基于多元分析的智慧城市快速评估和特色智慧研究

高彦文，高 玲，李翔宇

(安徽财经大学 管理科学与工程学院，安徽 蚌埠 233030)

基于多元分析的智慧城市快速评估和特色智慧研究

高彦文，高 玲*，李翔宇

(安徽财经大学 管理科学与工程学院，安徽 蚌埠 233030)

针对智慧城市的评价问题提出包含快速评估和特色智慧模型的研究方案，旨在为研究智慧城市建设提供新思路。快速评估模型基于聚类分析法研究智慧城市建设水平，特色智慧模型基于主成分分析和关联分析法研究城市特色智慧项目。以蚌埠市为例进行实证分析验证了方案的可行性和模型的兼容性，蚌埠的智慧城市建设水平与滁州和六安相近，同时可将就业人员和工资，财政、金融、保险，国内贸易，城市概况，旅游，城乡人民生活等方面作为特色智慧建设内容。

智慧城市；多元分析；快速评估；特色智慧；蚌埠市；Matlab

智慧城市建设不仅是信息化建设，而且涉及到城市的方方面面。学者们从定量或定性的角度对智慧城市进行了研究。定性分析主要是讨论智慧城市建设的“通病”及其对策，研究方法主要是对比分析，如国内外对比、不同水平的城市对比等。定量分析主要讨论评价体系问题和专业技术方面，如袁远明[1]的信息系统关键技术，黄超[2]的旅游服务体系等。定量分析更客观真实，但是数据获取是其难点[3]，因此一些评价体系由于获取数据费时费力，往往因为时效性而对智慧城市建设的评估起不到及时有效的作用。在智慧城市建设初期，经验、方法和数据的缺乏是正常的，我们正是要通过智慧城市的建设来方便数据的获取，让数据更好地服务于生活。所以要有数据兼容性好的方案或模型来评估分析智慧城市建设，让治理者知道城市过去有哪些弊病，现在处于什么样水平，将来朝什么方向发展。

本文利用统计年鉴的数据提出了一套关于智慧城市建设的研究方案，包括对城市发展层次的快速评估和特色智慧的选择，并以蚌埠市为例进行实证分析。

1 实验数据与方法

本文使用到的原始数据来自安徽省2010—2014年统计年鉴[4]。采用的聚类分析和灰色关联分析对输入数据有一定兼容性，也就是说对于不同省市统计年鉴所能提供的数据进行筛选就可以作为输入数据，每次使用的指标不尽相同是允许的，这样可以大大提高数据的可利用程度和模型的兼容性。对于城市群的分析不局限于一个省，也可以是一个地区，因此将蚌埠市放在安徽省内进行比较。数据分析均使用Matlab软件进行模拟计算。

2 快速评估

快速评估是使用聚类分析法依据某一时间段的统计数据对各个城市进行聚类。对于被聚为一类的城市，可以认为它们的发展程度相似，在进行智慧城市建设的过程中应当加强协同合作。为使聚类结果具有科学性，通常应综合多年的聚类结果来判定哪些城市的发展程度相似。

根据安徽省2011—2015统计年鉴(实际对应年份为2010—2014)各市统计数据进行逐年聚类分析，每年的具体指标不同是不影响聚类分析的。例如2014年(对应2015年统计年鉴)安徽省各市聚类结果如表1所示。同理得出2010—2013年蚌埠市的聚类结果如表2所示(2010和2011年中巢湖市未参与聚类)。

表1 安徽省各市2014年聚类表

表2 2010—2013年蚌埠市的聚类表

综上可知，滁州市和六安市与蚌埠市的发展状况相似度很高，其次是亳州市、宿州市、阜阳市、宣城市、池州市、安庆市、黄山市。因此蚌埠市与这些兄弟城市在智慧城市建设的项目、合作和规划等等方面可以相互协调，有所参考，同时借鉴更高层次城市如合肥市和芜湖市的经验，以及因地制宜的引进先进技术和项目。不在此赘述蚌埠市具体如何合作与学习，此方案中的快速评估可以帮助治理者科学施策，避免在建设过程中盲目跟风，始终清醒的认识到制定与自身发展层次相适应的建设规划才能促进经济社会发展，解决城市矛盾。

