北京市土地利用網絡群體智能涌現研究

韓 璐，鄭新奇，謝俊奇,3

（1. 浙江財經大學不動產研究所，浙江 杭州 310018；2. 中國地質大學（北京）土地科學技術學院，北京 100083；3. 北京市國土資源局，北京 100013）

北京市土地利用網絡群體智能涌現研究

韓 璐1，鄭新奇2，謝俊奇2,3

（1. 浙江財經大學不動產研究所，浙江 杭州 310018；2. 中國地質大學（北京）土地科學技術學院，北京 100083；3. 北京市國土資源局，北京 100013）

研究目的：分析北京市土地利用中不同群體認知關鍵詞及其邏輯結構關系，并挖掘網絡涌現出的土地利用群體智能。研究方法：利益相關者理論，鏈接結構分析方法中HITS算法。研究結果：關于北京市的研究表明，（1）專家群體的權威關鍵詞是土地退化，中心關鍵詞是遙感監測；（2）政府群體的權威關鍵詞是土地利用管理，中心關鍵詞是土地用途管制；（3）公眾群體的權威關鍵詞是集約高效用地，中心關鍵詞是城市空間規劃。研究結論：一方面各個群體通過發表各自關于土地利用問題的見解和觀點產生相互影響，從而涌現出群體智能；另一方面各個群體對土地利用問題的認知存在著不一致性，而這種不一致性推動了不同群體更深層次的互動，這也是產生網絡群體智能涌現的驅動力。建議政府更加重視公眾參與，并有效地利用互聯網引導公眾輿論導向。

土地利用；群體智能；關鍵詞；HITS算法；互聯網；土地利用

隨著經濟的不斷發展和城市規模的逐漸擴大，北京市土地利用在土地供給壓力，耕地和基本農田保護，城鄉區域間用地結構和布局，節約集約用地能力，國土資源綜合治理和生態基礎設施建設力度，土地管理機制等方面存在諸多問題。土地利用涉及多方利益群體，隨著互聯網技術的快速發展，網絡提供了讓所有群體充分表達意愿和互動交流的平臺。因此，借助網絡這一龐大的資源，挖掘不同群體對北京土地利用問題的認知和關注熱點，可以為有針對性地解決土地利用問題提供決策參考。而如何挖掘網絡中不同群體對于北京市土地利用問題的關注點是本文的研究重點。

近年來，土地利用群體分析的方法研究取得了一定的成果，主要集中在以下3個方面：（1）定性的參與式調查分析方法。包括快速農村評估方法（RRA，Rapid Rural Appraisal）或參與式農村評估法（PRA，Participatory Rural Appraisal），主要是采取實地走訪和調查的手段[1]。（2）定量的數理模型方法[2-3]。（3）定性與定量相結合的方法[4]。但是，上述分析方法存在著一些局限性：首先，數據獲取多數采用問卷調查、訪談等手段，需要耗費較大的人力、物力和財力，且得到的數據受外在因素影響較大，部分受訪者不能真實的表達自己想法；其次，無法更好地掌握不同群體的觀點傾向及其交互關系。由此，本文提出依托復雜而看似無序的互聯網，找到不同群體關于土地利用問題的言論和見解，并通過研究不同群體互動而涌現的群體智能，進行土地利用群體的關注點分析。

群體智能（Swarm Intelligence，SI）是20世紀 90 年代以來，許多學者通過觀察蟻群、蜂群、魚群等社會性動物，對其自組織行為進行數學建模和計算機仿真實驗而產生的[5]。群體智能是指具有簡單智能的個體通過相互協作和組織表現出群體智能行為的特性，具有天然的分布式和自組織特征[6-7]，同時也表現出非線性和涌現的系統特征[8]。群體智能的涌現研究都與開放的復雜巨系統有關。互聯網作為一個快速發展的開放的復雜巨系統，為研究土地利用中不同群體及其關系提供了豐富的資源。網絡群體智能的涌現研究具有面向對象的廣泛性、研究問題的多元化、深入性等特點，同時群體智能方法易于實現，具有較強的可操作性。因此，土地利用中網絡群體智能的涌現研究具有十分重要的理論和現實價值。

