基于共词分析的智慧城市研究现状与展望

2014-03-26王朝晖郑新奇

地域研究与开发 2014年4期

王朝晖，郑新奇

(1.中国地质大学(北京) 土地科学技术学院，北京100083; 2.郑州市数字化城市管理监督中心,郑州 450007)

0 引言

全球正在经历前所未有的城市化进程，2010年世界城市人口首次超过人口总数的一半，到2050年，城市人口比例将达到70%[1]。因此，城市的发展状况将直接影响人类社会的发展进程。近些年，随着对人类城市发展关注和探索的深入，“智慧城市(smart city)”的概念逐渐被全球越来越多的国家和社会公众所接受[2]。智慧城市概念的提出及出现是数字城市不断进化和信息通信技术(information and communications technology，ICT)基础设施及相关技术高速发展和深入应用的必然结果，并且已成为研究和关注的热点。

目前，对于智慧城市概念缺乏清晰并且一致的理解和认识[3]。R.G.Hollands将智慧城市看作是一种“城市的标签”现象[4]，而作为标签的“智慧城市”是一个模糊的概念，事实上在该领域，既没有单一的构建智慧城市的模板，也不存在关于智慧城市的通用定义[5]。

在国内，普遍认同的观点是，数字城市是在城市规划建设与运营管理以及城市生产与生活中，利用数字化信息化处理技术和网络通信技术，将城市的各种数字信息及各种信息资源加以整合并充分利用，达到网络互联互通，实现数据、信息及服务的共享与互操作，从而促进城市的可持续发展[6]。而智慧城市是数字城市与物联网和云计算等技术有机融合的产物[7-8]。智慧城市是在城市全面数字化基础之上建立的可视、可测量、可感知、可分析、可控制的智能化城市管理和运营机制，包括城市的网络、传感器、计算资源等基础设施，以及在此基础上通过对实时信息和数据的分析而建立的城市信息管理与综合决策支撑等平台[7]。智慧城市是通过互联网把无处不在的、植入城市物体的传感器连接起来形成的物联网，实现对现实城市的全面感知，利用云计算技术对感知信息进行智能处理和分析，实现线上数字城市与线下现实城市的无缝连接，并发出指令，对包括政务、民生、环境、公共安全、城市服务、商业活动等在内的各种需求做出智能化响应和智能化决策支持[9]。智慧城市的核心是以一种更智慧的方法通过利用以物联网、云计算等为核心的新一代信息技术来改变政府、企业和人们相互交互的方式，提高城市的运行效率[10]。由此看出，目前国内对智慧城市的研究侧重于技术方面，主要集中在城市信息化、物联网、云计算等热点。

在国外学者、组织和政府机构对智慧城市的研究中，关注热点同样是ICT基础设施等技术要素，同时还有大量研究将注意力转向人/教育、社会/组织、环境等非技术要素在智慧城市发展进程中的驱动作用[11]。ICT基础设施的有效性、实用性与质量等因素不应是定义智慧城市的唯一出发点。城市要达到智慧的状态，应通过参与式的社会治理方式和智慧化的自然资源管理方法，并对人力和社会资本及传统和现代ICT基础设施领域进行投入，以此来促进社会经济的增长和城市生活质量的提高[10]。该定义涵盖ICT等技术要素，也包含了社会治理、人及社会资本、自然环境等非技术要素，并最终将核心放在促进社会、经济和人的状态的进步，既指出了实现智慧城市的必要条件，也明确了智慧城市的根本意义。该定义被广为接受，尤其是在欧洲[12]。D.Ludlow等认为，在智慧城市中，通过对采用ICT技术的城市治理和公众参与进程的投资来明确适当的公共服务以及交通投入，以此来保障可持续的经济社会发展、不断提高的生活质量和智能化的自然资源管理[13]。M.Batty等在欧洲多国参与的FuturICT项目有关智慧城市的子项目研究中，系统阐述了智慧城市的研究和实施规划，规划定义了研究的目标、挑战、现实情境以及具体实施领域等方面，并突出强调不同技术类别之间的协调、通信、耦合及整合所起到的关键作用以及智慧城市最终所要实现的城市高效、平等、可持续发展和高质量生活的目标[14]。H.Chourabi等在现有研究基础上提出与智慧城市相关的8个核心要素：管理与组织、技术、治理、政策环境、人与社区、经济、基础设施和自然环境[3]，构成完整的智慧城市模型框架。框架不仅能够为智慧城市规划、建设实施及评价等提供有益的参考，也为今后的研究工作奠定了基础。由此看出，国外对于智慧城市概念的定义较多，其侧重点和角度也各有不同，研究更系统和全面，既涵盖了ICT等技术要素，也涵盖了社会、自然环境、政治等非技术要素。相对而言，国内研究主要集中在技术方面，非技术主题研究较少，研究广度和深度都有很大的发展空间。

