基于超网络模型的智慧政务信息协同建设城际分野与发展策略研究

蒲泓宇　马捷　栾泽权等

关键词： 智慧政务； 信息协同； 信息协同网络； 超网络

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０６．００９

〔中图分类号〕Ｇ６３－３９ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２４） ０６－０１００－１９

智慧政务作为智慧城市建设的核心板块， 是深化政务服务改革实践领域和理论研究领域共同关注的热点问题。智慧政务建设是将政府打造为类似于人脑的具有能够进行高级判断和处理能力的中枢系统， 使其能够实现智能决策， 以最优的方式做出反应、下达指令。人脑具有高级判断和处理能力的中枢系统， 所依赖的正是千万个神经元之间对于电信号的精准协同控制。政府拥有海量的政务数据资源，基于精准的协同控制， 亦将创造出具有智慧的政务服务中枢系统。目前关于智慧政务解决方案的讨论，也始终聚焦于“信息” 一词， 力求以信息技术的發展和落地应用为智慧政务建设提供硬实力， 以信息价值增值与价值实现为智慧政务建设增强软实力。可见， 拥有对“信息” 的掌控力是实现智慧政务的基础， 解决信息协同问题是智慧化的关键。

目前， 已有诸多学者对政务信息协同问题展开研究， 主要围绕智能技术的应用和部门间的协同合作等方面。其中， 智能技术在政务信息协同方面主要围绕数据的存储、管理及共享利用等过程展开研究。王野然［１］ 提出信息技术对于政府跨部门信息协同的方式和效率具有直接影响； 赵璐［２］ 基于全媒体信息技术提出了多元主体“技术与权力—利益相关者” 的协同治理模式， 探讨了不同社会行动者的技术契洽， 让全媒体信息技术发挥更大的效能。在政府部门间协同合作方面的研究主要围绕政府间信息共享的难点、协同模式创新等方面展开。王芳等［３］基于案例研究， 分析了在跨部门政府数据共享中存在的九大问题和五大原因， 并提出了数据治理体系、数据共享制度和平台建设３ 个方面的对策。张桂蓉等［４］ 关注应急状态下多主体信息协同， 构建了大数据驱动的应急信息协同机制， 意在解决传统应急信息模型中存在的效率低下、信息孤岛、信息传递不及时等问题。Ｓｃｈｏｌｌ Ｈ Ｊ 等［５］ 阐述了部门间信息共享与系统交互的行为， 根据欧洲多项成功案例， 评估了政府部门之间信息互通的重心与特征。Ｓｙｖａｊａｒｖｉ Ａ等［６］ 在智慧城市信息管理的基础上， 还提出解决智慧城市政府信息通信技术实践问题， 以及信息管理相关人员问题的对策建议。Ｇｉｌ－Ｇａｒｃｉａ Ｊ Ｒ 等［７］ 通过定量实证进一步检验出政府部门间实现信息共享的影响因素。

政务信息协同研究的开展目前主要以质性方法为主。但在企业、社交媒体等其他领域的信息协同的研究中， 以网络分析为代表的量化研究已是较为常见的研究方法。信息协同网络又与交通网、生物网等其他网络有所不同， 通常不是大型网络， 其规模相对较小， 但网络层次比较复杂。Ｄｕｒｕｇｂｏ Ｃ 等［８－９］分析了企业各组织部门之间的信息协同网络， 构建了Ａｃｔｉｖｉｔｙ（业务）与Ｏｒｇａｎｉｚａｔｉｏｎ（组织部门）两层信息协同网络模型， 以描述层内协同与层间协同， 并且基于网络模型分析对不同信息协同模式的效率进行评估， 最终提出组织模式的协同优化策略， 从组织的宏观层面理解， 提高操作效率与有效性。ＭａＴ 等［１０］ 基于超网络分析了企业非正式组织信息的传递模型， 以非正式组织成员为节点， 以非正式组织为超边， 构建了非正式组织的超网络， 以此测度了企业中的信息传递能力。Ｊｕｎｇ Ｊ Ｊ 等［１１］ 研究了社交媒体的用户内容协同网络， 从用户与内容两个层面切入分析， 发现概念本体的一致性能够促进用户的协同创造， 促进社会合作。

政务信息协同的实现， 实质上也是政务信息协同网络达到最优。政府各项业务的办理， 在一定程度上也可归至社会学及管理学范畴。网络作为真实世界中各类虚拟或实体网络的抽象， 应用复杂网络理论基于政务事项的信息流数据构建信息协同网络，在可视化网络图示的基础上， 能够通过分析政务信息流网络重要节点的中心性及网络中无标度、小世界特征， 得出对政务协同性的判断［１２］ 。而超网络模型可以通过网络系统整体的拓扑结构与数学模型将不同层面的协同关系与城际分野相结合， 从更深层次揭示智慧政务中的信息传递机理。此外， 超网络模型还能为决策者提供有效的参考和辅助措施，例如： 利用超网络模型所总结而来的协同度可以精准预测未来一段时间内各地区间协同水平， 从而制定针对性强、切实可行的应急方案。同时， 超网络模型也有利于发现系统运行过程中的薄弱环节， 例如： 当组织间缺乏统一协调机制、部门之间合作不足时， 超网络模型则能通过节点、连边与网络拓扑结构来挖掘隐藏于智慧政务背后的规律及知识， 进而实现对政务系统整体效能的优化。因此， 本文以城市管理与公共服务为例， 将超网络方法运用至智慧政务信息协同分析之中。同时， 结合“人” “事项” “信息” “平台” ４ 者在实际应用中所处地位不同而产生的差异性提出了一种新型的多层子网络边权图。最后， 根据子网络边权分布与超网络特征提出智慧政务信息系统建设的发展策略。

