第4个课题是“基于案件态势研判的法院管理决策技术”，由上海交通大学牵头，中山大学参与，主要研究目标是围绕审判执行工作态势研判与管理决策辅助关键技术，构建案件审判执行全局态势预测原型，研究面向精细化管理的审判执行研判技术，研究审判执行综合资源管理决策方案和基于态势研判的案件精细化管理系统。该课题为均衡分案、监管预警、质效评估等审判业务提供决策支撑，对整个项目研究提供态势研判并辅助管理决策。
（1）研究目标
本课题将围绕国家智慧司法体系建设的需要，建立面向审判执行质效提升的全局态势研判与管理决策辅助技术。针对案件类型多、数据量大、且和地域时代等多因素相关等，因此难以预测研判的难点问题，研究案件审判执行全局态势预测技术和面向精细化管理的研判技术，为法院管理决策提供理论基础。针对现有法院管理系统比较粗放且难以合理有效的分配资源的问题，研究审判执行综合资源管理决策方案和基于态势研判的案件精细化管理系统。
（2）主要研究内容
研究任务1：司法案件的宏观态势预测研判技术
司法案件发生、发展具有一定的周期及演化规律，课题以各类司法案件的统计结果数据为基础，通过分析司法案件发生的影响因素，借助数据挖掘理论，实现年度司法案件态势发展趋势的预测。研究基于主成分分析的案件发展影响因素挖掘方法，分析政治社会经济等环境因素对各类案件发展的影响，建立一个相对完整的因素集，然后利用主成分分析法合并相同属性的因素并衡量各因素对案件发生的影响程度大小，挖掘最佳影响因素体系。研究基于时空回归模型的案件全局态势预测原型，利用已建立的因素体系构建把时间和地域空间结合起来的训练数据集，并以此研究基于时空回归的案件全局态势预测原型。
研究任务2：面向精细化管理的审判执行研判技术
对重要案件进行细分类，有助于精细化地对法院资源进行分配调度并设置针对性的审判执行流程。本课题将以机器学习技术为基础，自动化地确定经典案例所属细类，提取案件的情节要素，预估其审判难易度，实现面向精细化管理的类案研判技术。研究案件的细分类方法，结合各行政区域的人文、经济环境以及历史案件记录，从多源非结构性数据中提取出有效的要素特征，基于要素特征实现重要经典案件的细分类。研究不同细类案件审判难易度研判技术，为了合理地管理调度法院资源，需要对不同案件细类的审判难易度进行预估。为此，首先使用语义分析技术，从经典疑难案例中提取情节特征，同时结合历史细类案件态势研判中的收案数、收结比、申诉率等指标，预估案件细类的审判难易度。
研究任务3：审判执行综合资源管理决策方案
针对现有法院管理系统主要是服务于法官办案，为法官查询、参考同类案件提供支撑，而缺少宏观的司法资源调配能力的问题，研究审判执行综合资源管理决策方案。基于案件态势预测研究案件审判执行资源管理分配博弈模型，各类案件地域分布不同，且在不同时期的态势不同，因此对特定审判资源的需求不同，产生了不同案件竞争有限审判资源的问题，需要建立审判资源管理分配的博弈模型。基于合作博弈研究动态资源管理分配方案，分配资源的需求、成本和效益是随地域和时期不断变化，针对资源分配效用最大化目标，研究采用基于拍卖博弈和合作博弈的资源分配均衡算法实现综合资源管理决策方案。
研究任务4：案件审判执行精细化管理系统
针对传统的案件流程管理方法对于案情复杂程度不同的案件设置同样的办案流程和时间限制的问题，本课题研究基于案件审判难易度的案件精细化管理系统，对审判流程的各审判环节进行细粒度调控，最终实现从立案、排期、开庭、裁判、执行、归档等各个审判环节都进行智能化细粒度管理。首先对案件案情进行深度语义分析，再结合案件的细分类结果，提出初步审判流程框架。此外，基于案件审判难易度，采用增强学习机制，对初步审判流程的各审判环节进行细粒度调控，最终实现案件审判的精细化管理。研究基于案件分类的案件审判执行统计分析系统，为及时规避影响案件审判质量和效率的因素，需要对各案件细类各个审判环节的态势进行分析研判。为此，本课题拟基于孤立森林和局部异常因子检测算法，实时分析各审判环节的关键信息，最终实现案件细类审判执行的细粒度统计分析。
