基于BP神經(jīng)網(wǎng)絡模型的大型體育賽事安保 最優(yōu)規(guī)模預測分析
——以10屆冬奧會為例

梁 媛，李 鋼，李樹旺

（1.中國人民大學體育部；中國人民大學人文北京（人文奧運）研究中心，北京100072；2.北京師范大學，北京100875）

大型體育賽事是包含世界性、洲際的各類綜合性運動會或由世界單項體育組織舉辦的有較大影響力的運動賽會，如奧運會、世界杯、歐洲杯、世錦賽等體育賽事。因具有時間確定、活動空間固定、區(qū)域性人員聚集的特點，極容易成為恐怖襲擊的目標，造成不可估量的損失和傷害。所以穩(wěn)定的辦賽環(huán)境和安保工作是成功辦賽的不可缺少的一環(huán)。

以奧運會為代表的體育盛會為例，從1896年第一屆夏季奧運會到2022年的北京冬奧會，百年奧運留下寶貴的奧運遺產(chǎn)，其內(nèi)涵和影響已經(jīng)遠遠超越單純競技的視域，更是競技精神、人文精神、民族精神融合集粹的全球性文化現(xiàn)象。但回顧奧運歷史，也存有至黑的恐怖時刻。在1972年的慕尼黑奧運會，“黑九月”恐怖和暴力事件是奧運歷史上一次重大的安保事故，作為東道主的西德為了樹立二戰(zhàn)后的新形象，在極力展現(xiàn)國力與科技的同時，卻忽視了賽會的安保工作，恐怖襲擊造成9名人質(zhì)死亡。慕尼黑奧運會后，每座奧運會舉辦城市外部環(huán)境保障都被主辦城市奧組委高度重視，但暴力和恐怖襲擊等安保事件頻仍，1996年亞特蘭大奧運會的爆炸事件、2002年鹽湖城冬奧會的恐怖襲擊等事件時刻提醒世人在奧運會平臺不斷起舞的暴恐魔影以及給世人留下難以抹去的心理陰影。基于此，為了保障賽會安全、順利地圓滿完成所有賽事，并為主辦城市和主辦國贏得國際美譽，體育賽會主辦方都在安保工作方面投入巨大的人力和物力。但是，安全保衛(wèi)工作的高成本也同時引發(fā)了利益相關方關于大型賽事主辦效益的擔憂。就此而言，在保障賽事安全的前提下將人力、物力、財力進行優(yōu)化配置，形成一個安保效率與安保成本最優(yōu)匹配的模式是主辦方和學界應該共同研究的重要議題，而要回答這個問題，預估安保規(guī)模和預算是一個關鍵的主題追問，也是本研究的重要旨趣。

本研究選取了從1984年薩拉熱窩冬奧會至2018年平昌冬奧會十屆冬奧會的安保人數(shù)規(guī)模、安保經(jīng)費投入、歷屆冬奧會的參賽人員數(shù)量、主辦城市（或國家和地區(qū)）的犯罪指數(shù)率等指標數(shù)據(jù)作為預測依據(jù)。所采集的數(shù)據(jù)主要來源于主辦城市奧組委網(wǎng)站或主辦城市官網(wǎng)，少數(shù)部分數(shù)據(jù)在相關新聞網(wǎng)站或城市官網(wǎng)并沒有明確統(tǒng)計，因此也使用模糊處理等方法進行數(shù)據(jù)的篩選和估算，盡可能保證數(shù)據(jù)的精準和有效。通過分析這十屆冬奧會的安保規(guī)模的變化，并采用BP神經(jīng)網(wǎng)絡模型法以及灰質(zhì)預測法分析其內(nèi)在的非線性函數(shù)關系和規(guī)律。研究成果希望在將辦賽城市抽象化、理想化、模型化的基礎上，建構一個一般性、最優(yōu)化的安保模型，并將其作為普適性結(jié)論為后續(xù)相關研究提供參考。此外，本研究范式對于其他大型賽事的治安管理工作的總體籌備均具有現(xiàn)實指導意義。

