法院信息决策支持系统的总体设计与搭建

所属栏目:软件工程论文 论文作者:/
论文摘要

  引 言
  
  随着法院信息化的不断发展深入,信息量也随之增加。海量的数据虽然包含了丰富的信息,但是如果不能快速准确地定位,提取重要的数据转换成知识,那么这些大量的数据反而会降低工作效率,无法为领导决策提供支持。法院信息决策支持系统以“案件”和“法官”为核心,提供丰富的工作态势信息;同时对大量信息进行有效提取、整合、分析,将法院审判工作的各方面展示出来,共同为领导决策服务。建立和完善司法决策辅助制度,利用信息化手段获取决策依据,从而进一步完善司法决策机制,提升司法决策能力是可行的探索。

  1 决策支持系统概述

  1.1 决策支持系统的概念

  决策支持系统(Decision Support System,DSS)这一概念由 M. S. Scott Morton 首次提出。现在比较典型的定义有如下几种。Spraque & Carlson 将其定义为帮助决策者利用数据和模型去解决半结构化问题的系统。Kenn 则定义为决策、支持和系统三者汇集的一体,即通过不断发展的计算机建立系统的技术(sys-tem),支持能力(support),达到更好的辅助决策效果(decision)。

  决策支持系统实质上是在管理信息系统和管理科学 / 运筹学的基础上发展起来的。管理信息系统的重点在对大量数据的处理,以及完成管理业务工作。管理科学与运筹学是运用模型辅助决策,决策支持系统是将大量的数据与多个模型组合起来,通过人机交互达到支持决策的作用。

  1.2 法院信息化建设背景

  决策支持系统第一次在法律界中得到采用,是在1981 年由 D. 沃特曼和 M. 皮特森设计开发的法律判决辅助系统(LDS)。该系统的研制目的并不是帮助或辅助法律家进行法律推理,而是以知识工程技术作为新的方法,试图进行法律推理,来对美国民法制度的某个方面进行检测。

  我国的法律专家系统的研制工作,于 20 世纪 80年代中期在钱学森教授的倡导下起步。1986 年,由朱华荣、肖开权主持的《量刑综合平衡与电脑辅助量刑专家系统研究》被确定为国家社科“七五”研究课题,在建立盗窃罪量刑数学模型方面取得了很大的成果。

  1.3 基于数据仓库的决策支持系统

  数据仓库(DW)、联机分析处理(OLAP)和数据挖掘(DM)分析工具有着完全不同的辅助决策方式。数据仓库中存储着大量辅助数据,它为不同的用户提供各种辅助决策的即时查询、综合数据或趋势分析。联机分析处理对数据仓库中的数据进行多维数据分析,即切片、切块、旋转、钻取等,只有通过分析更详细的数据,才能得到更深层的知识。数据挖掘技术能获取关联知识、时序知识、聚类知识、分类知识等。数据仓库、联机分析处理和数据挖掘结合起来的决策支持系统称为基于数据仓库的决策支持系统,它不同于以模型和知识结合的传统决策支持系统,在数据仓库系统前端的分析工具中,多维数据分析与数据挖掘是重要工具,可以帮助决策用户进行多维数据分析并挖掘出数据中隐含的规律。

  2 法院信息决策支持系统的总体设计

  2.1 系统的总体框架

  决策支持系统结构框架包括 5 个部分:用户层、知识评价、DSS 工具集、数据仓库和数据源。

  (1)数据源:系统的数据源来自于各个基层和中级法院的 OLTP 数据库,通过将数据源中与决策主题相关的数据以增量的形式汇总更新到集中库中,以提高数据集中效率。

  (2)数据仓库:集中库中的数据经过数据提取、转化和加载(ETL)技术得到准确的数据,按照转换规则转换为数据仓库中的数据。包括确定物理存储介质,存储数据仓库元数据等。数据仓库管理系统:由于各法院的数据库并不相同,为了降低各种异构分布的数据源,通过数据仓库管理系统对数据仓库进行管理、备份、维护等操作。

