面向建設國家中心城市的智慧武漢發展評價及模式優化：理論與實證

李 霞，戴勝利

(1.華中師范大學 信息管理學院，湖北 武漢 430079;2.華中師范大學 公共管理學院，湖北 武漢 430079)

一、引言

聯合國世界城鎮化報告顯示，2014年全球人口城鎮化比率為54%，預計2050年全球人口城市空間分布將達到66%[1]，這一事實給城市資源效率與社會可持續發展帶來了巨大的挑戰。另一方面，信息技術的嵌入與應用，以智能手機、RFID與視頻采集設備、物聯網等“實時”智能環境為標志的城市化發展[2]，步入了異構型數據指數級增長，隨時隨地的數據訪問[3]，并依此對城市變量及可能事態確定趨勢和作出決策的大數據時代，智慧城市的概念隨之產生與擴散[4]。追溯到約瑟夫·熊彼特的經濟發展理論，智慧城市建設的兩股動力：技術推動與需求拉動[5]。智慧城市是科學技術進步的產物，作為一種更優的技術性解決方案被迫切引入全球市場，同時這種科學研究的城市技術成果方案在響應社會需求的過程中得以持續開發與商業化。

國外智慧城市實踐先行于理論建設，已先行進行智慧城市探索的國家和城市包括：定位“國家戰略計劃”的美國，代表城市有華盛頓、紐約、洛杉磯等世界級中心城市；實施“歐盟物聯網行動計劃”的瑞典斯德哥爾摩；構建“物聯網基礎設施基本規劃”的韓國首爾等。Nikkei BP Cleantech 研究所2010年的調查結果顯示，世界范圍內已有近400項智慧城市建設項目，而這個數值近年內呈加速度增長。黨的十八大強調運用信息技術進一步推動城市化、信息化、工業化進程，2015年我國城鎮人口比例為 56.10%，我國進入高度城市化進程新生長階段。2015年李克強總理明確指出，智能技術與智慧城市將作為政府執政優先發展議題[6]，標志著我國智慧城市的研究進入了快速起步與全面探索階段。

雖然我國已全面推進智慧城市試點建設，然而由于人口規模、歷史文化、經濟水平、數字化基礎等要素稟賦異質性，智慧發展呈現區域化差異，2010年北京、上海、天津、廣州、重慶確立國家中心城市發展戰略目標，2016年西部地區增長極成都、中部戰略支點武漢、鄭州隨后入選。國家中心城市是具備控制管理、區域輻射、信息樞紐和城市服務功能，參與全球城市網絡競爭的現代化城市[7]。如何在理解智慧城市發展內涵的理論基礎上，評價智慧城市發展水平？如何通過評價結果比較分析典型城市智慧發展模式優勢與瓶頸？如何以智慧城市功能升級為手段推進實現國家中心城市戰略，提高城市生產效率與服務能力并參與全球網絡競爭？筆者選擇具有可比性與共同建設目標的國家中心城市作為實證研究對象，在提出面向建設國家中心城市的智慧發展內涵理論框架基礎上，運用優化的多組合方法Factor-RBF神經網絡比較評價國家中心城市的智慧發展模式，揭示智慧武漢發展優勢與瓶頸，提出面向建設國家中心城市的智慧武漢發展模式優化框架，這不僅從理論上豐富了智慧城市發展內涵，拓展了評價方法的運用領域，同時為推進智慧城市功能升級，實現具有控制、輻射、樞紐與服務功能的國家中心城市戰略目標提供決策參考，具有重要的理論意義與實踐指導價值。

二、面向建設國家中心城市的智慧發展內涵：理論模型

技術推動使概念成為可能，盡管智慧城市的概念源于上世紀90年代，Batty(1990)[8]， Gibson和Kozmetsky(1992)[9]的研究中均有提及，而在2009年才開始成為全球城市建設的核心議題，智慧城市的研究成果體現在兩個方面。

其一，基于定性分析視角探索智慧城市關鍵技術發展現狀、城市數字化設施基礎[10]，及智慧城市實踐所帶來的經濟、社會等各方面影響，并在此基礎上逐步完善了智慧城市內涵體系[11-12]與戰略架構[13]。智慧城市通過物聯等基礎設施的傳感感知、泛在融合，將各領域與各子系統智能化連接[14]，全面充分地感知全城信息，并應用云計算、決策優化等智能處理技術實現數據挖掘與信息利用[15]。多主體協同的“核心技術推動-政府政策引導-企業參與驅動-用戶需求拉動”智慧發展模式，在構建物聯網數據基礎平臺、互聯網數據融合平臺、云計算智能處理平臺、智慧應用與公共服務平臺四層結構的智慧實踐基礎上，推進智慧經濟增長、智能高效管理、智慧應用持續發展的城市功能升級[16]，從而實現以創新驅動為導向，智能基礎設施為基礎，區域經濟協調輻射能力、智慧城市信息服務能力、智慧城市交通樞紐、城市全球競爭能力提升為戰略目標的國家中心城市定位，面向建設國家中心城市的智慧內涵理論框架如圖1所示。

