[author]谭俊

[content]

大数据技术在警察执法中的应用及挑战



*谭  俊
重庆大学法学院讲师

摘 要：在前大数据时代，公安机关已经不同程度地运用现代信息技术以辅助法律的执行。大数据技术的兴起不仅能更准确地预测违法行为的时空分布、实现对于个体行为的监控与危险评估，

还有助于了解执法过程中的风险点和社会公众的需求。我们在肯定大数据对警察执法带来益处的同时，也要认识到其对既有的执法理论和实践所带来的挑战，具体包括虚假的确定性、执法权力的

扩大、执法合理性的缺失以及程序设计者的自由裁量权。作为应对举措，我们在充分利用大数据技术辅助执法时，需要明确大数据技术的应用范围和条件，注重对于数据信息权利的保护以及执法

过程中的透明性、公开性和可问责性，同时保障相应的技术性正当程序。

近年来，大数据技术给零售业、生物医疗、金融和其它领域带来了革命性的变化。随着相关技术的发展与应用范围的拓展，大数据技术在行政法治建设中也将引发重要的模式转变。在既有的执法实

践中，郑州铁路警方已开始尝试使用人像对比警务眼镜筛查违法行为人；正在建设的“中国天网”系统利用图像识别技术和行人识别等技术，将在智能监控、智能交通等领域发挥重要作用；各地的公

安机关也在不断建设大数据应用系统，比如山西省公安厅的云平台、深圳公安的警务云终端、北京地区的公安大数据情报分析系统等等。目前，大数据技术在警务中的运用方式主要集中在以下三个

方面：开发建设数据平台，整合数据采集渠道和范围；开发行为和图像识别技术，辅助案件侦办；利用网络平台简化公众办事流程。虽然公安机关认识到大数据技术在警务实践中可能的积极作用，

但是限于技术条件限制和其它因素的制约，大数据技术在警察执法中的巨大功用还没有完全呈现出来。

在前大数据时代，公安机关已经不同程度地运用现代信息技术以辅助法律的执行。相对于在立法、司法中应用的复杂性，大数据技术在警察执法中的运用具有更多的可能性和试错空间，更为重要的

是，警务执法人员也更有可能接受大数据技术观念。大数据技术在警务中的应用会带来权力运用形式的变化，如何通过法律规则进行提前预防，避免权力滥用所带来的新的风险是尤为值得关注和研

究的课题。

一、大数据技术在警察执法中的应用

在大数据技术兴起之前，现代信息技术已经在各警察执法部门有着不同程度的应用。执法者由街头官僚向屏幕官僚和系统官僚的转变就是其应用的结果。对于信息技术的合理使用有助于执法者在各种

紧急或非紧急情况中更好地作出回应，有助于更好地保障执法者的安全，同时也能降低对执法人员的管理成本，更为重要的是，在对违法行为人进行辨认、逮捕和定罪时，信息技术提供了极大的便利

。与之不同的是，大数据技术的兴起将使得对违法行为的识别和判断更加的精细化和准确化。具体说来，其在公安执法中的主要应用有以下三个方面：

首先，预测违法行为的时空分布。

传统街道层警察执法是以“事件—反应”模式为主，即通过日常巡查以发现违法性事件进而执法，或在违法性事件发生后再出动执法力量进行应对。这样的执法方式需要依赖大量的资源，且效率也不能达

到最优水平。既有关于犯罪热点空间分布的研究表明犯罪行为在空间上呈现聚集分布，在相应的时间段内也保持相对稳定。这对于预防犯罪和充分利用警务资源具有重要的意义。大数据技术的兴起将进

一步提升对于违法行为空间分布特征分析的精细化水平。在美国警察执法实践中，以预测性警务为目标的大数据软件相对于传统的分析技术已经取得了更好的效果。在既有的应用中，以地理为基础的大

数据软件主要有PredPol和HunchLab。PredPol是由加州大学洛杉矶分校和圣塔克拉拉大学的数学家和社会科学家联合开发的一款用于犯罪预防的软件。该软件通过已有的犯罪类型、犯罪地点、犯罪的时