本研究以CNKI为数据源，提取和归纳高频关键词，采用共词分析法和因子分析、聚类分析与多维尺度分析等相结合的方法，探讨和分析目前国内智慧城市的研究现状，并展望其发展趋势。

1 数据与方法

1.1 研究方法

共词分析法是情报学中的分析方法，属内容分析法的一种，其核心思想是通过对能够表达某一学科领域研究主题或方向的专业术语共同出现在同一篇文献中的现象的分析，判断该学科领域中这些专业术语间的内在关系，展现该学科的研究内容和结构[15]。在研究中，通常选取关键词作为研究对象。关键词能够表达研究核心及方法。一定规模的关键词数据从宏观上能够揭示该领域内容特征及其之间的内在联系、学术研究的发展脉络与方向[16]。共词分析的基础是关键词词频分析。首先从文献数据库提取关键词，并确定能够代表研究领域主题或研究方向的高频关键词，两两统计高频关键词在同一篇文献中共同出现的次数，形成共词矩阵，再围绕共词矩阵做进一步分析[17]。

因子分析的基础是相关分析，从数学角度看，是一种降维处理技术[18]，其基本思想是根据相关性对研究对象变量进行分组，使组内变量相关性较高，组间变量相关性较低。因子分析结果可为聚类分析提供参考。

聚类分析是根据样本自身属性，用数学方法按照某种相似性或差异性指标，定量确定样本之间的亲疏关系，并按照这种亲疏关系对样本进行聚类[17]。通过聚类分析图可以直观地展示出研究对象的变量类别划分。

多维尺度分析是通过非线性变换、将高维空间数据转换为低维空间数据、转换后的数据仍能够近似保持原数据关系的一种技术[19]。该技术可在低维度中描述高维度数据的相似性或不相似性，得到对象关系的空间理解[20]。多维尺度分析可结合因子分析和聚类分析，实现对研究对象变量分类的可视化表达。

1.2 技术路线

根据共词分析法的思想和技术特点，设计研究技术路线(图1)。

图1 技术路线图

1.3 数据来源

研究数据源为CNKI学术文献总库，从中选取中国学术期刊网络出版总库、中国博士学位论文全文总库、中国优秀硕士论文全文总库以及中国重要会议论文全文数据库等作为检索数据库，检索主题词为“智慧城市”的文献。从检索结果中剔除无作者、无关键词以及新闻报道类等非正式学术文献，最终得到有效文献1 555篇。从中提取关键词并汇总归纳，合并意义相同或相近的关键词，如地理信息系统和GIS、城市信息化和信息化等，然后根据词频进行排序，得到24个高频关键词(表1)。

表1 高频关键词列表

1.4 数据预处理

高频关键词在很大程度上反映了研究热点和发展概况，但仅通过频次分析并不能深入反映领域发展的内部结构及关键词之间的内在相关性。因此，在高频关键词基础上，需建立共词矩阵，即由两两高频关键词同时出现在同篇文献中的次数所构成的矩阵。利用EndNote和Excel来统计并建立共词矩阵(表2)。