１ 智慧政务信息协同超网络模型构建及测度原理

智慧政务信息协同涉及人员、业务、数据等多层面的现实问题， 为将其抽象为数理模型， 需要先对“现象” 进行模型化解构， 从现象中提炼出建模要素以及要素之间的逻辑关系。通过梳理智慧政务信息协同超网络的模型构成要素、要素关联机制，根据要素与要素之间的关联关系， 对子网间的超边含义进行映射分析， 抽象出网络超边， 以超边链接各子网络中的主体实现子网耦合， 构建智慧政务信息协同超网络模型。

１.１ 模型要素分析

政务服务信息协同过程涉及４ 类重要实体， 分别是政务服务参与者（如个人、机构）， 需要完成的服务事项， 在服务过程中所需协同的信息， 以及服务的呈现平台。在政务服务过程中， 人、事项、信息与平台构成一个有机的整体［１３］ 。实现政务服务智慧化， 需要对这４ 类实体进行系统的研究， 对其构建的复杂有机整体进行建模和分析。

人、事项、信息、平台４ 类实体在政务服务过程中， 存在内部关联。“人” 是对政务信息协同中各方参与者的总体抽象， 例如， 个人服务事项的申请人、企业服务事项的法人、政府部门服务人员等，也存在部分自动审批事项其参与者以系统程序形式出现， 但其本质是代替了人的部分功能， 故一并视其为“人”。在“人” 的网络中以各参与政务服务的信息主体为节点， 以参与者之间的信息流动关系为纽带， 形成“人” 的子网。服务事项的网络以各事项的主题类属为纽带， 形成“事项” 网络。相同类属的服务事项往往在信息、部门方面具有一定的相似性， 以事项为节点， 以所属主题类别关系为纽带， 形成“事项” 子网。“信息” 网络中以呈递和传送的材料类别为节点， 以信息在事项中的共现关系为纽带， 构建“信息” 网络。“平台” 层是“人”“事项” “信息” 不同类型节点之间的交互场所， 根据平台层对“人－事项－信息” ３ 类主体之间的链路特征， 可映射出政务服务超网络的整体形态。

各层子网之间亦存在逻辑关系连接。人、事项、信息、平台４ 类实体不仅各自形成一个网络， 并且不同实体之间也存在关联， 根据此类关联， 可构建一个多维、多层、多属性的超网络， 将政务信息协同抽象为超网络模型。“人” 与“事项” 两层网络之间存在一定的逻辑联系， 在政务服务过程中， 参与者申请或办理各类事项， 各类事项由人申请或由人办理， 因此在两层网络之间存在与网络内部不同的关系， 将两层网络连在一起。“事项” 与“信息”两层网络之间存在一定的逻辑联系， 在政务服务过程中， 事项的办理基于各类信息的集成完成， 事项办理结果也可以信息的形式呈现。

１.２ 子网络建模原理

超网络中最常见的模式即多层网络的叠加， 信息协同超网络亦是由多层网络叠加而成。因此， 超网络模型构建首先需要分别对各层子网进行建模［１４］ 。从前文的分析可知， 人、事项、信息、平台４ 类主体分别形成４ 层网络， 依从各层网络间所存在的映射关系叠加为信息协同超网络， 子网络建模需首先确定节点集， 并依据节点属性确定边集， 最终形成子网络模型。

各层子网络主要基于图论进行建模， 图论建模的基本原理是将实际情况抽象为具有数学含义的图，将复杂的实际问题转化为简单的抽象图形， 基于对图形的数学分析， 解析复杂的实际问题。图论中的图是由若干给定的点及连接两点的线（或边）所构成的图形， 这种图形通常用来描述某些事物之间的某种特定关系［１５］ 。将具有相同属性的实体抽象为节点， 将两个实体之间某种特定的联系抽象为连接两点的边。根据图论相关定义， 若边集为无序对，则称为无向图； 若联系存在一定的指向性， 则边集为有序对， 即以有向边代表两者间联系的指向性。信息协同子网皆为有向图。

１.３ 子网络耦合原理

信息协同超网络可分为４ 层子网进行分析， 但政务服务信息协同过程必定需要各类实体同时参与，因此不同类型实体之间存在相关关系， 将各类实体联系在一起， 形成多實体复杂系统。因此， 需要进一步进行子网耦合， 形成由多层网络叠加的超网络。

多层网络的耦合主要依据超图理论。超图理论是图理论的扩展和延伸， 基础图理论中， 各节点以及节点间的关系具有相同的属性， 为同一类节点，并且具有同种类别的关系， 即图由此类依照此种关系连接的各节点构成。为了更好地实现对复杂现实世界的抽象， 超图中可以存在不同类型的节点， 以及不同类别节点之间的连边， 即超边。超边基于将不同类型的节点之间的相关关系连在一起， 建立起各类型实体间的连接， 完成多层子网耦合。

１.４ 超网络模型测度原理

１） 子网内部协同效应测度

子网层测度包括局部分析和全局分析。对网络进行局部分析， 所涉及的测度指标主要包括面向节点分析及连边分析。首先， 利用面向节点的测度指标筛选出核心节点。以综合节点度、加权度以及中心性特征描述节点在子网络中的核心程度， 对各子网层中重要节点进行筛选， 发现核心节点； 其次，利用边权值分析网络中的链结构， 筛选网络中的核心关联关系； 最后， 对网络整体结构展开全局分析，所涉及的指标主要包括聚类系数、网络直径、平均路径长度以及度分布特征等。利用以上指标基于小世界理论对子网的静态特征进行分析， 发现网络的静态结构特征， 并根据测度指标特征属性映射现实状况， 分析信息协同现实状态。

２） 整体网络协同效应测度

超网整体测度是对于超网络状态的宏观测度，是对于网络宏观状态的刻画。基于“人—事项—信息—平台” 四元机理模型， 根据四大要素在信息协同过程中的功能和影响， 从信息的路径协同度、场景协同度以及结构协同度３ 个层面对网络的协同状态进行测度， 并综合３ 类协同度， 提出网络整体协同度测度方案。