1 文獻回顧

自1972年慕尼黑慘案發(fā)生以來，各座舉辦城市都開始加強奧運會期間的安保力度，增加了更多安保措施和經(jīng)費。不同領域的學者也開始對奧運會的安保問題進行深入研究。

從風險管理的角度出發(fā)，王淑榮認為風險評估工作是大型體育賽事安保工作的核心部分，尤其是社會治安風險和公共安全風險是安保工作的主要任務［1］。蒲畢文利用結(jié)構方程模型評估體育賽事風險，認為恐怖行為對賽事的破壞表現(xiàn)主要為直接破壞［2］；從奧運安保工作分配角度來看，任慧濤［3］和史悅紅［4］分別闡述國外冬奧會的籌辦和舉辦已經(jīng)成為自“9.11”后恐怖主義發(fā)泄政治不滿的平臺，冬奧會的安保工作應進行多方合作，生命安全事件或集體性安保事件應成為衡量賽事是否成功的指標；從奧運文化與科技的角度，鄭志強強調(diào)恐怖主義的挑釁是奧運會安全威脅的最大挑戰(zhàn)［5］。曲新藝則強調(diào)奧運的安保成功既應先分析前期風險，也應加大科技力度的投入和強化國際合作［6］；在具體安保措施制定和實施方面的研究中，張楊提出必須確立切實可行、切實有效的安保計劃，增加突發(fā)事故計劃、空中防衛(wèi)計劃、國防部增援計劃以及相關的監(jiān)控設施［7］。王新建則闡述了在炸彈管理、運輸安全以及犯罪管理等方面必須進行充分防護的必要性［8］。

大型賽事的安保工作越來越成為世界各國在辦賽中非常重視的內(nèi)容，在眾多風險中，意識形態(tài)風險可能會導致恐怖主義的滋生，也是安保工作投入的重點和核心。而巨大的安保經(jīng)費以及人力的投入，也會帶來一定的副作用，可能會影響到整個城市正常的生活和工作。而且巨額成本也會給組委會帶來財務風險［9］。董杰指出在安保方面投入大量的人力、物力和財力盡管保證了體育賽事的安全，但涉及人員眾多，會造成巨大的花費，并影響賽事舉辦城市市民和觀眾的日常生活［10］。因此在大型體育賽事的籌備期，就需要在人力、物力和財力的投入方面以及是否可以滿足比賽的基本需求方面做出相對準確的判斷。

國外的相關研究很早就開始關注到了安保問題，以及安保所帶來的巨大財政支出問題。Jamie Cleland提及現(xiàn)代體育場作為一個全景臺，安全問題必然是巨大隱患，21世紀針對恐怖主義的安保措施更為重要，對每一場賽事都需要進行有必要的監(jiān)督和防控［11］。Ann Travers 指出特定的群體（種族主義分子、異端分子等）也是安保防護的重要目標之一，他們通常利用大型賽事進行相關的異端活動［12］。Jacqueline Kennelly研究奧運會結(jié)束后對城市的影響中描述賽會的安保直接關系著市民的幸福［13］。Malcolm N MacDonald的研究涉及到了奧運會期間的話語安全，涉及到媒體話語的安全表述［14］。

在倫敦奧運會前一年，北約多國參與到利比亞戰(zhàn)爭中，因此外部戰(zhàn)爭給倫敦奧運會帶來安全隱患［15］。而在奧運會籌備前期，為奧運安保而進行的相關基礎設施的建設，是奧運籌備中的一項重要支出，這些奧運安保的基礎設施不僅在奧運期間以及奧運會結(jié)束后作為奧運遺產(chǎn)發(fā)揮巨大作用，更為城市的安全保障工作提供有力的基礎防護［16］。Minas Samatas提及奧運安保的多數(shù)設備采用了高新科技，但是高科技不僅耗費巨大的財力，一旦出現(xiàn)故障將會導致安保系統(tǒng)的癱瘓［17］。

