开题报告应急位置智能技术在公共安全领域的应用研究

c表 一福州大学硕士研究生论文开题报告论文题目应急位置智能技术在公共安全领域的应用研究位置智能技术在公共安全应急领域的应用研究姓 名学 号115520008性 别女导 师卢毅敏、吴升学科专业地图学与地理信息系统研究方向空间信息网络共享与服务技术学 院福建省空间信息工程研究中心开题报告时间、地点2013.1.21福州大学科学楼15层导师审核意见导师签名： 年 月 日审核小组意见 审核小组成员签名： 年 月 日院领导意见 院领导签名： 年 月 日第 1 页 共 13 页一、论文选题依据（包括本课题国内外研究现状述评，研究的理论与实际意义，对科技、经济和社会发展的作用等）Spatial Business Intelligence Systems(空间商务智能系统)geographic business intelligence1 选题依据随着时代的不断发展，信息化逐渐成为人们耳熟能详的话题。我国的公安信息化初步建设始于20世纪80年代1，历经30多年的发展，虽然已取得了不小的成就，然而随着公安应急事件的频发，公安部门“数据泛滥、知识贫乏”的情况日益凸显，如何从庞大的二维乃至空间数据中以最少的时间摄取到最综合有效的信息，及时地用于决策分析和可视化展示，是商业智能的研究重点，也是目前人们研究的一大热点。我们不难发现，在我们接触的公安数据中约有75%-85%的数据都与空间地理位置相关，因此，又唤起了我们对位置应急智能的关注，位置应急智能技术可以回答“在哪里”及“怎么办”的问题，帮助公安系统进行规划和预测，如：哪里最容易发生案事件？一般发生哪种类型的案事件？应在哪里增加哪种警力配置最合适？若不在此增加警力配置，发生应急案件时该怎么办等等？位置应急智能通过地理信息可视化和空间查询分析能力的提高，进一步提升了商业智能的能力，促进了商业智能的发展2。2008年，“全国警用地理信息基础平台应用技术研究与规模应用规范”正式启动，标志着全国警用地理信息基础应用平台（Police Geographic Information System，即PGIS）揭开了全新的面纱。PGIS是借助于公安信息网络及地理信息技术，以公安电子地图为支柱，其目的在于服务于公安业务信息的整合、共享、可视化管理与综合分析，提高公安整体的信息化技术水平3。如何能更快速、准确的实现公安数据的查询、分析和规划决策，特别是公安应急数据，只有真正实现了公安部门数据的网络化、信息化和智能化，才能实现真正意义上的统一指挥、快速反应、协同作战。这奠定了位置应急智能技术在公安系统中的不可或缺性。位置智能4,5是商业智能和GIS 技术的结合体，商业智能主要侧重于将现有数据和信息转化为有价值的知识，从而帮助管理者做出明智的决策，虽有位置信息，但常常没有加以利用，其前端展示也主要是通过报表、图标及图形的方式展现；而位置智能则侧重于位置信息的利用，并通过智能知识可视化技术来进行前端的展示分析，将隐形知识转为显性知识的可视化，大大提高了公安系统的模拟预测及应急预防能力。将位置应急智能技术应用于公安系统中，可直接通过柱状图或饼状图的模式将该系统在历史时间内发生的案事件一一标注出来，并且可以通过地图直观的展示各个案事件发生的具体位置和详细信息，以及该位置周边的地形、交通情况等，以便进行最优路径规划及案事件特点归纳及热点分析。另外，还可以显示出离自己较近的其他公安局或派出所的详细信息，以便在应急事件发生且需要支援时，可在自己的规划区域图中清晰地显示出他们的具体方位，以便进行相互沟通和协同配合，提高了公安应急事件的预防处理能力，为公安应急事件的分析与规划决策提供了一种全新的思维分析方法。与此同时，位置智能从空间的角度进一步促进了商业智能的发展。本文旨在借助商务智能和GIS 技术将异构的、质量较低的、缺失严重的、输入不准确、难以分析的数据集成起来，利用ETL 工具进行整理、清洗、转换和加载，减少数据处理等重复工作的时间，取而代之的是将更多的精力用于分析和决策支持上，大大的提高了工作的效率，也缩短了应急时间，通过对公安案事件的主题分类，还可以满足公安各个警种的需要，提高预防和打击犯罪的效率，提高公安人员工作的信息化技术和智能化水平，使得公安的反应速度更快、打击位置更加精准、资源配置更加合理。最终希望能为公安公共安全应急事件的预防和决策尽自己一点微薄之力1。