摘 要：在国家发展与改革委员会、交通运输部等部门起草的《关于促进智慧城市健康发展的指导意见》中，智能交通被列为十大智慧工程之一，该文件在各地方得到了积极响应，越来越多的城市开始建设智慧城市和智慧交通。由此，本文设想将数据分析与交通警务工作相结合，实现数据支撑下的科学决策，以此提高警务资源分配效率，提升道路交通安全，改善人们的出行体验。本文首先收集了2016年8月1日至2017年12月31日机场区域所有的报警记录，通过大量数据的清洗和关键词的提取，将这些记录转换为可用于数据分析的结构化数据；进而，本文应用时间序列分析、聚类分析和判别分析对数据进行了挖掘，通过提取时间序列数据，本研究建立了ARIMA（3，1，4）模型，对机场区域每天的事故发生频率进行拟合和预测；其次，本文针对机场区域的地点，按照事故发生密度进行了聚类，其聚类结果可为警方制定应急方案和巡更计划提供辅助参考；此外，本文还进行了判别分析，通过对时间、地点和天气等信息进行拟合来判断某一时间、某一地点在某一天气情况下可能发生的交通事故；最后，本文还建立了一套信息系统来实现数据管理和可视化功能。
关键词：数据分析；智慧交通；警务系统
中图分类号：TP311.13文献标识码：A 文章编号：2096-4706（2018）09-0119-03
Abstract：In the guidance of the National Development and Reform Commission and the Ministry of Transportation，“the guidance on promoting the healthy development of intelligent cities”，intelligent transportation has been listed as one of the ten great intelligent projects. This document has been actively responded in various places，and more and more cities have begun to build intelligent cities and intelligent traffic. Therefore，this paper conceives the combination of data analysis and traffic police work to achieve scientific decision-making under the support of data，so as to improve the efficiency of police resources distribution，improve road traffic safety and improve peoples travel experience. This paper first collected all the alarm records in the airport area from August 1，2016 to December 31，2017，and converted these records into structured data that could be used for data analysis through a large number of data cleaning and keyword extraction，and then the data were dug with time series analysis，clustering analysis and discriminant analysis. By extracting the time series data， the ARIMA（3，1，4） model is established to fit and predict the frequency of the daily accidents in the airport area. Secondly，this paper cluster the location of the airport area according to the density of the accident occurrence，and the clustering results can make the emergency plan and the patrol plan for the police. In addition，a discriminant analysis is carried out in this paper. By fitting time，location and weather information to judge a possible traffic accident at a certain time and a certain place in a certain weather condition，a set of information system is also established to realize data management and visualization.
Keywords：data analysis；intelligent traffic；police system
0 引 言
随着信息技术的大力发展和“互联网+”的不断推进，完善警务情报收集体系，从以人工判断为主导过渡到以警务情报信息为主导。加强公安警务信息化建设，提高公安机构能力成熟度，以及建立智慧城市已成为世界性课题，引领着全球警务工作的发展与变革。
1 问题描述
近年来，虽然我国公安信息化建设有了很大进步，但是在警务情报整合、警情数据的挖掘以及后续的分析结果利用上仍存在不足之处。我国虽然在“互联网+”交通管理方面的研究颇丰，但是大多是定性分析，定量研究与创新较少。因此，本文希望将大数据和交通警务管理进行融合，通过对现有数据进行数据挖掘，充分发现数据中蕴含的知识，使警局在部署工作时从利用主观经验判断向利用数据分析结果进行科学辅助决策转变，从而实现“警务先于警情走”，提高公安部门运转效率。
