新冠全球大流行背景下城市群发展方向与模式探索

梁本凡

摘要：人类历史上每次大流行，城市均成为大流行风暴中心与灾难中心。主要原因是：城市发展不均衡，内部存在很多防控短板与漏洞;一些促进城市发展的有利因子，同时也是促进病毒扩散的重要因素;倾向于极化发展的城市化发展道路，极大地加剧了中心城市成为风暴灾难中心的风险。要将城市群从大流行災难中彻底解救出来，必须以数字城市、云城市、云城市群建设为依托，创新城市化发展道路，变革传统城市化发展模式。同时，引入抗流行脱感染高新技术，优化城市基层医疗卫生疾控服务，着力解决城市所存在的防控短板问题，实现城市群体系更全面均衡的发展。这是新冠全球大流行背景下城市群安全稳定持续发展的新方向。

关键词：大流行;城市群;新变革

中图分类号：C912.81    文献标志码：A    文章编号：1001-862X（2020）04-0034-008

世界卫生组织将大流行定义为病毒跨国蔓延与传染病在全球传播。人类历史上曾多次出现过大流行。目前，世界正处于新一轮大流行状态，生命安全、经济安全、城市安全受到全面威胁。确诊感染人口已经超过2700万人，累计死亡人口已经近90万。由于这次大流行不再受季节的限制，未来还要持续多久，科学一时难以预测。加上科技大亨比尔·盖茨宣称，目前的大流行正重新定义着我们这个时代，国际社会开始对大流行是否会长期延续下去、是否会演变成一个“时代”引起关注。不过，由于科学研究的基本方法是先假设后求证，我们不妨先行假定有这么一个“大流行时代”正向我们走来，也不妨假定人类已经悄悄进入到了新冠“大流行时代”。从提前做好防御预案以防患于未然，做好预判以确立城市发展新的方向起见，本文将城市和城市群放置在新冠全球大流行的背景下，透视其可能存在的种种短板或缺陷，并探讨其归因与治理对策，进而研究其新发展、新方向、新模式与新未来。这对中国高质量发展与世界城市文明的新转型，具有极其重要的实践价值与战略意义。

一、城市大流行防抗指数及其计算方法

人类历史上每次大流行，城市均成为大流行的风暴中心与灾难中心。公元前431年到公元541年，著名的古希腊雅典卫城、罗马帝国首都特里尔、东罗马帝国首都君士坦丁堡，先后分别成为斑丘伤寒、天花和淋巴腺鼠疫大流行风暴中心，有约25%的雅典城邦居民和约40%的罗马帝国首都居民死于非命。13到14世纪，欧洲城市与城堡成为“黑死病” 的风暴中心，仅在1347—1352年，就有25%左右的欧洲居民受害而亡。1918年到2010年，流感在全球盛行。其中，1918—1920年，因“西班牙流感”，英国死亡人口25万，法国死亡40万，美国死亡67.5万以上。1957—1958年，因“亚洲流感” ，全球死亡人口10万以上。1968—1969年，东方明珠香港，患“香港流感”者高达50万人。2009—2010年，全球因“猪流感”死亡人口至少15万以上。进入21世纪，冠状病毒开始大流行。2002年冬—2003年春，以“非典”面目肆虐亚洲，2012年在沙特再现，2019年底到今天，以“新冠”形式在全球泛滥。

一部大流行史，同时也是人类依托城市、利用城市、改造城市，对大流行进行拼命防控以实现防灾减灾的历史。例如，建立医疗卫生防疫体系、实施公共卫生管理制度、发明新药与接种疫苗、建设污染处理设施、实施垃圾统一清收制度、实行卫生防疫检疫制度、限制疫区人员旅行流动等。和100多年前相比，现代城市防御抵抗大流行及其冲击的能力大为提高。所谓城市大流行防抗指数，就是指城市抵抗防御大流行冲击的能力或力量的大小。下文中，指数、防抗指数、城市防抗指数等，都是它的简称。一般来说，城市防抗指数越高，意味着城市存在的防抗短板与劣势越少，防抗的长板与优势越多，抵抗大流行冲击的力量越大，大流行就越难以对城市造成危害，城市人口及其社会经济也就越安全。反之，亦然。通过该指数，一方面可以判断一座城市面对大流行冲击所具有的综合优势或能力，另一方面可以识别城市群在大流行背景下所存在的不足或缺陷。

