商业经济在智慧城市实现中的关键作用及实现路径

刘娜娜

基金项目：本文系郑州市社会科学调研课题“新农村视角的农业电子商务发展研究”

（编号：311）之阶段性成果

中图分类号：F299 文献标识码：A

内容摘要：现有智慧城市研究与实施存在简单数字转化倾向，即将城市管理基础界面转化为数字化平台作为唯一目标，这种方案带来的最大弊端是对城市肌体缺少系统性研究，直接导致城市管理的部分关键路径与关键点被人为抛弃。本文针对这一潜在弊端，从商业经济发展与城市发展的关联性角度入手，采用宏观经济分析方法和大数据分析思路，结合概率统计理论提出了对城市交通管理更加有效的监测和预测方法，由此为西北商业城市甘肃兰州提出了四条切实可行的提升智慧城市水平的具体实施路径。

关键词：商业经济 智慧城市 实现路径 大数据

引言

如何构建智慧城市，尤其是基于已有的商业发展构建智慧城市，对于这些问题，本文尝试采取商业发展与交通发展相结合的方式给予解决。之所以设定这一思路，一方面是受到基于商业经济的智慧城市研究成果启迪，该类研究的代表性成果来自刘念（2015）。其在研究中通过对商业经济、宏观经济等的研究，有效构建了测度智慧城市的关键分析指标。这其中，经济类，尤其是商业经济类指标不可小觑。另一方面是受到智慧城市的发展经验成果启示，该类研究的代表性成果来自邹凯等（2015）、张向阳等（2013）、王广斌等（2013）、屠启宇（2013）、于文轩（2016）。邹凯等的研究采用关联分析神经网络分析法，构建了智慧城市潜力评价体系。张向阳等的基于关联性分析展开的智慧城市的成功研究，都包含了关联分析的精华。该思路为本文提供了启迪，尝试以商业经济与智慧城市的关联进行研究。另外，王广斌等的研究、屠启宇研究和于文轩研究提供了国内外在智慧交通方面的研究，更进一步夯实了研究从交通智慧化展开分析的基础。

结合上述分析成果，同时与笔者已经掌握的理论方法相结合，本文決定从商业经济发展与城市发展的关联性角度入手，采用宏观经济分析方法和大数据分析思路，结合概率统计理论提出一套针对城市交通管理更加有效的监测预测方法。

商业经济在智慧城市实现中的关键作用理论研究

本文不是针对商业经济在智慧城市实现中的所有作用进行分析，而是重点就智慧城市中的人流、车流预判与管控进行分析研究。借助于通过商业经济与城市发展的关联作用分析，通过因果关系分析，明确商业经济活动导致城市人流、车流变化之间的关系，实现对商业经济活动的管理，避免城市交通拥堵乃至城市交通堵塞情况的发生。极端情况下，可以避免城市交通瘫痪情况的发生；一般情况下，可以提高城市交通出行效率，实现对传统城市的智能化管控工作。

针对这一研究目标，结合研究前期通过文献研究和研究思路研究，采用大数据架构分析，以交通指挥平台数据和商业经济发展数据作为基础数据。将原本具有关联关系，但是却相对独立存储的大数据进行分析，由此来形成智慧城市的管控决策数据。由于涉及到两个平台的大数据，因此，必须建立一套针对对应平台的大数据分析基本思路。在交通指挥平台，有每日在每个所辖区县的每条街道单位时间内的汽车通行数量、以及每条街道的平均通行速度。因此，基于这两个关键数据，可以通过环比确定行驶汽车数量增长量。该增长量以前日同一街道、同一路段的汽车通行数量与今日同一街道、同一路段的汽车通行数量的增幅作为衡量依据。同理，可以通过环比确定行驶汽车速度增长量。该增长量以平均通行速度的增幅作为衡量依据。这样，对于一个行政区县内的所有街道进行测度，可以得到该行政区县的总体行驶汽车数量增长量和总体行驶汽车速度增长量。对于总体行驶汽车数量增长量以单条街道行驶汽车数量增长量乘以该条街道占比该街道长度在其所在行政区县汽车行驶道路总长度的比例得到。同理，对于总体行驶汽车速度增长量也可通过计算得到。对于这两种总体指标，再进行区间划分，将其分解在10个不同区间。5个正向区间为[0，10），[10，30），[30，50），[50，100），[100，无穷），5个负向区间与正向区间一一对应。需要注意的是，这种划分方式并不唯一，但是划分思路是唯一的。通过上述处理，将两个总体增长量划分在可能的10个区间，实现了对无限数据的有限处理。对于总体增长量落在[0，10），定义为增长平缓；对于总体增长量落在[10，30），定义为增长较强；对于总体增长量落在[30，50），定义为增长强烈；对于总体增长量落在[50，100），定义为增长非常强烈；对于总体增长量落在[100，无穷），定义为增长极度强烈。由此无限数据转换为10种状态。这10种状态用CLi标示。其中，i一共有10种取值，这10种对应10种不同区间。以观察期内的所有数据作为基础数据，对交通平台的数据进行大数据处理，可以得到10种状态发生的总概率[用P（CLi）具体标示]。需要说明的是，总概率等于对应状态出现的总次数除以基础数据的总次数。总概率不仅与时间分割有关，也与事件状态划分有关。

