)多源數(shù)據(jù)間的比對、分析、碰撞。數(shù)據(jù)可視化子系統(tǒng)還支持豐富的圖表展示、數(shù)據(jù)鉆取和聯(lián)動。

（4）大數(shù)據(jù)模型應(yīng)用

根據(jù)需求的不同，在設(shè)計平臺應(yīng)用主題時也相應(yīng)的分為三大類：輔助決策、實戰(zhàn)應(yīng)用及內(nèi)部管理。輔助決策方面，可以進一步分為案件分析、警情分析、人流分析等專題分析，提供全局的宏觀決策支持;實戰(zhàn)應(yīng)用方面，可以將原有的優(yōu)秀技戰(zhàn)法固化為數(shù)據(jù)模型。例如，鐵路追逃人員分析、重點人員預(yù)警等;內(nèi)部管理方面，可以分為考勤管理、出差及休假分析、緝逃成果分析等。目前，基于大數(shù)據(jù)可視化平臺基礎(chǔ)上的專題應(yīng)用建設(shè)具備了一定的可擴展性，基本可滿足各個業(yè)務(wù)部門的數(shù)據(jù)分析需求。

（5）數(shù)字化智慧大屏

根據(jù)實際作戰(zhàn)指揮需要，針對重點區(qū)域，進行專業(yè)化的人流監(jiān)控預(yù)測分析，可以在系統(tǒng)中配置專題指揮調(diào)度大屏，包括所有關(guān)鍵節(jié)點、關(guān)鍵指標(biāo)以及人流趨勢情況，為指揮調(diào)配警力提供應(yīng)用支撐，還可以基于專題應(yīng)用分析的結(jié)果，通過數(shù)字大屏的形式進行展示。

（6）分析結(jié)果可視化展現(xiàn)

平臺數(shù)據(jù)分析及實戰(zhàn)應(yīng)用模型的結(jié)果可以通過數(shù)字大屏、系統(tǒng)專題分析頁面、警務(wù)通等方式展現(xiàn)。

一是網(wǎng)頁和移動客戶端界面展現(xiàn)，網(wǎng)頁支持IE/FireFox/Chrome等主流瀏覽器展現(xiàn)，并能一定程度的向下/向上兼容;客戶端支持主流警務(wù)通設(shè)備，并能一定程度的向下/向上兼容。

二是展示界面支持豐富的可視化分析方式，包括但不限于以GIS地圖、詞云、雙軸圖、?；鶊D、瀑布圖、散點圖、曲線圖、柱狀圖等形式的分析圖表展示;支持?jǐn)?shù)據(jù)與地圖的交互展示，可以在地圖上標(biāo)記點位，并對點位信息進行繼續(xù)鉆取、關(guān)聯(lián)。

三是支持拖拉拽等自助式、探索式的簡單交互方式和數(shù)據(jù)拖拽、鉆取、切片分析，大量數(shù)據(jù)也能夠快速切換不同模式的數(shù)據(jù)視圖來展示。同時，還設(shè)計了自定義報表設(shè)計需求、配色文字、報表大屏模式顯示、圖中注釋說明、從圖表中導(dǎo)出圖片/數(shù)據(jù)等功能。

四是支持內(nèi)置外置篩選器、自定義篩選器、全局篩選器、圖表聯(lián)動等多級別篩方式，可以篩選同一模型不同層面的分析結(jié)果，如警情分析結(jié)果可以按照單位條件篩選，展示上至全局總體、下至某個派出所的具體情況。還可以根據(jù)實際需求屏蔽關(guān)鍵詞或通過編寫SQL語句等方法實現(xiàn)一些自定義需求。

五是數(shù)據(jù)大屏功能可以根據(jù)需求實現(xiàn)大屏配置的功能模塊，根據(jù)大屏尺寸和分辨率進行適配，展示內(nèi)容可靈活配置，數(shù)據(jù)實時更新，多維動態(tài)滾動展示，具有靈活配置、實時更新、創(chuàng)新交互、視覺直觀的特點。

2.3 平臺關(guān)鍵技術(shù)

（1）實名制數(shù)據(jù)抓取、解析和入庫

為了確保各項重點安保工作期間情報研判工作的有序開展，重點研發(fā)建立了Mysql數(shù)據(jù)庫，用于各單位FTP傳輸數(shù)據(jù)的抓取、解析和入庫工作。

（2）模型庫

根據(jù)需求調(diào)研情況設(shè)計的分析研判應(yīng)用模型主要分為三類：

一是輔助決策類，主要包括案件專題分析、警情專題分析、隱患專題分析、乘務(wù)工作專題分析等;

二是實戰(zhàn)應(yīng)用類，主要包括重點人員模型、毒品查緝模型、安檢查危模型等;