1 土地利用中網絡群體的界定

根據利益相關者理論，土地利用中利益群體類型較多，主要包含專家、政府、社會團體、個人等在內的不同群體。其中，專家主要指土地利用及相關學科的科研人員，他們的研究成果會成為制定土地利用規劃與政策制定的依據。政府主要包括中央政府，省、市、縣等各級地方政府以及國土和其他相關管理部門，他們是土地利用規劃和政策的決策者、組織者與執行者。公眾是指與公關關系主體有利益關系并相互影響的組織、群體或個人[9]，主要包括農民、城市居民、企業以及非營利組織等，土地政策的制定與調整、土地資源的分配與利用等方面的問題都與其生活和生產方式密切相關[10]。因此，本文將土地利用中網絡群體分為專家群體、政府群體和公眾群體。

需要說明的是，網絡上的公眾因受年齡、文化程度、階層、數量、代表性、觀點可靠性、地域經濟發展水平等多方面的影響，具有一定的局限性，并不是完全意義上的公眾，從公眾群體總體分布看，是一個偏態分布。因此，本研究需進一步對公眾群體進行界定。

按照公眾關系學的基本思想和觀點，把公眾分為非公眾、潛在公眾、知曉公眾和行動公眾4類[9]。互聯網中的公眾是以知曉公眾和行動公眾為主，對組織起到主要的影響力。就北京市土地利用問題來看，網絡中的知曉公眾和行動公眾對北京市土地利用易產生重要影響，而不上網的公眾因受年齡、文化程度、地域等限制，對北京市土地利用影響較小，以潛在公眾為主。此外，因網絡中公眾選擇是隨機進行的，在一定程度上可當作正態分布。因此，本文中公眾群體主要是指網絡中的知曉公眾和行動公眾。

根據上述群體的界定，在互聯網上可以找到3個群體關于土地利用某個熱點問題的不同形式的發言和討論。不同群體關注的土地利用熱點問題是用關鍵詞的形式表現。專家群體的發言和討論一般以學術論文的形式表現出來的研究成果，因此，可以通過學術論文數據庫檢索的途徑來獲取專家認知關鍵詞。政府群體的發言和討論一般在政策、法規和措施等形式表現，因此，可以通過查詢相關的政府官方網站關于土地利用的政策、法規和措施等獲取并提煉政府認知關鍵詞。公眾群體的發言和討論比較分散，界定有一定難度。本文以在博客、論壇等公開發表的言論和話題為表現形式，因此，可以借助各種搜索引擎，對關注的土地利用熱點問題進行網頁跟蹤和統計，從而獲取和提煉公眾認知關鍵詞。

2 土地利用中網絡群體智能涌現的分析方法

在互聯網中，3個群體的觀點和見解可以用關鍵詞的響應關系來表達，即群體認知有向屬性圖。通過對認知有向屬性圖的分析，可以得到各個群體關注的重點，以及他們之間的影響關系，這就擴大了群體共同認知的匯集，從而涌現出群體智能[8]。

本文采用鏈接結構分析方法中的HITS算法。它的核心思想是對權威（Authority）網頁和中心（Hub）網頁兩個方面的權威程度進行評價。每個網頁都具有兩個屬性值，即Authority值和Hub值（圖1、圖2）。Authority值表示一個權威網頁被其他網頁引用的次數，即該權威網頁的入度值（權威度）；Hub值表示一個Web網頁指向其他網頁的數量，即該Web網頁的出度值（中心度）[11]。

圖1 權威網頁有向屬性圖Fig.1 The link-structure fi gure of authority page

圖2 中心網頁有向屬性圖Fig.2 The link-structure fi gure of hub page

本文中各個群體在討論某一熱點主題時，某一觀點會與其他主題產生交互，即一個主題對其他主題產生響應關系。這種響應關系可能是引用、評價、從屬等關系。根據網絡群體的界定，熱點主題是通過關鍵詞來表現。這說明不同群體的認知關鍵詞之間存在著邏輯結構關系，即一個關鍵詞在被其他關鍵詞響應的同時還會響應另外一些關鍵詞。每個關鍵詞的兩個屬性之間存在一種彼此加強的關系。隨著時間的推移，見解質量高的發言會有越來越多的響應或者評價，而具有高質量響應的發言也會評價越來越多的高質量見解，見解質量高和高質量響應二者彼此加強，形成正反饋效應[12]。這與HITS算法中權威網頁和中心網頁之間的關系類似。因此，本文采用HITS算法進行群體認知關鍵詞的分析。根據HITS算法，計算公式如下：