表2 高频关键词共词矩阵(部分)

最终形成一个24×24并且对称的共词矩阵。为了消除矩阵中由于不同关键词词频绝对值差异所带来的影响，需要将共词矩阵转换成由两两关键词之间相关系数构成的矩阵，即相关矩阵。使用SPSS中相关分析功能，并选择计算斯皮尔曼相关系数，将共词矩阵转换成相关矩阵(表3)。

2 数据计算与分析

为了进一步揭示高频关键词之间的内部结构和词间关系，对相关矩阵做因子分析、聚类分析以及多维尺度可视化表达。

2.1 因子分析

首先对高频关键词相关矩阵进行因子分析。将相关矩阵导入SPSS，使用降维功能中的因子分析，选取参数为主成分法、协方差矩阵分析以及平均正交旋转法，得到因子分析结果(表4)。保留特征值大于1的4个主成分因子，其累积贡献率达到88.651%。该结果将为聚类分析提供参考。

表3 高频关键词相关矩阵(部分)

表4 因子分析结果

说明：提取方法为主成份分析。

2.2 聚类分析

在SPSS中，对高频关键词相关矩阵进行聚类分析。使用分类功能中的系统聚类分析法，选取聚类方法为组间连接方法，度量标准为平方几何距离，对相关矩阵进行聚类分析，得到分析结果(图2)。

根据聚类分析树状图所展示的聚类结果，高频关键词划分为4类较为合适。第一类由城市管理、城市发展、信息技术、智慧、智能交通、地理信息系统和智能建筑组成，以A表示；第二类由建设、指标体系和城市组成，以B表示；第三类由电子政务、信息社会、数字城市、信息化、智慧城市、云计算、物联网、智慧地球组成，以C表示；第四类有智慧旅游、智慧政务、城市治理、新型城市化、智慧经济和发展策略组成，以D表示。可以看出，聚类结果与因子分析结果基本一致。

图2 聚类分析结果

2.3 多维尺度分析

利用SPSS软件的多维尺度分析功能对相关矩阵进行多维尺度分析，并输出多维尺度分析图(图3)。应用SPSS进行多维尺度分析时，结果中会给出Stress和RSQ值，分别表示信度和效果估计值。一般来说，Stress< 0.2，RSQ> 0.8时，结果可信、有效，并且Stress值越小越好，RSQ值越大越好[21]。本研究中，Stress= 0.093 96，RSQ= 0.955 48，说明分析过程是可信、有效的。

图3 多维尺度分析图

结合因子分析和聚类分析的结果，在多维尺度分析图上，高频关键词基于相关程度的不同而分布于A、B、C、D 4个区域，其中维数1表明学科内各领域的联系程度，维数2表明各领域研究热度。

2.4 结果探讨

(1)从多维尺度分析图上可以看到，高频关键词分布较为分散，各类关键词的核心词不突出。结果表明，目前在国内智慧城市研究领域中，主题分散，缺乏核心，层次不明显，研究尚未成熟和系统。根据CNKI文献统计数据，智慧城市理念从2008年开始引起国内学术界注意，随后几年，关注度快速攀升，文献数量快速增加。但由于该领域在国内仍然是新兴学术方向，文献主题分散，研究深度有待于进一步深入。

(2)A类关键词包含城市管理、城市发展、信息技术、智慧、智能交通、地理信息系统与智能建筑。该类关键词关注于城市发展和管理过程中信息化、智能化技术的基础性作用。智能交通和智能建筑都是信息化技术的典型应用，也是城市智能化发展的必然选择。

(3)B类关键词包含建设、指标体系与城市。此类别关键词较少，核心是指标体系。该类关键词整体分布于图形的最下方，表明指标体系建设关注度较低，远离核心研究领域。在今后的研究中，应进一步关注与智慧城市有关的指标体系建设，包括规划、建设实施以及评价等，这是智慧城市研究和建设的一项基础性工作。

