大数据背景下的犯罪预测侦查
丁小巍1，徐 胜2，朱 飞3
（（1.广东警官学院 国内安全与社会稳定研究中心，广东 广州 510230；2.广东工业大学大数据研究院，广东 广州 510006；3.广东警官学院 侦查系，广东 广州 510230）
[摘 要] 将大数据深度融合到犯罪侦查活动中，构建大数据时代的新型犯罪预测侦查模式，将有效地降低发案率，节约警务资源。数据引导的侦查机制、数据信息的深度合成、数据分析的先进技术，是大数据背景下犯罪预测侦查的三大实现要素。大数据背景下的我国犯罪预测侦查存在思维观念滞后、资源整合不够等问题。应进一步加强预测和防范机制的建设、整合资源、培养人才，推进犯罪预测侦查的标准化、规范化，以适应大数据背景下犯罪预测防范警务模式的要求。
[关键词] 大数据；犯罪预测；预测侦查；侦查模式
一般意义上，大数据是指需要依托一定处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长和多样化的信息资产，它具有大量、多样、高速和高价值等突出特点。犯罪预测侦查主要是指侦查人员对正在进行或者将要实施的犯罪，在侦查对象明确的前提下，在情报信息准确的基础上，通过监控或者精心设计、周密控制，查获并缉捕犯罪嫌疑人的侦查模式。因此，犯罪预测侦查更加着眼于暂未既遂的犯罪防控，将侦查机关介入时间大大提前，从以往被动的搜集犯罪线索逐步转变为实时感知犯罪和及时预测犯罪[1]。大数据时代的到来，让侦查活动从传统的“现场驱动”演变为“数据驱动”，使情报信息这一重要要素快步走向侦查破案的舞台中央，成为决策和行动的关键因素。充分利用好大数据海量信息平台，为侦查情报的获取、收集、分析和处理等犯罪预测侦查警务流程提供一系列有力的技术支持，从而有效地实现对犯罪行为的防范控制。
一、大数据在犯罪预测侦查中的价值
大数据技术的核心，是建立在数据相关关系基础上的数据预测，这在当前的犯罪防控中具有重要的现实价值。
（一）大数据能够更好地整合侦查数据资源
近年来，公安信息化建设取得长足进步，互联网技术迅猛发展，形成海量数据及众多相关数据信息的应用系统。随着“金盾工程”的逐步推广，全国公安机关八大资源库顺利建成。而且，各省、市、自治区公安机关还在争取本地财政支持自行投入建设了覆盖主要公安业务的计算机应用系统。这些数据库及相关应用系统在助力公安机关提升犯罪预测侦查工作水平和效率方面成效显著。除结构化数据外，半结构化、非结构化数据在大数据技术帮助下也能得到充分利用，通过采取有效的、系统的技术和方法，把那些隐藏在大数据中平常不为人所关注的与犯罪有关的各种数据信息很快挖掘出来并进行系统整合与分析[2]。
（二）大数据能够全面地反映犯罪行为轨迹
大数据时代，人的行为很容易数据化，甚至包括人的生理特征也同样很容易数据化。我们除了可以收集到传统侦查模式也可获得的数据之外，还可以实时采集和分析传统侦查模式较难或者较难快速获得的视频数据、通讯数据、网络数据以及各种交易数据等，甚至还可以采集社会公众所拥有的相关数据[3]。这样公安机关对犯罪信息的掌握就更加全面、更加系统。通过数据的整合、碰撞和分析就可以清晰、准确地将犯罪的发生、发展过程进行全面还原与重建。
（三）大数据能够有效增强犯罪防控的主动性
犯罪形态在不断地发生变化，传统的、静止的、个体的犯罪正有规律地向智能化、动态化、有组织的犯罪发展。而犯罪形态的异化，也导致其因果关系越来越难以捕捉[4]。因此，公安机关传统的、被动的犯罪预测侦查模式也越来越无法满足这种变化所带来的侦查需求。随着大数据融入犯罪预测侦查活动，创新的大数据背景下的犯罪预测侦查模式能够通过深入剖析大数据的相关关系从而有效地解决情报的收集与处置问题，直接强化了公安侦查人员对嫌疑人的行为与事物发展的相关性的认知，犯罪防控行为介入时间也因此可以大幅提前，进而有效遏制那些正在实施或正在准备的犯罪活动。