间等为主要内容来预测未来可能的犯罪分布。虽然这一软件的运用在实践中发挥了一定的效果，但是其通过既有的数据来预测未来，常常忽视了影响犯罪的各种复杂与动态性的环境因素。与之不同的是

，HunchLab则融合了不同的理论和模型，其中最核心的就是风险区域模型。此一模型将各种社会环境、物理情境、个体行为等不同因素赋予不同的风险权重，结合不同的犯罪行为类型，整合成统一的犯

罪分布图。HunchLab通过风险的分配与叠加区分出最有可能发生犯罪的区域，为合理调配警力资源提供参考。总体而言，这两种不同的软件都是基于违法行为的时空分布进行预测，其主要是针对违法行

为的数量和地理位置，而对违法行为危害的结果却无法准确估计。

其次，对个体行为的监控与危险评估。

此处的个体既包括自然人，也包括法人或其他社会组织。在将社会行为和社会关系数据化的前提下，无论是个体化的行为，还是企业内部的管理、经营以及企业之间的谈判、交易、冲突等事件都会以信息

的方式得以呈现。从这个角度上看，我们现在处于一个监控社会之中。在个体危险评估层面，Beware作为一种新的数据分析软件，它是依据与个人相关的交易数据、公共行为纪录和社交媒体信息等数据为

基础，通过对每个人进行危险评估并划分为不同的等级。换言之，每一个体都被划归为不同危险等级之中。故执法者能够以此为依据对相关的嫌疑人员展开进一步的调查。但由于该软件算法过程的不透明

性，其评估结论的准确性也受到相应的质疑。另一用于对有过犯罪记录人员再犯风险进行评估的危害评估风险工具（Harm Assessment Risk Tool）被简称为Hart。其根据个人的犯罪记录、年龄和其他背景

特征，将不同的人员划分为具有低风险、中级风险和高风险三种不同类型。根据报道，这一软件在英国达勒姆警察局的应用中表现出了较高的准确性。总体而言，依托于大数据技术的分析，警察机关对存

在社会危害可能的行为者的辨别和选择就会更加的准确和科学。

最后，利用开放性数据了解执法过程中的风险点以及社会公众的需求。

大数据的特征不仅在于其数据量大，更在于其数据来源的混杂性和时效性。换言之，执法者除了拥有与执法事项相关的数据外，还能够结合微博、微信、论坛等社会媒体的信息，从相关性的视角分析执法

可能引发的政治风险、经济风险以及法律风险。同时，从大数据中还可以挖掘出不同区域、不同群体对于公共安全服务的需求以及对执法者的意见和建议。对这些信息的分析有助于改进执法方式和执法策

略，更好的实现执法为民。譬如，通过大数据分析，在对特定地区的主要违法或犯罪类型进行了解的基础上，执法机关可以结合不同个人情况推送与之相符合的防范举措，这样既能预防违法行为的发生，也

能促进警民关系的融合。

二、大数据技术应用在警察执法中的优势与挑战


不可否认的是，大数据技术的应用在很大程度上给既有的警务模式带来积极的变化。新的执法方式具有以下优势：

首先，降低执法成本，提高执法的准确性。

在小数据的环境下，执法者依据个人经验以及执法相对人的种族、性别、年龄、外貌等因素，结合理性和感性做出相应的判断。但因为个体认知的有限性以及存在的各种或隐或显的偏见，使得执法过程中的

判断存在着错误的可能。大数据技术用更加丰富的信息和精确的算法来取代不确定性的感知，降低执法成本的同时，也提高了执法的准确性。此外，执法者在能准确识别违法行为者的同时，也能够将无辜的

涉案人员排除在外，减少了执法偏差可能导致对相关人员法益的损害。

其次，监督执法过程，限制执法者的自由裁量权。

因为执法过程也是生成大数据的来源之一，故依托于此所生成的数据就能确保执法全程留痕，实现对执法行为的监督。另一方面，大数据的程式化运算为执法者提供正当性与合理性的同时，也客观上减少或