（一）指数的计算方法与模型

影响城市防抗指数的因子可能存在于城市的各个领域和层面。按照大流行防抗响应次第，影响城市防抗指数的因子可以分为四大类：一是阻断病毒传播或方便疾病扩散的因子，如城市的地理区位、人口规模与密度、交通物流地位、旅客周转量大小、产业经济发达程度、污染物排放管控与处理等。二是帮助市民抵抗病毒感染的设施与措施，如中医药与健康产业发达程度、城市防疫检疫管理与制度、抗疫设施水平与物资储备、医疗保障水平与覆盖率、人员隔离与戴口罩比例等。三是城市处置救治传染病患者的机构与装备，如医疗机构及其装备水平、医护人员数与开放床位数等。四是影响防抗全过程与效果的软实力因素，如城市政府的治理能力、居民的文化道德素质、医疗机构的结构比例、医疗卫生防疫机构的管理水平、医护人员的文化道德素质等。

将四大类影响因子整合成一个大流行防控指数，可以采用赋权汇总法[1]、因子分析法[2]和主成分分析法[3]等。其中，主成分分析法具有以下优势与特点：主成分是变量因子的某种特定组合，它能对变量信息进行高度浓缩和概括，并代表变量成为构建防抗指数的主要成分。主成分在指数和变量因子之间起桥梁作用，它能克服变量之间的共线性关系给指数所带来的估算误差。和赋权汇总法相比，主成分不是人为确定的，而是由线性方程组经统计学算法自动寻找出来的。指数合成时所需要的权重，也不是人为给定的，而是由变量系数与方差解释率比重所决定的。如果以Fk代表城市K的大流行防控指数，则Fk的计算由方程（1）和（2）所决定。

式（1）和（2）式中，K 代表城市，i 为主成分数，j 为变量数，Fik代表城市K第i个主成分，ai 为第i个主成分的方差解释率比重，Xjk为城市K第j个变量，bjik为城市K第i个主成分第j个变量的系数。ai和bjik均由主成分分析算法内生给出。

（二）指数因子或变量的选择

定量化的影响因子进入指数方程（1）和主成分方程（2），就成了变量。不同的影响因子或变量，对测算城市大流行防控指数的贡献各不相同。为了高质量地测算出各城市的大流行防控指数并揭示其影响因素，被挑选的影响因子或变量必须满足以下几个基本条件：一是影响大流行过程或结果的重要因素，二是能够标度和反映防抗短板或长板的因素，三是可定量、原始数据完备、可以进入方程进行运算的因素，四是与防控综合产出效果指标存在显著相关关系的因素。也就是说，以P<0.05为显著性检验标准，只有与综合产出效果指标具有显著相关关系的影响因子或变量，才能最终入选。

病毒的传播和扩散，与人口的流动与聚集及人们工作、生活和交往方式密切相关。旅客周转量、服务业比重、城市化率、人口密度、参加医保人数等指标，一方面与人口的流动、聚集和交往方式密切相关，既能促进病毒传播，又能阻断病毒传播。另一方面，它们与城市的区位、功能、规模、产业经济特点、社会发展水平等因素密切相关，对短板城市的识别具有较高的标识度。所以，它们被入选到表1阻断病毒传播因子栏中。