任何一门新技术的大力发展和充分运用都需要有相关专业人才的不断实践、创新、总结和推广。要把大数据有机融入犯罪预测侦查中，侦查人员就必须了解、熟悉大数据专业知识。但大数据技术和理念的出现和形成时间毕竟不长，其发展之快也远远超出了世人的预料，因而多数公安机关对大数据专业人才的储备与培养明显不足。大数据犯罪预测侦查的运用涉及应用数据学、计算机科学、统计学、侦查学、社会学、犯罪学、心理学、法学等多领域、多学科知识，对侦查人员的综合能力要求非常高。目前，公安机关的大数据专业人才基本是在前一段时期的公安信息化建设过程中慢慢成长起来的，其中很多都是计算机技术人员，他们懂技术、懂网络、懂大数据理论，但欠缺统计学、侦查学、社会学、犯罪学、心理学、法学等专业知识[12]。要将大数据理论和技术融入到犯罪预测侦查的具体操作环节，侦查员往往力不从心，无法切中要害。既精通大数据技术又熟悉公安业务的复合型专门人才的匮乏制约了大数据犯罪预测侦查工作进一步发展。
（四）大数据能够合理优化各种警务资源
数据化的犯罪预测侦查模式，可以通过不同渠道收集与犯罪相关的海量数据，并安全合理地储存海量数据，及时地处理和分析这些海量数据，从中提炼和发现犯罪的规律特点，从而有效预测可能发生犯罪的人群、时间、区域等。在这个基础上，公安机关就能够有的放矢，合理、科学地分配合适的警力进行犯罪防控，从而大幅提升犯罪防控的精确性，提升当前十分紧张的警力资源的使用效率，充分发挥现有警力的最大效能。
二、大数据背景下犯罪预测侦查的实现要素
（一）数据引导的侦查机制是犯罪预测侦查的有力保障
又如在《中原音韵》序跋系统中，虞集贬抑南宋“词气又不无卑弱之憾”，进而抬升元曲地位，认为元代“士大夫歌咏必求正声，凡所制作皆足以鸣国家气化之盛”[7](P173)，琐非复初也定位“周德清之韵，不独中原，乃天下之正音也”[8](P179)，罗宗信亦说“北方诸俊新声一作，古未有之，实治世之音也”[9](P177)。凡此等等，都将包含杂剧在内的整个北曲文学、音乐系统视为代表政权正统性的“正声”，承载着“鸣国家气化之盛”的文人士大夫的文化想象。
数据信息引导犯罪预测侦查活动需要一套整体变革的侦查模式与机制，单纯依靠冰冷的数据与技术是难以有效运行的，还必须有相应的配套机制来做好制度保障。因此，公安机关要建立和完善内部连通、外部协调的一体化机制，制定相关的规章制度以便科学规范情报信息的收集、整合、分析、研判、传递、利用、反馈等环节，形成数据情报工作的闭合循环，推动各主要环节的良性运作。公安机关还要推行规范化的情报信息管理工作机制，建立通畅、高效的信息系统和完善的工作管理机制，规范情报信息的业务流程，从而有效地整合、激活和充分地利用各类业务信息资源，最大程度发挥情报信息的综合效益。
试验表明，当样本数500～1 000较低时，CNN文本分类相对于其他文本分类算法准确率更高，虽然样本数在1 000～2 000之间，DBN算法以及RNN算法相对于CNN算法准确率有所提高，但是当样本数增大时，CNN 的准确率增长迅速。所以，实验表明，CNN算法在样本数低或者高的情况下都能较好地进行文本分类，准确率高于其他文本分类算法。
（二）海量有序的数据库资源是犯罪预测侦查的重要基础
从当前我国公安机关的大数据工作实践来看，不少公安机关对数据的收集不全面。一是公安机关数据信息来源的渠道比较单一。为了确保犯罪预测侦查的数据情报的全面性，数据信息来源渠道的多样性与多元化非常重要。犯罪预测侦查中可以使用的数据信息涵盖各行各业，如政府数据信息、企业数据信息、个人数据信息、网络数据信息等。但目前不少公安机关收集的数据信息主要来自于政府的大数据。二是公安机关收集数据的种类和数量有限，而且偏重结构化数据收集，忽视非结构化数据。这就导致公安机关对数据信息的收集局限于占大数据5%的结构化数据，剩下95%来源多样化的异构化数据不能充分利用。三是有些公安机关的数据管理模式未能与时俱进。当前，很多公安机关都是根据各自的警种特点或者部门工作需要来收集、储存和使用数据，忽视其他数据信息的收集和储存，在筛选储存时，会以“用处不大”“不合标准”等理由，抛弃、删除一些已收集储存的数据信息，造成数据资源的极大浪费[10]。
