基于積木思維的警務數據應用中臺設計與研究

金玲春 ，陳 波 ，吳立選 ，李 嵐

(1.浙江省臺州市公安局， 臺州318000；2.浙江省公安廳， 杭州310009；3.哈爾濱商業大學 計算機與信息工程學院， 哈爾濱,150020 )

1 數據中臺概述

中臺其實是個外來概念，在英文中，它所對應的單詞和“平臺”是相同的，都是platformm，作用主要是連接、溝通.最初，中臺主要被用在軍事指揮上.美軍率先發明了指揮中臺，對前方作戰單位進行統一協調.在國內企業中，阿里巴巴是最早采用數字中臺的.2015年，該集團創始人馬云參觀了著名游戲公司Supercell(超級細胞).在參觀期間，它被這個僅有200人公司的高效所深深震撼.于是，他決定學習Supercell的做法，對阿里巴巴進行中臺化改造，組建了共享業務事業部(Shared Services Platform)，通過這一部門溝通前端的業務部門和后端的云平臺，極大提升了阿里巴巴內部各部門間的協調能力.阿里巴巴的做法，很快被其他企業所效仿，由此催生了現在的“中臺熱”[1-2].

在傳統的企業組織架構之下,企業各部門之間的數據往往是不流通的，甚至數據的搜集和存儲也各有各的規矩，“數據孤島”現象十分明顯.這樣一來，企業就很難綜合利用自己搜集到的數據信息來進行決策.而數據中臺的建設以如何簡單快速地使用數據為中心，通過數據治理，消除編碼不一致、數據冗余、業務邏輯錯誤等問題，從而打破內部壁壘，盤活數據資產，深挖數據價值，對內對外提供統一的數據服務.

數據中臺更多的是業界在大數據平臺發展到一定階段后的一種思維升級,大數據平臺是一種“技術優先”的思維，而數據中臺則是“數據優先”的思維[3].數據中臺是指通過智能數據技術對海量數據進行采集、存儲、計算、加工、應用的數據“大腦”生態系統，具有服務重用、服務進化、數據積累、快速響應、降低成本、效能提升等優點，通過統一數據形式來形成標準數據，提供高效能數據服務[1].

數據中臺有狹義和廣義之分.狹義的數據中臺是指通過數據技術，對海量數據進行采集、存儲、加工、服務.數據中臺依據數據標準進行存儲，形成數據資源池，進而為客戶提供高效服務.廣義的數據中臺除了擁有一系列數據技術棧之外，還包括數據模型、算法服務、數據產品、應用管理等能力[4].

2 警務數據應用背景

隨著大數據、物聯網、5G、人工智能等新技術的不斷發展應用，公安機關擁有的數據量大幅增加，特別是感知類數據量呈井噴式增長趨勢，如何有效應用這些實效性高、更新快的海量數據，以及對現有的業務數據進行融合應用，公安機關進行了大量的探索，成效明顯.但在數據應用過程中，還存在不少問題，一是感知類數據未和已有公安業務數據充分融合，導致無法深度刻畫業務對象屬性；二是各類應用可能由不同單位單獨建設封閉應用，造成一定程度上的重復建設和資源浪費；三是數據應用模型創建的復雜程度高，決定了只有技術型民警才能靈活創建模型，而業務型民警難以在應用中將業務經驗快速轉化為模型來求證；四是大量模型的應用成果沒有轉換為全警共有的應用資產，開發成果不能很快形成可對外提供共享服務的資產.

針對上述警務數據應用中存在的難點，本文提出基于積木思維的警務數據應用中臺設計思路，為更好地應用警務數據提供一條可行路徑.類似風靡全球的樂高積木搭建做法，數據應用中臺讓數據應用模型創建像搭積木那樣簡單快捷，圍繞海量警務數據，可以隨需而動快速配置實戰應用模型.

3 警務數據應用中臺設計與實現

3.1 總體架構設計

應用中臺在整體架構上分為四層，如圖1所示，分別是數據接入層、原子算法層、業務模型層和前臺展示層.數據接入層是基礎，接入各類數據，經數據治理后形成數據資產，這是業務數據化的過程；原子算法層和業務模型層構成應用中臺的核心，是數據業務化的過程，前者用于定義、編排算子，后者通過算子的組合來構建應用模型；應用展示層通過可視化服務調用、API調用等形式為第三方應用提供服務[5-8].

1)數據接入層：整合包括感知類數據、公安業務數據和其他數據等在內的所有警務數據，為原子算法層提供基礎數據支撐.在數據的組織及定義上，將把數據資源劃分為感知類數據、業務類數據和空間類數據.在數據接入層，關鍵是做好數據治理，讓數據更加準確完整，并且安全合規，才能釋放出大數據的無限潛能，挖掘出更多有價值的數據應用.通過數據治理，從設計、開發、部署和使用上保障數據口徑的規范和統一，實現數據資產全鏈路管理，并提供標準數據輸出[9-12].

2)原子算法層：原子算法層以數據接入層的數據資源為數據基礎，根據各類數據特性及算法場景要求構建不同類型的數據基本算法集，形成原子算法池.算子猶如積木，為業務模型搭建提供最小引用單元.在算法上，通過對算法共性應用需求的精準分析，并對各類數據資源的感知屬性、時間屬性、空間屬性等方面進行規則定義，生成可被模型引用的共性特征算法.

3)業務模型層：提供模型定義功能.根據具體業務需求，從原子算法層的算法集中選取合適算子進行交、并、差等數據集合操作或數據清洗、過濾、分組等數據操作，以得到最終所需的數據.業務模型層通過各原子算法的靈活組合運算，可按需定制并封裝成可對外提供服務的業務模型集.

