基于投入-产出理论的智慧城市建设决策分析方法研究

2022-09-26张海峰黄文金顾颖唐怀坤

中国工程咨询 2022年9期

文/张海峰黄文金顾颖唐怀坤

一、引言

二、智慧城市建设投入的要素组成及影响机理分析

智慧城市建设涉及一个城市发展的方方面面，已成为各级政府推动经济社会高质量发展的重要抓手，据不完全统计，目前全国有超过500个城市已开展或正在开展智慧城市建设。

为强化对全国各地智慧城市建设工作的指导，国家先后出台了《新型智慧城市评价指标（2016年）》和《新型智慧城市评价指标 ( 2018 ) 》，上海浦东智慧城市发展研究院于2011年和2012年分别发布两版智慧城市评价指标体系。2010年，南京信息中心制定了《智慧南京评价指标体系》。2019年，中国标准化研究院、新加坡公共事务对外合作局和ISO国际专家组制定了《中新天津生态城智慧城市指标体系》。

目前存在的对智慧城市的评价，大都是围绕建设成效展开，更多是在建设后进行评价。但智慧城市建设是一项重大系统工程，决策者不仅需要了解建设成效，还需要在建设前预先了解建设重点，并预测需要投入的要素资源以及最后可能的成效。因此，从投入-产出的角度展开智慧城市建设分析，能够更有效地帮助政府开展决策，实现资源价值最大化。

英国经济学家马歇尔（Alfred Marshall）在《经济学原理》中提出了“生产要素四元论”，包括：组织、劳动、资本、土地[1]。后来的经济学家又在此基础上不断演进，将技术、自然、信息、数据等也纳入了投入要素。然而，目前智慧城市建设往往都是在原有基础上进行升级，因此土地在其中的重要性相对较弱。

从智慧城市建设的主要内容来看，目前各地智慧城市建设主要包括前端感知终端、传输网络（通信网、物联网等）、数据中心、数据中台、技术中台、业务中台，城市运营指挥中心（城市大脑）、以及各类业务应用等[2]。这些建设内容有些以硬件为主，如前端感知终端、传输网络[3]；有些以软件为主，如各类业务应用，有的则硬软兼备，如城市运营指挥中心（城市大脑）。但不论是硬件建设还是软件开发，都离不开资金投入、技术应用和人员参与。虽然高水平数字技术的应用被认为是建设智慧城市的重要投入因素，但其作用需要人作为媒介，需要通过人去实现价值[4]，而且技术不一定越新越好，还需要人的判断、应用。因此，可以把技术纳入人力因素进行综合考虑。

另外，智慧城市建设的目的不是“建”，而是“用”，是通过实际运行真正为城市管理、居民生活、企业生产服务。而智慧城市的运行离不开人员的参与，以及相关机制体制的支撑，可以归纳为人力和管理两大要素投入[5]。

因此，结合理论基础和实践需求，本文认为智慧城市投入主要要素包括：资金、人力和管理三大要素。

资金主要为智慧城市的各类基础建设提供保障。资金主要由政府方和社会方提供，两者参与或负责的侧重点不同，目的也有差异。政府财政资金重点实现基础性、具有公共效益的基础设施建设；社会资金则主要在政府引导下，用在具有经济效益的市场化领域，在获得收益的同时，推动智慧城市建设。

人力既是智慧城市建设的核心要素资源[3]，又是应用的主要对象。人力主要包括技术人员、政府人员和社会大众，其在智慧城市建设中的作用也各不相同。技术人员将自身掌握的技术应用在智慧城市的软硬件建设中[3]，构建发展的基础，主要体现的是先进水平；政府人员主要是通过对相关系统的应用，实现城市管理和服务的智能化，主要体现的是管理水平；而智慧城市效能的实现最终离不开人民的参与，表现为社会大众对各类智慧化设施和系统的使用，主要体现了社会素养[6]。

管理的主要目的是支持智慧城市顺利运行。主要体现为通过职责分工促进各类社会主体在智慧城市建设中各司其职，通过流程优化再造实现工作协同推进，通过制度约束促进各类资源的高效配置、流动共享，通过标准规范的制定实现基础设施共建共享、数据信息的开放共享，治理和服务的整体智能。

三、智慧城市产出成果分析

列昂惕夫提出，投入-产出模型是“古典的一般均衡理论的简化方案”，突出多部门之间在生产活动中的结构性相互关系，依靠过渡性产品的交易建立彼此间的联系，从投入和产出两个维度以相对明确的系数方式确定下来。另外，在生产系统中，生产要素经过加工，转化为生产的期望所得，即为产出。

基于该理论，本文认为智慧城市建设的投入产出，就是指将资金、人力和管理三大要素，通过智慧城市各类软硬件建设，最终形成满足城市治理和人民生产生活所需的各种目标期望，即为智慧城市的产出。结合目前国家战略规划以及社会现有智慧城市评估模型，本文认为智慧城市产出可概括为全面感知、便捷服务、精准治理、经济发展、生态宜居五大内容[7-9］（见图1）。