为了了解宏观层面当前政务信息的协同现状，需要基于整体性分析指标测度信息协同超网络的整体效应。熵的概念源于物理学中的热力学， 是对于体系内混乱程度的度量。本文以熵理论为基础， 根据“人” “事项” “信息” “平台” 四者之间的关系， 可分为基础主体和耦合主体， 政务服务超网络中的“人” “事项” “信息” ３ 类主体为政务协同框架， 归属为基础主体， “平台” 作为３ 类基础主体的呈现场所， 归属为耦合主体， 主要体现的是“人—事项—信息” 三者之间的关联关系， 将主要在后续数据分析部分呈现。基础主体在网络中作为独立的角色存在， 需要围绕各主体协同特征进行分别测度， 为此， 本文提出相应的协同度测度指标，分别为“信息结构协同度” 对应“信息” 层主体、“信息路径协同度” 对应“人” 层主体， “信息场景协同度” 对应“事项” 层主体。

２ 基于超网络模型的智慧政务信息协同建设城际分野状态解析

２.１ 代表性城市选取

２０２０ 年， 清华大学社会科学院、数据治理研究中心发布的《２０２２ 年中国数字政府发展指数报告》中， 对全国数字政府建设情况进行了评估， 其中副省级城市的数字政府发展指数的排名如图１ 所示。根据各城市得分情况， 能够较为清晰地将我国数字政府的发展情况大致分为３ 个梯队。据此， 本研究基于清华大学社会科学院、数据治理研究中心发布的《２０２２ 年中国数字政府发展指数报告》， 从中选取３ 个城市作为代表城市进行研究。为了更全面地掌握我国整体建设情况， 选取头部、中部和尾部城市作为案例进行分析， 将深圳市作为头部代表城市，并选取排名位于中间的武汉市作为中部代表城市，选取排名最末的长春市作为尾部代表城市。

２.２ 基于超网络模型的智慧政务信息协同各要素城际分野现状解析

２.２.１ 智慧政务信息协同“人” 的城际分野现状

１） 各市核心主体类别相近， 但信息供需量城际差异较大

在网络分析中， 节点的加权度值是对数据供给体量的统计， 高加权度值的主体映射的是信息供需过程中的核心节点， 分别对各市中各节点加权度值情况进行统计， 筛选出排名前十的主体， 如表１ 和图２ 所示。可以发现， 一方面， 是部门类别存在诸多相似节点， “申请人” “公安部门” “规划和国土资源部门” 等节点在各市中均为加权度值较高的节点； 另一方面， 不同城市各核心主体的信息供需量差异较大。申请人在各市中均为最重要的信息来源渠道， 但城市之间亦存在差异， 从申请人的加权度占比来看， 深圳、武汉和长春的申请人提供信息量占比分别约为２８％、２５％、３５％， 即当全部政务服务执行一次时， 在深圳、武汉、长春由申请人提供的信息量占比分别为２８％、２５％、３５％。可见，在长春市政务服务过程中， 申请人所提供的信息占比相对其他两个城市高出较多。观察不同城市的相同部门加权度值可以看出， 相同部门的数据供需量城际差异也较大， 以住建部门为例， 深圳市（５２０）＞长春市（４２７）＞武汉市（１０３）， 可见武汉市住建部门的信息需求量与其他两市具有较大差异， 而从交通运输部门加权度值来看， 武汉市值为８１４， 其他两市均较低， 深入分析发现， 武汉市“九省通衢” 的独特地理位置， 也使得其交通运输部门所辖相关事项种类更为丰富， 因此其信息协同需求也更为强烈。

２） “人” 层主体关联呈现分层特征， 由核心层向外边缘非核心层辐射

统计深圳、武汉、长春三市“人” 的子网的连边权重， 并筛选出网络核心枝干， 如图３～图８ 所示，左侧为各市“人” 层主体整体网络， 右侧为各市“人” 层主体核心枝干网络。横向对比发现， 各市人层主体网络均呈现一定的层次特征， 具有较为显著的核心层和边缘层， 整体结构为由核心层向外边缘非核心层辐射。纵向对比发现， 深圳市、武汉市存在较为显著的核心三角区， 长春市的结构相对更为松散。对于深圳和武汉的进一步分析对比， 深圳市的核心三角区由“申请人” “公安部门” “规划和国土资源部门” 构成， 且深圳市中各个节点与核心三角区的链接更为丰富， 联系更为紧密， 对于武汉市来说， 核心三角层由“申请人” “公安部门”“交通运输部门” 构成， 节点与核心三角层的链接相对较少， 诸如“住建部门” “市场和质监部门”等节点仅与申请人关联比较密切。这在一定程度上映射出城市政务服务信息协同“人” 的子网的演进脉络， 可推断“人” 的子网中各信息主体之间的关联关系演进正是由核心层向边缘非核心層辐射， 并且逐步带动其他部门信息协同建设， 从而使得主要枝干中的节点与连边愈加丰富。

３） “人” 层主体信息协同效率普遍较低

“人” 的子网中各主体之间的信息传递效率是研究关注的核心问题之一。在网络分析中， 小世界特征分析能够反映出网络中任意两主体之间是否能以较短距离连接的特性， 通过统计网络中平均路径长度和平均聚集系数， 可探究信息协同网络中信息的传递效率及局部聚集性。但由于深圳、武汉、长春三市的节点和连边数差异较大， 网络规模不同，直接进行纵向数值的对比意义不大。为能够更清晰地分析深圳市信息协同网络小世界特征的显著性，需要生成与各市信息协同网络规模相对应的随机网络进行对比， 如表２～表４ 所示。