3 特色智慧

研究特色智慧将要用到主成分分析和灰色关联分析2种方法[5]。主成分分析在高维变量空间进行降维处理的同时可以力保数据信息丢失最少。主成分分析方法可以把多个指标转化为少数几个不相关的综合指标，因此，可以考虑利用主成分进行综合评价。采用关联度分析的办法来做系统分析可以克服回归分析的很多欠缺，如要求大量数据、计算量大及可能出现反常情况等[5]。对系统进行因素分析，了解这些因素中哪些对系统来讲是主要的，哪些是次要的，哪些需要发展抑或抑制，哪些是潜在的抑或明显的。

首先对每年各个城市按19大类(国民经济核算、人口、就业人员和工资、固定资产投资、能源生产和消费、财政、金融、保险、城乡人民生活、城市概况、自然资源和环境保护、农业、工业、建筑业、运输和邮电、国内贸易、对外经济贸易、旅游、教育和科技、卫生和社会服务、公共管理及其他，其中除国民经济核算外依次编号为1～18)进行主成分分析，得到各个市每一大类指标的综合评价得分。然后对一个城市各个年份的主成分得分进行灰色关联分析，以国民经济核算为参考列，其他18项指标为比较列，分析得出优势指标，从而作为特色智慧建设内容。

这里以2014年安徽省16个城市的国民经济核算大类(包括人均生产总值、第一产业和第二产业等18项指标)为例进行主成分分析，给出该类各个城市的综合评分。

1)指标值标准化

具体包含农业投入品的不当应用，如未遵循科学的用药间隔期；也包含农产品输送、销售等环节的各类化学性、生物性污染，进而导致农产品质量安全效率下降，影响社会公众身体健康。为此，有关人员需做好农产品质量安全及预警工作，保证现代社会持续稳定发展。

2)相关系数矩阵R

3)特征值和特征向量

计算R的特征值λ1≥λ2≥…≥λm≥0和特征向量u1,u2,…,um，其中uj=(u1j,u2j,…,umj)T。由特征向量组合指标向量组的点积得到主成分向量，构造新的线性非齐次方程组：

其中ym表示第m个主成分。

①计算特征值λj(j=1,2,…,m)的信息贡献率bj和累计贡献率αp：

当前p个主成分的累计贡献率αp接近于1，(αp=0.85,0.90,0.95)时，用这p个主成分来代替原来m个指标变量，进而用p个主成分得分进行综合评分。主成分分析结果如表3所示。

表3 主成分分析结果

可以看出前4个特征根的累计贡献率就达到90%以上，主成分分析效果很好。下面选取前4个主成分进行综合评价。

接下来利用前4个主成分进行综合评分。

前4个主成分分别为：

再以4个主成分的贡献率为权重，构建主成分综合评分模型：Z=0.512 1y1+0.208 7y2+0.131 2y3+0.067 2y4

(1)

把16个城市的主成分得分代入式(1)，可以得到各城市国民经济核算综合评分值如表4所示。

表4 各城市国民经济核算综合评分表

同理，对安徽省2011—2015年统计年鉴各市统计数据进行逐年主成分分析，例如蚌埠市2010—2014年的主成分分析结果如表5所示。

表5 蚌埠市2010—2014年19类指标的主成分得分表

然后根据主成分分析结果对蚌埠市以及与其发展程度相似的几个城市都进行灰色关联分析，以蚌埠市为例进行关联分析[5]。

选取参考数列x0={x0(k)│k=1,2,…,n}=(x0(1),x0(2),…,x0(n))，其中k表示城市。假设有g个比较数列xi={xi(k)│k=1,2,…,n}=(xi(1),

xi(2),…,xi(n)),i=1,2,…,m。

比较数列xi对参考数列x0的关联度：ri=

表6 蚌埠市18大类指标灰色关联分析结果

同理，得出其他城市的结果如表7所示(编号代表18大类指标，编号从左往右排序表示关联度从大到小)。根据表4的结果，选择前6项作为特色智慧的建设内容，对于蚌埠市而言分别为就业人员和工资，财政、金融、保险，国内贸易，城市概况，旅游，城乡人民生活。其他城市可以根据自身特色智慧具体情况与蚌埠市实现优势互补，协同发展。蚌埠市在就业人员和工资方面可与合肥、滁州合作，在财政、金融、保险方面可与芜湖、宿州、池州和黄山合作，在国内贸易方面可与合肥合作，在城市概况方面可与六安、宿州合作，在旅游方面可与芜湖、宿州、安庆合作，在城乡人民生活方面可与宿州、阜阳、宣城合作。

