■ 本报记者 王逸群 通讯员 张范 袁荃

　　“把画面放大！立即拦停对面蓝色轿车！”1月4日13时，宁波市公安局情报指挥中心，应急指挥调度大队民警毛旭明手握对讲机发出指令。他眼前的监控大屏上，智能探头精准越过前方四五辆车，穿透茂密树冠，清晰锁定嫌疑车辆。另一边，马路中央，接到指令的PTU（机动队）警车迅速斜插至对向车道，稳稳将目标车辆拦停。从接到群众报警，到成功拦截车辆，全程仅用时13分钟。

　　各地110指挥中心，像这样快速接警、高效派单、迅速响应的场景常在上演。

　　1986年1月10日，全国第一声110警铃在广州市公安局响起。40年间，从一部为民服务的接警电话起步，从最初的老式拨号电话、单一民警派单处置，到如今集语音、视频、定位、智能研判于一体的“智慧110”系统不断蜕变，成为科技赋能的“智慧大脑”，服务群众的初心一直不变。

　　如今的110，如何更快响应群众诉求？面对犯罪形势变化，110如何提升打击防范能力？第六个人民警察节前夕，记者走访全省各地，探寻110的智慧之变。

速度就是“生命线”

争分夺秒响应更快

　　1月3日夜晚，铃声在杭州市公安局余杭分局一楼110接警中心响起，接警员章晓栋熟练接通电话。

　　“我家老人突然晕倒了，我不知道在哪！”情况紧急，报警人有些语无伦次。经章晓栋一句句问询，报警人才断断续续描述出周边环境情况和老人身体状态。

　　这样一段杂乱无章的对话，却清晰而有条理地呈现在接警系统的派单表上。这得益于省公安厅在余杭区试点的“智慧110”语音转译技术——不受限于表达能力，也不用在意口音，系统可以实时从转译的文字中快速抓取关键信息。

　　转录的同时，“智慧110”系统还分析出警情类型为“老人突发疾病求助”。在自动填写好地址等重要信息后，系统又将附近的民警、急救人员拉入工作群，一键同步传送相关信息。原本需要手动填写的警单，此刻也已自动生成。

　　整个过程，相比去年初试点前缩短1分钟。这1分钟，对于报警人来说，或许就是摆脱险境、挽救生命的“黄金时间”。

　　这样的接警和处警速度，在40年前110报警服务台设立之初，远远无法想象。

　　“接警靠手写，派警靠电话转达，信息传递一圈要很久。”杭州市公安局情报指挥中心三大队大队长蒋国富回忆，当时为了能让接警提速，他和同事修炼成“号码百事通”。业余时间，他们收集背诵各派出所、服务性部门和单位电话，直到两三百个号码烂熟于心。每隔一段时间，他们还要骑车“扫街”，“不像现在，可以随时调取监控探头，那时我们必须自己熟悉地理环境。”蒋国富记得，为了实现接处警“再快一秒”，接处警勤务机制不断在更新。

　　1990年，“漳州110”在全国率先建立快速反应机制，整合打击犯罪、维护治安、服务群众三大功能，以快制快，守护平安。浙江也在这一背景下，从单一接警模式向应急指挥调度协同作战模式转型。

　　时至今日，改革仍在进行。2025年5月“智慧110”在全省上线运行，覆盖省、市、县公安局和基层派出所、交警中队。此后，全省警情响应平均时间较往年缩短了8分钟，警情处置效率明显提升。

　　“智慧110”的背后，是“智慧指挥一张图”和一个强大的“智接智派智处”大模型。系统不仅能对报警语音实时转写、智能分析与分类，内置的AI机器人还能计算附近警力、提供最优路线规划。

　　不久前，永康市公安局110接到报警称，花街镇某村一名老人走失。接报后，110指挥中心民警立即通过智能指挥地图调度就近警力奔赴现场，调派无人机增援，调阅走失人员信息，并通过“智慧110”移动端同步推送给处警民警。同时，联动协同岗位，帮助一同完成警情处置。经7个小时多方联合研判搜寻，民警在一处山坡上找到昏迷的老人，成功助老人脱离危险。

不是一个人在战斗　协同联动力量更强

　　“接处警就像开盲盒，永远不知道现场会遇到什么。”谈及基层警务的变化，湖州南浔派出所所长蒋聪感触颇深。从“有外星人监视我”“女朋友哄不好”等一系列奇葩警情，到嫌疑人持水果刀挥舞的危险场景，一线民警曾长期面临对现场不知情、支撑力量不足等情况。“那时候，出发前难以做充分准备，处置时多是‘单打独斗’。”蒋聪说。而这，并非个例。

　　21世纪以来，借着信息技术发展东风，公安部推进110、119、122“三台合一”改革，将治安报警、火警、交通报警三个平台整合为一个统一指挥系统，推动警情信息共享流转与跨警种协同联动。

　　GPS、数字集群通信等技术的融入，更筑牢了“情报研判、指挥调度、行动处置”一体化的运行机制。110，正式向集约化、协同化转型。

　　“智慧110的核心，就是将分散的警务资源变为‘协同合力’。”省公安厅情指中心相关负责人介绍，警情发生后，系统可智能整合要素生成精准画像，提前推送至民警警务通；民警只需一键请求协同，就能实时获取AI推送的基础信息、后台研判结果与精准指令，相当于为一线民警配备了“移动智囊团”。

