智慧警務重點人員管控大資料視覺化平臺開發

警務分析研判的關鍵是挖掘人員、組織、案（事）件、陣地以及物品五要素之間的關聯關係，如果能夠藉助物聯網技術獲取五要素資訊，那麼將大大提升警方獲取線索資訊的效率，同時也能避免人為錯誤。而面對龐雜的線索資訊，則可以藉助大資料分析技術實現深入，高效的挖掘分析，進而快速找出五要素之間的關聯關係。

基於物聯網技術的警務大資料分析模型是一種利用大資料分析演算法對海量警務物聯網線索資訊進行深度挖掘分析的系統模型。它包括了物聯感知層、資料傳輸層、資料分析層以及資料展示層，同時，它還要與現有的公安資訊網有效融合，實現資訊共享碰撞。

物聯感知層

警務物聯網，是指利用感知技術與智慧裝置對警務工作關注物件進行自動感知識別，透過網路，技術處理和智慧分析，實現對關注物件狀態和態勢資訊的實時掌握，達到對關注物件動態監測、精確管理和科學指揮的目的。目前警方所應用的場景有旅客身份證查驗、警車警員GPS定位、城區影片監控、道路卡口車輛監控、重點部位報警防範、重點人員手機定位等，可以採集到人員、車輛以及物品的城市時空資料，為警方建立基本要素排查提供大量真實可靠的原始資料。

資料傳輸層

經過移動網際網路、有線網路等媒介傳輸到系統模型的物聯網資料，具有資料量大，且分佈在不同時域，空域的特點，是無法直接使用的，為此需要按照一定的標準規則對它們進行初步的篩選和歸類整合，將其轉化為相容系統模型的，具有統一規範標準的“後設資料”。

資料分析層

經過初步歸類整合的資料依舊是海量且缺乏直觀聯絡關係，無法為警方提供研判依據，為此需要藉助專業的資料探勘演算法對這些資料進一步分析、整合。同時還要與公安資訊網中的線索與情報進行碰撞，以降低單一資料來源造成的資訊可靠性低等問題。常用的分析演算法有分類分析、迴歸分析、聚類分析以及關聯分析。

資料展示層

伴隨著大資料應用而出現的技術還有視覺化展示技術，它能夠很直觀的將大資料分析產生的晦澀難懂的資料以圖表的形式展示出來，幫助警方根據圖表特徵快速研判。本模型針對警務案件研判特點，選取了幾種常見的圖表模型做展示。