通过对比发现， 深圳、武汉、长春各市的平均聚集系数指标均大幅高于相对应的随机网络， 深圳市高出约４ 倍， 武汉市高出约３ 倍， 长春市高出约２ 倍， 可见深圳市各节点之间的聚集性相对最强，即深圳市各部门之间的信息协同关系最为紧密。从平均路径长度来看， 长春市平均路径长度低于随机网络， 武汉市与随机网络基本持平， 深圳市平均路径高于随机网络。在现有信息网络中， 信息传播效率为长春市＞武汉市＞深圳市， 该结论与预期相悖，深究其原因， 发现各市平均路径的变化规律与网络直径的变化规律一致， 当网络的规模越大， 而节点之间链接的成长速度赶不上网络规模的增长速度时， 就会体现为平均路径长度的变化， 平均路径长度可以反映当前网络的传播效率， 但也需要考虑网络规模。

综上， 当前处于各类发展阶段的城市信息协同效率普遍较低， 随着智慧化建设水平的提升， 信息协同规模会不断扩大， 信息主体之间的联系也会更加丰富， 但节点之间链接的丰富速度通常慢于协同规模的扩张速度， 会在成长期内呈现总体协同效率降低的状态。

２.２.２ 智慧政务信息协同“事项” 的城际分野现状

１） 大多数“事项” 大类之间存在共用信息，但共用频度较低

“事项” 是信息协同所面向的场景， 测度节点特征属性能够对当前城市的事项设置情况有更全面的了解。统计“事项” 网络中各节点的度值发现， 几乎全部节点的度值都接近于网络中节点总数减１，这意味着事项网络是接近于完全连通的， 表明绝大多数事项类别之间都存在共用信息。

为了进一步探究不同事项类别之间的共用信息频度， 本文选用加权度指标进行分析。在“事项”网络中， 由于事项节点所代表的事项大类包含的事项数不同， 为了实现节点之间的横向对比， 用每一事项节点加权度指标除以该事项大类中所包含的事项数量， 得到每一节点的加权度均值进行测度。统计各市节点加权度均值， 分布情况如图９ 所示， 柱状图部分按照深圳市节点加权度均值大小排序， 对应左侧纵坐标和下方横坐标发现， 各市的加权节点度均值分布情况并不相同， 事项类别信息协同需求的差异度较高。散点图部分分别根据各市节点加权度均值的大小排序， 对应右侧纵坐标和上方横坐标，为了使节点更清晰地呈现于图中， 不与柱状图重叠， 特将纵轴０ 刻度线向上抬升， 横轴对应的纵坐标值为－１０００。观察发现， 各市中均有近半数节点加权度均值接近零， 这表明许多事项类别与其他事项之间存在共用信息， 但共用频度较低。

２） 各类事项的信息需求量较高， 且所需信息种类城际差异较大

将城际事项信息节点的超入度值予以统计如图１０ 所示， 其中， 柱形图部分按照城际统计值由大到小进行排序， 且对应下方横坐标轴和左侧纵坐标轴， 散点图部分分别对各市信息主体按照由大到小排序， 对应上方横坐标轴和右侧纵坐标轴， 图中趋势线根据散点图分布状况进行拟合。

根据图１０ 所示每类事项平均信息需求频次城际对比可以发现， 不同城市中， 各类事项的信息需求量差异很大， 所需信息种类也有不同。从最值来看， 深圳市生育收养类事项所需材料种类数最多，每项生育收养类事项平均需４.７１ 类； 武汉市质押抵押类事项所需信息种类最多， 平均需１６.７１ 类；长春市医疗卫生类事项所需信息种类最多， 平均需９ 类。深圳市需要信息最多的事项类别其所需信息仅为长春市数值约一半， 为武汉最高信息类别需求事项的１／４， 可见其信息精简工作更为优化。从宏观分布情况来看， 根据散点图拟合曲线斜率深圳市（－０.０９６５）＞长春市（－０.１７２７） ＞武汉市（－０.２３６７），可以发现， 深圳市各类事项的信息需求情况最为均衡， 结合非零事项（散点图中大于零部分）的节点值，深圳市各类事项平均信息需求频次整体情况保持在较低水平， 在信息精简程度方面， 武汉市仍需进一步调整和优化。

２.２.３ 智慧政务信息协同“信息” 的城际分野现状

１） 信息整体利用率的高低与城市智慧化水平息息相关

为观察城际信息利用率与智慧化水平的关联程度， 依据节点加权度值的分布状态绘制散点图并进行幂函数拟合如图１１ 所示， 由于此处节点数量较多，且深圳、武汉诸多节点值数值非常接近， 线性拟合会模糊掉过多的数据特征， 导致城际对比并不显著， 因此采用幂函数曲线进行拟合。由于节点度或加权度差值较大， 故而先取对数再进行拟合。由于信息子网节点数量过多， 幂函数长尾部分节点过多会影响观察效果。经多次实验发现， 当取值到１００位后再取更多点时， 所得拟合曲线参数值变化不大， 故而此处仅展现了排序前１００ 的节点。从图中可以发现， 拟合方程中指数排序为： 深圳（－０.１）＞武汉（－０.１１２） ＞长春（－０.１４７）， 即深圳市的变化趋势最为平缓。整体来看， 不同信息之间的差距相对较小， 即信息的利用率相对均衡， 尾部节点也存在一定的信息利用率， 深圳市的信息利用率整体水平相对武汉市和长春市更为均衡， 且尾部信息节点的利用率普遍高于其他城市， 表明深圳市大多数信息利用率是高于其他城市的， 武汉市略低于深圳市， 长春市大多节点都处于相对较低的水平， 可见尾部节点的信息利用率与该市智慧政务发展水平相关， 智慧化水平较高的城市， 整体的各类信息的利用率更均衡， 且大多数信息利用率得到提升才是智慧化提升的体现。

