北京市土地利用网络群体智能涌现研究

韩 璐，郑新奇，谢俊奇,3

（1. 浙江财经大学不动产研究所，浙江 杭州 310018；2. 中国地质大学（北京）土地科学技术学院，北京 100083；3. 北京市国土资源局，北京 100013）

北京市土地利用网络群体智能涌现研究

韩 璐1，郑新奇2，谢俊奇2,3

（1. 浙江财经大学不动产研究所，浙江 杭州 310018；2. 中国地质大学（北京）土地科学技术学院，北京 100083；3. 北京市国土资源局，北京 100013）

研究目的：分析北京市土地利用中不同群体认知关键词及其逻辑结构关系，并挖掘网络涌现出的土地利用群体智能。研究方法：利益相关者理论，链接结构分析方法中HITS算法。研究结果：关于北京市的研究表明，（1）专家群体的权威关键词是土地退化，中心关键词是遥感监测；（2）政府群体的权威关键词是土地利用管理，中心关键词是土地用途管制；（3）公众群体的权威关键词是集约高效用地，中心关键词是城市空间规划。研究结论：一方面各个群体通过发表各自关于土地利用问题的见解和观点产生相互影响，从而涌现出群体智能；另一方面各个群体对土地利用问题的认知存在着不一致性，而这种不一致性推动了不同群体更深层次的互动，这也是产生网络群体智能涌现的驱动力。建议政府更加重视公众参与，并有效地利用互联网引导公众舆论导向。

土地利用；群体智能；关键词；HITS算法；互联网；土地利用

随着经济的不断发展和城市规模的逐渐扩大，北京市土地利用在土地供给压力，耕地和基本农田保护，城乡区域间用地结构和布局，节约集约用地能力，国土资源综合治理和生态基础设施建设力度，土地管理机制等方面存在诸多问题。土地利用涉及多方利益群体，随着互联网技术的快速发展，网络提供了让所有群体充分表达意愿和互动交流的平台。因此，借助网络这一庞大的资源，挖掘不同群体对北京土地利用问题的认知和关注热点，可以为有针对性地解决土地利用问题提供决策参考。而如何挖掘网络中不同群体对于北京市土地利用问题的关注点是本文的研究重点。

近年来，土地利用群体分析的方法研究取得了一定的成果，主要集中在以下3个方面：（1）定性的参与式调查分析方法。包括快速农村评估方法（RRA，Rapid Rural Appraisal）或参与式农村评估法（PRA，Participatory Rural Appraisal），主要是采取实地走访和调查的手段[1]。（2）定量的数理模型方法[2-3]。（3）定性与定量相结合的方法[4]。但是，上述分析方法存在着一些局限性：首先，数据获取多数采用问卷调查、访谈等手段，需要耗费较大的人力、物力和财力，且得到的数据受外在因素影响较大，部分受访者不能真实的表达自己想法；其次，无法更好地掌握不同群体的观点倾向及其交互关系。由此，本文提出依托复杂而看似无序的互联网，找到不同群体关于土地利用问题的言论和见解，并通过研究不同群体互动而涌现的群体智能，进行土地利用群体的关注点分析。

群体智能（Swarm Intelligence，SI）是20世纪 90 年代以来，许多学者通过观察蚁群、蜂群、鱼群等社会性动物，对其自组织行为进行数学建模和计算机仿真实验而产生的[5]。群体智能是指具有简单智能的个体通过相互协作和组织表现出群体智能行为的特性，具有天然的分布式和自组织特征[6-7]，同时也表现出非线性和涌现的系统特征[8]。群体智能的涌现研究都与开放的复杂巨系统有关。互联网作为一个快速发展的开放的复杂巨系统，为研究土地利用中不同群体及其关系提供了丰富的资源。网络群体智能的涌现研究具有面向对象的广泛性、研究问题的多元化、深入性等特点，同时群体智能方法易于实现，具有较强的可操作性。因此，土地利用中网络群体智能的涌现研究具有十分重要的理论和现实价值。