图1 智慧城市建设中各要素间逻辑

四、分析思路与模型设计

（一）智慧城市投资决策分析思路

首先，以投入-产出分析为基础，对资金、人才、管理三大投入要素和全面感知、便捷服务、精准治理、经济发展和生态宜居五大产出进行具体细化，形成评价分析指标体系。

其次，利用熵权法对智慧城市产出的各类细化指标进行权重测定，收集样本城市数据，开展建设成效评测，将样本城市按照结果进行分级（见图2）。

图2 智慧城市建设决策分析思路

最后，收集智慧城市样本三大投入要素数据，利用计算机软件，采用向量空间域值拉伸法，按照不同发展阶段分别测算各投入要素的贡献度。

（二）投入-产出指标体系

考虑到投入要素主要是作为贡献度分析的数据输入，指标设置应相对简单。同时，考虑到城市规模、城市经济发展水平各异，在数据收集时除考虑绝对值指标外，还通过相对指标来平衡发展的不均衡。在具体分析时，同一个指标中两类指标各占50%（见表1）。

表1 智慧城市投入要素指标体系

基于五大产出成果，结合现有各类评估方法，本文研究形成了12个维度、56个细项的产出成果分析评测体系。

（三）相关模型设计

1．使用熵权法对智慧城市产出成果各项指标进行权重确定，形成建设产出成果评价模型[10-11]

由于各不同指标的量纲和量级不同，因此需要数据前置标准化处理，将各类数据转换为0-1的值。标准化方法采用线性最大-最小值标准化。

设n个评价对象，m个评价指标，xi*j指标的原始值；使用xxj表示标准化以后的指标数值；ximjax表示第n个评价对象中第j个指标最大值；ximjin表示第n个评价对象中第j个指标最小值，其中i表示评价对象(i= 1,2,...,n)，表示评价指标(j=1,2,...,m)。

由于所有指标均为正向指标，因此x表示标准化以后的值，使用的公式为：

在对所有指标标准化后，可开始进行指标赋权。

使用xij表示标准化以后的指标数值，其中i表示评价对象(i=1,2,...,n)，j表示评价指标(j=1,2,...,m)。

计算第i个评价对象第j个指标值所占比重：

计算第j个指标的熵值e和差异性系数D：中D= 1/LNn，n 为样本数。

计算指标权重T，

2．利用向量空间阈值压缩法，测算各投入要素对智慧城市建设的贡献度

首先，在同一智力参考系中将智慧城市投入的资金、人才、制度三个要素的专家打分抽象为具体得分，分别为资金（M）、人才（R）、制度（P），其中步长为。那么决定智慧城市的发展指数（C）就由以上要素共同决定：

并且权重之和为1：

三个要素中，制度的量化程度相对较难，因此可变形为：

在专家打分M、R、P已知的情况下，某个智慧城市的指数布局便可以建立在以为X轴，为Y轴，C为Z轴的立体坐标系中。而代表该智慧城市的样本点可以视为从原点出发的参考向量。

在样本数据充分的前提下，足够多的参考向量在该坐标系中将形成参考向量空间。

通过阈值压缩的方法将参考向量空间进行采样。参考向量压缩后的采样空间形状由广度阈值和深度阈值决定。主要决定区域按坐标轴方向扩展的广度；主要决定区域按向量方向扩展的深度。通过调节阈值，可以将向量空间压缩在以步长为边长的立方区间内。

图3 阈值压缩法参考向量空间采样

五、实证分析及结论

（一）实证分析

根据上述分析思路，对20个样本城市的5大产出成果、13个评测维度，56个细项指标数据进行了计算处理，形成相应的指标权重（见表2）。

表2 智慧城市产出成果指标权重

根据以上构建的评测模型，对全国60个城市的智慧城市建设水平进行了测评排序，并根据排名情况，将城市分为了A（先进）、B（较好）、C（一般）、D（滞后）四类。其中上海、深圳、北京等8个城市总得分排名靠前，可列入先进城市行列；苏州、重庆、天津等20个城市得分相对较高，可列入较好城市行列；江阴、嘉定、嘉兴等21个城市得分一般，可列入一般城市行列；洛阳、宣城、秦皇岛等11个城市得分较低，可列入滞后城市行列。

利用向量空间阈值压缩的方法，分别对四类城市的投入要素进行了处理，分别形成了要素贡献度区间（见表3）。

表3 不同发展阶段城市投入要素贡献度

（二）相关分析和结论

从四类城市各要素对智慧城市建设的贡献度来看，A类城市和D类城市三要素贡献度相对接近，但背后原因存在差异：D类相对落后城市由于建设刚刚起步，三类要素投入均比较有限，所以相对均衡；A类先进城市由于经过长期的发展，已经由只注重基础设施建设向应用和管理并重转变，因此也出现了三类投入要素相对均衡的状况。C类一般城市已经开始了智慧城市建设，且初期以基础设施建设为主，基础设施建设需要大量的资金支持，因此表现为资金要素贡献率最高。B类较好城市经过一段时间的建设，此时基础设施建设已经不再是唯一重要的内容，而是需要通过应用和管理来提升效能，因此，资金要素贡献度下降，人力和管理要素贡献度上升。