２） “信息” 网络团簇间链接紧密度城际差异较大

信息网络团簇现象是指在一个区域范围内大量重复出现的由一群相似事物或事件组成的复杂网络拓扑结构。信息网络团簇化研究有利于了解城市信息化进程及影响因素。通过对团簇理论的深入研究，可以为信息产业发展提供理论指导。为了进一步分析其团簇特征， 对信息子网进行团簇分析如图１２～图１４ 所示［１４］ 。

观察上述图像可发现， 城际信息协同网络存在比较显著的差异。从网络规模来看， 深圳市、武汉市信息子网的规模明显大于长春市， 团簇数量也更丰富， 且越大的团簇往往更靠近网络中心， 与其他团簇之间也存在较为紧密的连接。相比之下， 长春市的团簇之间会存在较远的距离， 虽然各团簇间也不乏连接， 但密度相对较低。这一现象表明， 在长春市信息网络中， 不同团簇或者说不同事项大类中的信息共现特征是较弱的， 信息在不同事项大类中获得利用的概率较低。对比武汉市和深圳市的情况，深圳市各个团簇之间的链接会更显复杂， 常有跨团簇节点间存在较强链接的特征， 武汉市各团簇节点之间通常为弱连接。关联情况更为复杂也表明深圳市政务服务信息的利用状态更加活跃。可见随着信息协同建设的不断发展， 信息网络将出现更丰富的团簇， 且簇间关联更为紧密。

２.２.４ 智慧政务信息协同“平台” 的城际分野现状

１） “平台” 耦合网络支流结构单一

在政务平台中， 政府部门是平台的主要组成部分之一。政务平台通常会整合各个政府部门的服务和功能， 提供统一的入口和用户界面， 使用户能够更加方便地访问不同部门的服务。因此， 从部门链的角度分析“平台” 层的信息协同关系有助于城际之间的跨域共享。对深圳（蓝色）、武汉（橙色）、长春（绿色）三市平台层间部门的流动量情况进行可视化分析， 图１５ 为深圳市“平台” 层部门耦合网络流量， 图１６ 为深圳、武汉、长春三市叠加的“平台” 层部门耦合网络流量， 从两图对比发现，整体分布情况与深圳市分布情况相似， 从左侧信息供给情况来看， 深圳市均呈现以申请者为主、其他信息供给节点为辅的状态。从右侧信息需求情况来看， 不同城市重要的信息需求部门比较相近， 如公安部门（Ｇ）、规划和国土资源部门（Ｈ）， 但也存在差异， 例如武汉市大量信息涌入交通运输部门（Ｋ），统计发现武汉市交通运输部门承接事项数为三市平台最高， 从事项大类来看， 交通出行事项也为三市平台最高， 结合武汉市平台所处地理位置分析， 武汉市作为我国中部地区最重要的交通运输枢纽之一，九省通衢的地理位置也造就了武汉市这一独特的政务服务特色。

整体来看， 各市平台的耦合网络流量图中曲线线条排布具有一定规律性， 支流交错的情况较少，這一现象表明， 各平台部门之间的流动是具有一定规律的。观察从左侧节点流出的信息通路可以发现， 除位于中心的ＧＲ（申请人）和ＱＴ（其他）这两类节点外， 其余节点大都存在１～２ 条最主要的信息通路， 在靠近节点附近颜色重叠形成颜色较深的一段曲线， 这一现象表明， 除申请人和其他两类节点所包含的信息类型比较多样和分散外， 其他信息供给主体所提供的信息往往具有特异性， 针对某类事项， 供给到特定部门， 且不同城市所涉及的信息类别和对应的实施部门相似度较高， 例如节点Ｕ（卫计部门）有两条主要支流， 其中下方支流明显可看出为蓝色和橙色的重叠部分， 结合数据分析可知，生育、医疗等相关信息大都与卫计部门有关。具有相似情况的还有Ｇ（公安部门）、Ｂ（财政部门）、Ｐ（人社部门）、Ｓ（司法）等。

右侧信息通路相对左侧来说略显混乱， 究其原因主要在于“信息” 这一主体自身属性， 信息层节点出度通常大于或等于节点入度， 即信息的应用场景相对于信息的来源情况是更复杂的， 一类节点可应用于不同的事项， 但其来源往往是特定的， 且在桑基图成图过程中， 将左侧节点设置为流通通路的起始节点， 也会优先布局左侧支流结构的分布， 因此右侧会呈现相对更混乱的特征， 但也可发现， 大多数类别的信息仍是对应特定的部门。结合数据分析发现， 除身份证、机动车驾驶证等证件外， 大多数信息的应用率较低， 应用范围也较窄， 信息所面向的部门比较单一， 例如深圳市平台有关海域使用的相关信息均对应于Ｈ（规划和国土资源部门），武汉市平台对动物防疫信息的需求部门均为农业农村部门， 长春市平台导游信息的需求部门均为文体旅游部门。因此， 大多信息的应用场景和实施部门都比较单一， 在桑基图的分布上看， 呈现出一定的规律性特征。

２） “平台” 大块信息仅对应一类服务事项

智慧政务信息协同平台是政务服务的承载、中介与依托， 政务信息协同平台的城际分野现状可以通过政务服务的创建、分配和跟踪来进行分析， 其关联效应旨在从整体上把控“平台” 层服务之间的交互与影响， 对深圳（蓝色）、武汉（橙色）、长春（绿色）平台层间服务的流动量情况进行可视化展现， 如图１７、图１８ 所示， 经对比可以发现， 图１８事项类型节点明显增多， 但核心服务与图１７ 非常相近， 如社会保障、住房保障、证件办理、职业资格、出入境等， 可见这些服务类别在各个城市都是非常核心的事项。从颜色分布来看， 不同城市平台所提供的服务对于信息的需求程度是不同的， 从图１７中能够更清晰地看出各类服务对信息种类的需求情况对比， 以社会保障和住房保障为例， 此两类服务对信息种类的需求程度以长春市最为突出， 而对于证件办理类服务， 则以深圳市最为突出。