消除了其自由裁量空间。

复次，提高执法的效率，及时应对突发情况。

大数据技术的应用有助于执法资源的有效配置，因为更好的信息能将有限的执法资源用于最需要的场合。若统一的大数据信息平台得以建立，必将促进公安机关不同“条块”之间的信息共享与执法协作，避免

因为信息沟通的低效而带来的迟延。即使遭遇突发情况，公安机关也能利用各种信息做出快速的应对举措，提高执法的反应性。

最后，大数据技术还可能生成意想不到的有助于执法的信息。

由于大数据的运算逻辑不是因果关系，而是以海量数据为基础的相关关系。因此，在诸多混杂的数据中可能会发现意想不到且有价值的信息。这些新的发现可能会为既有的执法难题提供巧妙的辅助作用。



在肯定大数据对于执法带来可能益处的同时，我们也需要认识到其存在的不足以及对既有行政执法理论和实践所带来的挑战。具体说来，有以下几个方面：

第一，因为数据或算法的偏差导致虚假的确定性。

无论以何种算法为基础的大数据执法软件，它都是通过已有的数据推测未来的可能性。这样的预测是以不变的规律性为前提条件。然而，人类的主观认知多元化以及社会的迅速流变使得以“过去”预知“未来”的

方式存在相应的不确定性。另外，如果严格按照数据的概率性预测进行执法，那么当相应的统计数据存在不准确甚至虚假可能性时，或者当个人的相关信息被其他人利用的时候，相应的预测就可能造成错误的

结果。换言之，大数据技术本身可能带来虚假的确定性。

由于虚假的确定性的存在，在具体执法情境中，大数据技术预测与执法者的主观判断之间就可能存在不一致的情况。因此，如何在二者之间进行选择就成为不可回避的难题。尤其在遭遇紧急情形之时，是依赖

于数据的判断还是执法者个人的权宜抉择还需要更为审慎的辨析。

第二，改变权力与权利的平衡，扩大警察权力。

大数据作为一种能够清晰描述世界的重要工具，它能更加有效地预防犯罪或违法行为，但是这一工具却是预先掌握在强有力的机构而非一般公众手中，且需要对公民个人行为的“监视”为前提。故一旦相应的制度

建设阙如，不仅公民个人的隐私权可能受到侵犯，更为重要的是，当公安机关以无法察觉的方式使用我们的信息时，还面临滥用权力而无法限制的可能。双方信息的不对称可能导致公民个体权利的限缩与警察

权力的扩大。不仅如此，大数据技术对于可疑人员的识别和判断与传统个人经验式不同，它更有可能突破既有的法律正当性程序的限制。如果说传统个人经验式执法是在经过初步调查后，根据实际情况进一步确

定调查对象，在调查过程中会不同程度受到相对人的监督与限制，而大数据技术在扩大调查范围的同时也避开了相对人对执法过程的参与和沟通，间接地扩大了执法者的权力。因此，我们需要对数据的使用保持

谨慎，以免可能产生的过度控制。

第三，执法者的自由裁量权转化为程序设计者的自由裁量权。

当大数据的概率预测应用于实际的执法过程中时，法律执行的方式也随之发生了转变。由传统的“规则—事实”映射模式转变为数据系统的自我运作与判断，执行也就变成了对系统语言的翻译与实现。这一转变使

得执法者的自由裁量权转变为数据收集者、软件设计者或者信息专家的自由裁量权。他们对于程序的设计，对于法律语言的转换以及运算法则的采用都是影响法律执行的关键。当其决定法律的定义、法律关系的

设置、数据处理过程等时都存在着不同程度的选择空间，相应的自由裁量权也就不可避免。虽然计算机和数字化的使用可以促使执法实践变得更加透明和可归责，但是强有力的数据工具却以一种更隐蔽的方式运

作。其对于执法控制退居幕后，以不可见的方式主导着执法过程。相较于面对面的执法而言，数据化的执法将权力以更加巧妙的方式隐藏了起来。因此，数据化的工具并没有消除执法者的自由裁量权，而将其转