（三）先进科学的数据分析算法是犯罪预测侦查的核心力量
建立顺畅高效的犯罪预测侦查运作机制，重点做好以下几个方面的工作：一是建立完善的数据情报工作机制，全面、及时、准确地收集数据情报。通过顺畅高效的工作机制，实现数据情报工作的日常化、程序化、常规化，为合理配置警力、科学预测侦查、做出正确决策等提供精准指引。二是构建科学合理的决策反馈与评估机制。对决策进行跟踪、评估，并找出错误原因，可使犯罪预测侦查决策水平不断提高，也是对犯罪预测侦查决策执行的有力监督。三是制定完善、得当的对策预案。在全面、及时、准确地收集数据情报之后，马上对情报信息进行深入研判，快速制定侦查对策。这些对策必须具有很强的操作性和高度的灵活性，能够随时根据犯罪形势以及犯罪手段的变化而灵活应变，具有很强的适应性和普遍的适用性，这样才能实现犯罪预测侦查的快速反应，提高犯罪预测侦查的工作效率[13]。
构建高效的侦查作战平台的关键，除了精准的数据分析，还要紧紧依靠大数据的可视化技术。大数据的可视化技术能够根据不同的任务需求将数据分析结果以形象、直观的图像展现出来，比传统的折线图、饼状图、条状图等简单图表更立体和生动，而且当大数据资源以形象、直观、可视化的形式展示在侦查人员面前时，往往有利于侦查人员一眼洞察数据背后隐藏的信息，有利于侦查人员对前期数据结果进行深度分析，也有利于上级领导机关侦查决策的精准化和高效化[5]。
三、大数据背景下犯罪预测侦查的国内外实践
大数据时代，数据主导侦查作为一种新型侦查工作方法，在世界各国侦查实务中，尤其是犯罪预测侦查中得到了广泛应用。国外数据主导侦查模式的发展，主要以美国、英国为代表，在侦查理念、侦查策略、侦查规划、侦查程序、情报管理、侦查决策等全过程一体化机制上，为全球各国警务部门的数据主导侦查模式提供了有益的参考和借鉴。尤其是美国警务部门，在犯罪预测的侦查模式方面，取得了显著成果。例如，纽约警方花费巨额资金和巨大人力、物力收集了近八十年来1 300万起犯罪案件的相关案卷数据，通过数据信息的运算分析，深入研究区域内犯罪行为的各种特征，从而有效优化警员的部署，使警员能够在合适的时间出现在合适的地点，大大提高了警员的使用率。纽约警方利用大数据的算法预测犯罪大获成功，仅几年时间，纽约的犯罪率就降低了一半。他们提出了“预测式警务”的新理念，即由计算机技术的快速发展，实现犯罪数据的收集和分析工作的“准实时”，从而大幅提高警方预测犯罪的效率，缩短警方响应犯罪行为的时间[6]。这就意味着在大数据的助力下警方可以轻松实现“提前了解、提前行动”。纽约警方认为，犯罪率与数据分析的速度之间存在某种联系。例如，在当地犯罪率急剧攀升的1990年，纽约警方一年只能完成一次完整系统的犯罪数据收集与分析研究。而到了1995年，纽约警方已经可以实现每月收集和分析研究一次犯罪数据，同期的犯罪率与之前相比明显下降。现在，纽约警方已经可以随时通过大数据系统查看整个纽约大都会的社会治安情况。而且，他们发现犯罪地点其实并不是随机分布的，而是有一定的规律性，往往集中在某些小范围的“热点地区”。因此，纽约警方将大数据融入侦查活动，开始预测可能发生犯罪行为的地点，并以此提前部署警务，从而有效地大幅降低区域犯罪率[7]。
近年来，各地公安机关集中了大量的人力、物力、财力来推动大数据融入，包括情报导侦、情报研判、视频侦查、网络侦查等。同时，大力研究各种数据技术，如数据处理技术、信息查询技术等，助力各警种各部门从各类数据信息中深度挖掘有价值的案件情报线索。在这个过程中，各地公安机关也不断探索、积累、验证出一些在基层实战中操作性很强的技战法，如信息碰撞法、数据追踪法等。不过，大数据分析技术的运用主要还是停留在对结构化数据的分析方面。还要进一步充分挖掘大数据在犯罪预测侦查中的创新价值，如数据的预处理、数据的清洗、数据的挖掘等，尤其是回归分析、相关性分析、异常分析等深度分析技术。这些技术能够全面服务于犯罪预测侦查工作，对警情分析、预警研判及指挥决策等大有裨益。但全国多数公安机关对于大数据的运用水平和运用效率还有待进一步提升[11]。