在防御与抵抗病毒感染方面，人口年龄结构、居民身体素质、基础疾病患者比例等因子十分重要。由于中医、诊所和中医诊所，在治“未病”、治慢性病、提高人体免疫力、减少减轻基础疾病、帮助抵抗病毒感染、利于患者快速康复等方面，有着独特的基础性作用，在标度和识别城市抗疫短板节点方面，比人口年龄结构、居民健康素质、基础疾病患者比例等因子更具有优势。所以，这里特地选择了与中医、诊所和中医诊所有关等11个影响因子来参与评价。

在这次大流行过程中，许多国家和城市均暴露出医疗资源严重不足和医疗机构配置失衡等短板问题。在患者处置救治支撑方面，根据世界各地的经验，城市医疗机构数、开放床位数、医护人员数、医疗设备状况等因素十分重要。本栏目从医疗机构数、密度，医护人员数、密度，开放床位数、密度等不同维度，对城市公共卫生短板因素作进一步识别。

支撑城市防抗的软实力因子很多，上至国家的法律制度，下至居民的文化道德素质，中至城市政府的治理能力等，可以说是无所不包。由于无法取得这些软实力因子的数据，我们只好引入可定量、具有可靠数据来源、同时能涵盖所有软实力因子综合作用的产出变量来替代。表1中所列涵盖软实力因子的综合变量，包括人口感染率、确诊病例数、治愈出院数、人均治愈数、治愈出院率等5個。由于这些变量是所有防控因子的综合作用结果，所以，只要采用扣减法，将其他三大类因子的影响从产出变量所标定的综合影响中扣减出来，就可以十分方便地得出软实力因子对城市防抗支撑力的大小。

二、防抗短板与风暴中心城市的识别

武汉城市群是世界上较早主动应对新冠大流行挑战并取得胜利的城市群。以它作为典型案例，对大流行防抗短板城市与风暴中心进行研究与识别，在方法论上对国内外其他地区的城市群具有重要的参考价值。关于武汉城市群的范围，有的认为只包括武汉及其周边的8个城市[4]，有的认为不仅包括湖北省全境，还包括河南、江西和湖南的部分城市。[5]考虑毗邻省市与武汉城市群存在较大差异，跨省数据的统一性和可比性差等因素，本文所讨论的武汉城市群范围，将限制在湖北省地级以上城市所组成的城市群范围，另外附带恩施自治州和神农架林区。

（一）原始数据的来源与处理

对武汉城市群新冠防控指数及其影响因子进行分析，所使用的原始数据来源主要有三个：新冠确诊病例数、治愈出院数等原始数据，来自于湖北省卫健委网站，为截止于2020年4月3日24时的累计数。中医机构数、诊所数、中医诊所数等，均系作者在百度地图上搜索关键词“中医”“诊所” “中医诊所”而获得，时间点是2020年4月3日。其他影响因子或变量，如城市化率、服务业比重、医疗机构数、参加医保人数、医护人员数等，均为2018年年底数据，来自湖北省各市（州区）2018年国民经济和社会发展统计公报。为了消除量纲影响，本文对原始数据进行了Z-score 标准化。正态性检验确认本案例有20%的变量具备正态性质。按照小样本数据峰度绝对值小于10，偏度绝对值小于3的标准，本案例有58.6%的变量具可接受的正态性质。由于Bartlett检验的p值为0，说明本案例变量标准化数据适合进行主成分分析。

（二）主成分数及方差解释率

将变量标准化数据上传到SPSSAU，让计算机对数据进行运算，得到关于主成分的一系列特征数据，见表2。

以特征根值大于1为标准，变量数据可以提取的主成分数为4，即i的取值为1—4。表2显示，四个主成分对变量数据的方差解释率是有差异的。其中，主成分F1k的方差解释率最高，达72.274%，而主成分F2k、F3K和F4k的方差解释率均不到10%。不过，四个主成分合起来，方差解释率高达93.735%。也就是说，使用这四个主成分一起对城市K的新冠防控指数Fk进行评估，其精准度和可靠性接近94%。