1 土地利用中网络群体的界定

根据利益相关者理论，土地利用中利益群体类型较多，主要包含专家、政府、社会团体、个人等在内的不同群体。其中，专家主要指土地利用及相关学科的科研人员，他们的研究成果会成为制定土地利用规划与政策制定的依据。政府主要包括中央政府，省、市、县等各级地方政府以及国土和其他相关管理部门，他们是土地利用规划和政策的决策者、组织者与执行者。公众是指与公关关系主体有利益关系并相互影响的组织、群体或个人[9]，主要包括农民、城市居民、企业以及非营利组织等，土地政策的制定与调整、土地资源的分配与利用等方面的问题都与其生活和生产方式密切相关[10]。因此，本文将土地利用中网络群体分为专家群体、政府群体和公众群体。

需要说明的是，网络上的公众因受年龄、文化程度、阶层、数量、代表性、观点可靠性、地域经济发展水平等多方面的影响，具有一定的局限性，并不是完全意义上的公众，从公众群体总体分布看，是一个偏态分布。因此，本研究需进一步对公众群体进行界定。

按照公众关系学的基本思想和观点，把公众分为非公众、潜在公众、知晓公众和行动公众4类[9]。互联网中的公众是以知晓公众和行动公众为主，对组织起到主要的影响力。就北京市土地利用问题来看，网络中的知晓公众和行动公众对北京市土地利用易产生重要影响，而不上网的公众因受年龄、文化程度、地域等限制，对北京市土地利用影响较小，以潜在公众为主。此外，因网络中公众选择是随机进行的，在一定程度上可当作正态分布。因此，本文中公众群体主要是指网络中的知晓公众和行动公众。

根据上述群体的界定，在互联网上可以找到3个群体关于土地利用某个热点问题的不同形式的发言和讨论。不同群体关注的土地利用热点问题是用关键词的形式表现。专家群体的发言和讨论一般以学术论文的形式表现出来的研究成果，因此，可以通过学术论文数据库检索的途径来获取专家认知关键词。政府群体的发言和讨论一般在政策、法规和措施等形式表现，因此，可以通过查询相关的政府官方网站关于土地利用的政策、法规和措施等获取并提炼政府认知关键词。公众群体的发言和讨论比较分散，界定有一定难度。本文以在博客、论坛等公开发表的言论和话题为表现形式，因此，可以借助各种搜索引擎，对关注的土地利用热点问题进行网页跟踪和统计，从而获取和提炼公众认知关键词。

2 土地利用中网络群体智能涌现的分析方法

在互联网中，3个群体的观点和见解可以用关键词的响应关系来表达，即群体认知有向属性图。通过对认知有向属性图的分析，可以得到各个群体关注的重点，以及他们之间的影响关系，这就扩大了群体共同认知的汇集，从而涌现出群体智能[8]。

本文采用链接结构分析方法中的HITS算法。它的核心思想是对权威（Authority）网页和中心（Hub）网页两个方面的权威程度进行评价。每个网页都具有两个属性值，即Authority值和Hub值（图1、图2）。Authority值表示一个权威网页被其他网页引用的次数，即该权威网页的入度值（权威度）；Hub值表示一个Web网页指向其他网页的数量，即该Web网页的出度值（中心度）[11]。

图1 权威网页有向属性图Fig.1 The link-structure fi gure of authority page

图2 中心网页有向属性图Fig.2 The link-structure fi gure of hub page

本文中各个群体在讨论某一热点主题时，某一观点会与其他主题产生交互，即一个主题对其他主题产生响应关系。这种响应关系可能是引用、评价、从属等关系。根据网络群体的界定，热点主题是通过关键词来表现。这说明不同群体的认知关键词之间存在着逻辑结构关系，即一个关键词在被其他关键词响应的同时还会响应另外一些关键词。每个关键词的两个属性之间存在一种彼此加强的关系。随着时间的推移，见解质量高的发言会有越来越多的响应或者评价，而具有高质量响应的发言也会评价越来越多的高质量见解，见解质量高和高质量响应二者彼此加强，形成正反馈效应[12]。这与HITS算法中权威网页和中心网页之间的关系类似。因此，本文采用HITS算法进行群体认知关键词的分析。根据HITS算法，计算公式如下：