在选择互补智慧项目合作城市时以“地理临近为主，同等发展程度为辅”为原则。蚌埠市可与周边城市的特色智慧项目互补，例如，互补合肥的教育和科技、工业、对外经济贸易、建筑业等项目；互补滁州的自然资源和环境保护、教育和科技、人口、建筑业、卫生和社会服务等项目；互补亳州的卫生和社会服务、农业、教育和科技、对外经济贸易、自然资源和环境保护、工业等项目；互补宿州的教育和科技、工业等项目；互补阜阳的公共管理及其他、教育和科技、能源生产和消费、运输和邮电、卫生和社会服务。

表7 与蚌埠市关联的12个城市灰色关联分析结果

4 结语

本文以蚌埠市为例，提出一套包含快速评估和特色智慧的智慧城市建设方案，并进行了实证分析。在快速评估部分得出结论：滁州市和六安市与蚌埠市的发展状况相似度很高，其次是亳州市、宿州市、阜阳市、宣城市、池州市、安庆市、黄山市。蚌埠市应该加强与这些省内兄弟城市合作，并多向更高层次的合肥市和芜湖市多借鉴经验。当然这样的比较不局限于省内，也可以是淮河流域或其他。另外，在特色智慧方面：蚌埠市可以将就业人员和工资，财政、金融、保险，国内贸易，城市概况，旅游，城乡人民生活作为特色智慧建设内容，提高资源利用效率，实现发展效益最大化。同时与周边城市实现优势互补，打造具有地域特色和实力的新型智慧城市群。虽然本文的分析只利用了统计年鉴的数据，但涉及到具体领域，例如对智慧城市信息化建设方面的众多指标分析时，也可以使用和参考该模型。

[1] 周骥.智慧城市评价体系研究[D].武汉:华中科技大学,2013.

[2] 袁远明.智慧城市信息系统关键技术研究[D].武汉:武汉大学,2012.

[3] 黄超.面向智慧城市的公共旅游信息服务体系构建研究[D].北京:首都经济贸易大学,2013.

[4] 安徽统计年鉴[EB/OL].[2016-07-26].http://www.ahtjj.gov.cn/tjj/web/index.jsp.

[5] 司守奎.数学建模算法及应用[M].北京:国防工业出版社,2011:542-595.

Research on Smart City’s Rapid Assessment and Characteristics of Wisdom based on Multivariate Analysis

GAOYanwen,GAOLing*,LIXiangyu

( School of Management Science and Engineering, Anhui University of Finance and Economics, Bengbu 233030, China)

Aiming at the problem of intelligent city evaluation, this paper puts forward a research plan which includes rapid evaluation and characteristic wisdom model, aiming to provide a new idea for the research of intelligent city construction. The rapid evaluation model is based on the clustering analysis method to study the construction level of the intelligent city, and the characteristic wisdom model is based on the principal component analysis and the association analysis to study the city characteristic wisdom project. Bengbu City is used as an example to verify the feasibility of the program and model compatibility, Bengbu wisdom of urban construction level is similar to Chuzhou and Lu’an, while the employment and wages, finance, finance, insurance, domestic trade, City profile, tourism, urban and rural people’s lives can be used as the characteristics of the wisdom of building content.

Smart City; Multivariate Analysis; rapid assessment; characteristic wisdom; Bengbu city; Matlab

10.13542/j.cnki.51-1747/tn.2016.04.005

2016-09-22

国家级大学生创新创业训练计划项目“蚌埠市建设智慧城市的可行性研究”(201510378043)

高彦文(1995— )，男(汉族)，安徽巢湖人，在读本科生，研究方向：应用数学与数学建模。 高玲(1963— )，女(汉族)，安徽蚌埠人，副教授，研究方向: 应用数学，通信作者邮箱：aufegyw@163.com。

O212.4

A

2095-5383(2016)04-0015-04