綜上，國內(nèi)外相關學者對大型體育賽事涉及的安保問題進行了研究，主要集中在風險的識別，安保環(huán)節(jié)設置的必要性，充分論證了安保的重要性和其發(fā)揮穩(wěn)定賽事的作用。但縱觀國內(nèi)外學者研究，很少涉及到大型體育賽事安保規(guī)模的大小和前期投資數(shù)額的預測。也就是，相關研究關于后賽會時期的經(jīng)驗總結(jié)分析居多，籌備期的預測性研究較少。并且多數(shù)研究停留在定性分析，缺乏對前大型賽會時期安保規(guī)模的定量刻畫，預測和評估研究的缺位為本研究提供了選題價值的可操作化場域空間。

2 基礎模型的修正與數(shù)據(jù)處理

2.1 數(shù)據(jù)搜集與指標選取

本文的數(shù)據(jù)來源主要為國際奧委會官網(wǎng)［18］，結(jié)合奧運期間對冬奧賽事的相關報道（部分數(shù)據(jù)來源于BBC、CNN 等新聞網(wǎng)站的具體報道），并通過已有文獻中提及的相關數(shù)據(jù)進行整合。由于數(shù)據(jù)查詢和搜集難度較大，搜集范圍較廣，相關數(shù)據(jù)沒有進行及時有效的統(tǒng)計，或者存在數(shù)據(jù)遺失的情況，無法呈現(xiàn)原始數(shù)據(jù)。針對上述困境，在數(shù)據(jù)整理中采用區(qū)間估計、模糊判定等數(shù)據(jù)處理方法，通過一定比例關系，近似地還原了之前的數(shù)據(jù)，也最大程度地減小誤差，保證數(shù)據(jù)的準確有效。在研究過程中，進行了無關數(shù)據(jù)的剔除，保證了數(shù)據(jù)使用的充分有效。（此處主要針對薩拉熱窩、卡爾加里、阿爾貝維爾三屆冬奧會的安保人員數(shù)量和安保經(jīng)費做了模糊處理，處理效果由后文通過現(xiàn)有數(shù)據(jù)求得模型權值和閾值，對十屆冬奧會各項數(shù)據(jù)的擬合效果檢驗可得效果很好，詳見結(jié)論 部分）

結(jié)合國內(nèi)外對安保各類研究，董杰提到了參賽國或地區(qū)、參賽運動員人數(shù)都會作用于賽事的整體經(jīng)費開支，尤其是提升賽事成本，包括安保方面人力、物力、財力的配置［9］；陳元欣提出球迷人數(shù)也即觀賽者對安保規(guī)模的投入具有巨大的影響［19］，但綜合冬奧會整體賽程來看，雪上項目觀賽人數(shù)較為分散，無法準確統(tǒng)計；室內(nèi)項目將隨著賽事競技性、精彩程度而存在觀賽者數(shù)量的差異性，觀賽者將作為一個動態(tài)變量參與研究，難以有效統(tǒng)計的同時，大大提升研究難度，故篩選掉觀賽人數(shù)這一變量。

部分針對安保的研究，張峰筠指出，賽事申辦地的安保能力是舉辦賽事的一項基礎能力［20］，金誠認為重大活動舉辦的安保配置從大數(shù)據(jù)層面分析是基于當?shù)亻L時間以來的治安狀況來判定［21］，故本文結(jié)合數(shù)據(jù)獲取的可行性用當?shù)氐闹鬓k國近五年的犯罪率指數(shù)來表征舉辦地的治安情況。安保人數(shù)及經(jīng)費是直接表征大型體育賽事安保投入，也將作為特征變量描述賽會的安保情況。結(jié)合數(shù)據(jù)跨度時間長，同時數(shù)據(jù)獲取的可行性，以及神經(jīng)網(wǎng)絡方法反復精確測算的特點，本文將選舉十屆冬奧會的參賽國數(shù)量、參賽人數(shù)、安保人員數(shù)量、安保投入經(jīng)費、主辦國近五年的犯罪指數(shù)率作為冬奧會安保整體狀況的特征測度。