圖1 面向建設國家中心城市的智慧發展內涵理論框架

其二，就目前的研究成果來看，基于量化方法的智慧城市實證研究并不多，主要集中在城市潛力評估及影響因素評估。Lazaroiu(2012)側重于環境、能源與管理視角，運用模糊邏輯定義了智慧評價模型，并對意大利城市進行實證研究[17]，鄒凱(2015)從經濟發展潛力、社會發展潛力、公共服務潛力、科技創新潛力、信息基礎設施五個方面對智慧城市發展進行評價[18]，于文軒(2016)構建基于政策需求、政治支持、領導力、資源、文化五個要素，技術推動與政治考量兩大理性的模型，并分析其對147個中國智慧城市發展的影響[19]。雖然評價體系側重點與視角不同，但是評價方法大多具有普適性，袁莉(2013)運用主成分分析對社會、資源、環境、經濟視角的兩型社會成效進行評價[20]，韓學鍵(2013)運用數據包絡從科技、環境、社會、人才、資源、經濟六個視角對東北三省部分資源型城市競爭力進行評價[21]，陳曉紅(2014)等將DEA應用于城市環境績效測量[22]，孫鈺(2015)運用對抗型、友好型、中立型EDA交叉效率模型對城市公共基礎設施經濟效益進行評價[23]，杜娟(2014)[24]、葉斌(2016)[25]等運用聚類與DEA對基于創新過程的創新能力、城市創新網絡共生效率進行評價。

智慧城市建設是一項動態結構性、系統性工程，對于一哄而上沒有重點、復制建設模式這種普遍問題，現有的評價體系較難有效應對[26]。現有的評價方法以結果為導向，強調評價指標體系的全面性與普適性，忽略城市區位特色與需求重點，缺少典型城市智慧發展模式的橫向、縱向比較，難以針對性解決實踐過程中所存在的規模大小不一、不同經濟水平與數字化建設基礎等因素的影響。在面向建設國家中心城市的智慧內涵理論框架基礎上，運用發揮單一評價方法優勢并改善其不足的多方法組合Factor-RBF神經網絡[27]，對智慧武漢發展模式進行評價，優化了評價體系科學性，拓展了多方法組合應用領域，并通過國家中心城市智慧發展模式的實證比較，揭示智慧武漢發展優勢與瓶頸，提出相應模式優化框架。

三、基于Factor-RBF神經網絡的智慧城市發展評價指標體系構建

(一)評價指標體系設計

為獲取評價指標體系的備選指標，參考與梳理了國內外相關文獻成果，包括智慧增長戰略實證評估相關的文獻[28-30]、圍繞能源、經濟持續性等多維度政企合作智慧項目案例研究的文獻[31-33]，基于大數據、云計算等應用與數據挖掘方法的智慧城市建設相關文獻等[34]。以面向建設國家中心城市的引導創新、協調輻射、城市服務、綜合樞紐四個基本功能為導向，根據《新型智慧城市評價指標》(2016)標準，分別從創新驅動、智慧經濟輻射、智能基礎設施與樞紐、智慧信息服務、智慧交通樞紐、全球網絡與國際化競爭、個性化發展七項一級指標對武漢及七座國家中心城市智慧發展模式進行評價分析。

創新驅動是通過知識、技術要素的引入驅動經濟發展[35]，通過資源的重新整合與優化配置，推動產生新的產品、新的生產方式、新的市場、新的組織結構發展，可從創新資源、創新過程、知識創造、企業創造四個視角來評價[36]。具體指標體系如表1所示。

國家中心城市的經濟輻射力能有效地提高企業效益、優化區域產業結構和推進城市外圍綜合實力的發展[37]。智慧經濟輻射反映了城市以智慧產業為主體、產業核心技術突破為導向，對新產品與商業模式的投入，及其對外圍城市經濟增長的溢出效應與影響力[38]。這里的智慧產業是指以知識服務為主導的技術、知識密集型產業，包括服務業內的電信業、計算機服務業、軟件業以及互聯網信息服務、咨詢和調查、知識產權服務，制造業內的通信設備、計算機及其他電子設備制造業[39]。智慧經濟輻射指標通過促進區域創新、直接經濟效益[40]、創新創業企業、區域輻射四個二級指標來衡量[41]。