由于29个变量给主成分F1K均有高于0.515的载荷，所以，F1K本质上是一个“全要素”主成分。参加医保人数、西医机构数、医疗机构数、医护人员密度4个变量给主成分F2K均有高于0.404的载荷，所以，主成分F2k主要代表城市医疗与医保服务所产生的影响。人均诊所数、人均中医机构数和人均中医诊所数3个变量给主成分F3k均有高于0.416的载荷，所以，主成分F3k主要体现人均基层医疗机构和人均中医机构水平所带来的影响。中医机构占比和中医诊所占比给主成分F4K均有高于0.417的载荷，所以，主成分F4K 主要体现中医医疗机构所产生的影响。

（三）主成分与变量之间的关系

变量系数bijk由SPSSAU按主成分分析算法自动给出。对应于主成分方程（2）中的每一个主成分和每一个变量，均有一个对应的变量系数值bijk，见表3。

将表3中的变量系数值bijk带入公式（2），得到城市K的四个主成分Fik 的计算方程：

方程（3）—（6）显示：四个主成分均为29个变量的线性方程。每一个变量与每一个主成分的关系，由方程中该变量的系数所决定。每一个主成分的值，除了受变量系数的影响外，还与变量的取值有关。

（四）大流行风暴中心与防抗短板城市分布

将表2中的ai代入式（1），立即得到城市K的新冠防控指数计算方程：

将每个城市（州区）29个变量的标准化值带入方程组（3）—（7），就能得到武汉城市群17个城市（州区）新冠防控指数的标准化值。将均值设定为100，对标准化指数值进行变换，即得到标准化指数的变换值。武汉城市群各城市新冠防控指数标准化值和变换值见表4。

所谓新冠风暴中心，就是城市群中新冠防控指数值最低的城市。所谓新冠防控短板城市，就是新冠防控指数标准化值低于0，或者变换值小于100的城市。对武汉城市群新冠防控指数进行排序比较发现：武汉城市群新冠防控短板城市，集中分布于湖北省的东部地区。湖北省东部地区的武汉市、鄂州市、天门市、仙桃市、孝感市、黄石市和咸宁市，共同构成武汉城市群中的新冠防控短板城市群。其中，武汉市是新冠防控短板城市群中的极端短板城市，因此，它也就成为武汉城市群的新冠风暴中心城市。这一模型计算的结果与分布，与湖北年初发生的事实具有高度的一致性。由此证明，本指数及其计算方法是科学可靠的，结果和結论具有较高的可信度。

三、城市群大流行防控短板因子的识别

（一）城市群防抗短板变量分类

各变量对城市防控指数的影响，主要通过主成分方程（3）—（6）变量系数的正负符号及其绝对值大小来体现。例如，在主成分方程（3）中，旅客周转量X1的系数为-1.219，意味着X1每增加一个单位，其主成分F1K将减少1.219个标准化单位，城市防控指数Fk将相应减少0.94个标准化单位。由此可见，在大流行期间，武汉市发达的旅客周转量反而成为防疫抗疫的不利条件，而切断或减少人口流动，就能改善武汉的新冠防控能力。

由于变量Xjk对主成分F1k均有0.515以上的载荷，而主成分F1k对防控指数Fk的影响权重占77.1%，所以，只要分析方程（3）中各变量系数与其绝对值的大小，就可知道各变量的主要防抗功能类型。表5显示，影响武汉城市群新冠防控指数的变量可以分为强正影响、弱正影响、零影响、弱负影响、强负影响5大类。其中，强正和弱正影响类，显然为长板变量。弱负和强负影响类，无疑是短板变量。在所有变量中，确诊病例数X25，这一涵盖软实力因子的综合变量，其系数为负且取值较大，是整个城市群最强的短板变量之一。