通过上述方式，得到了交通平台大数据分析过程及分析结果。采用与其相似的处理方法，对商业经济发展平台的数据进行处理。依然采用10个增幅区间进行划分，10个增幅区间的划分与上相同。由此得到商业经济增幅总概率[用P（CXi）具体标示]。需要说明的是，商业经济活动是以商业经济体的营业额为对象进行测度，通过区域内所有商业体的营业额变化来体现整个区域的商业额变化情况。借助于这种处理方式，同一区域内的商业经济活动和城市交通变化情况得到了有效体现。在此基础上，对两个平台的大数据进行整合分析，可以得到同一地区的10*10空间下的交通+商业发展变化规律数据，核心思想是基于贝叶斯公式进行分析，如式（1）所示：

（1）

式（1）中，P（CXi│CLj）代表CLj发生时CXi发生的条件概率；P（CLj│CXi）代表CXi发生时CLj发生的条件概率。式（1）可通过车流变化来测算出商业经济活动变化，测算范围限定在同一个行政区县。采用同样的方法，将分析数据和分析范围扩大，可以确定在不同区域车流变化对其它区域商业经济活动变化影响范围。endprint

通过这种方式，可以起到对城市交通发展的智能管控，智能管控的方向在于通过车流量的变化预判出可能举行商业经济的活动区域和活动强度，由此采取与之相对应的智能交通分流、疏导以及限制措施，防止交通拥堵、堵塞乃至瘫痪的发生。这种交通分流措施实施的同时，还可以辅之以对商业经济的减缓、减弱乃至取消行动的实施，降低人流与车流各种不利局面的发生。

商业经济在智慧城市实现中的实施路径探究

兰州作为甘肃省省会城市，同时也是西北内陆城市，智慧城市的研究与应用相对落后于国内其它发达地区。研究选择在兰州展开，一是源于课题项目在兰州的实施，二是源于项目在兰州实施开展的成效较为显著。兰州包含5个行政区，依次为城关区、七里河区、安宁区、西固区、红古区。城关区作为主城区所在，商业相对发达；安宁区作为教育集聚区和休闲集中区，商业发展具有独特特色；西固区和红古区作为工业发展相对集中区域，商业发展相对较少；七里河区作为城关区、安宁区、西固区的中心枢纽区，起着承接三区的核心作用。

采用理论分析所确定的思路，以兰州市交通大数据平台（由兰州市交通局协助提供）和兰州市商业经济大数据平台（由兰州市商业局提供）为基础数据平台，对其自2016年1月1日至2016年12月31日的相关数据进行分析。分析分为四个步骤，步骤一为兰州市交通大数据平台数据分析，步骤二为兰州市商业经济大数据平台大数据分析，步骤三为多个平台大数据整合，步骤四为整合后的大数据分析，步骤五为综合性分析。

步骤一，首先按照理论分析中的样本空间划分，确定10个增幅区间。然后分别以天（24小时）、半天（12小时）、时（1小时）为测度单位，以三种测度单位对各区内的兰州市商业经济数据进行分类统计，得到每个具体测度单位下的总量数据。基于该总量数据，对其前向单位数据进行比较，确定其增幅性及增幅区间。通过这种方式，可以确定在不同测度单位下的10种空间的所属概率。这样就形成了P（CXi）数据。

步骤二，基于样本空间划分为10个增幅区间。同样依次以天（24小时）、半天（12小时）、时（1小时）为测度单位，以三种测度单位对各区内的兰州市交通大数据平台数据进行分类统计，得到每个具体测度单位下的总量数据。基于该总量数据，对其前向单位数据进行比较，确定其增幅性及增幅区间。通过这种方式，可以确定在不同测度单位下的10种空间的所属概率这样就形成了P（CLi）数据。

步骤三，对兰州市交通大数据平台数据和兰州市商业经济数据进行数据整合。整合中，以区、时间作为联合主键建立新的大数据，将原有的两个平台数据进行相关性整合。在整合过程中，既要确保两个平台的数据全部进入新平台，又要保證整合后的数据不发生时间偏移和区域偏移，由此形成更大范围的有效数据。

步骤四，以新建立的大数据平台为基础，采用与步骤一、步骤二中类似的方法进行数据分析。由此得到对应的经验概率数据，即P（CLj│CXi）数据。由此，确定了整体性分析所需的所有数据。

步骤五，进行综合性分析。基于前述四步骤分析结果，并结合理论分析中提出的后验概率公式，即可得到不同时间划分下的分析性结果。

通过上述分析，得到了研究时间范围内的分析结果。由于在时间分割中采用了三种划分单位—天（24小时）、半天（12小时）、时（1小时），因此，研究结果对应的时间范围为三种划分单位下的结果。通过对三种时间范围分析结果进行分析，关联性概率（见表1）高于0.50以上的结果只有在“时（1小时）”下具有显著效果。由此，研究选定的结果是以“时（1小时）”为单位的结果。通过上述系列分析，最终得到了研究所希望达到的目标结果（见表1）。