综上所述，公安机关应建立一套功能完备、高效、实用，可充分实现各事件、各主题、各警种的信息传输、共享和复用的位置应急智能系统，充分实现“纵向贯通、横向集成、互联互通”，即实现各警种间的纵向贯通，各业务信息间的横向集成，跨地域、跨主题、跨部门的互联互通6。2 文献综述2.1 位置应急智能的研究进展2.1.1 位置应急智能的演变过程商业智能（Business Intelligence，简称BI）7-10的概念最早由IBM研究员Hans Peter Luhn在1958年的文章中提出，他将商业智能定义为一种理解能力，这种能力能够引导人们通过现实事物间的相互关系来达到目标。然而，直到1996年，商业智能的概念才由Gartner Group集团于1996年正式提出11，他认为商业智能是一种将数据通过收集、挖掘、分析最后转化为有用信息的技术和方法。从此，Gartner Group集团成为公认最早的商业智能提出者。2004年，商业智能概念在Gartner商业智能峰会上发生了第一次转变，商业智能被认定为是在数据仓库的基础之上进行查询、报表展示和多维数据分析的前端展示工具，这个峰会为商业智能带来了第一个快速发展期；2007年，同样在Gartner商业智能峰会上，商业智能的概念发生了第二次转变，这次峰会对商业智能进行了重新定义，此时，商业智能已经不再仅仅是一个前端展示工具，而是一个包含了平台、数据及应用的整体；到了2011年，在Gartner商业智能峰会上已经开始着重强调分析二字，其中包括描述性分析、诊断性分析、预测性分析以及说明性分析，希望对各个阶段的细化分析来帮助管理者做出更好的决策。由此可见，商业智能就是利用数据之间所存在的内在联系，深层次的挖掘出其潜在的有用信息和知识，帮助企业认识到其自身及目前市场所存在的问题及现状分析，进而作出正确决策。位置服务（LBS）是由移动通信网络和卫星定位系统结合在一起提供的一种移动终端位置信息的增值服务，它侧重研究定位服务；而与位置服务不同，位置应急智能技术则是基于商业智能技术，在公安应急领域结合地理信息系统的空间分析及可视化功能实现空间信息的精确研判，案事件规律、特点及犯罪趋势的准确分析预测，最终作出规划决策等。2005年，Pitney Bowes MapInfo(PB MapInfo)在全球首先提出了位置智能的概念。所谓“位置智能”就是将位置信息与业务信息相联系，辅之于数据仓库、联机分析处理与数据挖掘等技术，从而实现信息的相互对比、分析以及最后的地图可视化展示，使企业能在最短的时间内做出最佳的决策。简而言之，就是基于位置信息的智能化决策。虽然位置智能并不能取代商业智能的作用，但是却能使商业智能发挥更大的作用。目前，位置智能技术已经广泛应用于政府、电信、能源、零售、金融、保险等行业，客户包括了中国移动、中国联通、华为、胜利油田、中海油、大庆油田、中煤能源、中国工商银行、中国建设银行等大型企业，以及诸多政府部门；但是位置智能技术在公安应急领域的应用还较为罕见12-15。微软（杨大川）、学者2.1.2 位置应急智能关键技术的研究进展（1） 空间数据仓库技术W.H.Inmon在20世纪90年代提出数据仓库(Data Warehouse)的概念，数据仓库为：面向主题的、集成的、非易失的且随时间不断变化的、用来支持管理人员进行决策的数据集合16-21。到了20世纪90年代中期数据仓库已成为热点与潮流。在美国，它是仅次于Internet技术之后的一个技术热点22。空间数据仓库23-28技术是数据仓库技术与GIS技术的结合体，其主要在数据仓库的基础上引入了空间维度概念，实质上为数据仓库加入了非结构化的信息处理能力，简而言之，空间数据仓库的主体是空间数据，它是为了满足空间数据分析和空间决策的需求而存在的，大大扩展了数据仓库的应用范围和维度范围。因此，由于空间关系、空间计算以及空间分析的复杂程度较高，空间数据仓库较数据仓库复杂得多。就目前的形势看来，空间数据仓库是当前GIS领域发展的一大研究热点。应急数据仓库技术就是在数据仓库的基础上应用应急数据作为其主要研究对象，而应急数据大部分都涉及空间数据，因此应急数据仓库技术就是在空间数据仓库的基础上进行分析决策。美国的Edwards教授以及ESRI公司是世界上第一个将数据仓库理论与技术引进GIS领域，并逐渐形成空间数据仓库的理论和技术的贡献者。Edwards教授于1996年在澳大利亚Brisbane举办的Oracle亚太地区用户大会上，发表了一篇题目为“什么是空间数据仓库（What is spatial data warehouse）”的论文。