式1—式2中，a（n）表示关键词n的见解响应质量Authority值，记录被其他关键词响应的关系属性；h（n）表示关键词n的见解响应数量的Hub值，记录响应其他关键词的关系属性。a（n）和h（n）的单位均为记录响应的次数。k表示迭代次数，初始值a（0）（n）和h（0）（n）均为1，n→m表示关键词n响应了关键词m。

通过迭代计算，更新a（ ）值和h（ ）值。为了使数据表达更加直观且避免数据溢出，在每次迭代后，对a（k）（n）和h（k）（n）作规范化处理，公式如下：

具体的计算步骤为：

（1）根据有向属性图构建响应关系矩阵A。如关键词i响应了关键词j，则Aij= 1，否则Aij= 0；

（2）进行迭代计算。设定Authority值和Hub值的向量，Authority值的向量用a = （a1，a2，…，aN）T表示，Hub值的向量用h = （h1，h2，…，hN）T表示，两个向量初值均为（1，1，…，1）T。根据式1和式2，得到向量演变公式a = ATh和h=Aa，将其代入进行迭代计算，在每次迭代后，代入式3和式4进行规范化处理；

（3）a（ ）值和h（ ）值收敛于矩阵ATA和AAT的主特征向量，即收敛于某个主题提炼的关键词的群落[8]；

（4）将计算得到的Authority值和Hub值进行排序，进而得出不同群体对土地利用问题的关注点及其逻辑结构关系，挖掘出土地利用群体智能信息。

3 土地利用中各个群体认知关键词及其逻辑结构关系

3.1 专家群体认知关键词及其逻辑结构关系

在CNKI学术论文数据库中，检索到主题为“北京”和“土地利用”的文献1129篇，主题为“首都”和“土地利用”的文献142篇。将两次检索到的文献进行合并和整理，剔除重复、不相关和时效性较差的文献。对关键词进行整理，并记录每个关键词的引用次数。通过阅读和分析相关文献，将意义相同或相似的关键词合并，并剔除不相关或不具时效性的关键词，即获得专家群体的认知关键词（表1）。

通过对专家群体文献的分析，找出关键词之间的逻辑结构关系，并绘制成认知有向属性图（图3）。在专家群体的认知关系中，每一个节点表示专家发言或讨论的一个主题，每一个节点都由见解质量和数量两个属性值组成[13]；每个主题对其他主题的响应或者评价关系用有向箭头表示。图3是一个具有因果关系的网络结构图，这种逻辑结构关系主要是依据关键词引用次数的排序（表1），并综合考虑文献之间的相关度、关键词之间的因果关系等因素得到的。

3.2 政府群体认知关键词及其逻辑结构关系

政府的认知关键词一般从政府网站获得，首先根据研究主题在相关的政府网站上找出相应的政策、法规和措施等，然后把这些政策、法规以及措施的关注点提炼为政府群体的关键词[14]。本研究中的政府认知关键词主要来源于北京市国土资源局及其各区县分局、土地整理储备中心等事业单位的网站，通过检索和整理，得到政府网站上公布的关于土地利用方面的法律、法规、规章、规范性文件等134个。通过阅读和分析文件，概括提炼出关键词，然后将相同或相似的关键词合并，剔除不具有时效性的政策法规中的关键词，并记录其出现次数（表1）。

通过对政府颁布的政策、法规和措施等文件的分析，找出关键词之间的逻辑结构关系。将各个认知关键词的关系用节点和有向箭头来描述，并参考图1和图2的规则和结构，绘制成认知有向属性图（图4）。政府颁布的措施、政策和法律法规中存在层次包含关系，关键词表示政府需要解决的问题和工作。这种逻辑结构关系也是依据关键词引用次数的排序（表1），并综合考虑文件之间的相关度、关键词之间的层次关系等因素得到的。