武汉城市群防抗短板变量，除了上述分类以外，还可以按照防抗响应属性分类。结合表5表4可见，归属阻断病毒传播类的短板变量有：城市化率、人口密度、旅客周转量、服务业比重。归属抵抗病毒感染类的短板变量有：中医机构密度、人均中医诊所数、诊所密度、人均中医机构、中医机构数。归属患者处置救治类的短板变量有：西医机构数、医疗卫生机构密度。归属涵盖软实力因子的综合产出短板变量有：确诊病例数和人口感染率。

（二）最大差值短板变量

短板城市与长板城市因指数的不同而起分别。短板变量与长板变量因取值差异而相对地存在。以顶级长板城市的变量作为参照，计算短板城市与顶级长板城市对应变量的差值，就能轻易地找出那些给短板城市指数带来减分或加分影响的最大差值短板或长板变量。如果某一最大差值短板变量，频繁出现在短板城市群中，它就是该短板城市群的最大公共差值短板变量。表6列出了武汉城市群6个短板城市各自的5个最大差值变量及其标准化差值序列。

表6所列变量差值的正负符号，如果与方程（3）中变量系数的正负符号不一致，就会给指数带来失分，这个变量就是最大差值短板变量。反之，就是最大差值长板变量。结合方程（3）和表6可以看出，城市化率X3和西医机构数 X18这两个变量均在5个短板城市现身。武汉、鄂州、仙桃、孝感、黄石均因X3城市化率差值带来失分。鄂州、天门、仙桃、孝感、黄石均因X18西医机构数差值带来失分。所以，这两个变量是武汉短板城市群影响频率排位第一的公共差值短板变量。服务业比重X2和人均中医诊所数X13，均出现于3个短板城市之中，属于武汉短板城市群影响频率排位第二的公共差值短板变量。中医诊所占比X11、医疗卫生机构密度X19和西医机构密度X20，均出现于2个短板城市之中，属于武汉短板城市群影响频率排位第三的公共差值短板变量。

对于每一座短板城市来说，其排名第一、第二、第三、第四、第五的最大差值变量是各不相同的。例如，对于武汉市来说，最大差值变量依次为：人均中医诊所数X13、中医诊所密度X15、城市化率X3、中医机构密度X14和人均中医机构数X12通过主成分F1，它们对武汉指数所产生的影响分别为：-38.12、41.64、-48.59、-45.96、-18.58。显然，中医诊所密度X15为武汉市的最大差值长板变量，而人均中医诊所数X13、城市化率X3、中医机构密度X14和人均中医机构数X12，均为武汉市的最大差值短板变量。只要对X13、X3、X14、X12这4个变量进行合理的调控，就能够大幅度地提升武汉市的新冠防控能力与水平。

（三）最大影响短板变量

所谓最大影响短板变量，就是对指数产生最大减分的变量。这种变量同时具有以下特点：变量的差值最大、变量的系数最大、差值与系数之积为负。对改善或提高短板城市的防抗能力，减弱大流行风暴冲击来说，抓住了最大影响短板变量，就是抓住了牛鼻子。

表7中，带“+”号的是最大影响长板变量，带“-”号的是最大影响短板变量。对武汉市来说，最大影响短板变量有确诊病例数X25、城市化率X3和中医机构密度X14。其中，确诊病例数X25每增加一个单位，将导致武汉市的防控指数失去65.32分。

每个城市的环境条件与市情不同，其最大影响短板变量组合也就不同。鄂州、仙桃、黄石最大影响短板变量为城市化率X3和人口密度X5。孝感最大影响短板变量为城市化率X3、人口密度 X5和西医机构密度X20。城市化率越高、人口密度越高、西医机构密度越高，意味共享空气的人口越多、城市居民近距离接触的机会越多。在大流行背景下，这对城市的防抗工作很不利。