  (3)DSS 工具:通过决策支持系统工具对数据仓库上的数据进行多维分析。具体的工具包括联机处理分析,数据挖掘,报表、查询、统计、预测工具等各种基于数据仓库的开发应用。具体利用 OROLAP 技术对数据进行分析。

  (4)知识评价模块:通过数据挖掘工具得到的模式经过知识评价系统将冗余模型去除。如果结果不满足用户需求,再重新选取数据源通过不同的算法进行挖掘,如果通过知识评价,则将模式存入到知识库中。

  (5)用户层:为用户提供决策信息的可视化界面,提供不同层级的用户的决策分析信息。系统基于B/S,信息以 web 网页形式展现。

  2.2 系统数据环境分析

  法院现有的信息化系统采用 SUN 公司大型服务器,solaris 10 操作系统,数据库采用 Sybase ASE 12.5数据库。

  在法院已有数据环境的基础上,我们通过数据仓库将各系统模块之间的数据进行数据共享和交换,主要包括以下 3 个方面:

  (1)OLTP 数据库之间的数据共享交换。

  基于同一系统的数据通过 API 层调用直接实现。如中级法院的司法统计、人事管理等系统模块直接存入到中级法院 OLTP 数据库中。

  (2)OLTP 数据库与数据仓库之间的数据共享交换。

  各级 OLTP 数据源通过数据提取、转化和加载(ETL)技术存入数据仓库中。基层法院 OLTP 数据库数据首先通过 ETL 传送到基层法院数据仓库中,再通过数据仓库的 ETL 模块传送数据。中级法院 OLTP数据库数据直接通过 ETL 模块传送数据。

  (3)数据仓库与 DSS 之间的数据共享交换。

  基于数据仓库,可以根据决策需求与分析结果建立数据集市。数据集市可以被视为是一种小型的部门或工作组级的数据仓库,通过数据集市合并不同系统的数据源以满足各部门的业务需求。

  2.3 数据仓库的构建

  数据仓库的构建主要分为 5 部分:收集、分析和确认业务需求,概念模型设计,逻辑模型设计,物理模型设计和数据仓库的生成。

  2.3.1 概念模型设计概念模型设计主要任务是分析和理解数据仓库中的主题。通过界定系统边界,确定主题域并将用户需求转换为关系模型。在法院信息决策支持系统中,主要涉及到案件、法官及当事人几个主题。

  2.3.2 逻辑模型设计逻辑模型设计的主要任务是事实表与维度表的设计,由于法院系统的规模较大,法院各部门模块数量庞大,仅在 OLTP 数据库中就包含了上百张表,在OLAP 数据仓库中也定义了数十个数据立方体,因此,这里仅列出案件基本事实表的星型图,系统逻辑模型如图 1 所示。【图1】
论文摘要
  
  2.3.3 物理模型设计物理模型设计的主要任务是物理数据库表及其存储结构的设计。数据仓库的物理化主要包括:确定数据的存储结构;确定索引策略;确定数据存放的位置;确定存储分配。

  3 决策支持系统实现

  法院信息决策支持子系统可以多层次多角度地展示数据,从宏观到具体向领导展示法院工作态势,通过表格和图表来表现法院现阶段工作的趋势。这样不仅可以反映法院工作成果,更能及时发现问题。

  院长决策支持子系统主要包括:工作态势趋势模块、工作态势分布模块、报表报告生成模块和法院信息展示模块。

  3.1 工作态势趋势模块

  工作态势趋势模块反映法院工作趋势,既可以看到宏观的工作趋势,又可以通过点击数字看到案件的细节。通过选择时间区间、地域范围、指标类型,模块会生成相应法院类型指标的工作趋势。工作态势趋势不仅可以反映法院当日的工作情况,还能体现法院过去一年内工作整体走向。除了纵向比较不同时间段内工作态势外,还能横向比较不同法院在某一时间段内工作,便于比较分析做出决策。
  
  3.2 工作态势分布模块

  工作态势分布模块主要反映法院某些指标分布情况,如图 2 所示。比如收结案数的分布情况,哪种类型案件的收结案数最多等。工作态势分布模块通过选择时间区间或者自定义时间区间生成相应法院某些指标整体情况,通过

'); })();