三是內(nèi)部管理類，主要包括考勤管理、出差分析、休假分析、民警隊伍分析、反恐演練情況分析、宣傳報道情況分析、工作評估分析等。

比如，為了提升整體態(tài)勢感知和預(yù)知預(yù)警能力，確?！敖▏?0周年大慶”“軍運會”等各項安保工作順利完成，針對站車防控、警力部署、線路巡防等工作，構(gòu)建了“軍運會”警力部署分析、到漢旅客分析、違法人員血樣采集分析、在逃人員購票分析、買短乘長專題分析、乘務(wù)工作數(shù)據(jù)分析、中鐵快運發(fā)件以及發(fā)件人分析、路外傷亡情況分析、鐵路交通事故分析、閑雜人員入網(wǎng)分析等30余個分析模組、300余個分析模型，為各項安保工作提供情報支撐。尤其在此次新型冠狀病毒肺炎防疫工作中，深入開展涉疫情報分析，對鐵路流出旅客專題建模，為科學(xué)防疫奠定了良好的基礎(chǔ)。

（3）移動警務(wù)平臺APP應(yīng)用端建設(shè)

為保障局、處、所三級整體聯(lián)動，實現(xiàn)隨時隨地辦公應(yīng)用和數(shù)據(jù)可視化分析便捷化、移動化、前端化的需求，研發(fā)建立了大數(shù)據(jù)可視化平臺APP應(yīng)用端，通過不斷優(yōu)化改造APP程序功能，保障了大數(shù)據(jù)可視化分析移動端在軍運會期間順利投入使用。同時，為提升APP應(yīng)用端查看平臺分析模塊的使用體驗，對原用于PC端查看的分析模塊進行了針對性調(diào)整，建立了適應(yīng)在APP應(yīng)用端鉆取查看的多層模型架構(gòu)。

3 應(yīng)用成果

經(jīng)過將近一年的運行，平臺匯聚16億6千余萬條多源異構(gòu)數(shù)據(jù)，數(shù)據(jù)總存儲量到達336G，接入數(shù)據(jù)庫表單279張，建立數(shù)據(jù)同步任務(wù)59個、專題模組50余個、各類分析模型500余個、數(shù)據(jù)化智慧大屏15個。涉及59個數(shù)據(jù)庫、94張數(shù)據(jù)表單，并以此為基礎(chǔ)構(gòu)建了50余個具有實戰(zhàn)需求的數(shù)據(jù)模組涉及400余個數(shù)據(jù)模型，在技術(shù)上實現(xiàn)了局、處、所三級整體聯(lián)動，為各項公安實戰(zhàn)提供了有力的支撐，取得了一定的應(yīng)用成果。

3.1“平安站車路、金盾護你行”專項行動大數(shù)據(jù)模型

近年來，“買短乘長”現(xiàn)象頻頻成為輿論的熱點和社會的痛點。2019年4月7日，G7192次復(fù)興號列車因不少旅客“買短乘長”造成列車超出承運能力，出于行車安全考慮，被迫停車致使列車晚點1小時12分。同年“五一”期間，由于部分“買短乘長”旅客“強行”坐到預(yù)期目的地，導(dǎo)致5022次列車途徑淄博火車站、K8372次列車途徑南京火車站超載，正常購票乘客無法上車，引發(fā)網(wǎng)絡(luò)熱議。

“買短乘長”人員嚴(yán)重破壞了鐵路的乘車秩序和列車的運行安全。一是破壞乘車秩序。鐵路部門和旅客的關(guān)系從法律上講是合同關(guān)系—旅客購買車票，鐵路部門負責(zé)把旅客及時安全運送到目的地，相互遵守合同義務(wù)，這就是最基本的規(guī)矩，更是規(guī)則。“買短乘長”的旅客破壞了這個規(guī)則，到站不下車，影響其他人的乘坐。如果先上車后補票得不到有效禁止，對規(guī)則的破壞一再縱容，將破壞有序、良好的乘車環(huán)境，引發(fā)霸坐、占座等一系列問題;二是影響運行安全。正常時速200～300千米/小時的列車，緊急制動距離約為6500米，牽引電壓25～29千伏。在客運高峰期載重行車，隨著車身重量的增加，慣性加大，列車制動距離將增加10～20%左右，超出列車運輸能力，嚴(yán)重影響列車運行安全。

在以往的“買短乘長”案件查緝中，鐵路公安部門通常都運用現(xiàn)場查卡堵截的方式，通過加大對車站出站口的巡查力度，對可疑人員加強盤查，對查獲的無票人員、持有多張短途票等人員嚴(yán)格審查，警力耗費較大。對那些在客流高峰期間或者專門夜間“越站乘車”的人員的查獲難度更是非常巨大。