2 解决方案与比较优势
本文收集了机场区域的报警数据，经过大量的清洗工作后，应用Python进行了数据分析和可视化展示，通过搭建网站实现了数据维护和一定程度的数据展示，通过设置权限系统，控制不同角色对于数据的增、删、改、查的权限，从而提高系统的安全性。尽管系统界面较为简单，功能也不完善，但是基本达到了最初设想的通过数据分析发现事故发生规律，辅助优化警力配置等的目的。
相对于我国以往的“互联网+交通管理”方面，本系统通过大数据分析，经过大量的数据清洗，通过多种算法拟合预测交通事故的发生规律，并进行定量研究。
2.1 数据预处理
在清洗原始数据的过程中，本文针对不同软件的特点和优势，分步依次进行了清洗。
（1）在Python中利用循环，依次打开51个Excel，删除标题并合并到一个数据框中，然后提取需要分析的多个列，并将数据框写到一个Excel中；
（2）由于可分析项数较少，且交通事故和拥堵的发生与天气有着密不可分的关系。因此，本文在天气预报网下载了2016年8月1日至2017年12月31日的天气情况，包括日期、星期、最高气温、最低气温、天气、风向风力、空气质量指数和空气质量等级，共计8项。然后在Excel中用Vlookup函数将每一天的天气插入到每一行（事故记录）中；
（3）在Excel开发工具中，选用Visual Basic对文字描述进行关键字提取。对案发地点列进行文本筛选，获得案发地点关键词。对案件内容进行文本筛选，获得案件分类；
（4）对于时间变量，为了充分研究月份、日期、小时等变量对交通事故的影响，对报警时间这一列进行分列操作，将报警时间细分成月、日、小时等多列。
2.2 警务数据分析预测
2.2.1 时间序列算法
时间序列是一系列按照时间顺序排列的数据点，最常见的是按照相等时间间距排列的连续序列，因此时间序列通常是离散数据。时间序列分析是研究 时间序列数据的统计方法，用于提取数据中蕴含的有意义的统计量和其他数据特征。时间序列预测是一种基于先前观测值建立模型预测未来的方法。
本文利用之前处理过的数据进行分析，并建立合适的ARIMA模型，制作训练集用作模型拟合，测试集数据作为验证模型效果。
2.2.2 聚类分析
本研究采用数据挖掘领域经典之一的K-means算法，将n个对象依据他们的各自属性分成k个簇。算法步骤为：（1）选取合适的簇中心；（2）将各个点划分到距离最近的簇中心；（3）计算新的簇中心，返回步骤1进行迭代，直到簇中心不再发生变化。度量样本点到簇中心的距离，通常在欧式空间中采用欧氏距离，在进行文档聚类时偏向于使用一线相似度函数或者曼哈顿距离，本研究选取欧氏距离。该算法的最终目标是使同一簇中的差异非常小，并且最大化不同簇之间的差异。在统计学上，一般采用均方误差SSE来度量这一过程。
本次研究共选取了9种算法，分别对数据进行了模型拟合，通过计算每种算法的准确率，交叉验证得分和运行时间，将不同的算法进行了对比。
2.2.3 系统界面
该系统的界面是由VisualStudio2015实现的，所有页面布局采用软件自带的模板，使所有页面风格统一，简约大方。该页面主要分为导航栏、功能区和介绍。导航栏的设计在各个页面中都是不变的，但是不同的用户登录会稍有不同。功能区的四个按钮可以跳转到本网站的四大主题功能，最下方为本研究的部分介绍，是三个静态文本栅格。
2.2.4 系统说明
本网站主要有四大功能：数据分析过程展示、原始数据管理、时间序列数据管理以及时间序列预测结果展示。数据分析界面在Jupiter notebook中采用Python3做数据分析，导出为html界面，链接至系统而成，该界面完好地保留了Jupiter notebook中Markdown的精美外观，虽然是个静态界面，很好地展示了Python程序和其输出结果；原始数据管理环节将原始数据处理好后，通过Python插入数据库，再由网站访问数据库、提取数据并呈现在网站上，在这个界面中，可以进行原始数据的增加、删除、查看和修改等操作；时间序列数据管理及展示为本系统的第二大功能。是通过Python插入数据库后，网站通过读取数据库中数据，并借助Echarts进行展示。网站中第一列为日期序列，第二列为当天发生的交通事故的总数。
2.2.5 系统权限说明
本系统设置了权限系统，为了提高系统的安全性，本网站对不同角色的权限进行了设置。访问本系统四大功能模块时需要登录，不同的用户分配不同的角色，不同的角色对应不同的界面，享有不同的增加、删除、查看和编辑权限。权限的设置主要在控制器中，通过对不同的行为设置角色验证来实现。
本系统中，权限设计是通过“权限—角色—用户”这一映射关系实现的。主要分为系统的角色管理界面和用户管理界面，这两个界面只有拥有Admin权限的人才可见以及进行创建、编辑、查看和删除；拥有Leader或Manager角色的人可以对数据分析过程进行查看，对原始数据和时间序列数据进行增、删、改、查，对于预测数据只能进行查看；仅拥有Police角色的人的权限更低，他们可以对数据分析进行查看，对原始数据进行增加和查看，对预测数据只能进行查看。
3 结 论
智慧城市和智慧交通是大势所趋，这二者的建设不仅可以提高人们的居住环境，提升居住幸福感，还可以促进城市化建设，使城市更加宜居。随着我国信息化建设不断深入，警务机构的信息化意识不断提高，信息收集和处理工作将会变得更加简单且高效。与此同时，数据分析与挖掘领域也在飞速发展。在可以预见的未来，算法将会更加多样化，分析和预测的精准度也会随之提高。“互联网+警务+大数据”这一思想将会使警务资源得到更加合理且高效的分配，使道路更加安全便利，也使我们真正跨入大数据时代。
参考文献：
[1] 李嘉庆，陈永刚.潍坊：110与12345联动实现非警务警情有效分流 [N].人民公安报，2017–08–30.
[2] 王海燕，胡婷，刘际鹏.城市级公安警务实战应用系统设计与实现 [J].自动化技术与应用，2017，36（8）：53-60.
[3] 郭敏.“互联网+”北京市公安交通管理局警务管理模式研究 [D].北京：北京交通大学，2017.
[4] 陈雅，罗钊，刘敏.移动智慧化警务工作平台双向警情分析模式解析 [J].广西警察学院学报，2017，30（2）：75-78.
作者简介：李嘉欣（1995-），女，汉族，北京人，本科。研究方向：数据分析。