天门市最大影响短板变量组合中，出现了人均中医诊所数X13。咸宁市出现了人均中医诊所数X13和人均中医机构数X12。人均中医诊所数之所以成为这两个城市最大影响短板变量之一，是因为这两个城市中所分布的中医诊所，普遍存在门面小、技术设备差、服务水平不高等问题。在疫情暴发之前，患者一般有就近到中医诊所看病的习惯，那些不幸接诊了带“毒”病人的中医诊所，常常容易成为病毒传播的场所。

上述7个短板城市影响力度最大短板变量存在一些共性，即均与城市化率X3有关。当今世界，欧美国家城市化率最高，一般都在70%或80%以上，所以，欧美国家城市人口与经济，受到此次新冠大流行的冲击也最为严重。中国的城市化率已经突破60%，因此，中国也是新冠大流行攻击的重点对象，所以，任何时候我们均不能掉以轻心。其他一些最大影响短板变量，如人口密度X5、中医机构密度X14、人均中医诊所数X13和人均中医机构数X12等，均成为两个或两个以上城市的公共短板变量。最大公共短板变量非个别地存在与出现表明：在城市群层面上，还隐藏着规范与制约它们更高一级的系统性因素。

四、大流行背景下城市群发展方向与模式的新变革

（一）城市成为大流行风暴中心并深受其害的归因

城市化率、人口密度、旅客周转量、服务业比重、西医机构密度、中医机构密度、人均中医诊所数、人均中医机构数等因素，均是促进城市形成与发展的重要因素。在大流行条件下，它们也是助长大流行在城市泛滥，并使城市深受大流行危害的重要短板因素。什么是這些短板因素背后的深层系统性因子呢？归纳起来，大致有以下几点：

一是交换与吸附。城市的存在、发展与壮大，依赖于与远方腹地进行资源交换，依赖于对远方人口资源不停地吸取。原来仅存于边远地区、散在狭小范围内传播的病毒，被人口资源吸附带到城市。再经城市以几何级数的方式进行传播与增殖，最终发展成大流行风暴。二是技术有限。到目前为止，人类仍然缺乏有效阻止病毒传播，治愈受感染人群的低成本技术。人类的种种防抗努力，包括停工停产、罢市封城、封锁交通、广建医院等，也只能是减缓而不能根除大流行。三是人口聚集。城市人口高度聚集，高度密集，接触交流过于频繁，为感染人口能够在城市呈指数增长创造了条件。四是全球流动性。随着交通道路的延伸、运输工具海陆空化、交往时间全天候化，加上全球一体化，使得城市成为物流、人流、信息流的交换中心。病毒因交流而流行，因流动而传播。城市流动性呈几何级数增加，是当代大流行能够在很短的时间内演变成为流行病风暴并肆虐全世界的原因。

除了上述四个方面以外，还有两个因素应引起人们的特别重视：一是城市体系的极化发展。突出表现在城市体系头重脚轻化，中心城市过度发展、规模极大、首位度极高、辐射范围极广，成为超级大城市。超级大城市对物资的交换力、对人口的聚集力、对病毒的吸附力，大得空前惊人。加上其巨大的流动性，一旦病毒在中心城市出现，中心城市极易演变成大流行的风暴中心，中心城市及其周边的城市群必然深受大流行的严重冲击与危害。

二是城市内部的非均衡发展问题。主要表现为城市防控短板连片，矛盾与问题突出。这次新冠大流行，发达国家城市暴露出来的非均衡发展问题有：管理层不作为和乱作为、市民缺乏公共卫生责任感、城市检疫救治设备不足、防护物资严重短缺、少数族裔成为最大受害者。发展中国家城市暴露出来的问题是：污染处理设施严重不足，被污染的空气、水源、水体、土壤等成为滋生与传播新病毒的温床，缺乏禁止捕食野生动物的制度，入境旅客货物检疫存在较大漏洞、疾病监测与疫情响应系统尚不健全等。