（3）拟解决的重大科学问题或关键技术问题
关键技术1：基于主成分分析法和时空回归模型的案件全局态势预测
本课题借助数据挖掘理论，先分析政治、经济等社会环境因素对案件的影响，并据此初步建立一个相对完整的指标集，然后借助主成分分析法对该初始指标集进行处理，从而建立一个最佳的案件评价指标体系。接下来，利用已建立的指标体系构建综合考虑时间和空间的训练数据集，建立相应的时空回归模型，达到宏观预测案件发展态势的目的。
关键技术2：面向多源非结构性数据的审判执行难易度研判技术
针对类案难易度研判问题，首先利用语义知识图谱技术，从多源非结构性数据中实现特征关键字定位及定量提取，将大规模非结构性数据转变为结构化特征；构建循环神经网络，解析特征的深层语义，实现案件的精细分类；采用深度注意力机制学习各细类审判难易度的历史数据，进一步提取案件细类的共性特征并进行加权，以高权值特征作为输入，使用深度神经网络预测类案态势指标。该技术解决了细类案件难易度研判问题中特征离散化、非结构性等问题，实现了自动智能化研判细类案件审判难易度的目标。
关键技术3：基于博弈论的动态资源管理分配方案
基于拍卖博弈理论提出司法资源分配方案。结合资源分配的效用函数，对拍卖博弈的司法资源分配中的纳什均衡点的存在性和唯一性进行论证。进一步对分配资源的需求、成本和效益之间的关系进行分析，提出能够保证资源分配效用最大化的算法，在整体上保证分配的合理性和公平性。同时考虑司法资源需求的地域变化及时间变化因素，动态地调整资源分配方案，实现灵活的资源管理机制。
关键技术4：基于增强学习的案件审判精细化管理技术
针对办案流程时间节点的动态设置问题，拟采用基于词嵌入的深度学习技术对案件案情进行深度语义解析，提取相应的语义特征。再结合案件的精细分类结果，采用增强学习技术，对审判执行流程的各环节逐一进行时间节点预测及是否设置控制节点的选择，实现对审判流程的全链条控制节点的设置，精细化地对案件审判进行管理。采用基于孤立森林的局部异常因子检测算法，实时分析各环节关键信息，实现案件细类审判执行的细粒度统计分析。
（4）考核指标及评测手段/方法
功能指标：
1）司法案件的宏观态势预测研判技术，支持案件发展影响因素挖掘，分析类型、涉诉纠纷、司法协助、跨管辖区域和外部环境等因素对各类案件发展的影响；
2）建立一个相对完整的案件发展因素集，支持预测各种类型案件在不同时期不同地域的发展态势；
3）面向精细化管理的审判执行研判技术，支持案件的细分类，结合各行政区域的人文、经济环境以及历史案件记录，从多源非结构性数据中提取出有效的要素特征，实现案件的细分类；
4）支持案件审判难易度研判，结合案件的历史收案数、收结比、申诉率等指标，预估案件细类的审判难易度；
5）审判执行综合资源管理决策方案技术，生成法院综合资源管理决策方案，支持对法院人财物统一管理、法官员额动态调节；
6）案件审判执行精细化管理原型系统，生成基于案件审判难易度的办案流程管理方法，支持对审判流程的各审判环节进行细粒度管理。
性能指标：
1）预测各种类型案件在不同时期不同地域的发展态势准确率不低于85%。
2）研判各类案件审判执行难易度，研判准确率不低于85%。
知识产权指标：
受理技术发明专利3件，获得软件著作权1项，发表论文4篇。
测评手段/方法：
1）案件发展全局态势预测原型和审判难易度研判技术的评测基于真实数据集测试评价或第三方测评机构测试报告评测。
2）资源管理决策方案和办案流程管理方法基于专家评审/论证或第三方测评机构测试报告评测。
3）知识产权指标的评测通过专利受理通知书、软件著作权证书、论文收录证明。
（5）参加单位任务分工
上海交通大学：牵头单位，负责课题4的总体协调，负责司法案件的宏观态势预测研判技术研究，面向精细化管理的审判执行研判技术研究，审判执行综合资源管理决策方案研究,参与案件审判执行精细化管理系统研究。受理技术发明专利2件，获得软件著作权1项，发表论文3篇。
中山大学：参研单位，负责案件审判执行精细化管理系统研究，参与面向精细化管理的审判执行研判技术研究。受理技术发明专利1件，发表论文1篇。