在此次“平安站車路、金盾護你行”專項行動中，將滋擾站車秩序、侵害旅客權(quán)益的行為作為信息研判的重點，針對惡意買短乘長、越站乘車、一坐到底等違法行為開展專題研判分析，積極探索利用大數(shù)據(jù)可視化分析平臺，創(chuàng)建了越站乘車專題大數(shù)據(jù)分析研判模型應(yīng)用于實戰(zhàn)。

通過向平臺匯入實名制購票數(shù)據(jù)進行數(shù)據(jù)鉆取、關(guān)聯(lián)等操作，對4億3千4百余萬條實名制購票信息進行深度挖掘，共分析獲取異常人員1000余人。再結(jié)合全路售票信息、全國公路信息、全國公共汽車信息，對異常情況達到300次以上的100余人進行深度挖掘，共發(fā)現(xiàn)61人情況特別突出，并制定方案通過派員跟蹤落地、越站所在地調(diào)取出站監(jiān)控視頻、人臉識別信息來驗證信息研判的準(zhǔn)確性。

為了方便一線民警實時應(yīng)用數(shù)據(jù)分析結(jié)果，擺脫以往依賴派出所指揮室提供支撐的情況，實現(xiàn)隨時隨地查看轄區(qū)隱患情況可視化分析結(jié)果，利用大數(shù)據(jù)可視化分析警務(wù)通APP應(yīng)用端，與PC端同步顯示模組、模型分析情況。一線民警可以通過查看手機APP實時掌握“越站乘車”嫌疑人動向，從而有目標(biāo)性、有針對性地部署查控工作，使得盲目查堵核驗的被動執(zhí)法轉(zhuǎn)變?yōu)楹笈_數(shù)據(jù)精準(zhǔn)分析支撐前端落地打擊違法犯罪的模式。為打擊惡意“買短乘長”行為強推助攻，讓違法犯罪行為得到有效地震懾和遏制。整治行動開展以后，后臺數(shù)據(jù)顯示，部分以往購票軌跡不正常的人員都恢復(fù)了正常購票，讓遵守法律法規(guī)、遵守社會秩序、遵守社會公德成為一種文明自覺。

3.2 高鐵安全隱患分析大數(shù)據(jù)模型

為了全面加強高鐵環(huán)境安全治理工作，通過搜建全局治安隱患數(shù)據(jù)，進行大數(shù)據(jù)分析建模開發(fā)，形成4個專題分析模組、50余個分析模型，建設(shè)一套同步應(yīng)用的警務(wù)通APP應(yīng)用端，為輔助治安部門評估安全態(tài)勢、研判重點隱患、針對解決難題、促進行動縱深，提供了多方位、深層次、全面性的數(shù)據(jù)分析支撐，有力確保了高鐵治安平穩(wěn)，取得了良好成效。

一是通過對接全局治安風(fēng)險管理系統(tǒng)及治安部門搜建的隱患排查數(shù)據(jù)，接入線路隱患排查情況、路外傷亡情況、防撞網(wǎng)內(nèi)行人情況、危及行車安全案件等多類數(shù)據(jù)，運用數(shù)據(jù)質(zhì)量評估、缺失值處理、異常值處理、均值增補處理、熱卡填補處理、多維去重處理、噪音數(shù)據(jù)處理等技術(shù)，將原本碎片化、低質(zhì)量、難關(guān)聯(lián)的多源異構(gòu)數(shù)據(jù)清洗、整理為結(jié)構(gòu)嚴(yán)謹(jǐn)、格式標(biāo)準(zhǔn)、量綱統(tǒng)一的標(biāo)準(zhǔn)化數(shù)據(jù)庫。

二是以固化線隱患排查防控工作思路為模型核心架構(gòu)，圍繞武漢局管內(nèi)7條重點高鐵線路（京廣高鐵、武孝城際、武岡城際、武咸城際、武九客專、合武線、漢宜線），利用大數(shù)據(jù)智能建模、深度數(shù)據(jù)挖掘、多維統(tǒng)計比對等技術(shù)，對標(biāo)準(zhǔn)化數(shù)據(jù)進行便捷的關(guān)聯(lián)、合并、聚合以及SQL操作，建設(shè)高鐵安全隱患分析大數(shù)據(jù)應(yīng)用模組4個（隱患排查數(shù)據(jù)分析模組、路外傷亡分析模組、防撞網(wǎng)內(nèi)行人分析模組、危及行車案件分析模組）、分析模型50余個，為輔助治安部門評估安全形勢、研判重點隱患、針對解決難題、促進行動縱深，提供了數(shù)據(jù)分析支撐。

