5G+AI讓城市執法督察智慧化

韓兆祥 羅璁 胡剛

在執法記錄儀普及以后，隨著物聯網、云計算、大數據、5G和人工智能等新一輪信息技術的發展和運用，我們發現，在城市執法中衍生出了越來越多的智能場景應用。

我們通過分析執法記錄儀和相關聯的警綜、案綜、交綜信息，實現了現場“5G+執法實時直播”“5G+警員智能定位”“AI+執法圖文識別”“AI+執法語音轉化”和“AI+執法語義理解”等對警員智能督察考核的場景應用。這些應用借助匯總各個系統考核數據，多維度大數據處理、分析和應用，旨在加強民警日常出警工作的考核，推動警務單位、民警和干部智能化科學績效考核體系的形成。

與此同時，構建執法記錄儀的智能化生成方式，對執法記錄儀的信息進行全量的分析，推動“警務留痕”，實現各系統績效數據與被考核主體相關聯，進而建立民警考核分數和警務單位、民警、干部等數據畫像，便于領導更加全面的掌握執法過程中的全量數據情況，推動執法模式從被動式督察考評向主動式、智能式督察考評轉變，打造智慧督察考核新模式。

城市執法需要智能化的考核系統

為了完善考核維度，強化各考核范圍的覆蓋度、全面性，需要構建新型的考核系統，集約當前零散的多類系統數據，提取關鍵信息，形成面向民警的新一代考核體系。

城市執法考核數據日益增加與完善，推進了物聯網、云計算、大數據、5G和人工智能等新一輪信息技術和城市執法業務需求深度融合。切實構建一套智能化的考核系統，打通所有考核數據的通道，匯聚考核數據并應用各種智慧化的業務算法模型，開發出一套集智能化民警績效考核、智能化干部績效考核、智能化單位績效考評等能力為一體的考核服務平臺是必要的。該平臺需要對績效數據進行匯聚整合、多元評估、多維測算和實時結果展示，推動“警務留痕”，實現各系統績效數據與被考核主體相關聯，推動實現5G、人工智能、大數據、云計算和物聯網等新一輪信息技術在城市執法督察考核中的深度融合和智能化應用。

基于城市執法領域業務數據的基礎，需要針對公安局的相關考核數據進行匯聚，通過來自警綜、案綜和交綜等業務系統以及民警日常出警工作內容等的考核數據，重點解決執法記錄儀的工作量自動生成、民警畫像等一系列問題，聚焦體現單位、干部、民警的工作全貌，打造基于5G+AI技術融合在城市執法中的智能場景應用，構建全面的城市執法智能督察考核體系。

城市執法智慧督察考核體系的建設，通過技術和業務深度融合的創新理念，復用了各系統豐富的數據資源，運用執法儀視頻結構化分析、執法儀語音識別、執法儀語義識別等智慧算法分析，推動城市執法智慧督察考核的應用。城市執法中針對智能督察考核建設，需要充分利用大數據、云計算、前端感知等手段，匯集接入督察數據、公安局各業務系統數據，創新督察戰法和工作機制，將監督觸角延伸至公安一線執法執勤、服務群眾、內部管理的各個環節，及時發現異常情況，推動督察工作與信息化的高度融合，變督察“被動式”為“主動式”，打造新型“智慧督察考核”模式。

5G+AI技術融合的應用實踐

在城市執法督察考核中，基于5G+AI等新一輪信息技術的智能化應用，構建了新一輪城市執法智慧督察考核體系新模式。我們針對“5G+執法實時直播”“5G+警員智能定位”“AI+執法視頻圖片”“AI+執法圖文識別”“AI+執法語音轉化”“AI+執法語義理解”“多源大數據處理和分析”等對城市執法工作的智慧督察考評場景應用，開展了深度研究探索和應用實踐，推動了原有人為或被動的督察考核模式向智慧化模式的轉變，大大提高了城市執法的便利性，提升了城市執法的效能，推動了城市執法決策的公正性、透明性和科學性。

5G+執法實時直播

在旁路輔助執法中，當前普通執法儀只能錄音和錄像，以供事后追溯。但當前指揮中心對實時事態判斷和現場指導、指揮的要求越來越高。要想將執法記錄儀作為一個警員執法的直播平臺來使用，隨時隨地供調度人員進行實時監控和現場指揮，當前的4G執法記錄儀由于帶寬不足，因此經常有黑屏和卡頓、畫面丟幀等不連續現象，效果不盡如人意。而未來的5G技術可以賦能警務多場景、多業務升級革新，可以在佩戴執法記錄儀現場移動執法過程中，對音、視頻進行記錄，并可供事后回溯;同時，可以將執法記錄儀作為一個直播軟件使用，隨時隨地的推流直播并回傳到指揮中心供調度人員進行事態判斷、人證核驗以及事后回溯等。

5G+警員智能定位

在警員執法過程中，需要對警員佩戴的執法儀的地理位置信息進行實時監控，警員位置需要在地圖上實時顯示及跟蹤。該應用可在地圖上實時顯示每個人的位置，方便警力部署。在考核模型中，對于交通大整治的警員，他們只有在路口方圓50米的范圍內連續執法30分鐘以上，才會被給予考核分數。