2.2 基礎模型的建立

安保數(shù)量受到直接參賽國家數(shù)量以及參賽運動員數(shù)量的影響，也與該國的犯罪率有關，本研究采用線性模型描述變量之間的數(shù)量關系。在建立線性回歸之前，首先對原始數(shù)據(jù)進行標準化處理，標準化公式如下：

表1 相關變量標準化后數(shù)據(jù)

利用標準化后的數(shù)據(jù)，根據(jù)上表建立的線性關系如下所示：

圖1~4中，Y表示歷屆奧運會安保人員總數(shù)，E表示線性回歸中的隨機擾動項，由R2的數(shù)值看出其線性回歸的結(jié)果未能很好地表現(xiàn)出樣本的自變量和因變量存在的線性正相關關系，擬合優(yōu)度較差，預測數(shù)據(jù)將與客觀規(guī)模有較大偏差。根據(jù)上述分析，本研究初步建立的優(yōu)化模型如下：

圖1 ，2 直接參賽人數(shù)、直接參賽國與安保人員總數(shù)的簡單線性趨勢

圖3 ，4 安保經(jīng)費支出、舉辦國近五年的犯罪率與安保人員總數(shù)的簡單線性趨勢

其中N1表示直接參賽人數(shù)，N2表示參賽國家和地區(qū)，N3表示近五年舉辦國的犯罪率，N4表示安保經(jīng)費。上述優(yōu)化模型雖然能保持發(fā)展趨勢的一致性，但在計算所需安保數(shù)量時，需要對當年的變量（如犯罪率指數(shù)）進行預測。由于部分散點分布超出線性模型的擬合值，利用上述優(yōu)化模型對本研究數(shù)據(jù)分析可能將會產(chǎn)生較大的誤差，因此，為了進一步精準預測，本研究將采用神經(jīng)網(wǎng)絡模型對安保規(guī)模進行測算。

3 基于BP神經(jīng)網(wǎng)絡模型的預測的研究方法

本研究主要采用了BP 神經(jīng)網(wǎng)絡模型，該模型起源于生物學中的人體大腦神經(jīng)網(wǎng)絡，通過數(shù)學工具，考慮大腦在信息傳遞過程中的隨機性與無序性，有效地模擬了現(xiàn)實生活中一些非線性、非定性等關系的復雜變化，從而得出相對準確的結(jié)果。該模型主要應用于計算機科學、人工智能、自動控制領域等，對于處理組合優(yōu)化問題是一種行之有效的方法。本研究旨在通過歷年數(shù)據(jù)的組合和優(yōu)化，得出一組規(guī)模的最優(yōu)解，因此神經(jīng)網(wǎng)絡模型是比較好的解決問題工具。

3.1 神經(jīng)網(wǎng)絡模型理論基礎

神經(jīng)網(wǎng)絡的學習規(guī)則又稱神經(jīng)網(wǎng)絡的訓練算法，用來計算神經(jīng)網(wǎng)絡模型的權值和閾值。預測中模型的權重值和閾值極為重要，因為其直接影響變量所占權重的大小以及結(jié)果輸出的精度。

BP模型的學習規(guī)則有兩大類別：有導師學習和無導師學習。 在有導師學習中，需要為學習規(guī)則提供一系列正確的網(wǎng)絡輸入／輸出對（即訓練樣本），當網(wǎng)絡輸入時，將網(wǎng)絡輸出與相對應的期望值進行比較，然后應用學習規(guī)則調(diào)整權值和閾值，使網(wǎng)絡輸出接近于期望值。 而在無導師學習中，權值和閾值的調(diào)整只與網(wǎng)絡輸入有關系，沒有期望值，這類算法大多用聚類法，將輸入模式歸類于有限的類別。賽事預測需求得一個安保規(guī)模的預測值（最優(yōu)值），該值是期望值，是一個理想規(guī)模，因此采取有導師學習法進行規(guī)模預測。