三是利用警務(wù)通APP端，實現(xiàn)移動辦公應(yīng)用。利用大數(shù)據(jù)可視化分析警務(wù)通APP應(yīng)用端，與PC端同步顯示模組、模型分析情況。同時，對原用于PC端查看的分析模塊進行了針對性調(diào)整，建立適應(yīng)在警務(wù)通APP應(yīng)用端鉆取查看的多層模型架構(gòu)，提升了警務(wù)通APP應(yīng)用端查看平臺分析模塊的使用體驗。

4 結(jié)束語

經(jīng)過一期大數(shù)據(jù)可視化分析平臺的建設(shè)，已經(jīng)形成了對海量數(shù)據(jù)的分析計算能力，在打擊違法犯罪中取得了一定的成效。然而，在建設(shè)與應(yīng)用過程當(dāng)中，也顯露出了一些亟待完善的問題，如缺乏前端信息采集和后端模型計算結(jié)果輸出環(huán)節(jié)，沒有形成大數(shù)據(jù)應(yīng)用閉環(huán);缺乏對數(shù)據(jù)的掌控能力，不穩(wěn)定風(fēng)險高;缺乏完善的移動端警務(wù)應(yīng)用等。未來還將努力實現(xiàn)“縱向到底、橫向到邊”的數(shù)據(jù)聯(lián)通、情報共享、全域感知、全時預(yù)警，將鐵路公安工作由傳統(tǒng)被動型應(yīng)對處置向主動預(yù)判、預(yù)警、預(yù)防轉(zhuǎn)變，實現(xiàn)鐵路公安基礎(chǔ)業(yè)務(wù)信息采集管理、線索梳查、鐵路風(fēng)險分析研判和情報預(yù)警、指揮調(diào)度支撐等實戰(zhàn)應(yīng)用，融合云技術(shù)、人工智能和大數(shù)據(jù)分析等新技術(shù)，真正做到“平安鐵路、智慧鐵警”。

參考文獻

[1] 張震.鐵路公安大數(shù)據(jù)建設(shè)及分析應(yīng)用探究[J].法制博覽， 2020（04）：171-172.

[2] 李曦，周嵩岑.等保架構(gòu)下移動警務(wù)系統(tǒng)安全評估研究[J].網(wǎng)絡(luò)空間安全，2017，8（12）：13-16.

[3] 王生玉.構(gòu)建網(wǎng)絡(luò)智能安全運維平臺承載智慧警務(wù)未來安全發(fā)展[J].網(wǎng)絡(luò)空間安全，2016，7（Z1）：82-87.

[4] 馬克.破壞鐵路案件偵查要點實證研究[J].鐵道警察學(xué)院學(xué)報，2019，29（02）：97-103.

[5] 韓明洋.高鐵霸座事件的法律問題淺析[J].中國新通信， 2019，21（03）：219.

[6] 潘輝，張千洪，馬亞洲.淺談數(shù)字IP互聯(lián)無線通信技術(shù)在鐵路公安中的應(yīng)用[J].數(shù)字通信世界，2018（11）：27+142.

[7] 陳亞蕾.淺談高鐵時代鐵路治安防控體系的構(gòu)建[J].公安教育，2018（10）：30-34.

[8] 劉瑤.依法懲治“座霸”公德缺失綜合征[N].北京日報， 2018-08-29（014）.

[9] 桂杉.大數(shù)據(jù)背景下深入推進基礎(chǔ)信息化建設(shè)的思考—以合肥鐵路公安處為例[J].鐵道警察學(xué)院學(xué)報， 2017，27（03）：9-12.

[10] 安柏榮，郭潔，郭佳寧，黃業(yè)峰，杜坤琳.鐵路公安機關(guān)扁平化警務(wù)指揮模式建設(shè)研究—以沈陽鐵路公安處為視角[J].鐵道警察學(xué)院學(xué)報，2017，27（02）：19-23.

[11] 劉燕生.鐵路公安機關(guān)應(yīng)急調(diào)度指揮工作的現(xiàn)狀調(diào)查與對策思考以南京鐵路公安處為例[J].鐵道警察學(xué)院學(xué)報， 2017，27（01）：70-73.

作者簡介：

童琳（1983-）女，漢族，湖北武漢人，中國人民公安大學(xué)，本科;武漢鐵路公安局，警務(wù)技術(shù)二級主管;主要研究方向和關(guān)注領(lǐng)域：數(shù)據(jù)挖掘、數(shù)據(jù)建模、刑事偵查、緝毒、警用航空、無人系統(tǒng)。

劉旭（1993-）男，漢族，河南駐馬店人，河南警察學(xué)院，本科;武漢鐵路公安局，一級警員;主要研究方向和關(guān)注領(lǐng)域：數(shù)據(jù)建模、數(shù)據(jù)分析、刑事偵查、警用航空。

（本文為“2020年429首都網(wǎng)絡(luò)安全日”活動征文）