当前，盗窃、电信诈骗等系列案件高发，给人们生命财产造成了巨大损失，也严重影响了公安机关的公信力。多发性系列案件因其发案率高、破案率低、线索提取难的特点给公安机关破案增加了难度，在多发性系列案件中，同一嫌疑对象所实施的行为通常具有共性特征，这一特征所产生的数据在案件独立分析时无法体现为有价值的信息。利用大数据挖掘多发性系列案件之间的关联关系，已成为公安机关分析案件线索的一个重要手段。
　　多点位关联分析是针对多发性案件线索提取的一种大数据方法，以公安数据库为基础数据源，提取案发现场海量的电子数据，利用大数据构建多点位关联分析模型，挖掘出现在多个案发现场的同一特征数据，为公安机关侦查多轨迹、多区域、多行为等多发性系列案件提供线索。
　　首先，通过文献阅读总结国内外公安大数据研究水平、存在的问题。
　　其次，介绍了多点位关联分析的大数据处理系统、公安数据系统架构。阐述多点位关联分析理论，分析了多点位关联的数据关系及逻辑关系。
　　接着，根据公安办案需求以获取系列案件特征数据为目标，利用Linux虚拟操作系统，搭建Hadoop分布式大数据处理集群，实现海量数据的分布式计算；利用HBase与公安数据库实现数据交换，提取与案件相关的海量数据；通过JupyterNotebook应用程序将数据转化成可关联数据集，使用Python语言编程构建多点位关联分析模型。
　　最后，通过编程将多点位关联分析模型应用到多轨迹、多区域、多行为的系列案件中，验证了大数据多点位关联分析的有效性。
　　研究发现，通过大数据技术将海量无规律的数据转化为高价值的可获取信息，可以快速准确锁定多发性系列案件的关键线索；多点位关联分析可将大数据技术固化为通用公安办案工具，用于并案线索分析、关系网研判、作案工具查找等多种办案情景，有助于公安办案效率的提高。