随着大数据、云计算、人脸识别等技术的广泛应用,以及新一代移动通信技术的进一步发展、公安网后台强大的应用支撑,移动警务进入了爆发式发展阶段,移动化办公成为警务应用的新方向,移动警务在公安信息网的交通指挥、刑侦破案、安全保卫、社区管理等工作中的应用日益广泛。
在公安大数据战略背景下,如何利用大数据技术赋能每位一线警员,已成为警务大数据平台建设中必须完成的任务之一。通过针对具体应用场景分析,曙光移动警务应用应运而生,通过完善的移动警务系统,提升实战速度、提高工作效率和警务管理智能化水平。
曙光移动警务应用在某市上线后,民警的单月使用量已经突破了90万人次。下面让我们来看一下曙光移动警务应用是如何做到的。
曙光移动警务应用大大延伸了民警的触角和敏锐感知,基于完善的移动警务系统及领先的数据服务能力,在诸如快速确定人员身份、快速确定车辆信息、快速身份核查、随时随地进行警务信息查询等应用场景中大大提高了警务工作效率。
海量数据最简单、最没有技术门槛的应用方式就是搜索。警务智搜是横跨Web和警务通移动终端的多维度拼图式分析研判搜索工具,能够组合多种线索,快速定位出犯罪嫌疑人,结合人、车全息画像对研判结果进行验证,满足民警综合研判和基层研判的需求,促使一线民警在日常的工作中能够充分利用大数据,进而提升工作效率,降低工作压力。
针对警务智搜的分析研判结果,可以在警务通上实现一键布控,布控人员车辆信息实时推送警务通,实现风险隐患的全网感知和精确预警,让民警摆脱不得不在PC上被动等待感知数据的窘境,能够让信息精确寻找有需要的民警,主动预警。
针对关注的嫌疑人,无论是进出小区、发快递,还是购买车票、机票、住酒店、去网吧,乃至在路上被摄像头抓拍,这些横跨互联网、视频专网、政务网的全网业务都会立刻通过民警的警务通手机上预警,实现秒级预警、精准打击。
移动警务可以通过警务通手机的NFC读取目标人员身份证信息、利用OCR技术识别护照类信息以及通过警务通实时拍照快速人像识别,进行人证核验,快速识别真实身份。
曙光移动警务应用充分利用搜索技术,打造以“智搜”为重点的入口,将可疑人员的行为打造成可闭环的行为轨迹线,快速基于警情进行轨迹碰撞,定位出有相同轨迹曲线的人员,并基于轨迹进行深层次的挖掘,通过轨迹闭环,圈定人员在一定时空范围内的轨迹趋势,提高对于可疑人员行为的判定能力。
作为一套全新的拼图式研判系统,曙光警务移动应用中的“智搜”的拼图式搜索能力,可直接搜索具体身份证号或者车牌号,也可以多种组合条件(线索或特征信息)搜索:
1、将超过百亿的数据在单一平台进行充分应用,做到多源数据、一站应用;
2、实现终极赋能,让一线警员随时随地应用大数据;
3、快速上手,充分利用内存计算、搜索计算、图计算以及流计算等大数据计算方式带来的分析研判结果;
在实际应用场景中,如果获得“男性、30多岁、农大东路附近,并且进出过某网吧”这样的线索信息,在“智搜”系统中即可以定位出嫌疑人。
此外,通过大数据技术,以自动化方式,对多级关系进行实时计算,实现六度空间分析,变革传统人为调查关系的方式,使得在众多线索繁琐且表面关联性不强的数据中提炼关联线索效率大大提升。
当前,移动警务以其“便捷、高效、安全”的特点,为公安工作提供了强大支撑。曙光警务大数据平台、移动警务应用已在诸多警务工作中得以实践,携手合作伙伴不断打造个性化应用服务。
根据公安部要求,实施公安大数据战略的根本目的,就是要提升公安工作智能化水平,以机器换人力、以智能增效能,最大限度地释放警力、提高公安机关核心战斗力。曙光将持续加强在大数据、云计算等领域的研发投入,深入分析行业发展趋势及业务特点,助力公安信息化建设。
好文章,需要你的鼓励
GitHub CEO声称AI将承担所有编程工作,但现实中AI编程工具实际上降低了程序员的生产效率。回顾编程语言发展史,从Grace Hopper的高级语言到Java等技术,每次重大突破都曾因资源限制和固有思维遭到质疑,但最终都证明了抽象化的价值。当前AI编程工具面临命名误导、过度炒作和资源限制三重困扰,但随着技术进步,AI将有助于消除思想与结果之间的障碍。
阿里巴巴团队推出DeepPHY,这是首个专门评估AI视觉语言模型物理推理能力的综合平台。通过六个不同难度的物理环境测试,研究发现即使最先进的AI模型在物理推理任务中表现也远低于人类,成功率普遍不足30%。更关键的是,AI模型虽能准确描述物理现象,却无法将描述性知识转化为有效控制行为,暴露了当前AI技术在动态物理环境中的根本缺陷。
英国林肯大学正在开发一种革命性的虚拟现实环境,让非专家通过身体演示来训练AI收割机器人。这种技术已在加拿大杂货店和日本便利店试用,未来可能彻底改变工作形态。虽然能降低危险工作的风险,但也带来就业替代、工资削减等问题。许多低薪工作将被远程操控的机器人取代,影响移民模式和劳工组织。这项技术仍处于早期阶段,但将在未来几年对工作产生深远影响。
AgiBot团队联合新加坡国立大学等机构开发出Genie Envisioner机器人操作统一平台,首次将视频生成技术应用于机器人控制。该系统通过100万个操作视频学习,让机器人能够预测行动结果并制定策略,在多个复杂任务上表现优异,仅需1小时数据即可适应新平台,为通用机器人智能开辟全新路径。