表1 三个群体的认知关键词及其引用次数Tab.1 The keywords and times cited of three groups

图3 专家群体认知关键词有向属性图Fig.3 The link-structure fi gure of expert groups

图4 政府群体认知关键词有向属性图Fig.4 The link-structure fi gure of government groups

3.3 公众群体认知关键词及其逻辑结构关系

在互联网中，利用google、百度、搜狗等搜索引擎，从论坛（搜狐焦点网、搜狐圈子、百度贴吧、搜房网等）和博客（新浪博客、搜狐博客、百度空间等）中，搜索到关于北京土地利用的相关发言和讨论。按照搜索引擎的焦点排序方式，对主题的搜索已综合考虑相关性和时效性，即搜索主题最相关且最近的结果排在最前，因此，本文中主题检索也是按照这一排序进行整理的。由于互联网中的公众观点较为分散，在对上述搜索出的论坛和博客跟踪和研究的基础上，采用SEO工具对相关网站进行关键词分析。然后，根据分析结果，对这些关键词的转载和回复次数进行统计与分析，最终总结和提炼出公众群体的关键词及其出现次数（表1）。

通过对公众言论的分析，找出公众群体认知关键词之间的逻辑结构关系。同理，将公众群体认知关键词绘制成认知有向属性图（图5）。公众的言论之间存在着赞同、反驳等关系，关键词表示公众群体回应比较热烈的热点问题。这种逻辑结构关系是依据关键词引用次数的排序（表1），并综合考虑观点之间的相关度、关键词之间的结构关系等因素得到的。

图5 公众群体认知关键词有向属性图Fig.5 The link-structure fi gure of public groups

4 结果与分析

在上述3个群体认知关键词的逻辑结构分析的基础上，根据第2部分的公式和计算步骤，对各个群体认知关键词的a（ ）值和h（ ）值进行迭代计算。这里的迭代计算以专家群体为例，用矩阵形式表示的第1次迭代计算过程如下。

再将第1次迭代结果根据式3和式4进行规范化处理，得到规范化后的第1次迭代结果。按照此方法继续进行迭代计算，直到收敛为止。同理，可以得到政府群体和公众群体的认知关键词的a（ ）值和h（ ）值。本文中，数据在进行到第5次迭代后收敛，各个群体的a（ ）值和h（ ）值的迭代计算结果见表2。

（1）专家群体中，a（ ）值排在前4位的为：土地退化（E3）＞土地利用规划（E12）＞土地利用/覆被变化（E2）＞可持续发展（E14）。h（ ）值排在前4位的为：遥感监测（E4）＞评价（E13）＞生态服务价值（E7）＞可持续发展（E14）。这说明在专家群体认知关键词中，入度值最大的关键词是土地退化，属于权威关键词，其次是土地利用规划、土地利用/覆被变化和可持续发展；出度值最大的关键词是遥感监测，属于中心关键词，其次是评价、生态服务价值和可持续发展。由此可见，专家群体最关注且最想解决的问题是土地退化问题，同时对土地利用规划、土地利用/覆被变化、可持续发展等问题也较为关注，而认为解决土地退化问题最有效的方法是遥感监测，其他方法是评价、生态服务价值和可持续发展。专家群体的特点是倾向于分析问题产生的原因、机理，探寻内在的规律性，并提出解决问题的方法、措施及政策建议。从上述分析结果和相关研究成果可以看出，研究偏重于土地退化，特别是退化发生机制方面的研究。土地退化研究内容主要包括土壤侵蚀、土地荒漠化、盐渍化等，而研究多采用“3S”技术，特别是遥感技术，对土地退化进行监测。因此，通过遥感监测来解决土地退化是专家群体最为关注的问题。

表2 三个群体关键词响应属性值的迭代结果Tab.2 The iteration results of response property values of three groups