對于不同責任區的警員，則需要考核是否跨越責任區進行執法。對于要求在責任區內巡邏的民警，則需要用到督察模型中的警員長時間在娛樂場所逗留的位置信息模型，以糾正警員的不守紀律行為。該應用可以在地圖上設定區域范圍或者特定位置錨點，實現基于位置的打卡簽到功能，實現警員責任區區域規劃及高級定位聯動。此外，該應用可查詢警員歷史行進軌跡，可以隨時調取回顧歷史行進路線;支持定位信息列表按照所屬部門、執法者、日期時間、起始時間、終到時間等條件進行檢索，支持匯總導出縱覽，讓結果一目了然。

AI+執法視頻分析

考慮到視頻分析所用計算和存儲資源的要求都非常高，所以當前在城市執法督察考核系統中的視頻分析主要集中在云端。該應用實現了值班人員抽煙、值班人員玩手機、值班人員睡覺、值班人員未穿制服、單人進入槍庫、在槍庫玩手機、在槍庫抽煙等執法視頻督察分析模型。未來的視頻分析，會走向邊緣計算。在執法記錄儀這樣的智能警務終端，在邊緣側實現行為分析、人臉采集、車牌識別和車輛識別等端側智能+端側邊緣計算，實現端側和云端智能聯動已成為必要。

AI+執法圖文識別

隨著城市執法中各種移動執法記錄儀、智能設備的普及，越來越多的圖片產生，也有越來越多的圖片文字需要被識別。其中典型的應用場景有證件信息的自動識別和提取，自然場景中的文字識別，文檔或者宣傳資料中的文字檢測識別等。同時，由于深度學習和圖像檢測技術的發展，上述場景中文字的檢測和識別效果越來越好，機器自動識別成為可能。而機器自動識別在業務審核中給執法業務流程節省了大量的人力。在一個日常勤務工作的矛盾糾紛模型中，有如下指標項：有效時長、參與人數、民警參與度、是否驗傷、是否簽訂調解協議書、是否網辦調解。因為是矛盾糾紛調解，對是否驗傷、是否簽訂調解協議書、是否網辦調解這幾項工作無法通過語音來識別。因為在調解過程中，驗傷可能存在一方說是輕傷、一方說是重傷;一方說現在要驗傷，一方說根本沒有傷不需要驗傷的情況，因此很難通過語音引擎中的關鍵詞“驗傷”來實現指標項的數據算法：滿分10%，驗傷過得10%，沒有驗傷過得0分（由民警在執法中說出關鍵字“驗傷”，執法記錄儀進行關鍵字抓?。?。但可以通過驗傷通知書、調解協議書、網辦調解書來實現該考核模型。

這里用到的就是OCR的掃描技術。但因為驗傷通知書是人工拍攝，因此存在偏轉角度的問題。旋轉需要先判斷角度，這是人工智能的分類問題，人工智能需要判斷好角度之后旋轉回來，然后ocr。傾斜框的輸出格式：opencv中旋轉矩形框格式為[x_center，y_center，w，h，angle]，注意夾角angle的定義為，把水平軸逆時針旋轉，碰到第一條w邊，水平軸和這條邊的夾角即為angle，angle的取值范圍為（-90，0]。通用識別輸出的格式為[left，top，height，width，angle]，其中left=x_center-w/2，top=y_center-h/2，height=h，width=w，angle=angle.可以通過left，top，height，width計算出（x_center， y_center），然后根據圖4畫出對應的文本框區域，轉換代碼參考。如此，多個旋轉角度識別都沒有問題，無論文件多歪斜，均能被正確識別。

AI+執法語音轉化

同樣按照上面的日常勤務工作中的矛盾糾紛模型中的指標項：有效時長、參與人數、民警參與度、是否情緒激動等，我們需要分析執法記錄儀的語音，將其轉變為文本。凡是在其中有文本字幕的時長為有效時長，參與人數由民警的聲紋識別來實現，民警參與度則為有效時長除以音頻時長的百分比，若參與人情緒激動則按照說話的語速+音量的權重來進行匹配。因此需要用到語音引擎技術。

智能語音交互（Intelligent Speech Interaction），是基于語音識別、語音合成、自然語言理解等技術，為城市執法中的多種實際應用場景提供支撐，適用于多個應用場景，包括智能問答、智能質檢、法庭庭審實時記錄、實時演講字幕、訪談錄音轉寫等場景。該應用使用自學習平臺等工具改善了語音識別效果，而且提供了功能更豐富的管理控制臺和更易用的SDK。當前，該應用主要用于在云端進行錄音文件的識別，對城市執法中用戶上傳的錄音文件進行識別。用戶上傳完文件之后，應用可以在幾分鐘內完成識別并返回識別文本，只有用戶一次性上傳大規模數據（半小時內上傳超過500小時時長的錄音）時，才會略有延遲。該應用可用于呼叫中心語音質檢、庭審數據庫錄入、會議記錄總結、醫院病歷錄入等場景。