同年，美国的ESRI公司也发表了第一篇关于空间数据仓库的白皮书，题为“数据仓库中的数据制图（Mapping for the data warehouse）”。这两篇论文的发表引起了GIS界的极大关注，从此掀起了空间数据仓库的研究热潮。从1996年起，关于空间数据仓库的学术活动日益增多。ESRI公司作为发表空间数据仓库相关论文最多的团体之一，1997年又发表了第二篇白皮书：Spatial Data Warehouse，1998年发表了：Spatial Data Warehousing for Hospital Organizations。从1996年到2000年由ESRI公司举办的第16届到第20届全球性用户大会上，每年都有不少的关于空间数据仓库的论文发表，领导了全世界研究空间数据仓库的新潮流。1997年的SSD会议上，加拿大的Simon Fraser大学计算科学学院数据库系统研究实验室的Jiawei Han教授首次发表了名为“空间数据仓库与空间数据挖掘”的学术论文，开启了加拿大关于空间数据仓库与空间数据挖掘的新领域。随着时代的发展，与空间数据仓库有关的学术讨论会逐年增多，较出名的有：ESRI公司的全球性用户大会、SSD国际会议、数字地球国际会议、GIS国际会议等等。空间数据仓库产品的研制已得到了蓬勃的发展，美国的ESRI公司于1998年在世界上第一个推出了空间数据仓库的产品ARCSDE；美国的MapInfo公司则于1998年推出了SpatialWare；Intergraphy公司在同年则也推出GeoMedia等等。上述所列是一些国际上较有名的空间数据仓库厂家，还有一些中小企业在空间数据仓库方面也做得不错，如美国的AltaLIS等等。我国的空间数据仓库技术始于20世纪90年代末。北京大学遥感与地理信息系统研究所的承继成、李琦和杨超伟等几名教授近几年在中国图像图形学报以及北京数字地球国际学术会议上发表的几篇论文，使我国空间数据仓库的研究有了新的突破22。然而我国空间数据仓库在公安应急领域的应用还较为少见，而公安应急空间数据仓库是公安信息化架构的焦点，因此我们应该加快脚步建立面向复杂的空间数据分析和高层决策支持、为全局范围的公安战略决策和社会治安长期趋势分析提供有效支持的公安应急空间数据仓库。（2） 联机分析处理技术关系数据库之父E.F.Codd在20世纪60年代末提出了关系模型的概念，大大的促进了关系数据库和联机事务处理（On-Line Transaction Processing，OLTP）的发展。随着社会的不断进步和发展，Codd认为联机事务处理（OLTP）已不能满足终端用户对数据库查询分析的需要，SQL对大数据库进行的简单查询也不能满足用户分析的需求，用户的决策分析需要对关系数据库进行大量计算才能得到结果，因此，到了1993年，E.F.Codd又提出了多维数据库与多维分析处理（On-Line Analytical Processing）这个概念，即现在被人们所熟知的OLAP。联机分析处理技术29-32的核心是建立在数据仓库之上的复杂查询和多维分析，它支持用户围绕决策的各个主题从不同角度、不同层次进行观察、分析和处理数据。后来，学者们利用互联网广泛地研究了OLAP技术的应用，把OLAP的概念归纳为：对共享多维信息的快速分析（Fast Analysis of Shared Multidimensional Information）简称为FASMI.，它高度概括了OLAP的重要特征：快速性（Fast）、分析能力（Analysis）、共享机制（Shared）、多维化（Multidimensional）以及信息性（Information）。OLAP技术与OLTP最大的不同是，OLTP侧重于操作型的应用，而OLAP侧重于分析型的应用33,34。目前联机分析处理技术可以根据存储方式的不同分为基于多维数据库的OLAP技术（MOLAP）、基于关系型数据库的OLAP技术（ROLAP）以及混合型OLAP技术（HOLAP）三类。目前OLAP的应用方案大体有两个：一个是利用诸如Informix的MetaCube、Oracle的Discover以及Express等OLAP工具创建，此方案因为有著名数据库厂商的支持，能够创建完善的基于数据仓库的DSS系统，特别适用于大型数据仓库，其缺点是不灵活、投资成本高且全英文界面对用户要求也较高；二是利用开发工具简单的将分析需求进行多维化处理，此种方案功能有限，一般适用于小型应用，但其较为灵活，可以根据用户的实际情况定制，节约成本。