式1—式2中，a（n）表示關鍵詞n的見解響應質量Authority值，記錄被其他關鍵詞響應的關系屬性；h（n）表示關鍵詞n的見解響應數量的Hub值，記錄響應其他關鍵詞的關系屬性。a（n）和h（n）的單位均為記錄響應的次數。k表示迭代次數，初始值a（0）（n）和h（0）（n）均為1，n→m表示關鍵詞n響應了關鍵詞m。

通過迭代計算，更新a（ ）值和h（ ）值。為了使數據表達更加直觀且避免數據溢出，在每次迭代后，對a（k）（n）和h（k）（n）作規范化處理，公式如下：

具體的計算步驟為：

（1）根據有向屬性圖構建響應關系矩陣A。如關鍵詞i響應了關鍵詞j，則Aij= 1，否則Aij= 0；

（2）進行迭代計算。設定Authority值和Hub值的向量，Authority值的向量用a = （a1，a2，…，aN）T表示，Hub值的向量用h = （h1，h2，…，hN）T表示，兩個向量初值均為（1，1，…，1）T。根據式1和式2，得到向量演變公式a = ATh和h=Aa，將其代入進行迭代計算，在每次迭代后，代入式3和式4進行規范化處理；

（3）a（ ）值和h（ ）值收斂于矩陣ATA和AAT的主特征向量，即收斂于某個主題提煉的關鍵詞的群落[8]；

（4）將計算得到的Authority值和Hub值進行排序，進而得出不同群體對土地利用問題的關注點及其邏輯結構關系，挖掘出土地利用群體智能信息。

3 土地利用中各個群體認知關鍵詞及其邏輯結構關系

3.1 專家群體認知關鍵詞及其邏輯結構關系

在CNKI學術論文數據庫中，檢索到主題為“北京”和“土地利用”的文獻1129篇，主題為“首都”和“土地利用”的文獻142篇。將兩次檢索到的文獻進行合并和整理，剔除重復、不相關和時效性較差的文獻。對關鍵詞進行整理，并記錄每個關鍵詞的引用次數。通過閱讀和分析相關文獻，將意義相同或相似的關鍵詞合并，并剔除不相關或不具時效性的關鍵詞，即獲得專家群體的認知關鍵詞（表1）。

通過對專家群體文獻的分析，找出關鍵詞之間的邏輯結構關系，并繪制成認知有向屬性圖（圖3）。在專家群體的認知關系中，每一個節點表示專家發言或討論的一個主題，每一個節點都由見解質量和數量兩個屬性值組成[13]；每個主題對其他主題的響應或者評價關系用有向箭頭表示。圖3是一個具有因果關系的網絡結構圖，這種邏輯結構關系主要是依據關鍵詞引用次數的排序（表1），并綜合考慮文獻之間的相關度、關鍵詞之間的因果關系等因素得到的。

3.2 政府群體認知關鍵詞及其邏輯結構關系

政府的認知關鍵詞一般從政府網站獲得，首先根據研究主題在相關的政府網站上找出相應的政策、法規和措施等，然后把這些政策、法規以及措施的關注點提煉為政府群體的關鍵詞[14]。本研究中的政府認知關鍵詞主要來源于北京市國土資源局及其各區縣分局、土地整理儲備中心等事業單位的網站，通過檢索和整理，得到政府網站上公布的關于土地利用方面的法律、法規、規章、規范性文件等134個。通過閱讀和分析文件，概括提煉出關鍵詞，然后將相同或相似的關鍵詞合并，剔除不具有時效性的政策法規中的關鍵詞，并記錄其出現次數（表1）。

通過對政府頒布的政策、法規和措施等文件的分析，找出關鍵詞之間的邏輯結構關系。將各個認知關鍵詞的關系用節點和有向箭頭來描述，并參考圖1和圖2的規則和結構，繪制成認知有向屬性圖（圖4）。政府頒布的措施、政策和法律法規中存在層次包含關系，關鍵詞表示政府需要解決的問題和工作。這種邏輯結構關系也是依據關鍵詞引用次數的排序（表1），并綜合考慮文件之間的相關度、關鍵詞之間的層次關系等因素得到的。