四、我国犯罪预测侦查存在的主要问题
（一）数据思维观念滞后
虽然大数据对于公安机关来说已经不是新鲜事物，但公安机关对大数据的普遍采用和深化运用仍然缺乏系统的理论指导及丰富的实践积淀。事实上，还有不少基层公安机关片面地将大数据侦查简单地理解为大数据的纯技术运用，而没有遵循大数据的发展运用来形成新的工作思维。有些公安机关在大数据融入犯罪预测侦查工作中，容易因循守旧，延续以往的思维方式和工作模式，最终严重影响犯罪预测侦查过程中大数据运用的效率。从一些基层公安机关的实战案例来看，收集数据时，少数公安机关片面地追求数据的精准性，甚至过于精益求精，从而导致数据收集受到限制，不能充分、全面地收集案件的关联数据。分析数据时，少数公安机关仍然延续过去的传统经验和习惯，采取抽样调查的方式来研判案情。运用数据时，也往往容易偏重个案因果关系的分析研判，导致对类案一些潜藏的共性和可能性的忽略[9]。
众所周知，园林技术专业分为三大岗位群，分别是园林植物栽培与养护、园林工程施工与管理和园林设计，这三个岗位群中园林植物栽培与养护方向培养的高层次人才多，这就使得园林工程施工与管理和园林设计高层次人才匮乏，所以高职院校入职的专任教师研究方向多为园林植物栽培与养护，而园林设计类和工程类高层次人才很少选择高职院校，恰恰这两个方向的人才不论是专业实践能力还是园林综合应用知识能力都非常强，因为设计类、工程类高层次人才与行业联系紧密，甚至引领园林发展的动向，这就从某种方面也导致了高职院校园林技术专业设计类、工程类专任教师实践教学能力缺乏。
（二）数据资源收集不全
海量有序的数据库资源，尤其是数据的合成，是公安机关犯罪预测侦查的基础，是奠定犯罪预测侦查这一大厦的地基。因此，公安机关各警种、各地区的侦查机关应尽快进行科学的规划与统筹，大力推动相互之间数据资源的有机合成。尤其要注意统一相互之间数据采集的标准，规范数据的结构，加快建立统一的数据库。此外，大数据时代，社会数据发展迅猛，公安机关侦查数据的视野也需要不断扩大，要做好侦查数据与社会数据的有效对接和不断整合，充分吸收、利用社会化大数据的宝贵资源，借助先进的信息系统和平台，与社会化大数据有效合成，不断充实和丰富公安机关的侦查数据信息，为犯罪预测侦查工作的顺利推进提供强大有效的数据支撑。
（三）数据情报整合不足
大数据运用在全国公安机关越来越深入人心，大数据在犯罪预测侦查工作的价值也得到了进一步的验证和挖掘，各地建设了很多数据库。但数据库的建设缺乏统一规划与顶层设计，导致运用效果大打折扣。各地公安机关的大数据工程建设基本上各自为政、立足本地，较少着眼全局。全国性公安数据信息系统到目前为止也只有公安部的“八大库”。从地方来看，各省、市、区甚至地级市都在争先恐后地建设自己的数据信息系统，但都是根据本地某方面的特别需要而建设的，呈现出一种无规则状态。虽然数据信息系统总量不少、种类繁多，但真正能够整合使用的却并不多，信息孤岛、信息壁垒、条块分割甚至恶性竞争等不良现象在实践中比较突出，从而使得数据信息的价值挖掘、情报共享都受到制约，也严重影响了大数据运用效率。
（四）大数据分析技术运用不深入