（2）政府群体中，a（ ）值排在前4位的为：土地利用管理（G8）＞节约集约用地（G11）＞土地权属登记（G2）＞土地违法违规行为（G13）。h（ ）值排在前4位的为：土地用途管制（G5）＞土地利用总体规划（G12）＞土地开发整理（G15）＞城镇国有土地使用权出让（G7）。这说明在政府群体认知关键词中，入度值最大的关键词是土地利用管理，属于权威关键词，其次是节约集约用地、土地权属登记和土地违法违规行为；出度值最大的关键词是土地用途管制，属于中心关键词，其次是土地利用总体规划、土地开发整理和城镇国有土地使用权出让。由此可见，政府最关注且工作的难点问题是土地利用管理，同时对节约集约用地，土地权属登记和土地违法违规行为等问题也较为关注，而政府在土地利用管理中最需要进行土地用途管制，同时也需要土地利用总体规划、土地开发整理和城镇国有土地使用权出让。政府作为土地利用的管理者，最为关注的是采用何种手段来提高和完善土地利用管理水平，而用途管制是土地利用管理必须遵循的原则和前提条件。因此，建立基于用途管制的土地管理制度是政府关注的焦点问题之一。这也符合十八届三中全会中提出的土地管理制度改革的新要求。

（3）公众群体中，a（ ）值排在前4位的为：集约高效用地（P2）＞国有土地使用权流转（P5）＞人居环境（P9）＞房地产价格调控（P3）。h（ ）值排在前4位的为：城市空间规划（P1）＞土地利用总体规划（P4）＞国有土地使用权流转（P5）＞房屋拆迁补偿与安置（P10）。这说明在公众群体认知关键词中，入度值最大的关键词是集约高效用地，属于权威关键词，其次是国有土地使用权流转、人居环境和房地产价格调控；出度值最大的关键词是城市空间规划，属于中心关键词，其次是土地利用总体规划、国有土地使用权流转和房屋拆迁补偿与安置。由此可见，公众讨论最多的问题是集约高效用地，同时对国有土地使用权流转、人居环境和房地产价格调控等问题也较为关注。而认为解决集约高效用地需要进行城市空间规划，其他解决办法是土地利用总体规划、国有土地使用权流转和房屋拆迁补偿与安置。公众是这3个群体中比较活跃的群体，他们倾向于关注解决土地利用问题的具体措施和政策。根据上述分析结果可以看出，公众群体最为关注的土地利用问题是如何提高用地效率，而认为实施城市国土空间规划，对未来北京土地资源优化配置，节约集约用地具有重要意义。近年来，北京市出台了相关的城市国土空间规划政策。2009年12月，北京市政府颁布《北京市土地利用总体规划（2006—2020年）》，提出构建“三圈九田多中心”土地利用格局；2012年7月，北京市政府发布《北京市主体功能区规划》，首次设立禁止开发区域，要求严格保护耕地，引导各功能区域的差异化发展。这些规划引起了公众群体的高度关注和讨论。因此，通过上述规划来解决集约高效用地，是当前公众群体最为关注的问题。

5 结论和建议

（1）专家、政府、公众3个群体存在相互影响的关系，并通过网络互动涌现出群体智能。这3个群体中，专家群体提供了较为理性的分析见解和观点，为政府在土地利用管理提供理论依据和决策支持；政府群体在制定土地利用管理制度和政策过程中，常常需要考虑公众的意见；公众在关注土地利用问题过程中，参与到政府政策的制定和实施当中。

（2）专家、政府和公众3个群体在某些方面的关注是有共鸣的，但是关注的重点存在差异。专家最关注通过遥感监测解决土地退化问题，政府最关注通过土地用途管制解决土地利用管理问题，公众则认为通过城市空间规划解决集约高效用地问题。这体现了网络系统中各个群体对土地利用问题认知存在不一致性，而这种不一致性推动了不同群体更深层次的互动，这也是产生网络群体智能涌现的驱动力。

（3）上述分析中发现，政府在实际制定制度和政策时，对公众参与考虑不够，这样易造成公众对政府的不理解或不满情绪，影响政策的执行和社会的稳定。因此，政府应更加重视公众参与，并有效利用互联网平台（如政府微博）引导公众舆论导向。

（4）随着利益群体的多元化和技术的不断发展，对于如何扩大群体范围，增强交互式群体智能的涌现，以及群体智能由静态向动态研究发展将是今后研究的重点方向。

（References）：

［1］张红，王晓军，贾宁凤，等.基于多利益相关者视角的耕地利用与保护研究［J］.干旱区资源与环境，2012，26（2）：126-131.

