基于离差最大化-TOPSIS模型的智慧城市评价体系研究

李雪曼 冯爱芬 林莉 丁真真 万凡 王辰辰

摘要：智慧城市建设是全球城市建设的新趋势。本文首先查阅相关资料构建了一套评价指标，接着用离差最大化给出了各个指标的相关权重。然后用TOPSIS综合评价模型对30个城市进行了智慧度排名。最后用百分比划分法进行评价，根据智慧特点划分为5个等级，分析其中的问题并给出了相关性建议。构建了一套能够很好地对城市智慧度进行评价的体系，具有实际意义。

Abstract： The construction of smart city is a new trend in global urban construction. This paper firstly consults relevant data to construct a set of evaluation indicators， and then gives the relevant weights of each indicator with the maximization dispersion. Then， the TOPSIS comprehensive evaluation model is used to rank the wisdom of 30 cities. Finally， the percentage division method is used for evaluation. According to the characteristics of wisdom， it is divided into five grades， and the problems are analyzed and relevant suggestions are given. A system that can well evaluate the wisdom of the city is constructed and has practical significance.

关键词：智慧城市;离差最大化方法;TOPSIS综合评价法;百分比划分法

Key words： smart city;method of maximization dispersion;TOPSIS comprehensive evaluation method;percentage division method

中图分类号：F299.2                                      文献标识码：A                                  文章编号：1006-4311（2018）36-0252-03

0  引言

智慧城市评价体系是一套检验智慧城市建设程度的最直观体现，也是引导城市进行智慧化建设的索引。近年，有很多学者对这个课题进行了研究，如基于灰色关联理论和BP神经网络[1]、运用投影追踪评价法[2]、基于离差最大化的决策者权重的确定方法[3]。目前有很多方法用来计算权重，如专家打分、熵权法等。其中，离差最大化计算权重的方法取得了广泛的共识。本文将采用离差最大化-TOPSIS评价法构建一套科学的智慧城市评价体系。

1  问题分析

评估智慧城市水平的因素模糊性较强，在选取过程中易受主观因素影响。通过研究调查发现，评价智慧城市的指标体系包括四个方面：智慧人民、智慧设施、智慧经济、智慧环境，每个方面又有其子因素指标构成。本文利用离差最大化，用数据本身的信息量来确定指标的权重，有较强的数学理论依据。TOPSIS法是一种接近理想目标的顺序优选技术，它通过计算出各目标的贴近度，并按贴近度大小进行排序，作为评价各目标优劣的依据。因此该文选用离差最大化-TOPSIS综合评价法对智慧城市评价体系进行研究。

2  样本选取与数据收集

根据2017年最新的城市商业魅力排行榜名单，本文选择了新二线代表城市厦门、福州等30个城市作為研究对象。本文的数据主要来源于各城市《2016年国民经济与社会发展统计公报》、《环境状况公报》、《中国城市统计年鉴2016》等官方文件。

3  构建评价指标体系

通过查阅相关文献，选取了能突出城市智慧化的22个指标。其中一级指标有四个：智慧人民、智慧设施、智慧经济、智慧环境。属于一级指标的二级指标有：智慧人民：每万人口医生数、医疗保险覆盖率、每万人拥有大学生数、年末城镇登记失业率、每万人专利申请授权数;智慧设施：互联网用户普及率、移动电话普及率、万人拥有公共交通车辆、人均公园绿地面积、公共图书馆数;智慧经济：人均GDP、GDP中第三产业贡献率、年人均可支配收入、人均公园绿地面积、公共图书馆数;智慧环境：二氧化氮年日平均值、二氧化硫年日平均值、市区空气质量优良天数、工业固体废弃物综合利用率、污水集中处理率、生活垃圾无害化处理率、森林覆盖率。

4  基于离差最大化-TOPSIS的慧城市发展水平综合评价模型

4.1 基于离差最大化-TOPSIS的评价步骤

将评价城市记为m个，三级指标记为n个，uij表示第i个被评价城市在第j个三级指标上的原始数值（其中i=1，2，…，m;j=1，2，…，n），建立初始矩阵U=（uij）m×n。