BP 神經(jīng)網(wǎng)絡是一種典型的多層前向型神經(jīng)網(wǎng)絡，具有一個輸入層、數(shù)個隱含層（可以是一層，也可以是多層）的層與層之間采用全連接的方式，同一層的神經(jīng)元之間不存在相互連接。 理論上已經(jīng)證明，具有一個隱含層的三層網(wǎng)絡可以逼近任意非線性函數(shù)。由上文提及歷屆安保人數(shù)和經(jīng)費和其他變量（包括參賽國數(shù)量、參賽人數(shù)、犯罪率等）不能單純用線性關系進行鏈接，因此要通過神經(jīng)網(wǎng)絡進行全連接，基于BP神經(jīng)網(wǎng)絡模型隱含層的逼近，可以很好地刻畫這一非線性關系。對于一般的BP神經(jīng)網(wǎng)絡而言，隱含層中的神經(jīng)元多采用 S型傳遞函數(shù)，輸出層的神經(jīng)元多來用線性傳遞函數(shù)。

3.2 前饋神經(jīng)網(wǎng)絡

BP神經(jīng)網(wǎng)絡的誤差反向傳播是典型的前饋神經(jīng)網(wǎng)絡結(jié)構，其基本思想是對一定數(shù)量的樣本（輸入和期望輸出）進行學習，即將樣本的輸入送至網(wǎng)絡輸入層的各個神經(jīng)元，經(jīng)隱含層和輸出層計算后，輸出層各個神經(jīng)元輸出對應的預測值，若預測值與期望輸出之間的誤差不滿足精度要求時，則從輸出層反向傳播該誤差，從而進行權值和閾值的調(diào)整，使得網(wǎng)絡的輸出和期望輸出間的誤差逐漸減小，直至滿足精度要求。這也是使用神經(jīng)網(wǎng)絡模型的一大核心優(yōu)勢，利用前饋的神經(jīng)網(wǎng)絡進行誤差精度的核查，更大程度上縮小誤差，提高預測精度。BP網(wǎng)絡的精髓是將網(wǎng)絡的輸出與期望輸出間的誤差歸結(jié)為權值和閾值的“過錯”，通過反向傳播把誤差“分攤”給各個神經(jīng)元的權值和閥值。

其中第一層為輸入層，第二層為隱含層。第三層為輸出層。輸入單元不是神經(jīng)元，因此圖5中有兩層神經(jīng)元，對于一個三層的前反饋神經(jīng)網(wǎng)絡，表示網(wǎng)絡各層的連接權向量，表示三層的作用函數(shù)，那么神經(jīng)網(wǎng)絡的第一層神經(jīng)元輸出為：

圖5 3層BP神經(jīng)網(wǎng)絡

第二層輸出為：

第三層輸出為：

基于上述分析可以發(fā)現(xiàn)前饋神經(jīng)網(wǎng)絡具有較好的線性非擬合性，因為當預測值與實際值產(chǎn)生差異時，前饋神經(jīng)網(wǎng)絡會逆向傳輸誤差，從而不斷調(diào)整權重與閾值使得預測模型更加精確。

3.3 基于有導師學習算法的模型建立

Delta學習規(guī)則是一種簡單的有導師學習算法，該方法根據(jù)期望輸出與實際輸出的差值來調(diào)整權重，其數(shù)學表示如下：

因此隱含神經(jīng)元的輸出為：

誤差E對輸入層與隱含層神經(jīng)元間的權值的偏導為：

根據(jù)上述分析結(jié)果，本研究可以得到權值的調(diào)整公式為：

公式（3-4）為隱含層的權值計算公式（模型），公式（3-5）為輸入層的權值計算公式（模型）。其中和分別為隱含層和輸出層的學習步長。該公式主要刻畫模型中參變量（或系數(shù)）權重的大小，也客觀地描述了多個標量作用下對最終奧運安保預測最終結(jié)果影響的大小并顯示在最終的預測結(jié)果中。結(jié)合上述理論分析，本研究的建模算法步驟為：

綜合圖6所述，本研究需要在前十屆冬奧會中選取樣本數(shù)據(jù)，通過安保的數(shù)量、安保經(jīng)費、參賽國數(shù)量、參賽人員數(shù)量和犯罪指數(shù)率等變量作為樣本集合進入神經(jīng)網(wǎng)絡的學習規(guī)則。通過上述變量約束，計算網(wǎng)絡的實際輸出，經(jīng)過前饋機制檢驗，調(diào)整權矩陣中權重值的準確性，最終得出的最優(yōu)解即為安保規(guī)模。