从“平台” 服务类别与“信息” 类别的对应情况来看， 依然呈现大块信息仅对应同一类别的现象， 相较于深圳市平台， 长春市、武汉市这一现象更为明显， 即不同平台大类所对应的信息种类也是不同的， 很多信息都被分割成了小部分内容， 而大多数服务类别主要由此种特性的信息支撑， 可见，当前平台信息之间的协同状态不甚理想， 各类模块的办理所涉及的信息大都与平台服务类别紧密相关，在不同平台之间的通用性较弱。而通用性强的信息尚未成为各类事项办理的主流信息。

２.２.５ 信息协同度城际分野现状

１） 信息结构协同度普遍偏低

结构协同度表征支撑起各类政务服务的各类信息的构成以及分布状态， 通过对比发展状况不同的城市信息结构协同度值， 能够了解政务服务建设下政务信息与事项之间结构对应状态的演变趋势， 评估城市的发展状态， 对深圳市、武汉市和长春市的信息结构协同度相关指标进行测算后， 所得结果如表５ 所示。

以同规模随机网络结构熵与同规模星型网络结构熵为标准范围， 对深圳市、武汉市和长春市政务服务信息结构协同性测度， 发现深圳市信息结构协同度最高， 信息协同网络结构熵也最高， 可推断信息结构的发展是一个熵增的过程， 也是一个趋于混乱和复杂的过程。

各市所得星型网络是对全部信息节点进行简化，是面向该市全部事项的网络——星型网络结构熵的计算。因此， 相应城市的星型网络所对应的正是该市事项类别的复杂程度， 也可发现随着智慧政务的不断建设， 事项类别也趋于“混乱”， 在现实情况中， 即表现为事项大类的不断细化， 事项类别的名称设置更为精准化。

２） 信息路径协同度城际差异较大

信息路径协同度表征信息协同过程中各信息主体之间所形成的连通渠道的宏观表现， 通过对比不同城市的信息路径协同程度， 能够了解参与和办理各类政务事项的“人” 之间所形成的信息连通路径的运行状态， 以同规模随机网络结构熵与同规模线型网络结构熵为标准范围， 对深圳市、武汉市和长春市政务服务信息结构协同性进行测度和对比分析， 计算得出测度指标值如表６ 所示。

通过表６ 可以看出， 深圳市信息路径协同度最高， 由此推断， 信息路径的发展也是一个熵增的过程， 当协同渠道越丰富， 路徑相应会更为复杂， 这与现实情况是相吻合的。长春市路径运行熵与其相同规模随机网络结构熵相比差距较大， 主要原因仍然在于其“人” 层节点信息供给主体的缺乏， 在所收集到的数据中仅有三类信息主体作为信息供给方存在， 导致其路径来源节点单一， 故而所得信息协同网络路径运行熵极低， 但推测其现实情况中的路径协同度应略高于所得结果。整体来看， 信息的路径协同度也同样随着智慧政务的建设而呈上升趋势。

３） 信息场景协同度各市测度值较高

信息场景协同度是从场景应用的角度对信息在各类应用场景中的协同状态的刻画， 通过信息场景协同度的城际对比， 可以了解智慧政务建设过程中各类场景中可协同信息的变化情况和分布现状， 基于对深圳市、武汉市和长春市网络场景质量熵、同规模随机网络质量熵以及同规模星型网络质量熵的统计， 可分别得出各市的信息场景协同度， 如表７所示。

通过表７ 可以看出， 各市信息场景协同度测度值均表现较优， 但深圳市依然表现最佳， 信息场景协同度随着政务服务智慧化的建设也呈现熵增趋势。熵增意味着混乱度的提高和复杂度的上升， 对于场景质量熵来看， 政务服务不断完善， 所面向的应用场景更加繁复， 同时也对应了更为繁杂的信息， 从理论上分析， 熵增亦是必然趋势。纵向对比来看，深圳市的随机网络、星型网络计算所得网络质量熵均为最高， 也可见深圳市的网络情况最为复杂。但场景质量熵的熵增并不意味着事项与信息对应状态更为混乱， 基于横向数据对比可以发现， 各城市同规模随机网络的质量熵均高于同规模星型网络的质量熵， 深圳市最为接近同规模随机网络， 即深圳市当前的政务信息在应用场景方面是最为贴近事项—信息层间交互的理想状态的。

４） 超网络信息协同度与城市智慧政务建设水平呈现正相关

信息协同度综合了信息结构协同度、信息路径协同度以及信息场景协同度的测度指标， 是综合考虑信息支撑政务服务内在结构、渠道建设以及场景应用多方面后对政务信息协同宏观状态的评价指标，对比深圳市、武汉市、长春市的指标测度值， 如表８所示， 发现随着政务服务的发展和建设， 建设程度更加完善， 发展状态位列前沿的城市的协同度值更高， 该指标与城市政务服务发展水平的评估结论相吻合。

分析发现， 随着政务数字化的不断建设和发展，政务信息协同呈现一种“熵增” 的趋势， 信息协同是向着一种复杂且混乱的方向演变的， 这也符合各类系统的自然演变定律。综合前文的分析， 信息协同网络呈现熵增的主要原因在于， 政府在追求智慧化的过程中， 是通过信息关联、协同过程的复杂化， 来实现服务的精简化， 也就是常说的“数据跑腿代替群众跑腿”。不断加强、完善信息之间的关联， 以信息世界的复杂化实现人类世界的精简化。