表1中数据为类二元组数据。括弧内逗号左侧的数据为发生概率，括弧内逗号右侧的数据为概率发生条件。以表1中的第三行（自上向下）第四列（自左向右）为例，代表七里河交通总体增量在[10，30）之间且安宁区商业经济总体增量将在[50，10）的发生概率为0.79。其它雷同，不再赘述。表1中对于发生概率低于0.50的均未给出（即表1中的空白列对应的发生概率均是低于0.50的）。

从表1分析结果可以看到，原本并不直接显示关联的交通量变化与商业经济变化之间的关系得以显示；并且这种隐藏的逻辑关系得以具体量化。从表1数据来看，七里河交通总量发生重大变化后，对城关区、七里河区、西固区的商业经济发展影响最为广泛且深远。其次，西固区交通总量重大变化对本区商业经济和红古区商业经济发展影响最为紧密。最后，城关区、安宁区交通总量发生重大变化后，仅对本区商业经济发展具有直接性影响。基于该结果，兰州市商业经济发展和该市交通发展进行互补式、融合式发展，由此实现智慧城市的目标。采取的措施主要有以下四个方面：

首先，提高已有商业经济数据平台和交通平台的时间精度。从上述分析中可以看到，只有以“时（1小时）”为单位的分析结果同时兼有有效性和高置信度。因此，如果统计间隔能够缩短，以30分钟或者更小时间为分割区间，所得到的结果可能会比1小时单位统计所得的结果具有更高性能。更高时间精度的实现，势必要求各平台数据采集均应采用信息处理方式—以电脑作为信息采集的主要工具，以数据库作为数据存储的介质，以网络作为数据传输的桥梁。只有采用这种现代化的信息处理方式，才能保证更高精度的数据有效生成。这就要求对不符合此要求的对象，必须进行信息化系统改造，由此实现高速公路的最后公里接入。这种更高性能代表着更高的关联性，采取的区域联动与协调性措施势必也将更具针对性与有效性。

其次，建立全市范围内的路网检测与商业经济发展联动平台。该平台主要是基于此次研究成果设立，以先验概率向后验概率转化，为路网指挥和商业经济管理提供决策依据。同时需要注意的是，联动平台的建立可以至少有两种实施方向。方向一为采用研究中所采用的建立联合主键的方式进行建立，通过数据抽取与建立形成全新结构的关联性平台，由此实施整体分析。方向二为采用全新平台，在同一区域内进行数据采集与录入，由此形成具有商业经济发展和交通发展的全业务数据。这两种方式，具体是由本地的实际条件所决定，不能一概而论，硬性要求。

再次，建立各区域临时停车场和经济调度中心进行分类别调度。基于该平台预测结果（实时预测结果），当交通总量增幅首次达到[30，50）时，启动区域内部货车（包括小型货车、中型货车、大型货车等）禁行，将限行车辆引导到区域内临时场。当交通总量增幅首次达到[50，100）时，启动区域内部部分线路单行措施，由此降低区域内部的交通压力。当交通总量增幅首次达到[100，无穷）时，启动区域内部新增车辆绕行措施，由此缓解区域内部交通压力。

最后，建立商业经济体调度中心就商业活动开展时间进行有效管理。当本区域内交通总量增幅首次达到[50，100）时，启用商业经济中心附近临时停车场解决应急停车；当本区域内交通总量增幅首次达到[100，无穷）时，启动暂停商业活动的措施，疏解人流、车流，防止意外发生；当关联区域交通总量增幅首次达到[100，无穷）时，启动应急舒缓商业区行为（主要是通过疏导即将离开和潜在即将离开客户快速有效离开）。

通过上述四个方面措施的实施，不仅确保了商业经济活动的有效展开，也不会对本区域和相关区域交通发展造成极度负面影响。从实施以来近1年的监测和观察，商业经济发展未受到负面影响，交通发展畅通度也得到了有效保障。

参考文献：

1.刘念.中国智慧城市指数构建及其与FDI、人均GDP关系探讨[J].商业经济研究，2015（33）

2.邹凯，包明林.基于灰色关联理论和BP神经网络的智慧城市发展潜力评价[J].科技进步与对策，2015（17）

3.张向阳，袁泽沛.广州智慧城市与智慧产业融合发展路径研究[J].科技进步与对策，2013（12）

4.王广斌，崔庆宏.欧洲智慧城市建设案例研究：内容、问题及启示[J].中国科技论坛，2013（7）

5.屠启宇.全球智慧城市发展动态及对中国的启示[J].南京社会科学，2013（1）

6.于文轩，许成委.中国智慧城市建设的技术理性与政治理性—基于147个城市的实证分析[J].公共管理学报，2016（4）endprint