圖6 建模算法程序Figure 6 Modeling algorithm program diagram

4 MATLAB中神經(jīng)網(wǎng)絡的實現(xiàn)

4.1 數(shù)據(jù)的處理

本研究利用MATLAB進行實際數(shù)據(jù)的代入和預測，將模型的程序代碼編寫入MATLAB后，通過MATLAB的運行來觀察數(shù)據(jù)運行的結(jié)果。預測過程中先對數(shù)據(jù)進行預處理，參賽人數(shù)，參賽國家以及安保支出三個指標均為數(shù)量數(shù)據(jù)，用舉辦地的犯罪率這一指標來衡量舉辦地的治安狀況，本研究增選舉辦地近五年犯罪指數(shù)率①犯罪指數(shù)率主要是將犯罪指數(shù)換算成比率，因國際犯罪指數(shù)與我國犯罪率核算不一致，故均采用比率化處理，便于之后預測的一致性。，結(jié)合其他指標進行預測。本研究的數(shù)據(jù)結(jié)構為（表2）：

表2 1984—2018年十屆冬奧會變量分布

4.2 創(chuàng)建訓練BP網(wǎng)絡

創(chuàng)建BP神經(jīng)網(wǎng)絡前需要確定網(wǎng)絡的結(jié)構，即需要確定以下幾個參數(shù)：輸入變量個數(shù)、隱含層數(shù)及各層神經(jīng)元個數(shù)、輸出變量個數(shù)。 如前文所述，只含有一個隱含層的三層BP神經(jīng)網(wǎng)絡可以逼近任意非線性函數(shù)，因此，本次研究僅討論單隱含層BP神經(jīng)網(wǎng)絡。從問題描述中可知，輸入變量個數(shù)為3（直接參賽人數(shù)/人，參賽國家和地區(qū)/個以及舉辦國近五年的犯罪指數(shù)率），輸出變量個數(shù)為 2（安保人員總數(shù)/人

安保經(jīng)費支出/美元），隱含層神經(jīng)元個數(shù)對網(wǎng)絡性能的影響較大。將上述數(shù)據(jù)統(tǒng)一代入到模型中，通過模型的反復計算和逼近，在擬合最優(yōu)的情況下得出權值和閾值（如表3）。

表3 三個輸入變量權重分布

得到的相應的權值和閾值將作為預測安保具體人數(shù)的重要條件。本研究輸入的三種參數(shù)，對應的輸入層為三個輸入神經(jīng)元，而隱藏層為9層，因此矩陣為3乘9矩陣。以-1.7236為例，表示的是第一個輸入單元（直接參賽人數(shù)/人）到第一個隱藏單元的權重為-1.7236，相應的-2.5604表示的是第二個輸入單元（參賽國家和地區(qū)/個）到第一個隱藏單元的權重為-2.5604。

在BP神經(jīng)網(wǎng)絡預測過程中，得出的結(jié)果如圖7所示。虛線和星點表示數(shù)據(jù)中的真實值，也即冬奧會實際安保人數(shù)設置，而實線則代表模型的預測結(jié)果。預測過程中，前十屆冬奧會中除平昌冬奧會外，其余各點的預測結(jié)果與真實值相近或重合，或落在近似區(qū)間（誤差精度范圍內(nèi)），它表明模型是準確的，它的權值和閾值也是準確的，除了平昌冬奧會相差較多以外，前九屆的冬奧會均很好地逼近。分析原因可以發(fā)現(xiàn)，由于存在北朝鮮與韓國的對立狀況，因此韓國明顯加大了除賽事安保之外的政治安保力度，而且平昌冬奧會在原始數(shù)據(jù)中，其安保人數(shù)和經(jīng)費均高于上一屆冬奧會，因此會導致其預測值偏離真實值（圖7中因為平昌冬奧會的預測偏離，本研究選擇在圖中對其作隱藏處理）。