［2］刘耀林，国洪艳，唐旭，等.网络参与式土地利用规划决策博弈研究［J］.中国土地科学，2011，25（9）：22-27.

［3］陈海，王涛，梁小英，等.基于MAS的农户土地利用模型构建与模拟——以陕西省米脂县孟岔村为例［J］.地理学报，2009，64（12）：1448-1456.

［4］韩璐，徐保根. 基于SEM的陇南市农村居民点整治中农户心理契约影响因素研究［J］. 中国土地科学，2012，26（10）：48-53.

［5］束建华.群体智能及其融合算法研究［J］.科技信息，2009，32：420-423.

［6］Bonabeau E, Dorigo M, Theraulaz G. S warm intelligence：From natural to artificial systems［M］. New York：Oxford University Press, 1999：40-58.

［7］余建平，周新民，陈明.群体智能典型算法研究综述［J］.计算机工程与应用，2010，46（25）：1-4，74.

［8］谭丽华，董毅明，李林红.互联网群体智能的涌现［J］.管理学报，2010，7（12）：1839-1845.

［9］居延安.公共关系学［M］. 上海：复旦大学出版社，2008.

［10］韩璐，费明明.基于利益相关者理论的土地利用决策博弈关系分析［J］.资源与产业，2013，15（4）：143-148.

［11］宋玲玲，李村合.基于链接结构分析的Web信息检索方法研究［J］.现代情报，2007，（2）：133-135，137.

［12］崔霞，戴汝为，李耀东.群体智慧在综合集成研讨厅体系中的涌现［J］.系统仿真学报，2003，15（1）：146-153.

［13］赵芳，李林红.群体智慧在复杂网络认知系统中的涌现——以滇池流域可持续发展为例［J］.科技进步与对策，2010，27 （10）：20-23.

［14］谭丽华，董毅明，李林红. 互联网上涌现的群体智能及其对政府决策的影响［J］. 2009，6（4）：89-95，127.

（本文责编：陈美景）

Emergence of Web-based Swarm Intelligence on Land Uses in Beijing

HAN Lu1, ZHENG Xin-qi2, XIE Jun-qi2,3
（1. Institute of Economic and Social Development, Zhejiang University of Finance & Economics, Hangzhou 310018, China; 2. School of Land Science and Technology, China University of Geosciences, Beijing 100083, China; 3. Beijing Municipal Bureau of Land and Resources, Beijing 100013, China）

The purpose of this paper is to analyze the keywords and logical structure relationship of different interests groups on land uses in Beijing and discover the web-based swarm intelligence on land use. Method of stakeholder theory and HITS algorithm in the link-structure analysis were employed. The results showed that 1） regarding the expert groups, land degradation was the so-called authority keyword and remote monitoring was the so-called hub keyword. 2） In the government groups, land use management was the authority keyword and land use control was the hub keyword. 3） In the public groups, Intensive and efficient land use was the authority keyword and urban spatial planning was the hub keyword. The conclusions indicate that on one hand, the mutual influences among different groups are generated by views expression on land use problems, which results in the emergence of swarm intelligence; on the other hand, the cognition of each group on land use issues is not consistent. And the inconsistency could promote deeper interaction of different groups, which is the driving force of web-based swarm intelligence. In addition, the government should pay attention topublic participation and effectively use the Internet to guide public opinions.

land use; web-based swarm intelligence; keyword; HITS algorithm; Internet; land use

F301.24

A

1001-8158（2014）08-0040-09

2013-11-16

2014-01-12

国土资源部公益性行业科研专项经费项目（201211001）。

韩璐（1982-），女，辽宁沈阳人，博士，助理研究员。主要研究方向为土地利用决策，土地信息技术与应用。E-mail: hanlu@zufe.edu.cn