近年来，我国也开始广泛地将大数据技术运用到侦查领域，并在犯罪预测方面取得了显著成果。公安部曾于2016年组织全国公安机关开展改革创新大赛，苏州市公安局的“犯罪预测系统”成功入围总决赛。2013年底以来，苏州市公安局试点探索建立基于大数据、云计算技术的犯罪预测系统，并在侦查实践中不断完善，先后完善和配套了相应的制度规范、运作机制及操作流程，全市的巡防工作效能得到了大幅提升。其中，浒墅关派出所是苏州市公安局第一批犯罪预测系统的试点单位，该所的具体做法是：把系统预测的高发地区作为当天巡防的重点，在每天早晨的全所警情研判会上，所领导结合前一周和前一天的犯罪预测系统的数据进行分析，确定早、中、晚三个巡防时段的若干个重点发案网格，并根据这些网格的发案预测率，针对性地部署这些网格当天的路面巡防工作。根据犯罪预测系统的数据统计分析，一方面对当日发案可能性较大以及前一阶段维持高位发案的社区单位，通过警民恳谈、入户走访等多种形式，加强全民安全防范宣传，提高居民自防群防意识。另一方面，根据犯罪预测系统的数据分析结果，通过企信通、社区微信群、QQ便民服务群、公安微博、微信公众号等服务平台，向相关的企事业单位和社区发布警情提示，积极组织和发动单位保安、小区物业等社会安保力量针对性地开展邻里守望、巡逻防范等工作，提高了社会面巡防成效。大数据犯罪预测侦查系统在该所运行3个多月，辖区内97种可防控的违法犯罪环比下降20%，其中路面盗窃类警情环比下降45%[8]。
（五）大数据专业人才紧缺
然后说说李唐，对，就是那位用一幅《采薇图》再现历史故事、颂扬民族气节、以笔为剑的“鲁迅式”画家。此人乃南宋山水新画风的代表，影响了整个南宋画派。据说李唐七十多岁画《万壑松风图》时，还能把里面的松针画得根根带尖儿且用笔遒劲，力透纸背——原来他就是传说中的细节控呀！画得兴起，末了还得“皮”一下：把题记写到山上去。李唐所作《雪窗读书图》构图新奇，画中有雪、有屋、有人读书，可最大的看点却是岩石！要知道李唐以一招“斧劈皴”绝技声名远播。什么墨色浓淡，什么明暗过渡，分分钟搞定。画中一人凭窗持卷，吟尽冬雪的温馨与静谧，牢牢锁住观者的视线，成为“画眼”。就连那口水井，都浑然成趣。
五、完善我国犯罪预测侦查的对策
（一）建立顺畅高效的运作机制
大数据时代还有几个特点：数据规模巨大、数据种类繁多、数据价值密度低。因此，公安机关已经不可能像过去那样主要依靠侦查员的人力、经验、运气来搜索所需要的数据信息进行侦破案件。当前大数据驱动犯罪预测侦查的核心是数据分析，大数据驱动的这个侦查过程其实就是算法的过程：一是数据的采集和清洗，为数据运算做基础准备；二是根据侦查工作的特点，确立运算法则，建立运算模型；三是通过数据运算结果获取犯罪活动的相关信息。在实践中，由于侦查数据的复杂程度不同，采用的大数据分析技术也有所不同，主要技术方法有：经典统计技术，如统计回归、季节效应等；简单计算方法，如启发式探索等，这些方法并不需要大量的计算，可直接根据相关指标进行判断；复杂应用方法，如应用数据挖掘工具进行大量计算获得分析结果。目前，侦查数据处理中已经采用的具体分析技术主要包括数据挖掘、热点分析、聚类分析、回归分析和关联性分析等。
（二）推进数据资源的完善、融合与共享
及时、准确的数据情报是大数据犯罪预测侦查的引擎，也是开展侦查警务行动的基础。因而合法有效地全面收集和深入利用各类数据情报是大数据犯罪预测侦查的关键。这主要包括两个方面：一是数据采集要全面，做到既不重也不漏，各警种和各部门应结合自身工作特点，各司其职，避免数据信息采集的重复和遗漏。二是必须打破数据壁垒，促进数据库资源的融合与共享。既要打破不同层级之间的数据限制，也要打破不同地区之间的数据限制，大力推进公安机关与社会各行业的大数据互动、整合和交流，不断探索与工商、税务、银行、证券、通信、物流、教育、医疗、购物平台等的数据共享机制[14]。
朱元璋在没当皇帝前，有一次饿昏，吃到一位老婆婆喂给的菠菜煮豆腐和剩粥混在一起的“珍珠翡翠白玉汤”后，觉得味美异常，登位后仍念念不忘。明代永历皇帝在清兵入关后逃往滇西腾冲，吃到一家农户的炒饵块不由大加赞赏说：“炒饵块救了朕的大驾。”腾冲炒饵块从此别名“大救驾”，成了名扬天下的小吃。八国联军打进北京，慈禧带着光绪皇帝逃难，连窝头也觉得好吃，回宫后想吃窝头，御厨房做不出这个味道，于是掺进栗子粉做成仿膳小窝头。