4)前臺展示層：業務模型集通過開放可視化服務調用或API服務調用接口，為第三方應用提供業務模型服務.第三方應用側重于最終數據展現，復雜的邏輯判斷規則不再是模型實現的技術壁壘，同時敏捷的開發及應用模式也避免了同類算法同類模型的重復建設[13-15].

3.2 原子算法設計

根據各類業務目標整合所需數據資源并根據業務邏輯判斷規則構建數據間的關聯關系，使之成為可被引用的業務模型最小單元.原子算法除具備通用模型工具共性的數據實體關聯、交差并運算、相關性運算等通用算法外，還具備可視化編輯、拖拉拽配置連線、各模型因子準確性測試與驗證等功能.在應用中將各類業務目標對應的最小數據分析單元進行業務提取并生成可組裝、可配置、可構建的原子算法，最終用戶可通過組合原子算法來構建符合業務需求的分析模型.

3.2.1 原子算法構建過程

原子算法構建過程包含四個方面，如圖2所示.

①確認算法應用場景.根據感知類數據的最小算法單元對應用場景進行分析，以切片化構建應用場景算法需求.

②明確接入數據資源.根據算法應用場景，明確需要哪些數據資源進行支撐，按照數據資源進行定義，如沒有標準則通過創建數據模板進行標準化數據導入.

③明確分析規則.根據算法應用場景需求、數據資源范圍對算法的規則進行輸出，明確算法規則，保證業務分析的唯一性和準確性；

④明確輸入輸出參數.根據算法的應用場景要求，明確算法的輸入參數及輸出結果信息.

3.2.2 原子算法創建方法

利用“五度法”來構建一個原子算法，即從感知的維度、時間的精度、空間的緯度、活動的密度和關聯的集成度等五個角度來進行設計.如圖3所示.

圖3 “五度法”設計原子算法

①感知的維度：由各類感知設備采集的數據構成多感知的數據維度.

②時間的精度：由各類數據的時間屬性構成時間的精度，這些時間因素按照區間段及特定時間段等方式進行規則制定.

③空間的緯度：由各類數據采集地點構成空間的維度.這些空間因素按照指定區域或特定采集點進行規則制定.

④活動的密度：由各類數據的特性相關聯的行為構成活動的密度，按照人、車、物等不同數據屬性進行定義，如出現、消失等行為活動因素.

⑤關聯的集成度：由感知數據、業務數據和其他數據等構成數據融合的集成度.

3.2.3 原子算法設計說明示例

下面以“車牌號碼相同卻不同車輛”的算子設計為例進行說明.

算法簡要描述：針對卡口通行數據中相同車牌號碼但是不同車輛特征的車輛進行比對分析，查找出車牌號碼相同卻是不同車輛的通行及基本信息.

使用數據資源說明：車輛卡口通行信息、車輛基本信息

算法分析規則說明：通過對相同車牌的卡口通行數據進行比對，在車牌號碼、車牌顏色相同的基礎上而其他數據項不匹配則視為相同車牌不同車輛.并同車輛基本信息進行比對，輸出車牌號碼和車輛特征信息匹配和不匹配的通行記錄和車輛信息.

輸入參數說明：兩種方式，一是輸入車輛通過卡口的起止時間；二是輸入車輛通行卡口起止時間和車牌號碼.

輸出結果說明：針對輸入參數兩種方式輸出結果，第一種輸出在通過卡口起止時間的所有存在車牌號碼相同但車輛特征不同的通行記錄并標識是否登記車輛；第二種輸出特定車牌號碼是否存在車牌號碼相同但不同車輛特征的通行記錄.

這個簡單示例采用“五度法”設計，即從感知的維度、時間的精度、空間的緯度和關聯的集成度等四個角度來考慮的.

3.3 基于場景的業務應用模型構建

建原子算法集的目的是為了快速便捷地組裝實戰應用模型.模型應用管理具備可配置可定義的全可視化編排、調試、運行和發布功能，以及業務模型API接口封裝功能，以便上層應用調用展示.原子算法管理將各個業務邏輯進行語義級的封裝，模型應用管理則通過面向業務人員的人機交互界面，快速組裝生產業務模型做數據分析.

在業務模型構建過程中，警務工作人員可以根據業務應用需求，選擇合適的原子算法，并利用與、或、非等運算算子進行關聯運算，對中間結果或最終結果數據可做各種數據處理操作，如分組、過濾、增加字段、增加正則表達式等.已注冊發布的業務模型，通過可視化界面、API等接口服務開放給第三方平臺，第三方平臺根據業務模型使用說明開展應用.

用戶定義的算子和創建的模型要能支持復制式共享，其他用戶可以克隆這些算子和模型，然后根據需要進行再編排、再組裝.這種克隆功能實現了共建共享，有效解決了經驗傳承和應用創新的問題.

4 結 語

以積木式思維實現的警務數據應用中臺已在警務工作實戰中發揮了重要價值.其特點有：1)中臺式管理，串連應用前臺和數據后臺，使復雜多樣的前端通用業務和技術能力下沉到中臺層，賦予前端應用更高的靈活度和更強的能力支撐；2)積木式建模，降低技術門坎，在畫布上拖拉拽算子即可組裝模型，構建模型隨需而動，業務經驗可以得到快速驗證，適于推廣；3)克隆式共享，各類算子和模型共享后可被其他用戶克隆，進行再編排、再組裝，充分體現眾智、眾創、眾惠理念，避免建設上的重復投資浪費，最大化提升應用成效.