圖7 十屆安保規(guī)模預測（真實值與預測值）

5 結(jié)論與啟示

5.1 研究結(jié)論

本研究運用神經(jīng)網(wǎng)絡模型，通過往屆冬奧會的安保規(guī)模進行約束性預測，并在預測中保證模型建立和運行的精準度，從而更好地限定其規(guī)模范圍，便于進一步測算最優(yōu)安保規(guī)模。通過數(shù)據(jù)以及模型的理論預測，在進行模型檢驗的過程中，BP神經(jīng)網(wǎng)絡模型得出冬奧會的安保人員數(shù)量，鹽湖城、都靈、溫哥華、索契冬奧會的安保人員數(shù)量的預測值分別為：12435人，9450人，14921人以及36807人。與其實際派出的安保人數(shù)非常接近，表明預測的精確性良好。由此，通過模型將當年的預測數(shù)據(jù)代入，即可得到安保人數(shù)，是可以獲得科學性和穩(wěn)定性的預測工具，在其他大型賽事的安保籌備工作中具有可借鑒性的意義和價值。但是本研究還存在一定不足：數(shù)據(jù)的受限以及相關因素的局限可能導致本研究的結(jié)果并非全面和系統(tǒng)，例如，對于安保人員的具體分配和安保經(jīng)費具體投入路徑?jīng)]有涉及等；以及本研究樣本為十屆冬奧會，在后續(xù)研究中，可以擴大研究范圍，延伸到其他類型的大型賽事的安保規(guī)模預測。

5.2 研究啟示

基于本文的研究方法和以上研究結(jié)論，針對大型賽事安保工作提出以下啟示：

科學制定安保預算?？茖W合理地進行安保預算是大型賽事前期安?；I備工作的一項重點任務，也是統(tǒng)籌安保工作的有效依據(jù)。只有在理論上進行科學預測，合理計算，較為精準的核算安保投入，才可以更好地在實際安保過程中合理控制進項和出項。安保預算不僅需要包含必要的勞動力——安保人員的數(shù)量核算，必要的勞動時間，勞動力成本（安保經(jīng)費投入），還應包括前期安?；A設施的建設成本，尤其是科技安保戰(zhàn)略下，大量的科技投入直接帶來較高的技術成本?？茖W核算安保組織管理成本和風險防范成本在賽會籌備環(huán)節(jié)尤為重要。

安保成本最優(yōu)管理。注重成本管理是當代體育賽會預算投入的重要任務，在具體的安保實施過程中，應注意以下幾個方面。其一，應該加強大型賽事安保環(huán)節(jié)的成本管理，基于安保本身屬于體育賽事風險管理的一個分支，是具備柔性的，要想達到即高效又節(jié)約的目的，尤其需要在科學管理、高效管理上下功夫。其二，科學的組織架構、順暢的信息交流渠道和機制是降低不必要管理成本的有效途徑。其三，應該做好突發(fā)事故預案，盡可能降低突發(fā)事故所造成的安保資源分配不均以及沒有完備應急預案下的額外成本支出。其四，基于科技安保的理念以及AI 技術的不斷廣泛應用，廣泛采用人工智能設備進行可替代人工的安保工作將會對降低安保成本、提高安保效率有積極的意義，例如，無人駕駛巡邏車進行奧運村安全巡邏工作，以及人臉智能識別等科技的運用等。

強化數(shù)據(jù)統(tǒng)計工作。對于各項大型賽事舉辦過程中，做好安保的相關數(shù)據(jù)統(tǒng)計工作將會對未來大型賽事安保主題的研究提供更好的數(shù)據(jù)支撐。同時，為后賽會時代安全遺產(chǎn)的總結(jié)和塑造提供相對完善的報告依據(jù)。而更為主要的，數(shù)據(jù)和檔案資料的強化有助于通過數(shù)據(jù)分析和總結(jié)規(guī)律，為后續(xù)大型賽事籌辦工作提供寶貴經(jīng)驗和模式。