智慧公安以大數據、云計算、人工智能、物聯網和移動互聯網技術為支撐，以“打、防、管、控”為目的，綜合研判為核心，共享信息數據資源，融合業務功能，構建公安智慧大數據平臺，實現公安信息數字化、網絡化和智能化。智慧公安大數據應用平臺，全面感知、綜合分析、整合公安業務資源和社會化信息資源，提供高效的警務管理手段，拓展便民服務空間。

社會治安防控體系建設，結合公安智慧新警務建設需求，以治安圈層查控、單元防控、要素管控為主的立體化、信息化社會治安防控體系建設，進一步提高社會治安的控制力，使人民群眾安全感和滿意度提升，社會更加安定有序。

社會治安防控體系標準化城市系統，包括公交智慧防控系統、檢查站信息導檢實戰平臺、智慧街面巡防系統、校園一鍵報警接入平臺與接處警系統對接、智慧安防小區管控系統。

智慧安防小區管控系統，提升基層社會治理效能，使社區信息采集更智能、打擊防范更精準、人力投放更精準、安全管理更全面，全面提升社會治理效率，實現智慧安防小區管控模式創新。

智慧安防小區管控系統，包括智慧安防小區綜合管控平臺、公安大數據應用、人臉比對軟件。

公安大數據應用

公安大數據應用，支持人臉、人員、車輛等結構化數據、半結構化數據接入,綜合查詢,一車一檔信息,紅名單,頻繁過車,行車軌跡,區域碰撞,落腳點分析,同行車分析,夜間面部遮擋,隱藏車分析,軌跡查車分析,異常牌照分析,區間測速分析,初始入城,套牌車分析,行車規律分析,晝伏夜出分析,實時更新過車記錄,以車搜車,特征搜車,車輛模型分布,車流量統計分析,違法過車數據統計,以臉搜臉,人臉屬性識別,人臉按條件檢索,靜態人臉比對身份確認,人臉庫查重,人證庫聚類檢索,同行人分析,人員落腳點分析,頻繁過人分析,人臉數據統計,人員查詢,以人搜人,二次排查,人員數據統計。

基于沃達德大數據平臺，通過對海量數據采集、處理、存儲、分析和數據挖掘，根據數據的特性，采用合適的可視化方式，將數據直觀地展現出來，以幫助人們認識數據、理解數據，同時找出包含在海量數據中的規律或者信息，預測未來發展趨勢，進行智能化決策分析，使得數據資產成為核心競爭力。

數據是一種寶貴的資源。利用新技術新方法挖掘現有數據的價值，找到數據間的關聯關系，提高基礎數據的利用率，并預測未來趨勢及行為，是面臨的迫切問題。一批新興的數據處理、挖掘與分析技術不斷涌現，使分析處理海量數據變得更加容易、更加便捷。

通過建設大數據基礎平臺，對已有海量數據進行整合、挖掘和分析，由傳統的經驗決策模式逐步轉變為數據決策模式，可以進一步提升管理水平以及決策效率，并充分挖掘數據資產的重要價值。大數據基礎平臺采用模塊化結構，模塊高內聚、松耦合，應滿足高可靠、實時響應快、安全性好、開放性好，系統應易于操作、易于維護、可擴展性好。

大數據平臺進行數據采集時通常要面對數據結構、業務規則、技術特性（網絡、安全、性能約束）等方面的綜合挑戰。如果數據源和大數據平臺處于相同的網絡環境，具有類似的數據結構和編碼映射，可以通過工具配置或腳本進行采集，如使用Sqoop。當需要面對和對接第三方的數據生產系統，需要遵循對方的抽取協議，以及跨網段的數據訪問，從而需要對采集應用進行一定程度上的定制，可以使用Java NIO、Netty或Mina。

數據倉庫，英文名稱為Data Warehouse，可簡寫為DW或DWH。數據倉庫，是為企業所有級別的決策制定過程，提供所有類型數據支持的戰略集合。它是單個數據存儲，出于分析性報告和決策支持目的而創建。 為需要業務智能的企業，提供指導業務流程改進、監視時間、成本、質量以及控制。

數據倉庫設計步驟如下：(1)選擇合適的主題（所要解決問題的領域）；（2)明確定義事實表；（3)確定和確認維；（4)選擇事實表；（5)計算并存儲表中的衍生數據段；（6)轉換維表；（7)數據庫數據采集；（8)根據需求刷新維表；（9)確定查詢優先級和查詢模式。

基于沃達德大數據平臺，通過對海量數據采集、處理、存儲、分析和數據挖掘，根據數據的特性，采用合適的可視化方式，將數據直觀地展現出來，以幫助人們認識數據、理解數據，同時找出包含在海量數據中的規律或者信息，預測未來發展趨勢，進行智能化決策分析，使得數據資產成為核心競爭力。