表1 三個群體的認知關鍵詞及其引用次數Tab.1 The keywords and times cited of three groups

圖3 專家群體認知關鍵詞有向屬性圖Fig.3 The link-structure fi gure of expert groups

圖4 政府群體認知關鍵詞有向屬性圖Fig.4 The link-structure fi gure of government groups

3.3 公眾群體認知關鍵詞及其邏輯結構關系

在互聯網中，利用google、百度、搜狗等搜索引擎，從論壇（搜狐焦點網、搜狐圈子、百度貼吧、搜房網等）和博客（新浪博客、搜狐博客、百度空間等）中，搜索到關于北京土地利用的相關發言和討論。按照搜索引擎的焦點排序方式，對主題的搜索已綜合考慮相關性和時效性，即搜索主題最相關且最近的結果排在最前，因此，本文中主題檢索也是按照這一排序進行整理的。由于互聯網中的公眾觀點較為分散，在對上述搜索出的論壇和博客跟蹤和研究的基礎上，采用SEO工具對相關網站進行關鍵詞分析。然后，根據分析結果，對這些關鍵詞的轉載和回復次數進行統計與分析，最終總結和提煉出公眾群體的關鍵詞及其出現次數（表1）。

通過對公眾言論的分析，找出公眾群體認知關鍵詞之間的邏輯結構關系。同理，將公眾群體認知關鍵詞繪制成認知有向屬性圖（圖5）。公眾的言論之間存在著贊同、反駁等關系，關鍵詞表示公眾群體回應比較熱烈的熱點問題。這種邏輯結構關系是依據關鍵詞引用次數的排序（表1），并綜合考慮觀點之間的相關度、關鍵詞之間的結構關系等因素得到的。

圖5 公眾群體認知關鍵詞有向屬性圖Fig.5 The link-structure fi gure of public groups

4 結果與分析

在上述3個群體認知關鍵詞的邏輯結構分析的基礎上，根據第2部分的公式和計算步驟，對各個群體認知關鍵詞的a（ ）值和h（ ）值進行迭代計算。這里的迭代計算以專家群體為例，用矩陣形式表示的第1次迭代計算過程如下。

再將第1次迭代結果根據式3和式4進行規范化處理，得到規范化后的第1次迭代結果。按照此方法繼續進行迭代計算，直到收斂為止。同理，可以得到政府群體和公眾群體的認知關鍵詞的a（ ）值和h（ ）值。本文中，數據在進行到第5次迭代后收斂，各個群體的a（ ）值和h（ ）值的迭代計算結果見表2。

（1）專家群體中，a（ ）值排在前4位的為：土地退化（E3）＞土地利用規劃（E12）＞土地利用/覆被變化（E2）＞可持續發展（E14）。h（ ）值排在前4位的為：遙感監測（E4）＞評價（E13）＞生態服務價值（E7）＞可持續發展（E14）。這說明在專家群體認知關鍵詞中，入度值最大的關鍵詞是土地退化，屬于權威關鍵詞，其次是土地利用規劃、土地利用/覆被變化和可持續發展；出度值最大的關鍵詞是遙感監測，屬于中心關鍵詞，其次是評價、生態服務價值和可持續發展。由此可見，專家群體最關注且最想解決的問題是土地退化問題，同時對土地利用規劃、土地利用/覆被變化、可持續發展等問題也較為關注，而認為解決土地退化問題最有效的方法是遙感監測，其他方法是評價、生態服務價值和可持續發展。專家群體的特點是傾向于分析問題產生的原因、機理，探尋內在的規律性，并提出解決問題的方法、措施及政策建議。從上述分析結果和相關研究成果可以看出，研究偏重于土地退化，特別是退化發生機制方面的研究。土地退化研究內容主要包括土壤侵蝕、土地荒漠化、鹽漬化等，而研究多采用“3S”技術，特別是遙感技術，對土地退化進行監測。因此，通過遙感監測來解決土地退化是專家群體最為關注的問題。

表2 三個群體關鍵詞響應屬性值的迭代結果Tab.2 The iteration results of response property values of three groups