　　近日，南浔某小区因装修噪音引发邻里肢体冲突。蒋聪接警后，人还没到现场，警务通已收到完整推送：报警人信息、纠纷起因、现场人员状态、周边监控点位等关键内容，一目了然。

　　5分钟后抵达现场，他按处置指引迅速隔离冲突双方、维护秩序。同步联动的社区民警则对接物业，摸清双方历史矛盾。高效配合下，冲突被快速平息，受伤人员也及时送医。从接警到达成和解，仅用2小时，处置效率较传统模式大幅提升。

　　“这就是智慧协同的力量。”蒋聪直言，警务通前置赋能让出警更具针对性，治安、法制等多警种与派出所同步支撑，则打破了“单打独斗”的传统模式，让警情处置既专业又规范。

　　智慧110，不仅是技术的升级，更是警务理念、组织形态、运行模式的系统性重塑。

　　当前，浙江110警情量日均近4万起。基层面临“量大、面广、人少”的挑战。而传统跨区域协作存在“层层审批、信息滞后”问题，曾让一些嫌疑人趁机逃窜。“智慧110”系统打破警种、地域、层级及部门边界，构建起全域联动、全链闭环的治理格局。

　　2025年底，温州乐清市公安局接到一起报警：群众郑某停放在北白象镇前岸村旭江路附近的轿车内，4.2万余元现金及金饰被盗。然而，接警后，北白象派出所发现，当时嫌疑人已驾车窜至台州境内，正从临海向椒江方向移动。

　　为防止嫌疑人流窜，乐清市公安局情指中心通过“智慧110”“一键建群”，即时联动台州椒江、台州湾新区分局情指中心，三地快速搭建联动指挥体系。警情、嫌疑人、车辆等关键数据实时共享，无需层层报批，3分钟内便完成跨市警力调度。最终，这场原本可能耗时数日的跨区域抓捕，仅用2小时便圆满收网。

　　目前，全省智慧110日均协同赋能警情4500余起，降低了民警执法风险的同时，显著提升了警情处置效率。

向科技要“警力”　关口前移预判更准

　　近期，由中国人民公安大学、浙江省公安厅主办的110接处警工作高质量发展研讨会上，中国人民大学教授杨建顺讲了一个长期存在的警务工作痛点：传统治安防控多依赖“事后响应”，往往在犯罪事件发生后，警方才介入调查处置。这种模式虽不可或缺，却容易陷入效率不足、反应滞后的被动困境。

　　“新形势下，警务工作必须向前端延伸，提前预判案件高发区域和发案概率，科学调配巡防力量。”杨建顺的观点，恰好契合了当下浙江110改革的核心方向。

　　随着人工智能等新技术的深度融入，110正进一步将“防”的关口前移，用科技为平安筑牢前置防线。

　　在浙江省公安厅“智慧110”平台上，一套风险预警模型正悄然发挥着作用。借助大数据与人工智能技术，这套模型能从重复报警次数等维度深度分析，精准锁定高风险隐患。

　　不久前，某地警方接到一起感情纠纷报警，这已是当事双方因感情、经济纠纷第三次报警。接警员刚挂断电话，系统便自动将这起警情推送至风险预警模型。

　　“三次重复报警，还伴随暴力威胁言论，属于高风险警情！”县公安局情指中心民警看到模型预警提示后，立刻将情况同步至属地派出所。派出所民警第一时间找到两人，联合社区、司法所工作人员开展调解，还专门安排专人定期跟进两人动态，持续化解矛盾。

　　本以为矛盾已逐步缓解，没想到两个月后，预警模型再次发出警报。民警见状立即上报，情指中心迅速调度警力布控。当天晚上，当男方将车停在附近准备下车作案时，早已埋伏在此的民警果断将其抓获。

　　截至目前，全省公安依托“智慧110”已预警防范风险警情1.58万起，全省案件类警情同比下降9.3%。在服务社会民生、打击违法犯罪、维护社会治安秩序中，“智慧110”发挥了重要作用。

　　除了化解人身安全风险，“主动预警”功能还延伸到了城市治理中。对于预警排查出的家庭、感情、邻里等矛盾纠纷，以及多次重复的非警务类警情，公安会通过非警务事项协同处置机制，及时推送给社区、司法等相关职能部门，推动问题从源头化解。

　　在宁波，毛旭明的桌上每周都会更新一份情报研判分析报告。上面绝非简单的数据罗列，而是对各类警情高发领域系统梳理，剖析背后潜藏的安全隐患与公共管理漏洞。其中大量非警务类警情，还会同步推送至城建等部门，为城市精细化管理提供参考。

　　此前，每逢雨天，海曙区某路段的涵洞就会积水成“河”，相关报警接连不断。毛旭明和同事汇总分析了历年相关警情数据，摸清涵洞的积水规律、峰值时段和风险等级，形成详细研判报告后提交给当地城建部门。城建部门再依据报告精准施策，组织力量升级涵洞排水系统，加装积水预警装置。如今，即便遭遇强降雨，涵洞也能排水顺畅，相关报警量几乎清零。

　　“信息壁垒被打破，感知网络越织越密，扁平化指挥让响应更快，合成化作战也让处置更准确。”省公安厅相关负责人感触颇深，科技赋能不再是抽象的技术表达，而是实实在在守护平安的“隐形卫士”。

　　110，这个穿越四十载风雨的号码，见证了城市的发展、技术的革新。而无论时代如何变迁，当电话接通的那一刻，那份稳稳的安全感，始终是留给群众最温暖的承诺。