换为算法或程序设计者的自由裁量权。

第四，以大数据技术为基础的预测性执法可能导致执法合理性的缺失。

当执法者根据大数据分析结果针对特定的执法对象进行询问、调查、甚至限制其人身自由之时，相应的危害后果并没有发生，而且其发生与否还存在着不确定性。故大数据下的预测性执法就是主张即使在不确定

的情况下，也应采取措施预防可能的风险。而“预防权力的滥用，可能导致对一些纯粹臆测的风险进行不必要的预防，或者对某些影响较小的风险过度干预”，可能招致预测性功能的合理性存在不足。更为重要的

是，预测性执法以程式性的数字运算为基础，无法将执法过程中出现的相关因素均纳入考量，故依照相应结果的执行虽然可能合法，但不一定合理。如何兼顾执法过程中的公正与公平、保证执法过程中目的与手

段之间的比例适当等依然是预测性执法所面临的重要挑战。

最后，大数据技术作为现代科技的一种，在给警察执法带来益处的同时，也会带来各种风险。除了前文所提及的四项之外，在具体应用过程中还可能引发其它类型的风险。这也是现代社会科技发展所带来的必然

的结果。

三、应对大数据技术挑战的法律规制

任何一项新事物的兴起在带来惊讶的同时，也伴随着各种困惑与质疑，尤其是这项新事物打着科学技术的旗号之时。大数据就是这样一种新事物，当它运送便利的同时，也对警察执法的理论和实践带来挑战。不

过，行政执法规则的改变就得益于来自社会诸领域的不同刺激，我们仍然可以在既有的制度前提下通过适当的改造应对各种可能的变化。

首先，明确大数据技术在警务中的应用范围及其条件，限制大数据技术在辅助执法中的边界。

目前制约大数据技术应用存在着组织结构和技术层面的障碍，但并不意味着我们不可以“适度超前”的理念通过法律制度设计引导和规范其在警察执法中的运用。一旦面临制度选择，相应的大数据基础平台、大数

据程序软件、大数据运用的数据类型等是要求统一还是允许存在差异化选择就需要纳入考察范围。如果允许差异化的选择，是否有必要设定最低的“技术标准”或者严格的审核条件。在具体操作层面，对于大数据

技术应用的具体范围需要予以明确，尤其是每一次应用中需要遵循的程序性要件。更重要的是，在特定情况下，当大数据分析结果与执法者的主观判断严重不一致时，应当如何处理。与之相关的是大数据技术应

用过程中的责任原则如何分配。譬如，对于大数据技术应用中的错误导致执法相对人或其它利益相关者的正当权益受到损害时，应通过何种方式予以赔偿；对于执法者而言，利用大数据进行执法导致当事人利益

受损，或者导致其它不可预计的后果时，是否应当免除责任。这一系列的问题都需要在大数据技术相关的法律中予以明确。

其次，在完善政府信息公开的前提下，采用“政府－公司－个人”的反身性规制模式，限制公安机关对数据的不正当使用。

大数据技术的运行是建立在对行为主体信息重构基础之上的，除了公安机关所掌握的与公民个体相关的基本信息外，还包括以个人的电话记录、消费记录、社交网络、行动轨迹定位等诸多私人性的信息。由于相

应大数据技术的开发并非仅依靠政府或公安机构，还需要与其它企业或技术性公司的合作。在这一过程中就形成了“政府－数据拥有者—数据使用者”的三元复杂关系。为了促进相应合作的有效性，对于公民个体

而言，需要对其隐私权或新型网络信息权利予以重新界定与保护；对于政府而言，需要完善政府数据开放机制；对于包括公安机关在内的数据使用者而言，需要通过自我规制的途径予以保障数据的合法、正当使

用。因此，对于数据信息的控制和有效使用，需要以“政府－公司－个人”的反身性合作规制模式。这种模式不再单纯依赖于行政机关的管控，而是要求政府以间接的程序性规制为引导，将政府、公司和个体的相

互沟通纳入核心，倡导自治与管制相结合的公共规制模式。从行政法的视角来看，当前可利用《政府信息公开条例》修改契机，将与政府相关的数据的采集、管理、应用，在不同机关之间的数据共享以及向社会