(4)C类关键词包含电子政务、信息社会、数字城市、信息化、智慧城市、云计算、物联网、智慧地球。C类处于分布图最上方，集中分布在轴线两侧，是目前国内智慧城市领域的研究核心。此类关键词集中了当前的研究热点，例如数字城市、云计算、物联网等，契合了国内普遍认同的观点，即智慧城市=数字城市+物联网+云计算[7]。从分布图上看，数字城市与其他关键词距离较远，说明数字城市已被智慧城市所替代，智慧城市成为新的热点。随着数字城市发展的逐步深化，智慧城市已经成为未来发展的必然方向。

(5)D类关键词包含智慧旅游、智慧政务、城市治理、新型城市化、智慧经济和发展策略。该类别关键词分布于图的右侧，并且与另外三类关键词距离较远，表明相对独立，与其他主题联系较少。另外，该类关键词内部之间也较分散，词间相关程度低于另外三类。这些特点揭示了在目前“智慧城市”概念和模型尚处于探索和初步发展阶段，智慧旅游、智慧政务等具体方向同样处于发展的初期，没有稳定、成熟的概念模型和发展模式，智慧经济也未形成，在政策层面也缺乏明晰、可行的发展战略。但智慧政务和智慧经济的形成将会极大地提升城市治理成效，促进国内新型城市化进程，是发展的必然走向。

3 结论

基于CNKI数据库和共词分析法探讨了我国智慧城市的研究现状和发展趋势。(1)国内对智慧城市的研究起步较晚，目前研究主题分散，缺乏主线，研究层次不清晰，缺乏系统性。鉴于此，对智慧城市本质概念和模型的深入研究和理解应是今后的核心。(2)当前智慧城市热点是物联网和云计算等，大量研究工作集中在这两个方向，其发展模式有待于进一步理清,应用广度及深度也需拓展。(3)智慧旅游、智慧政务、智慧国土等行业应用，发展相对独立，彼此相关程度低，与其他研究主题关联不足。要形成智慧化的经济和社会，应关注智慧领域和具体行业特点，加强融合。(4)智慧城市的指标体系、发展策略等基础性研究缺乏，处于研究边缘区域，有待加强。(5)高频关键词集中在技术要素，而对人、社会及环境等非技术要素的关注不足，今后研究工作应给予更多、更系统的关注。此外，本研究中的高频关键词所反映的研究主题集中在智慧城市带给人与社会、经济等方面的正面影响，较少关注其负面影响。M.McLuhan指出，我们塑造工具，工具同时也在塑造我们[22]，对于这种塑造的双向性及双面性的认识和理解，将是我们实现真正的智慧城市所要面对的重要挑战。

因此，智慧城市在国内的研究与发展趋势有：(1)技术要素仍然是当前以及今后的研究核心，但研究及实施将会渐趋理性和合理。物联网和云计算等智慧城市的核心技术领域将会逐步渡过概念炒作及泡沫阶段，进入实质性发展和部署，发展模式渐趋清晰。(2)智慧城市研究将会逐步趋于成熟、系统和全面。除了技术之外，研究将会开始把注意力转向围绕智慧城市的人、社会、环境等方面的研究。因为城市的“智慧化”发展不可能仅仅是通过物联网、云计算等“智慧技术”的使用就轻而易举实现[23]。这些非技术因素与技术因素之间的跨领域综合研究将会成为未来研究重点。(3)智慧政务将会成为又一新的热点。在智慧城市的背景下，参与式城市治理方式将会深刻影响社会乃至政府的运作形态，将促使政府公共服务范式从全能型转向服务型和智慧型[24]，是电子商务发展到高级阶段之后的必然产物[25]。(4)随着智慧城市研究和实施的不断深入，大数据以及城市计算领域的研究和应用价值将进一步体现，应用前景广阔。智慧城市是量化的社会，量化的数据是智慧城市运行的基础，大数据将在未来智慧城市发展过程中扮演更为关键的角色。大数据本身的市场规模将快速增长，数据显示，从2011年的7 760万美元将会增长到2016年的6.17亿美元，市场规模增长近7倍[26]。在此背景下，基于大数据的城市计算领域将发挥越来越重要的基础性作用，而通过合理有效的城市计算，将为人们提供更智慧的城市和更高品质的城市生活。

参考文献：

[1]United Nations Department of Economic and Social Affairs/Population Division.World Urbanization Prospects:The 2011 Revision[R].New York:United Nations,2012.