（二）大流行背景下城市群发展方向与模式选择

新冠病毒在夏天仍然挥之不去，跨季节全年传播已成事实。人们盼望已久的疫苗迟迟没有进入市场。由于病毒变异速度过快，即使某种疫苗研发出来了也未必能够长期凑效。如果新冠病毒像流感一样也要反复折腾人类90年之久，人们不能不重新思考城市群前进的方向与发展的未来，不得不对其现有发展方向与模式进行变革。

补短板、强弱项是城市群应对各种大流行的基本思路与方式。为此必须解决每一座城市传染病医院、床位、设备、医护人员配备不足的问题，尽快调整医疗机构的结构与分布，缩减西医医院单体规模，优化西医医院、中医医院的空间分布密度，不断提升基层医疗机构服务的质量与水平，坚决落实中央关于大力发展中医事业与产业的指示精神，强化社区诊所和社区中医诊所的建设等。

及时反思传统城市化发展模式的弊端，对现有城市群发展道路进行积极调整与创新。光靠补短板、强弱项并不能将中心城市从大流行风暴或灾难中心中彻底地解救出来。为此，必须彻底扭转现有过度规模化、过度集中化、超大城市群化的城市群建设倾向，及时调整城市群体系的规模、结构与布局，走适应大流行常态化、经济就业稳定化、生态环境文明化、区域发展均衡化的高质量新型城市化发展道路。

对已经进入规模报酬递减的特大、超大中心城市，坚决实施功能疏解。在特大、超大中心城市的商务中心区、产业密集区、高密度人居社区、交通载体与客运容器、大广场与大商场等人群集聚密集场所，要安装智能监测与预警设备，对人口规模、人口密度、人群拥挤程度与人口流动强度，做实时监控和适当调控。要做大做强中小城市，积极发展特色小镇，实现城市体系更加均衡、安全、稳定、高质量发展。

引入抗毒防感染高新技术，全面化解抗疫隔离与就业活动相互冲突问题。快速发明新型防毒抗毒轻便小巧智能化鼻孔穿戴设备，着力解决交通拥挤和面对面接触时的病毒传播问题。在交通旅行、货物过境过关等领域，积极推进远程遥感快捷检疫检测技术支撑体系与制度，并不断降低检疫检测成本。以免疫脱感染技术对城市产业形态与经营业态进行升级换代。鼓励使用机器人和自动化生产线替代人工进行生产与服务。

加大数字城市建设进程，构建大流行无可奈何的云城市和云城市群。配套制定或出台法律制度，推进云城市和云城市群快速发展。加快物联网、大数据、云管理、云办公、云教学、云学习等城市新基础设施建设。大力发展线上经济、数字经济、数据经济和云经济。加快服务产业服务方式的转型，以自助服务、零接触服务、线上服务，代替人工服务、接触服务和线下服务。大学教育、中小学教育、职业技术培训和生产技术指导，要尽可能多地通过线上进行。要教育城市居民快速适应并习惯云城市、云生产和云生活。[6]

参考文献：

[1]徐国冲，李成瑢.我国城市治理的评估与发展——基于变异系数法的聚类分析[J]. 发展研究，2019，（9）：49.

[2]刘书明，余燕，师宇.中国地方政府财政预算治理能力比较与评价——基于2011—2017省级数据的实证研究[J].财政科学，2020，（1）：69.

[3]尹静.湖北省市州旅游业发展水平比较与聚类分析[J]. 武汉职业技术学院学报，2019，（4）：101.

[4]俞艳，童艳，胡珊珊，柯圆圆.武汉城市群城市间相互作用测度[J]. 城市问题，2017，（1）：46.

[5]陈文科.加快武汉城市群一体化进程[J]. 学习与实践，2002，（5）：11.

[6]吴大兵.国家治理现代化视域下规范地方政府行政决策权的路径探讨[J].重庆理工大学学报（社会科学），2018，（1）：147-152.

（责任编辑 张亨明）