人工智能在监所风险评估中的应用

　　公安监管信息化进入"智慧监管"新阶段，利用人工智能、大数据、物联网等技术实现风险精准评估、业务智能辅助和信息全面感知，推动勤务模式转型升级，全面提高驾驭复杂监管形势的能力。本文首先简单介绍了人工智能的概念和发展，然后结合公安部智慧监管规划，着重描述监所风险评估的概念、模型库构建和精准评估的流程，最后给出了人工智能在公安监所风险评估中的具体技术应用。

　　一、引言

　　2017年7月国务院印发的《新一代人工智能发展规划》中提出，经过60多年的演进，特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论、新技术以及经济社会发展强烈需求的共同驱动下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。大数据驱动知识学习、跨媒体协同处理、人机协同增强智能、群体集成智能、自主智能系统成为人工智能的发展重点。预计到2020年，我国人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。顶层设计相继出台，巨头发力布局生态，资本市场热情洋溢，细分行业独角兽不断涌现，人工智能发展进入快车道。

　　公安部监所管理局2018年6月4日决定在全国公安监管部门推进智慧监管建设,开启了"智慧监管"工作的新阶段，要求各级公安监管部门积极应用大数据、云计算、人工智能、物联网、移动警务等技术，解决目前存在监管工作中的多类现实业务问题，其中要求监管工作要从被动应对处置向主动预测预防转变，运用监管大数据对被监管人员进行安全风险评估、实施有效管控、防患于未然，依据监管场所实时信息资源，动态精准指导监管业务。

　　二、智慧监管大数据

　　公安监管数据有其本身特性鲜明的特点，全部是重点人员的基本数据、社会关联数据和在押期间的活动数据，数据既重要又敏感，既是各大警种警务工作必查的源头活水，又是保证司法流程正常运行的敏感数据。智慧监管大数据应用需要依托监区物联网、公安信息网和其他相关网络，通过智能终端、生物特征采集台、高拍仪、高清摄像机等先进的信息化设备，以监所内各岗位的用户为主体进行信息资源的采集。之后通过数据汇聚大数据技术及传统关系型数据库技术手段，把分散在各个系统中的信息孤岛数据汇集到监管综合业务平台，经过清洗、整合等处理后，形成统一的业务服务能力，向应用提供数据服务，进而打破监管系统间的数据壁垒，为后续人工智能提供坚实的数据支撑。

　　图1监管大数据处理加工图

　　对监管自身工作而言，不再是仅仅把被监管人员管好，而要通过监所各岗位和前端设备动态信息采集，实现监管数据的汇聚。监管数据经过汇聚、清洗、处理后，为后续人工智能应用、数据挖掘和分析、人员/事案件信息关联、风险评估研判提供了坚实的数据基础。利用这些数据红利反刍监所日常业务，这才真正发掘出监管数据的价值。

　　三、智能评估

　　传统对被监管人员的风险评估主要是依据案件类型、家庭出身、管教对其的印象初判和监室活动表现，相对静态，不能实时反映其风险的量化分值，属于模糊分类。有了物联网实时采集和大数据人工智能技术，对被监管人员日常表现实时采集，并对其实时计算，叠加历史数据分析，对其风险值真正有了量化分数，实现被监管人员风险的精准评估。这种方式方法既可以做到数据直观，又将模糊的风险数值化，为监所整体风险防控模型运算提供了一条途径。

　　1.风险评估

　　公安监管场所以看守所为例，在《看守所执法细则(2013版)》已经明确风险评估及分级管理：看守所应当根据被监管人员的现实表现、案件性质、身体健康状况以及心理和精神健康状况等方面进行安全风险评估，根据评估结果实行分级管理。

　　公安监所应当建立具备信息采集、汇总、研判、等级公布、管控措施部署以及考核等功能的被监管人员安全风险等级评估平台，建立健全被监管人员安全风险评估工作机制。安全风险评估时采用初次评估、日常评估、实时评估的方式进行(如图2所示)。

　　图2风险评估方式

　　根据《智慧监管建设技术指南》要求，各地监管场所依托公安监所实战平台，对被监管人员羁押记录、案件性质、年龄、智力状况等静态信息，以及现实表现、提讯会见、心理咨询、健康状况等动态信息进行结构化分类，为基础探索建立符合监所执法细则安全风险评估要求的积分预警模型，对被监管人员、监室(拘室、戒毒室)安全风险作出定性定量分析和分级分色预警，直观展现风险评估结果，据此实施分级管理。全面采集监所被监管人员风险评估结果、超押情况、警押比、基础设施状况等信息，对监所整体安全态势进行分析评估，确定预警等级，形成全国、省、地市三级监管场所、地区安全警示，做到防患未然(如图3所示)。