[2]张永民,杜忠潮.我国智慧城市建设的现状及思考[J].中国信息界,2011(2):28-32.

[3]Chourabi H,Nam T,Walker S,etal.Understanding Smart Cities:An Integrative Framework[C]//IEEE Computer Society.System Science (HICSS),2012 45th Hawaii International Conference on.New York:IEEE Press,2012:2289-2297.

[4]Hollands R G.Will the Real Smart City Please Stand Up?[J].City,2008,12(3):303-320.

[5]Nam T,Pardo T A.Conceptualizing Smart City with Dimensions of Technology, People, and Institutions[C]//DGO.Proceedings of the 12th Annual International Digital Government Research Conference:Digital Government Innovation in Challenging Times.New York:ACM,2011:282-291.

[6]段学军.数字城市建设研究[J].地域研究与开发,2003,22(5):1-4.

[7]李德仁,邵振峰,杨小敏.从数字城市到智慧城市的理论与实践[J].地理空间信息,2011,9(6):1-5.

[8]李德仁,姚远,邵振峰.智慧城市的概念、支撑技术及应用[J].工程研究,2012,4(4):313-323.

[9]王家耀.智慧让城市更美好[J].自然杂志,2012,34(3):139-142.

[10]巫细波，杨再高.智慧城市理念与未来城市发展[J].城市发展研究,2010,17(11):56-60.

[11]Garagliu A,Del Bo C,Nijkamp P.Smart Cities in Europe[J].Journal of Urban Technology,2011,18(2):65-82.

[12]Balakrishna C.Enabling Technologies for Smart City Services and Applications[C]//IEEE Computer Society.Next Generation Mobile Applications, Services and Technologies (NGMAST),2012 6th International Conference on.New York:IEEE Press,2012:223-227.

[13]Ludlow D,Khan Z.Participatory Democracy and the Governance of Smart Cities[C]//AESOP.Papers in 26th Annual AESOP Congress,Ankara,Turkey,2012.Belgium:AESOP,2012.

[14]Batty M,Axhausen K W,Giannotti F,etal.Smart Cities of the Future[J].The European Physical Journal Special Topics,2012,214(1):481-518.

[15]张树良,冷伏海.基于文献的知识发现的应用进展研究[J].情报学报,2006,25(6):700-712.

[16]李文兰,杨祖国.中国情报学期刊论文关键词词频分析[J].情报科学,2005,23(1): 68-70,143.

[17]张勤,马费成.国外知识管理研究范式——以共词分析为方法[J].管理科学学报,2007,10(6):65-75.

[18]徐建华.地理建模方法[M].北京:科学出版社,2010:72,77.

[19]杨颖,崔雷.基于共词分析的学科结构可视化表达方式的探讨[J].现代情报,2011(1):91-96.

[20]张方杰,高向艳.基于多维尺度分析的个人金融产品差异性研究[J].金融论坛,2005(6):39-42.

[21]邱增慧,王娟,郑春厚.基于共链分析的高效图书馆网络结构研究[J].图书情报工作,2011(9):118-121.

[22]McLuhan M.Understanding Media:The Extensions of Man[M].New York:McGraw Hill,1964.

[23]尚进.从“社会—科技”角度看智慧城市建设的实质与创新[J].中国信息界,2012(9):66-69.

[24]赵玎,陈贵梧.从电子政务到智慧政务:范式,关键问题及政务应对策略[J].情报杂志,2013,32(1):204-207.

[25]Belanger F.U-government:A Framework for the Evolution of E-government[J].Electronic Government,An International Journal,2005,2(4):426-445.