（三）创新数据分析方法
大数据分析方法推动了数据到情报的成功转换。从本质上讲，大数据分析方法应用于多源情报融合的主要任务是通过对海量、来源不同、类型众多的数据（如文本、图像、语音、视频等）进行相关关联，将其转化为所需的各类专用情报，这为从事情报研判的犯罪预测侦查人员提供了有力的后台支持。当然，大数据分析方法也需要随着大数据分析技术的发展而不断创新，需要犯罪预测侦查人员不断地去探索、试验、评价和反馈，为大数据驱动的犯罪预测侦查警务提供源源不断的强有力的基础支撑。
（四）创新专业人才培养模式
公安机关在大数据背景下开展犯罪预测侦查工作，亟需一大批熟悉大数据技术的专业侦查人员。靠单一的招警或者培训无法在短期内有效解决这个问题，因此公安机关必须创新人才培养模式。一是将招警与培训有机结合。一方面可以采取公开招聘的方式，面向社会招收符合招警条件的大数据专门人才，尤其是大数据技术的领军人物以及特殊项目急需的开发型专业人才。另一方面还可以开展内部选拔。各地公安机关前些年开展信息化建设时，已经招收了一大批熟悉大数据技术的优秀高校毕业生。经过几年的实践与锤炼，他们既拥有大数据专业知识，又积累了较为丰富的侦查工作经验。因此，可以在这批专业人才中公开选拔，遴选出部分学习能力强的干警进一步深化培训，提高大数据犯罪预测侦查综合能力。二是引进社会力量参与。大数据首先在企业中得到运用。长期以来，他们积累了丰富的经验和教训。在犯罪预测侦查中运用大数据，要善用社会资源，可以与专业机构合作。如美国警局通过与数据分析公司开展广泛合作，取得了显著成效。我国也有很多类似成功案例，如辽宁、青海等地的一些公安机关先后与上海蓝灯软件科技公司合作，通过该公司专门设计的警务数据分析系统，来研判和预测潜在罪案发生的可能性，也收到明显效果。三是通过开展众包业务发现专业人才。面向社会大众公开悬赏征集相关技术问题的解决方案，是互联网时代很多企业经常采用的方法，这样他们可能在世界顶尖数据分析专家的帮助下解决问题。作为一种有效的辅助性手段，公安机关在大数据犯罪预测侦查中遇到技术瓶颈时，也可以借鉴众包的方式。这样，公安机关一方面可以拓展大数据侦查思维，一方面也能找到需要的专业人才[15]。
《条例》重点关注民生，将饮用水安全置于第二章。上海市黄浦江上游水源地安全事关上海市青浦、松江、闵行、金山等地区几百万人口的饮水安全和经济社会生产，应将饮水安全作为地区水资源保护优先考虑的因素。认真贯彻实施《条例》，切实提高黄浦江上游饮用水水源水质保证率，为黄浦江上游地区供水安全提供有效保障十分重要。就青浦区而言，虽然水资源丰沛，但水质型缺水的现状仍不容忽视，青浦区已将紧急备用水源建设列入本年度工作重点。
（五）继续坚持依靠群众
依靠群众一直是侦查工作非常重要的基本原则。虽然科技大大推动了犯罪预测侦查的发展，但这并不意味着只要侦查人员埋头对数据情报进行分析就可以完成工作，与案件相关的许多重要线索、情况和证据，只有到群众中去调查，才能了解和掌握。案发后，人民群众不仅能在侦查人员搜集线索、走访调查时提供重要的信息，平时的犯罪预防中，人民群众也能够起到重要作用。2011年，美国发布的《依靠地方伙伴力量防范国内暴力极端主义国家战略》，以及同年配套颁发的具体实施计划，大幅提高了基层社区特别是治安复杂社区防范暴力犯罪活动的能力。此后，美国国土安全部还专门在全国范围内广泛开展名为“如果你看到就汇报”“可疑活动报告”等活动，鼓励广大民众一旦发现可疑情况立即汇报。美国的这些发动民众应对的措施成效非常显著，很多重大刑事犯罪案件，包括不少“独狼”案件在其策划阶段即被破获[16]。这种案例在我国也屡见不鲜。可见，即使在科技日益发达的今天，在大数据背景下开展犯罪预测侦查工作，人民群众仍是我们不可或缺的重要依靠力量。
[参考文献]
[1]曹凤，彭知辉，陈亮.公安情报学前沿问题研究［M].北京：中国人民公安大学出版社，2007：175－200.