　　图3风险评估流程图

　　2.经验模型库

　　智慧监管数据应用首先要总结、提炼，形成监管风险评估主题模型与专家经验系统，建立大规模训练数据集和协同参与的数据库、模型库和知识库，为监管风险评估应用奠定应用模式数据基础。

　　模型与专家经验系统通过数据挖掘，生成历史案件、民警的技战法经验和异常案事件三类。基于这三类数据产生多种模型，对被监管人员进行全方位的描述，即360度画像。通过对监室、监所内所有被监管人员的积分累加，则可以描述出某个监室，甚至整个监所的风险值(如图4所示)。

　　图4经验模型库和360度画像

　　3.精准评估

　　各地监管场所都在探索符合监所执法细则安全风险评估要求的积分预警模型，从而对被监管人员、监室(拘室、戒毒室)安全风险作出定性定量分析和分级分色预警。

　　图5积分模型精准评估

　　图5为浙江某看守所给出的被监管人员风险指数积分分类图，包括静态指数和动态指数两大类。其中静态指数主要是利用执法办案平台、信息管理系统等获取被监管人员入所前的各类指数;动态指数则是入所后通过人工发现和设备自动报警获取。通过分级分类细化静态、动态指数，被监管人员的个人信息、案件信息、同案犯信息、家属信息、家庭信息、健康信息(身体和心理评估)、会见信息、所内所外就医信息、消费信息、管教谈话记录、违规信息、奖惩记录等静态、动态信息数据，归纳出被监管人员的画像标签。依据标签对样本进行分析，形成监所和被监管人员全方位度画像，并根据规定和经验进行精准处置、干预以及防治。

　　被监管人风险指数动态计算过程中，既可以显示被监管人员的实时值，也能看到他的趋势图和与其他人的对比图，完整描述该被监管人员的动态发展。风险指数计算过程中还要结合动态分数稀释原则，每隔固定时间对其分数进行稀释，防止其风险指数出现只增不减的饱和现象。

　　四、综合应用

　　在风险评估过程中，利用人工智能及其它技术实现具体风险采集、实时评估和事后分析。例如可以利用视频智能分析对被监管人员进行违规动作的判断。如图6所示，视频智能分析可以识别越线、超高、起身、打斗、超时滞留、非法闯入、单人值岗等违规行为。

　　图6视频智能分析判断监室违规

　　利用语音识别实现管教谈话过程中的语音自动转文字，并实时进行关键字、敏感词检索和标注，实时打上标签为后续风险评估数据分析提供原始结构化数据。

　　以物联网技术为依托，引入RFID/位置/心率智能腕带、数字监控、移动终端等核心设备，将被监管人员信息转换成数据信息，利用基站对数据的接收、计算和解码处理，实现对被监管人员轨迹定位、业务状态、视频影像的集成管理，从网下"平行式"管理升级到网上"俯瞰式"管控。

　　利用图表形式综合展现监所数据，监所动态、风险管理、督导指令、安防事件等。可以结合视频系统进行由人和图像、事件和图像、位置和视频的自动双向关联。可查看被监管人员押量变化情况、人员进出情况、重点人员情况、重大风险人员情况、患病人员情况、出所就医人员情况、超期羁押情况、违规情况、技防报警事件、设备故障等信息。

　　利用人脸识别、虹膜识别进行被监管人员出所时身份判定，避免因为同名或者其他原因的误放等事故发生。利用电子脚扣等定位设备，可实时定位并预估风险点，加大被监管人员外出时的风险管控。利用历史数据进行分析，将犯罪类型、年龄、地域、诉讼阶段等各类元素利用神经网络进行模型计算，得出如何对监室人员编排，使得监室的风险值最小。被监管人风险指数动态计算，实现对风险的预测预警预防，坚持动态信息主导勤务，突出智能化安全防范，最大限度地预防监所事故。

　　还有很多人工智能应用有待智慧监管建设者来挖掘，利用这些人工智能技术和理论，最终目的是提高风险评估的自动化、智能化和实时化。

　　五、结语

　　实现监管风险精准评估有效管控是建立以强化监所安全保障为核心的智慧防控体系最重要的组成部分，紧紧抓住公安大数据战略、智慧公安建设的有利时机，将大数据、人工智能等技术有机融入智慧监管建设中，推动监管工作转型升级，走出一条新时代监管工作的创新发展之路。