目前，联机分析处理技术已经在决策支持系统中获得了成功的应用，如著名的SAS数据分析软件包、Business Object公司的决策支持系统以及IBM公司的决策分析工具、Microsoft的Analysis Services都是用了联机分析处理技术。保险风险评估地理信息分析系统(GIS)以及财务分析系统也已经应用了OLAP技术，其灵活性、可用性已在实践中得到充分的证明，OLAP技术使得整个保险综合业务与应急信息处理系统在技术上有重大的突破，分别获得1997年度中国科学院科技进步二等奖和1999年度国家科技进步三等奖。应用了OLAP的还有：医院应急智能系统、社区位置划分优化方案等等，但其在公安位置应急智能方面的应用还较为少见。（3） 知识可视化技术“可视化”作为专业术语出现始于1987年2月，当时美国国家自然科学基金会（National Science Foundation，简称NSF）召开的一个专题研讨会，给出了科学计算可视化的定义、覆盖的领域以及近期、长期的发展方向。这标志着科学计算可视化作为一个学科在国际范围内已经成熟（潘云鹤，2001）。按照潘云鹤（2001）的观点，科学计算可视化（Visualization in Scientific Computing）的基本含义是运用计算机图形学或者一般图形学的原理和方法，将科学与工程计算等产生的大规模数据转换为图形、图像，以直观的形式表示出来35。在科学计算可视化的基础上出现了数据可视化(DataVisualization)、信息可视化(InformationVisualization)和知识可视化(KnowledgeVisualization)。数据可视化是指运用计算机图形学和图像处理技术，将数据转换为图象、曲线、二维图形、三维体和动画来显示在屏幕上，并进行交互处理的理论、方法和技术。它涉及到计算机图形学、图像处理、计算机辅助设计、计算机视觉及人机交互技术等多个领域。一般说来，科学计算可视化是指空间数据场的可视化，而信息可视化则是指非空间数据的可视化（黄志澄，1999）36。随着社会信息化的推进和网络应用的日益广泛，信息源越来越庞大。除了需要对海量数据进行存储、传输、检索及分类等以外，更迫切需要了解数据之间的相互关系、发展趋势并对这些激增的数据进行更高层次的分析，以便更好地利用这些数据。Card et al. (1999) 将信息可视化定义为：“使用计算机支持的、交互性的视觉表示法，对抽象数据进行表示，以增强认知。” Eppler, M.J. & Burkard, R.A.（2004）认为：知识可视化(Knowledge Visualization)是在科学计算可视化、数据可视化、信息可视化基础上发展起来的新兴研究领域，应用视觉表征手段，促进群体知识的传播和创新。知识可视化方法是认知心理学中的记忆模型发现规律，通过知识的计算机表征，通过可视化的外在表征方法来实现群体知识的传播和创新。知识可视化方法大多采用图解式表示，如启发式草图、概念图表、视觉隐喻、知识地图和科学图表等，深入的知识可视化方法还需要人工智能、知识科学、计算语言学和认知语言学等方法的强力支持。知识可视化与信息可视化有着本质差别，Eppler, M.J. & Burkard, R.A.（2004）认为：信息可视化的目标在于从大量的抽象数据中发现一些新的见解，或者简单地使存储的数据更容易被访问；而知识可视化则是通过提供更丰富的表达他们所知道内容的方式，以提高人们之间的知识传播和创新37。 知识可视化作为新兴研究领域，是商业智能的一部分，也是位置应急智能的重要组成技术，是指应用视觉表征手段促进群体知识的传播和创新，其实质是将人们的个体知识以图解的手段表示出来，形成能够直接作用于人的感官的知识外在表现形式，从而促进知识的传播和创新。将其应用于公安应急领域，有利于公安应急网络的信息共享与交流，提高了应急反应的速度和准确度。随着科技的发展和人们对知识可视化要求的不断提高，知识可视化表现出以下几个发展趋势：一是二维到多维的转变（Eppler, M.J. & Burkard, R.A., 2004）。当前的知识可视化技术大多是依靠计算机的二维屏幕实现的，将很快与虚拟现实空间相结合。二是静态向动态、交互的转变（Eppler, M.J. & Burkard, R.A., 2004）。