随着经济与城市化的快速发展,流动人口迅速增加,公共安全问题越来越严峻,犯罪发生的频率越来越高。尽管公安机关信息化建设力度逐年加大,内部积累了大量的业务数据,但是这些数据大多数只应用于查询、统计,不能适应当前警务工作大数据管理与犯罪分析预测需求。为了解决这些问题,本课题研究开发了警务大数据系统。在研究开发过程中,作者分析了传统犯罪分析预测技术的缺陷,提出了基于大数据技术的犯罪预测模型与算法。研究实现了警务大数据的预处理方法、基于分布式文件系统HDFS与关系数据库联合应用的数据存储技术。研究了著名的大数据并行处理框架Spark生态系统的组成,核心思想、工作原理、平台构建以及应用系统开发方法。在理论与技术研究的基础上,基于Spark大数据框架开发实现了警务大数据原型系统。本系统主要包括犯罪预测、警务数据查询、警务决策支持、数据存储与管理等软件模块。其中的犯罪预测模块基于Spark MLlib库,综合运用决策树算法、聚类算法、关联规则三种算法生成应用于分析预测警务工作的模型。犯罪预测主要是对犯罪的最大嫌疑人和犯罪热点进行预测,并将结果显示出来,为公安人员决策提供辅助。警务数据查询主要实现以往案件查询和未结案件查询。警务决策支持模块根据犯罪预测的结果辅助公安人员进行警力部署和警力资源查询。尽管本课题研究开发的警务大数据系统是一个原型系统,但为大数据技术在警务工作中的实际应用进行了有意义的探索,必将为提高我国公安系统的案件侦破效率与自动化水平起到积极的促进作用。