（2）政府群體中，a（ ）值排在前4位的為：土地利用管理（G8）＞節約集約用地（G11）＞土地權屬登記（G2）＞土地違法違規行為（G13）。h（ ）值排在前4位的為：土地用途管制（G5）＞土地利用總體規劃（G12）＞土地開發整理（G15）＞城鎮國有土地使用權出讓（G7）。這說明在政府群體認知關鍵詞中，入度值最大的關鍵詞是土地利用管理，屬于權威關鍵詞，其次是節約集約用地、土地權屬登記和土地違法違規行為；出度值最大的關鍵詞是土地用途管制，屬于中心關鍵詞，其次是土地利用總體規劃、土地開發整理和城鎮國有土地使用權出讓。由此可見，政府最關注且工作的難點問題是土地利用管理，同時對節約集約用地，土地權屬登記和土地違法違規行為等問題也較為關注，而政府在土地利用管理中最需要進行土地用途管制，同時也需要土地利用總體規劃、土地開發整理和城鎮國有土地使用權出讓。政府作為土地利用的管理者，最為關注的是采用何種手段來提高和完善土地利用管理水平，而用途管制是土地利用管理必須遵循的原則和前提條件。因此，建立基于用途管制的土地管理制度是政府關注的焦點問題之一。這也符合十八屆三中全會中提出的土地管理制度改革的新要求。

（3）公眾群體中，a（ ）值排在前4位的為：集約高效用地（P2）＞國有土地使用權流轉（P5）＞人居環境（P9）＞房地產價格調控（P3）。h（ ）值排在前4位的為：城市空間規劃（P1）＞土地利用總體規劃（P4）＞國有土地使用權流轉（P5）＞房屋拆遷補償與安置（P10）。這說明在公眾群體認知關鍵詞中，入度值最大的關鍵詞是集約高效用地，屬于權威關鍵詞，其次是國有土地使用權流轉、人居環境和房地產價格調控；出度值最大的關鍵詞是城市空間規劃，屬于中心關鍵詞，其次是土地利用總體規劃、國有土地使用權流轉和房屋拆遷補償與安置。由此可見，公眾討論最多的問題是集約高效用地，同時對國有土地使用權流轉、人居環境和房地產價格調控等問題也較為關注。而認為解決集約高效用地需要進行城市空間規劃，其他解決辦法是土地利用總體規劃、國有土地使用權流轉和房屋拆遷補償與安置。公眾是這3個群體中比較活躍的群體，他們傾向于關注解決土地利用問題的具體措施和政策。根據上述分析結果可以看出，公眾群體最為關注的土地利用問題是如何提高用地效率，而認為實施城市國土空間規劃，對未來北京土地資源優化配置，節約集約用地具有重要意義。近年來，北京市出臺了相關的城市國土空間規劃政策。2009年12月，北京市政府頒布《北京市土地利用總體規劃（2006—2020年）》，提出構建“三圈九田多中心”土地利用格局；2012年7月，北京市政府發布《北京市主體功能區規劃》，首次設立禁止開發區域，要求嚴格保護耕地，引導各功能區域的差異化發展。這些規劃引起了公眾群體的高度關注和討論。因此，通過上述規劃來解決集約高效用地，是當前公眾群體最為關注的問題。

5 結論和建議

（1）專家、政府、公眾3個群體存在相互影響的關系，并通過網絡互動涌現出群體智能。這3個群體中，專家群體提供了較為理性的分析見解和觀點，為政府在土地利用管理提供理論依據和決策支持；政府群體在制定土地利用管理制度和政策過程中，常常需要考慮公眾的意見；公眾在關注土地利用問題過程中，參與到政府政策的制定和實施當中。

（2）專家、政府和公眾3個群體在某些方面的關注是有共鳴的，但是關注的重點存在差異。專家最關注通過遙感監測解決土地退化問題，政府最關注通過土地用途管制解決土地利用管理問題，公眾則認為通過城市空間規劃解決集約高效用地問題。這體現了網絡系統中各個群體對土地利用問題認知存在不一致性，而這種不一致性推動了不同群體更深層次的互動，這也是產生網絡群體智能涌現的驅動力。

（3）上述分析中發現，政府在實際制定制度和政策時，對公眾參與考慮不夠，這樣易造成公眾對政府的不理解或不滿情緒，影響政策的執行和社會的穩定。因此，政府應更加重視公眾參與，并有效利用互聯網平臺（如政府微博）引導公眾輿論導向。

（4）隨著利益群體的多元化和技術的不斷發展，對于如何擴大群體范圍，增強交互式群體智能的涌現，以及群體智能由靜態向動態研究發展將是今后研究的重點方向。

（References）：

［1］張紅，王曉軍，賈寧鳳，等.基于多利益相關者視角的耕地利用與保護研究［J］.干旱區資源與環境，2012，26（2）：126-131.