知识可视化不能仅仅是为了知识传输的静态对象，而是需要建立一种迭代的、协作的过程，使得可视化过程动态发生37-40。2.2 公安应急信息化的研究进展（）20世纪30年代到70年代，欧美等地的各个发达国家已逐步完成了警务现代化建设，通过加大军事投入，提高了警务工作的规范化、标准化建设，形成一整套标准化操作规程，逐步构建起跨地区、跨部门的信息共享、协同作战的智能应急信息化体系。70年代末到80年代初，欧美等地的各个发达国家已建立起了以信息技术为支撑点的指挥和信息中心。在国外的公安应急领域，信息化发展较早，也相当受政府部门的重视，一直在不断的维护和完善。进入90年代后，由于计算机技术的飞速发展，尤其是桌面计算机技术的发展使得个人计算机性能有了极大的提高，因此将实现公安应急信息化所需的成本降到更加合理的价格，极大的促进了信息化进程在公安应急方面的应用和发展。在国外学术界内外，都有大规模的公安应急项目在进行，“COPLINK”就是其中的一个，它是美国亚利桑那州警察局和亚利桑那州大学人工智能实验室于1996年共同开发出的，这套公安应急智能系统先后被德克萨斯州、马萨诸塞州、爱荷华和华盛顿州的执法部门使用。据该系统的开发者、美国亚利桑那州大学陈教授介绍，COPLINK可以对罪犯线索数据库和报告进行分析，让警官有能力利用有限的信息，找出他们在其他地方得不到的与案件及罪犯有关联的调查线索1。如今，美国的公安应急信息化进程已经可以实现快速的采集、统计、分析、传递各类应急事件信息的功能，还帮助实现精确的警力部署和调遣相关警务资源，从而实现打击犯罪，另外还有一个重要的作用是确定各层面各岗位警察的不同职责和任务，做到职责明确到人，并准确记录不同岗位警察的工作状况，从而实现了对警力的实时有效监督，也避免了警力配置不足或闲置的事件产生，促使警务效能发挥最大作用，从而使预防犯罪更加主动、打击犯罪更加精确，达到了组织指挥、需求预测和结果评估的最佳化。且国外在应急处置方面，不仅仅注重应急发生时的灾难响应，也十分注重前期的应急预警、监控以及事后的灾后恢复41。我国的公安信息化建设工作开始的比较晚，其发展分为两个阶段：第一阶段从上个世纪80年代中后期开始一直到1998年，这一阶段由于当时技术水平的限制，信息化功能较单一；第二阶段始于20世纪80年代，由公安部党委会议决定，在全国公安机关集体开展公安信息化工程，即金盾工程，直到2001年，国务院通过“金盾工程”的立项才标志着我国公安信息化建设开始进入全面推进的阶段1。随着全球信息化的推进，信息的集中共享和综合运用已成为公安信息化的一个重要的目标，因而也成为提高信息化建设的一个重要标志42。在“金盾工程”的促进下43，各警种积累的公安应急数据规模和复杂程度与日俱增，进而促进了公安信息化建设，并以信息化带动公安智能化发展。我国应借助“金盾工程”的建设作为契机，思考如何更加合理且高效的利用这些公安数据为人民的生命财产安全提供保障、更及时的找出犯罪的规律、科学的预测出治安的变化趋势。中国人民公安大学王光、张明两个学者认为，我国应努力完善公安信息共享系统，只有做到资源配置合理、共享开放，才能使案事件信息得到整合并为公安应急事件的预防和决策提供服务。公安计算机信息网络建设系统作为全国十二个重点信息系统之一，应努力建设主题化和集成化的公安应急业务数据仓库，并将异构、不同语义的公安应急数据经过处理后存储到数据仓库中，进行必要的提取和维护，这样不仅有利于数据复杂分析还可为高层的决策提供支持。经过了十几年的发展，我国公安应急信息化建设已经初步进入了数字化、信息化、智能化、一体化的时代，大大的节省了公安警力资源并增强了公安队伍的战斗力，提高了公安工作的效率及准确率44-47。人脸识别、全球眼智能分析。传统上公安应急智能在空间位置研究应用较少，二、论文的研究内容、研究目标，以及拟解决的关键问题（包括具体研究与开发的主要内容、目标和要重点解决的关键技术问题）1 研究目标本文通过空间应急主题数据仓库技术、联机分析处理技术及基于知识可视化技术的交互式图形展示技术等位置应急智能的关键技术对公安案事件进行数据集成、分析和智能可视化展示，挖掘出公安应急事件的显性及隐形规律，争取在缩短应急时间及提高应急预测精度上实现跨越性的突破，更智能化的实现公安应急事件的模型预测、事件预防、警力配置、警力监督和规划决策等功能。