[2]周国民，陈光宣，郑滋椀.大数据分析与犯罪防控预测[J].复旦公共行政评论，2017（1）21－23.
[3]闫铁鑫.大数据背景下预测型警务的构建[J].犯罪研究，2018（2）：13－14.
[4]李熙，黄力.大数据背景下的犯罪预测与预防——基于犯罪预测分析模型的应用及构建[J].山西科技，2015，30（3）：133-135.
[5]包昌火，谢新洲.信息分析［M］.北京：清华大学出版社，2007：1－2.
[6]智库2861.分析1300万起案件 洛杉矶警局如何用算法预测犯罪[EB/OL].（2017-03-14）[2019-04-18].https://blog.csdn.net/wiki2861/article/details/62038812.
[7]吕雪梅.美国预测警务中基于大数据的犯罪情报分析[J].情报杂志，2015（12）16-20.
[8]丁小巍，徐胜，朱飞.浅谈大数据合成侦查[J].政法学刊，2018（6）：117-121.
[9]赵娇，张德智.大数据时代犯罪预测问题研究[J].公安研究，2017（10）：53-59.
[10]卢小宾.信息分析［M］.北京:科学技术文献出版社，2007：73-74.
[11]朱飞，丁小巍.广东欠发达地区基层警务中的问题及其对策——以A市为样本[J].政法学刊，2019（3）：81-85.
[12]张秦.当前犯罪防控中大数据运用问题研究［D].重庆：西南政法大学，2016：15-17.
[13]王超强.论大数据时代的合成侦查模式[J].广州市公安管理干部学院学报，2017（9）：11-12.
[14]崔金成.论我国情报主导的全景式侦查模式的创新与发展［D].重庆：西南政法大学，2016：9-11.
[15]张文彪.以智慧新警务为引领 打造卓越公安专门人才[J].中国刑警学院学报，2018（3）：17-19.
[16]张璟.“独狼”式恐怖袭击的特点及处置对策[J].河北公安警察职业学院学报，2015（9）：33-35.
On Prediction and Investigation of Crimes under Big Data Background
DING Xiao-wei1，XU Sheng2，ZHU Fei3
(1.Domestic Security and Social Stability Research Center,Guangdong Police College,Guangzhou 510230,China;2.Institute of Big Data,Guangdong University of Technology,Guangzhou 510006,China;3.Guangdong Police College,Guangzhou 510230,China)
[Abstract] In-depth integration of big data into criminal investigation and construction of the new-type crimes prediction and investigation model effectively reduces crime rates and saves police resources.The>[Key words] big data;crimes prediction;prediction and investigation;investigation model
[中图分类号] D918
[文献标识码] A
[文章编号] 2096-4048（2019）05-0060-06
DOI： 10.19736/j.cnki.gxjcxyxb.2019.0511
收稿日期： 2019-05-18
作者简介： 丁小巍（1975— ），男，江西赣州人，广东警官学院国内安全与社会稳定研究中心常务副主任、副教授，主要从事公安法学研究。徐胜（1975— ），男，江西赣州人，广东工业大学大数据研究院研究员，理学博士，主要从事大数据分析、统计与评测研究。朱飞（1973- ），男，安徽宿迁人，广东警官学院侦查系副教授，主要从事侦查学研究。
责任编辑：王真真
标签：大数据论文; 犯罪预测论文; 预测侦查论文; 侦查模式论文; 广东警官学院国内安全与社会稳定研究中心论文; 广东工业大学大数据研究院论文; 广东警官学院侦查系论文;