AI+執法語言轉化可以使用自學習平臺提升識別效果。自學習平臺提供了訓練熱詞和自學習模型的兩種方式，幫助提升上述識別服務的識別效果。特別是在城市執法者的普通話和地方方言不是很規范的情況下，自學習平臺顛覆性地提供一鍵式自助語音優化方案，極大地降低了進行語音智能優化所需要的門檻，讓不懂技術的業務人員也可以顯著提高自身業務識別的準確率。自學習平臺能夠在數分鐘之內完成業務專屬定制模型的優化、測試、上線，更能支持業務相關熱詞的實時優化，一改傳統定制優化長達數周甚至數月的漫長交付弊端。自學習平臺優化效果在很多內外部合作伙伴和項目上得到了充分驗證，很多項目最終通過自學習平臺不僅解決了效果可用性問題，還在項目中超過了競爭對手使用傳統優化方式所取得的優化效果。

熱詞功能：在語音識別服務中，如果在某些業務領域有一些特有詞，默認識別效果較差的情況下可以考慮使用熱詞功能，將這些特有詞添加到詞表，將改善這部分詞的識別結果。

自學習模型：支持上傳業務相關的文本語料訓練自學習模型，上傳之后便可以在該業務領域中獲得更高的識別準確率，例如司法、金融等領域。

AI+執法語義理解

當通過離線文件識別，獲得語音文本之后，我們需要對城市執法的規范用語進行識別。想要判斷出該城市執法者在各種執法案件中的表現以及對標準執法流程的執行程度，這時候就需要用到自然語言理解了。例如在實有人口管理的執法模型中，指標項包括：入戶走訪有效時間、入戶走訪數和現場環境三個指標項。對于入戶走訪時間，根據4G執法記錄儀測算出有效時間T（分鐘），可以得T/10分，累加得分。對于入戶走訪數，根據系統記錄，每核查1戶加1分，累加得分。對于智能分析執法環境的指標項，若參與人情緒激動則減0.5分。

首先我們需要通過規范用語對城市執法人員進行執法分類。在每次執法前，執法人員需要用標準普通話，但警員的普通話水平參差不齊，有標準的，也有不標準的，因此需要根據拼音進行模糊匹配，警員說1零，11零，要要0的，應用都識別為110接處警。同時，由于詞向量深度學習算法的結合，應用能準確識別其所屬派出所。當城市執法人員最后總結：今日走訪企業10戶，市民5戶，應用需要通過自然語言理解，將走訪戶數計算為10+5=15戶，按照15戶的走訪戶數，給該模型計算指標項的得分。

多源大數據處理和考核分析

在城市執法督察考核中，數據來源有結構化數據，也有半結構化和非結構化的數據，包括語音、圖片、視頻、文本，甚至執法儀的GPS經緯度信息等數據。對于這些多來源大數據，在接入上要實現實時和準實時接入模式，在數據加載上要實現批量加載和增量加載模式，對來源于上下級別，采用“市局-分局-派出所”等三級架構上，實現數據庫直連、消息隊列加載、短消息郵件推送等多種接入方式。在多源數據接入后，會無意將臟數據錄入業務表，分析語句在訪問這些臟數據、錯數據時，可能會運行失敗或者返回錯誤結果。

為避免此情況，應該對數據進行采集、歸集、治理、整合、應用和開放等數據全生命周期的管理工作，同時依照需要提供數據稽核業務所需的功能。具體實施時，數據稽核會根據規則將臟數據寫入指定的臟數據表（Error Table），并標明每一條臟數據為何非法，在數據導入完成后，應用將返回總共記錄數，導入記錄數的接口或者數據質量報告，以方便監控程序判斷以及處理;也可以僅打印顯示報錯信息。實現上述特性都是為了使數據稽查能夠在臟數據存在的情況下盡可能的保護系統或保證業務的順暢執行。進行數據稽查時，系統將對問題數據報錯并記錄至Error Table上。

最后，應用將多源大數據分析結果展現為城市執法人員執法能力的多維分析，包括執法人員畫像、執法能力分析和工作分析等。

對城市執法人員的考核體系，旨在加強智能化民警績效考核，科學設定考核體系，建成智能化民警考核通用模型的同時，也將加強智能化干部績效考核，綜合運用評估模塊;通過多維度客觀評價和比較領導干部履職情況，加強智能化單位績效考評，對單位績效數據進行匯聚整合、多元評估、多維測算和實時結果展示;推動“警務留痕”，實現各系統績效數據與被考核主體相關聯。在城市執法的日常工作中，績效考核是非常重要的一環，有利于對民警個人能力、工作能力、負荷等進行全方面地刻畫。

傳統考核系統，涵蓋了基礎的工作排班等維度，但是對于城市執法者辦案數量、辦案質量、出警頻次、出警質量等都缺乏有效的歸結及整合?；诖?，為了完善考核維度，強化各考核范圍的覆蓋度、全面性，需要構建新型的考核系統，集約當前零散的多來源系統數據，提取關鍵信息，形成面向城市執法者的新一代考核體系。