综上， 当前信息协同四要素建设现状的城际差异仍较显著， 且在某些特征上呈现出信息协同发展过程中的一些特质， 主要包括信息协同建设过程中， “人” 层核心信息主体带动边缘信息主体信息协同建设， 使得主要枝干中的节点与连边不断丰富，但随着网络的规模越大， 节点之间链接的成长速度赶不上网络规模的增长速度， 信息协同效率普遍较低。当前， 大多数“事项” 大类之间存在共用信息，但共用频度较低， 各类事项的信息需求量较高， 且所需信息种类城际差异较大。“信息” 整体利用率的高低与城市智慧化水平息息相关， 主要差异在于团簇间链接的紧密度。从宏观层面来看， 随着政府数字化建设、信息协同网络整体呈现熵增的趋势，即信息间关联更趋复杂， 不同城市信息协同场景建设差异度不大， 而信息协同路径的丰富度具有较为显著的差异； 信息协同结构城际差异较小， 但各市测度值较低； 信息结构复杂度较低， 大量一次性信息的存在导致目前信息网络中包含较多单一关联的信息结构。结合宏观视角分析发现， 信息协同建设“事项” 场景建设已初见成效， 当前普遍需要在“信息” 层更多地构筑信息间关联， 起步较晚的城市需要优先关注打通部门间信息协同路径， 丰富“人”层网络的信息协同渠道。

３ 智慧政务信息协同建设的发展策略研究

３.１ 以“人”层主体需求为导向， 辐射智慧政务之业务协同

根据前文“人” 的子网边权分布分析可以发现，“人” 层网络各节点间呈现“强强联合”， 核心节点同时具有较强的节点影响力和关联影响力。因此，各市在推进信息协同建设起始阶段， 需首先关注处于核心层的节点的信息协同状态， 以核心节点的突出问题为入手点， 优先在核心政务部门推行改革方案建设试点， 利用其广泛的节点影响力带动其他部门的协同建设。当前， 智慧政务信息协同需求主体端以高校、公共服务机构以及企事业单位为主， 需求相对稳定。因此， 政府可以以服务需求、效率需求、安全需求、创新需求为导向， 先进行基础数据及基础设施的共享与融合， 再延伸到供给端， 丰富、畅通信息供给的渠道。

基于优化后的主体需求调整供给端， 以点对点的模式对接为主体导向， 深入解决互联互通难和资源共享难的问题， 利用技术完善信息协同系统， 加强供给端信息的标准化输入， 加强信息的统筹利用，搭建平台盘活信息资源， 基于信息协同应用场景进行信息精准协同， 以需求为导向， 让信息资源实现有效的公开、共享和利用， 从而实现信息协同。

另外， 重点关注核心层主体之间的关联， 优先提供解决方案。例如， 深圳市规划与国土资源部门和公安部门之间联系紧密， 但信息类别复杂， 在智慧政务建设过程中， 需要重点关注二者之间的问题， 优先解决两者相关政务服务流程优化、业务系统的统筹整合和集约利用、推动部门联动、提升业务协同和数据共享积极性等问题。基于信息协同路径熵的计算可得， 城市的智慧化建设水平与信息协同路径的丰富度呈正相关关系。因此， 在实际操作中， 可以通过局部优化带动整体优化的方式丰富和拓宽信息协同路径， 通过对核心链接两端“人”层主体的优化， 更高效地实现智慧政务效率的大幅提升。

３.２ 以“事项”层服务场景为依托， 提升并摆脱政务资源“重用性”与“一次性”

基于信息协同场景熵的计算发现， 随着政务服务智慧化水平的提升， 信息協同场景呈现熵增的状态， 也就是应用场景更加繁复。在事项大类划分城际差异较大， 且事项类型又不断复杂化的背景下，信息的分布也会相对离散化， 因此需要对离散性信息进行整合。首先， 基于信息的场景相似度分析，发现关联性较强的事项类别， 对比分析事项间相近的信息内容， 提取事项场景所需信息的特征集， 进行相似事项的信息特征分析。其次， 展开相似信息标准化替换， 基于代表性信息构建标准， 对与其相似度较高的信息进行对比， 对复杂多变的信息进行信息的标准化替换， 从信息层入手精简信息协同需求。最后， 面向场景应用整合政务资源， 对于申请材料相近的事项可以推动一证多用， 将相似度高的事项办理结果合而为一， 提升新产出信息的可利用价值。

研究发现， 许多事项之间是存在可共用的信息的， 但此类信息并未在事项办理中占据主流。由于信息种类数量庞大， 为提升优化效率， 可根据信息加权度与信息节点度的对比识别出事项内部的代表性信息， 以核心信息为抓手， 例如深圳市出入境类事项中最常出现的“外国人签证证件申请表”， 将与其共同出现在同种事项中的信息进行内容比对和关联， 梳理出其中的独特性内容， 并标注与其他信息中的重复性内容， 提取其中的可关联元素， 搭建起由信息项与信息关联构成的， 面向事项办理需求的信息资源框架， 提升信息的可重复利用性。

同类事项之间往往存在着更多相近的政务需求，从信息细粒度层面更容易发现可重复利用的政务项资源。例如， 在住房保障事项大类所涉及的信息中，通常需要包含不同领域的业务申请表， 但申请表中部分信息具有较高重复度， 对此类共性信息进行信息发掘和统一调配， 能够很大程度减少信息的重复收集， 并且实现相近信息的整合， 精简含有大量冗余内容的“一次性” 政务资源。

３.３ 以“信息”层关联规则为依据， 构建细粒度政务元数据

在政务服务智慧化的过程中， “信息” 之间的关联也呈现一种“熵增” 的趋势， 信息关联、协同过程也在向着复杂化的方向发展， 需要通过复杂的信息关联来实现服务的精简化。因此， 对于信息主体， 需要不断完善信息之间的链接， 从信息特征抽取、标准化与关联３ 个方面入手， 推進信息的关联规则建设。