2 研究内容（1） 研究位置智能相关的空间数据仓库和联机分析处理技术及其在公安应急中的应用建立主题化、集成化、历史化的空间应急主题数据仓库，并通过联机分析处理技术，使预防犯罪更加主动、打击犯罪更加精确，达到应急组织指挥、应急需求预测和空间应急智能决策评估的最佳化。（2） 基于知识可视化的交互式图形展示工具在公安应急方面的前端展示研究分析通过知识可视化技术实现隐形和显性知识的地图可视化，帮助人们实现知识的图形可视化共享研究。并通过位置应急智能技术中的基本图形展示工具（如：折线图、XY散点图、面积图、气泡图等）、特殊符号图形展示工具（如红绿灯、笑脸等）、组合图形展示工具（两种或多种图形类型结合展示）、应急位置KPI仪表盘图形展示工具、策略知识地图等工具辅助公安系统实现应急决策。3 拟解决的关键问题（1） 运用空间数据仓库的构建技术，可以将异地、异构、质量较低的、有用却难以分析的数据集成起来，可利用ETL工具进行清洗、转换和加载工作，并对公安案事件的主题进行分类，提高数据处理及预防打击犯罪的效率，这样将缩短应急规划决策时间，帮助解决公安应急事件数据不规范、质量不高、难以利用的问题。（技术上的难点在哪里？）（2） 利用交互式图形展示技术，通过仪表盘、策略地图等工具显示不同区域、不同时间段、不同天气状况的警情变化、治安状况，以及各类案事件及犯罪分子间是否有相连，分析应在哪些区域增强警力配置、应分别增加哪些警种等，可以增强公安信息的易读性、共享性，提高案事件信息读取量和传输效率。三、拟采取的研究方案及可行性分析 (包括研究的基本思路，研究过程拟采用的方法和手段，现有研究条件和基础，研究开发方案和技术路线等)1 研究思路通过对拟定的研究目标与研究内容进行统筹规划与细致分解，初步确定本文的研究思路如下：首先对与商业智能有关的理论知识及实践技术进行研究；其次，公安应急数据包含大量的空间位置信息，依据具体情况具体分析的原则，将GIS技术结合商业智能技术共同研究，即利用位置应急智能这一全新的思维分析方法进行分析；再次，构建出有利于提高公安应急决策效率的空间应急主题数据仓库，并进行相关联机分析处理及报表和地图的知识可视化展示；最后，通过交互式图形展示技术实现最后的决策支持，从实质上改善公安各警种在应急预防和决策方面的效率和精度。图1 研究思路2 拟采用的方法与手段（1） 本文采用了跨学科、多领域、多技术的综合研究方法，智能技术，特别是位置应急智能技术属于多学科交叉领域，其研究涉及了地理科学、计算机科学中的实时智能信息处理、管理科学与工程、网络计算、人工智能等多个学科领域，作为该领域的一个学科前沿，它运用了数据仓库技术、ETL技术、联机分析处理技术以及知识可视化等多种技术和方法。（2） 本文还采用了空间智能技术的理论与公安应急事件的实际应用相互结合的方法，将位置应急智能技术引入公安系统实现智能研判。3 研究基础和条件本文的研究是在阅读和吸收大量国内外相关优秀文献资料并进行综合归纳总结后、结合现有的技术条件、Oracle及Arcgis的软件支持以及对公安厅现有数据的充分了解的基础上进行的。同时，本研究依托于国家863重点项目课题：“海峡西岸公共安全应急指挥与位置服务系统”之子课题“应急数据仓库与应急智能”部分进行。本文以福建省为综合示范区，需要用到福建省公安案事件的相关数据。但是由于数据有一定的保密性，本文只列出论文相关的案事件数据的几个不敏感属性。并在此基础上进行利用、分析和地图展示。4 技术路线根据本论文的研究目的及主要研究内容，拟定技术路线如下图所示：图2 拟采用的总体技术路线图四、本课题的特色与创新之处1 预期成果（1） 构建公安空间应急主题数据仓库。（2） 实现有利于公安应急预防和决策的地图可视化展现。（3） 发表与论文研究内容相关的学术论文两篇及以上。（4） 完成硕士毕业论文。2 创新与特色本文将位置智能引入公安应急系统，实现了商业智能与GIS的有效结合，大大拓展了商业智能的应用领域，并为公安应急事件的决策提供了一种全新的思维分析方法。位置智能可以提高公安应急事件的预防和决策能力，使得应急位置的选择更加精准、可靠。通过对公安几个主题的刑事案件进行分析，找出不同主题案事件的作案规律，并从中找出相似性，提高应急事件分析、决策和实施的效率。3 研究进度安排图3 进度安排五、参考文献1 程日能.数据挖掘技术在警务综合信息系统的应用研究D.广州:广东工业大学.2011.2 Donnell O, Anthony. Location Intelligence J. Insurance & Technology, 2005,30(10):66.3 郑喆.