开放等内容予以规范化。另外，可以通过《行政程序法》或者在与警务执法相关的法律法规中加入数据使用的授权和程序性内容，规范公安机关对于大数据技术的使用，预防其权力的滥用。当然，也可以通过制

定《数据保护法》的方式实现对数据运用的法律规制。

第三，增强执法过程中的透明性、公开性与可问责性。

执法的核心是对执法对象正当权益的保障。为了避免大数据技术在执法中的滥用，就要求执法过程遵循透明性原则、公开性原则和可问责性。透明性原则是指大数据软件的算法和数据来源需要满足透明、可查询

的要求。其中包括法律如何转化为算法、执法判断是如何生成的等等。这样使得一般社会公众对该程式执法有着稳定性的期待。公开性原则是指主要的公共执行机构需要定期对应用大数据软件执法的内容和结果

进行公开，尤其是在执法过程中遇到的主要争议和存在的问题。可问责性则意指成立大数据技术执法应用监督机构，不仅监督日常执法中对大数据技术是否合法、正当使用，同时还需对基于特定对象和特定目的

运用大数据技术的行为予以审查，对于大数据技术执法中存在的不足予以及时反馈和修正。另外，鉴于一般公众对于算法和数据等专业性知识的缺乏，该监督机构还可以对大数据程式的运算原则、数据来源等的

请求和相应投诉提供知识咨询和建议。

第四，通过技术性正当程序，预防大数据技术的可能风险。

技术本身是中立的，但是技术的运用则可能带来不同的影响。通过法律制度的设计是技术性风险治理的重要措施。相应的规制更为强调的是技术应用过程的责任制度以及技术民主的原则性要求。其中技术应用过

程的责任包括了社会道义责任、科学伦理责任和相关的法律责任。而技术民主原则包括了技术信息的适度公开、公众参与和公众决策，这就为参与过程中的程序导入提供了重要的契机。

马里兰大学教授丹尼尔·西特鲁恩为保护因自动化技术引入行政执法过程中对公民权利的可能侵害提出了技术性正当程序（Technological Due Process）的概念。其要求执行者在应用自动化程序的时候提供更多的

告知义务，同时为利益相关者和其它社会公众的参与及议论提供相应的机会。另外就是自动化程序代码公开、为程序的运行提供试错空间、加强社会公众在规则制定与修改中的参与以及保留部分执行者的自由裁

量权。相应的要件对于大数据技术在执法中的应用同样具有重要的参考价值。无论采用何种科技化手段，在执法过程中涉及个人正当权益的事项时都需要保证相应技术性正当性程序的实现以及对合理性价值的追求。

四、结语

虽然部分公安机关已经尝试将大数据技术应用于执法，但是由于大数据的技术支持不足、数据收集的来源的限制以及对大数据认知的片面性等原因并没有真正发挥大数据技术的潜在优势。本文从理论的视角分析

大数据技术在警察执法中的优势及其对执法理论和实践可能的挑战，并指出应对的制度举措。只有充分认识到大数据技术运行的内在特征，才能在应用中减少其可能的负面效果。不过，尽管大数据技术对于警务

实践存在诸多的优势，但它并不能完全取代以执法者为核心的法律执行，也并非所有的警务事项都需要依赖大数据。因此，本文围绕大数据技术的讨论仅仅是针对能够适当应用的执法部分，而非所有的警察执法

主体和全部的执法事项。

另外，虽然关于大数据的研究和应用正呈现为蓬勃的态势，但是大数据技术的核心依然是以程式为基础的数据运算。然算法仅仅是算法，在存在不确定性、数据的不准确性和自动化偏差以及缺乏透明性的前提下

仍会限制执法的效率和准确性，甚至在特定的情况下带来不可挽回的灾难。我们需要明白的是，新技术的引入并不能完全取代传统的执法方式及内容，而只是对于传统执法的有益补充，以提高执法过程中的效率

和精准度。因此，我们仍需审慎地对待大数据技术在执法中的应用。