［2］劉耀林，國洪艷，唐旭，等.網絡參與式土地利用規劃決策博弈研究［J］.中國土地科學，2011，25（9）：22-27.

［3］陳海，王濤，梁小英，等.基于MAS的農戶土地利用模型構建與模擬——以陜西省米脂縣孟岔村為例［J］.地理學報，2009，64（12）：1448-1456.

［4］韓璐，徐保根. 基于SEM的隴南市農村居民點整治中農戶心理契約影響因素研究［J］. 中國土地科學，2012，26（10）：48-53.

［5］束建華.群體智能及其融合算法研究［J］.科技信息，2009，32：420-423.

［6］Bonabeau E, Dorigo M, Theraulaz G. S warm intelligence：From natural to artificial systems［M］. New York：Oxford University Press, 1999：40-58.

［7］余建平，周新民，陳明.群體智能典型算法研究綜述［J］.計算機工程與應用，2010，46（25）：1-4，74.

［8］譚麗華，董毅明，李林紅.互聯網群體智能的涌現［J］.管理學報，2010，7（12）：1839-1845.

［9］居延安.公共關系學［M］. 上海：復旦大學出版社，2008.

［10］韓璐，費明明.基于利益相關者理論的土地利用決策博弈關系分析［J］.資源與產業，2013，15（4）：143-148.

［11］宋玲玲，李村合.基于鏈接結構分析的Web信息檢索方法研究［J］.現代情報，2007，（2）：133-135，137.

［12］崔霞，戴汝為，李耀東.群體智慧在綜合集成研討廳體系中的涌現［J］.系統仿真學報，2003，15（1）：146-153.

［13］趙芳，李林紅.群體智慧在復雜網絡認知系統中的涌現——以滇池流域可持續發展為例［J］.科技進步與對策，2010，27 （10）：20-23.

［14］譚麗華，董毅明，李林紅. 互聯網上涌現的群體智能及其對政府決策的影響［J］. 2009，6（4）：89-95，127.

（本文責編：陳美景）

Emergence of Web-based Swarm Intelligence on Land Uses in Beijing

HAN Lu1, ZHENG Xin-qi2, XIE Jun-qi2,3
（1. Institute of Economic and Social Development, Zhejiang University of Finance & Economics, Hangzhou 310018, China; 2. School of Land Science and Technology, China University of Geosciences, Beijing 100083, China; 3. Beijing Municipal Bureau of Land and Resources, Beijing 100013, China）

The purpose of this paper is to analyze the keywords and logical structure relationship of different interests groups on land uses in Beijing and discover the web-based swarm intelligence on land use. Method of stakeholder theory and HITS algorithm in the link-structure analysis were employed. The results showed that 1） regarding the expert groups, land degradation was the so-called authority keyword and remote monitoring was the so-called hub keyword. 2） In the government groups, land use management was the authority keyword and land use control was the hub keyword. 3） In the public groups, Intensive and efficient land use was the authority keyword and urban spatial planning was the hub keyword. The conclusions indicate that on one hand, the mutual influences among different groups are generated by views expression on land use problems, which results in the emergence of swarm intelligence; on the other hand, the cognition of each group on land use issues is not consistent. And the inconsistency could promote deeper interaction of different groups, which is the driving force of web-based swarm intelligence. In addition, the government should pay attention topublic participation and effectively use the Internet to guide public opinions.

land use; web-based swarm intelligence; keyword; HITS algorithm; Internet; land use

F301.24

A

1001-8158（2014）08-0040-09

2013-11-16

2014-01-12

國土資源部公益性行業科研專項經費項目（201211001）。

韓璐（1982-），女，遼寧沈陽人，博士，助理研究員。主要研究方向為土地利用決策，土地信息技術與應用。E-mail: hanlu@zufe.edu.cn