某市警务地理信息平台数据集成功能的分析与设计D.北京:北京邮电大学.2010.4 Gandorf Ed, Taylor James. Driving Decision Automation with Location Intelligence J. Business Intelligence Journal, 2006,11(3):37-45.5 Kianmehr Keivan, Koochakzadeh Negar. Learning from socio-economic characteristics of IP geo-locations for cybercrime prediction J. Business Intelligence and Data Mining,2012,7:21-37. 6 赵明.警务综合应用系统的设计与实现D.长春:吉林大学.2008.7 张云涛,龚玲.商业智能设计、部署与实现M.北京:电子工业出版社,2001:1-57.8 陈磊,董碧丹,张峰.操作型商业智能综述J.计算机工程与设计, 2010,31(7):1639-1641.9 李爽.商业智能综述J.焦作大学学报,2004,(4):93-94.10 余长慧,潘和平.商业智能及其核心技术J.计算机应用研究,2002,(9):14-16.11 (美)戴维奥尔森,石勇.商业数据挖掘导论M.北京:机械工业出版社,2007:1-18.12 Hopson Hal. Location intelligence technology: putting branches where branches should be J. Bank News,2006,106(8):14-15.13 Donahue Greg. Location intelligence: The next trend in mapping technology J. Law Enforcement Technology,2007,34(9):84-91.14 MacMillan Michael. Location intelligenceJ. Computing Canada,2007,27(14):1617.15 Weber Patrick, Chapman Dave. Location Intelligence: An Innovative Approach to Business Location Decision-making J. Transaction in GIS,2011,15(3):309-328.16 Inmon W H.Building the Data WarehouseM.3rd ed.Beijing:ChinaMachine Press,2002:20-23.17 梁大圣.空间数据仓库的设计与构建D.泰安:山东农业大学.2010.18 崔剑非,胡志伟,梁加红.公安领域数据仓库体系结构研究J. 计算机仿真, 2009,26(2):139-142.19 夏火松.数据仓库与数据挖掘技术M.北京:科学出版社,2011:1-83.20 贺琼.空间数据仓库及OLAP技术研究D.重庆:重庆大学.2004.21 陈细谦.空间数据仓库关键技术的研究与实现D.大连:大连理工大学.2005.22 邹逸江.空间数据仓库研究综述J.测绘学院学报,2002,19(4):287-289.23 赵霈生,杨崇俊.空间数据仓库的技术与实践J.遥感学报,2000,4(2):157-160.24 李琦,杨超伟.空间数据仓库及其构建策略J.中国图象图形学报,1999,4(11):984-990.25 杨超伟,李琦,李浩川,毛新生.数字地球中的空间数据仓库研究J.中国图象图形学报, 1999 (增刊): 54-59.26 ESRI. An ESRI White Papers:Spatial Data Warehousing for Hospital OrganizationsEB/ OL . http:/ www. Esri/com/base/compay/opengis,1998,3.27 Tom Barclay etc. Microsoft TerraServer:A Spatial Data Warehouse.Microsoft Research Advanced Technology Di