4.1.1 原始数据的标准化处理

评价体系的二级指标包含：效益型指标、成本型指标、居中型指标。因为指标含义不同，所以具有不同的量纲。首先进行无量纲化。对于第一、二类指标分别通过最大最小原则进行消除量纲化处理，对于第三类指标先将其化为正向指标，再用进行无量纲化，得到规范化矩阵X=（xij）m×n第i个被评价城市在第j个指标上的标准化数值用xij表示。

4.1.2 基于离差最大化确定指标权重

如果各城市在二级指标uj的值差异越小，说明该二级指标对城市智慧程度排序的贡献越小;反之说明贡献越大，对其赋予的权重值也就越大。

4.2 基于离差最大化-TOPSIS模型的评价结果计算

4.2.1 计算离差最大化确定指标权重

将30个城市21个指标的原始数据按照上述综合评价模型运用MATLAB计算处理得到21个指标的归一后的权重，如表1所示。

4.2.2 运用TOPSIS进行综合评价

得到30个城市的智慧程度排名从高到低为如图1从左至右。

将每个二级指标所对应的三级指标到最优解、最劣解的距离分别求和，算出每个城市二级指标的Ci值，用Excel绘制折线图，如图1，定义二级指标的Ci表示二级指标的智慧度。

从图1可以看出，泉州的智慧程度排名低于长春的智慧程度排名，但其智慧环境的智慧度比长春的高，厦门的智慧程度排名比绍兴市的高，但其智慧人民的水平比绍兴市的低。这说明，单独依据智慧程度的排名高低对城市进行智慧评价是不合理的，下面采用百分比划分法对30个城市进行智慧程度的评价。

4.3 百分比划分法

先将30个城市依据其每个二级指标的智慧度进行排名，挑选出排名前20%的城市和后20%的城市，如表2。

将有不少于两项二级指标的智慧度在前20%且没有二级指标的智慧度在后20%的城市定位智慧度为一级的城市;有不少于两项二级指标的智慧度在前20%且有二级指标的智慧度在后20%的城市定位智慧度为二级的城市;有一项二级指标的智慧度在前20%且没有二级指标的智慧度在后20%的城市定义为三级城市;有一项二级指标的智慧度在前20%且有不超过一项二级指标的智慧度在后20%的城市和没有二级指标的智慧度在前20%的城市和后20%的城市定义为四级城市;有一项二级指标的智慧度在前20%且有超过一项二级指标的智慧度在后20%的城市和没有二级指标的智慧度在前20%但有在后20%的城市定义为五级城市。

划分后的各等级城市为：一级城市：珠海、厦门;二级城市：中山、乌鲁木齐、佛山;三级城市：长春、无锡、海口、昆明、贵阳、温州、金华;四级城市：绍兴、济南、惠州、金华、烟台、嘉兴、南昌;五级城市：太原、泉州、常州、福州、徐州、石家庄、南通、南宁、台州、合肥、兰州。

各城市政府可以依据城市等级给出评价等级，结合表3中的二级指标智慧度的区间，有针对性的制定发展策略。如绍兴市，属于四级城市，智慧人民程度较高，但是智慧设施程度较差，可以优先制定提高智慧设施的发展策略，如增加绿地面积，新建公共图书馆等。

5  结束语

本文从一套完善的智慧城市綜合性指标评价体系的建立，是伴随国内外城市建设的总体进程不断改进的过程。本文采用离差最大化-TOPSIS模型对不同城市的智慧水平进行准确可靠的评估，为今后智慧城市的建设提供了参考和意见。

参考文献：

[1]包明林.基于BP神经网络的智慧城市发展潜力评价研究[D].湘潭大学，2016.

[2]廖胭脂，楼文高.智慧城市的投影寻踪评价模型与实证研究[J].中国发展，2017（2）：55-61.

[3]马永红，周荣喜，李振光.基于离差最大化的决策者权重的确定方法[J].北京化工大学学报，2007（2）：177-180.

[4]李宽，姜杰，孙博.基于数学模型的智慧城市评价体系构建与未来发展预测——以营口市为例[J].中国市场，2017（30）：22-23，33.

[5]龚炳铮.智慧城市评价指标和评估方法的探讨[J].中国信息界，2014（11）：65-72.

[6]闵丽.国内外智慧城市的现状与发展[J].上海电气技术，2016（2）：68-70.