近年来，随着物联网、大数据等技术的快速发展，公安机关掌握的数据资源越来越丰富，对于利用数据支撑业务工作的需求也日趋增强。

例如在公安业务场景中，民警会从多个信息系统中查询数据，并依据查询结果进行综合分析，做出判断。如何实现这一操作？传统的方式是民警通过层层审批登录各个相关信息系统，进行数据导出、数据整理、数据整合，最后进行数据的综合展现。这种传统方式，无论是办事效率还是人力成本上，都难以跟上社会发展的演进速度及需求。

对此，公安民警可以借助建设定制化数据融合模型，针对各渠道提供的数据，开展基于业务逻辑的建模、将数据封装成各个应用模块，实现数据融合、用户标识查询、轨迹分析、围栏圈定、围栏预警、同行人分析、人车码识别等模型，并把结果提供给前端应用。

以广州某区公安项目为例。

睿帆科技基于公司自主研发的分布式分析型数据库雪球DB以及大数据科学平台Baymax产品，通过“三步走”层层推进，进行模型搭建，为该区公安民警业务提供强有力的大数据支撑。

一、ODS层：接入厂商采集的数据源，数据存放在雪球数据库。

接入由厂商采集的三大数据源：特征采集日志、场所资料、场所状态、设备资料；加强型WIFI、卡口车辆；网吧、终端特征、终端上线、终端下线，并将其存放在雪球数据库中。通过数据库及表操作、表引擎、聚合函数、分析查询、数据字典及视图管理，进行在线多维查询和分布式存储，实现高并发支撑，轻松支撑上百人同时查询；高容错机制，支持跨中心多剧本灾备，数据自动同步、自动恢复；准实时数据更新，百亿级数据可进行实时全景分析；超低查询时延，百亿级数据毫秒级查询等功能，数据超高的压缩比，大大节省了硬件成本。

二、Baymax平台层：数据流程计算，模型实现。

借助大数据科学平台Baymax，围绕多源异构的海量数据入、存、管、出四个核心场景，提供数据采集、数据汇集数据接入、数据存储等功能，实现各信息数据源的统一汇集、集中存储；通过数据管理、数据质量分析等数据治理，留存原始数据，构建基础原始数据储存，从而落地数据标准，提升数据质量及信息关联分析，形成数据的融合过滤。

三、DM层：模型结果

经过ODS层及Baymax平台层的处理，形成了DW数据融合模型。融合模型是把数据按人物、时间、地点融合在一起，在融合过程中，若碰到部分数据无法进行融合时，如数据中MAC地址有一部分是虚假（认为是随机生成的MAC地址）的，这是便需构建一个MAC地址识别模型，使得上网数据，认为MAC地址的真实的。在此基础上，同时配合Baymax，进行数据模型算法处理，抽取转换，最终输出6大应用模块。

l  用户标识查询模型

对查询标识：MAC地址、手机号、身份证号、微信号、QQ号，按图谱原理进行查询，最终以表的形式返回结果。

l  用户轨迹分析模型

对人物标识活动时间轴、人物活动范围，输入关键信息：人物标识、时间段，按时间位置经纬度处理，画出人物活动的最大多边形，得到边界坐标连结顺序坐标，返回结果。

l  围栏圈定模型

根据输入条件：经纬度坐标组，以同上多边形规则进行圈定。

l  围栏预警模型

根据选定的重点区域，确定该区域中设备id或者场所id组得到位置坐标组。同上述多边形圈定规则，对关注人物进入重点区域后进行预警。

l  同行人分析模型

针对网吧和住宿类场所分析，对重点人物身份标识ID，输出结果。

l  人车码识别模型

在融合数据中提取数据与车辆数据表进行关联，实现人车码的识别配对。

公安业务的复杂性及数据来源种类的多样性，导致公安数据融合与深度挖掘的难度成倍增加。而数据融合模型的搭建，打破了业务信息壁垒，实现多维数据的汇集、存储、整合，为公安业务的工作质量和效率打下坚固基础，提供强有力的数据支撑。

随着云基础设施环境逐步成熟，数据标准化程度越来越高，数据融合模型在时代的演变中脱颖而出，数据融合应用需求迎来质的转变。作为国内拥有PB级数据处理核心技术的大数据产品及解决方案供应商，睿帆科技将持续深耕大数据核心技术领域，通过创新技术，为更多行业提供定制化数据模型的搭建，实现数据融合，助力提升工作效能。