政务服务所需要的信息资源总量庞大， 各类信息所发挥出的价值差距较大， 从前文信息节点分析和均值分析指标信息来看， 政务服务实际办理过程中的信息具有较强集群特征， 主要原因在于， 在不同类别事项办理过程中， 对信息的需求具有一定事项类别特色。因此， 可根据节点的适配性和契合度特征， 以及信息的集聚特征， 构建信息细粒度的政务元数据。例如面向不同类型事项的各类型登记申请书， 存在大量目的相近而内容相异的信息， 形成了数量庞大而内容繁杂的信息材料集群， 给信息协同带来较大阻碍。利用当前已经存在的集群效应，从群落入手， 整理出群体信息的元数据， 或能在一定程度上降低信息的复杂性， 提高协同效率。根据核心节点的统计分析推断， 当前政务服务需求量较大地集中于住房保障相关事项， 从关键节点入手，对于改善政务服务信息资源协同水平效果也将更为显著。

３.４ 以“平台”层级连效应为目标， 优化智慧政务权限

在前文宏观网络测度中， 平台协同度和平台路径协同度都已呈现较好的发展态势， 而平台结构协同度亟需被关注。基于平台协同结构熵的计算可以发现， 随着政务数字化的不断建设和发展， “平台”服务之间的关联也呈现一种“熵增” 的趋势， 可见，在政务服务智慧化过程中， 信息关联、协同过程也在向着复杂化的方向发展， 即通过复杂的信息关联来实现服务的精简化， 用数据“跑腿” 来代替群众“跑腿”。

平台层间关联节点之间会具备级联效应， 当一个节点产生变化时， 会带动其他节点的相应改变。综合“人” “事项” “信息” “平台” 各主体层间关系来看， “信息” 由“人” 提供给“事项” 并反馈到“平台”， “事项” 如同网络中的路由， 既能为信息的流向提供方向性指引， 又能为“平台”的决策提供依据。首先， 在“人” 经由“平台”中的各类事项检索信息的各个阶段， 根据超度与超边特征分析， 发现“信息” 在“人” “事项” “平台” 层间流动的对应关系复杂， 且权重差距悬殊，通过推进重要节点相关信息采用面向事项类型的权限公开， 能够简化平台服务所对应的信息的采集过程。其次， 在“信息” 自“事项” 层流向“人” 层节点的阶段， 根据超度与超边特征分析， 发现信息由“平台” 流向“人” 层节点时， 具有一定的类型对应特征， 对于较强的关联关系， 利用路由的信道优化原理， 发掘其中的强信息关联通道， 可以推进事项流程的简化， 于平台层级建设、机构设置及人员配置等环节开展相应工作； 最后， 从保障措施方面提出完善组织体系、加强部门协作以及建立评价机制３ 个方面来推动智慧政务权限的优化。

４结语

本文基于超网络理论对智慧政务信息协同现象进行模型化抽象， 实现了对现实中城市智慧政务信息协同建设现状的量化分析和对比。首先， 基于超网络理论， 根据信息协同“人” “事项” “信息”“平台” 四要素， 以及要素与要素之间的关联关系，对子网间的超边含义进行映射分析， 抽象出网络超边， 以超边链接各子网络中的主体， 实现子网耦合，构建智慧政务信息协同超网络模型， 并且结合网络模型分析指标， 解析智慧政务信息协同超网络的测度原理。其次， 对当前智慧政务建设处于头部、中部和尾部的城市展开分析， 对比分析各市的信息协同现状及异同， 分别对深圳、武汉、长春三市中的“人” “事项” “信息” “平台” ４ 类实体的基本特征进行描述性统计分析， 构建各市智慧政务信息协同超网络模型并展开对比。

通过对各类要素及要素间关联各项指标的测度，发现对于“人” 要素来说， 其核心主体类别相近，但各市核心主体的信息供需量差异较大， 且“人”层主体呈现较为明显的分层特征， 并且核心层向外边缘非核心层具有一定的辐射作用， 但整体来看，各市“人” 层主体的信息协同效率仍然是普遍偏低的。对于“事项” 要素来说， 大多数事项类别之间存在共用信息， 但是共用频度比较低， 各类事项信息需求量较高， 所需信息种类城际差异较大， 即不同城市办理同类事项所需信息种类有较大差异。对于“信息” 要素来说， 信息网络具有较为明显的团簇特征， 且团簇间链接的紧密程度城际差异较大，整体来看， 信息的整体利用率水平直接影响城市的智慧化水平。对于“平台” 要素来说， “平台” 层的信息协同关系有助于城际之间跨域共享， 但基于数据分析发现平台层支流结构单一， 且大块数据仍然只对应于某一类事项， 这表明信息的共享程度仍然较低。基于宏观指标分析发现， 智慧政务信息协同超网络呈复杂化趋势， 即指标所测得的“熵增”，意味着信息协同建设是“人” “事项” “信息” “平台” 四要素内部及其之间的联系不断丰富， 更趋复杂的过程， 也是“以数据跑腿代替群众跑腿” 的量化体现。

根据各类要素所展现的特征， 提出了相应发展策略建议： 面向“人” 层主体以需求为导向， 基于核心节点分层推进信息协同建设， 不断丰富信息协同路径； 面向“事项” 主体采取优化流程精简冗余， 摆脱“一次性” 信息依赖； 面向“信息”主体主要通过深入信息内容层面， 加强信息关联规则建设， 构建细粒度政务元数据， 并且充分发挥各层之间的级联效应， 推进信息权限开放和信道优化。面向“平台” 层主体， 加强数据规范化， 进一步丰富可跨事项使用的数据类型， 充分发挥平台的共享机制， 推进政务服务信息协同规范化和高效化。综上， 本文揭示了当前智慧政务建设不同层次水平城市的政务信息协同现状， 以此解析我国当前智慧政务建设状态以及薄弱之处， 为精准把控智慧政务信息协同建设的目标和方向， 促进智慧政务的发展建言献策。