智能基礎設施與樞紐指標考察智慧平臺建設的基礎設施投資流量與存量[42]，通過公共基礎設施投入、郵電業務、互聯網用戶應用三個指標來體現，公共基礎設施投入包括城市基礎設施投資額、信息通訊管道長度；郵電業務以人均郵電業務總量、每百人移動電話用戶數衡量；互聯網用戶應用通過國際互聯網用戶、電話交換機容量、移動互聯網用戶、移動互聯網接入流量四個指標來操作[43]。

智慧信息服務通過信息系統創建應用、智慧關鍵技術應用[44]、政府事務在線管理[45]、公眾授權與參與程度、信息服務產業增長五個二級指標來確定。其中，智慧關鍵技術涵蓋了基于位置的服務工具、物聯網、云計算、IoE(Internet of Everything)等技術，考慮到數據的可獲得性，此指標通過關聯行業企業工業總產值來統計。

智慧交通樞紐是城市人才流動、商品與服務流、資金流、信息流的物理通道，是國家中心城市開展國內外政治、經濟、文化交流活動，優化配置國家資源、引領區域經濟社會發展、發揮輻射作用的平臺，通過公眾交通支持系統、私人移動支持系統、汽車交通工具共享、交通線路集中度來衡量[46]。

全球網絡與國際化競爭體現城市吸引投資并參與全球競爭的能力，通過全球網絡性、跨境投資和出口競爭力三個二級指標衡量[47]。全球網絡性體現城市作為信息集散節點，引領區域經濟發展集聚與輻射，銜接國家與世界聯系的紐帶力；跨境投資體現外商投資帶來的發展效應；出口競爭力反映城市創新產品、技術與服務的輸出情況。

智慧城市建設需平衡智慧應用選擇的覆蓋面與重點領域，強調多樣化與個性化發展[48]。個性化發展指標反映了建設國家中心城市內在需要與異質性要素稟賦的慣性依賴所帶來的特色與優勢發展，由政策支持下智慧應用領域、智慧應用領域建設投入來衡量。

(二)Factor-RBF神經網絡評價模型

因子分析(Factor Analysis)通過對多個變量的關系結構描述，將相關性高也就是聯系緊密的變量分在同一類中，每一類變量就代表了一個因子，從而實現多元變量降維。對于m個可觀測的向量Z分別為z1，z2，…，zm，n個不可觀測的因子F為f1，f2,…，fn，則因子分析模型如公式(1)所示。F是X的公共因子，其均值向量為零，協方差矩陣為一。ε是特殊因子，均值向量為零。anm表示因子載荷，反映第n個變量與第m個因子的相關系數。本研究運用因子分析對指標調整層的備選指標進行篩選與檢驗。

z1=a11f1+a21f2+a31f3…+an1fn+ε1

z2=a12f1+a22f2+a32f3…+an2fn+ε2

……

zm=a1mf1+a2mf2+a3mf3…+anmfn+εm

(1)

表1 面向建設國家中心城市的智慧發展評價指標體系

RBF(Radial Basis Function)神經網絡模擬視網膜的感受功能產生，距離感受視野中心越近，神經元越興奮，隱含層神經元模型函數如公式(2)所示。

(2)

其中X為輸入樣本，Ψ(x)為網絡的輸出，ci為中心點，σ表示寬度，G表示徑向基函數。梯度訓練法的RBF網絡結構簡單且有較快的收斂速度，能改逼近任意非線性函數，同時因子分析能有效降低原始指標選擇的主觀性影響，Factor-RBF神經網絡評價模型如圖2所示。

運用多方法組合優化的Factor -RBF神經網絡對國家中心城市智慧發展評價步驟如下。

圖2 Factor-RBF神經網絡智慧模式評價模型

第一，基于七維度因子分析的指標調整。對評價指標體系中七個維度三級指標分別進行因子分析，創新驅動包含八個三級指標、智慧經濟輻射包含九個三級指標、智能基礎設施與樞紐包含八個三級指標、智慧信息服務包含十一個三級指標、智慧交通樞紐包含九個三級指標、全球網絡與國際化競爭包含七個三級指標，個性化發展包含兩個三級指標，經過篩選與檢驗后生成新的二級指標項數分類，并生成輸入層目標向量。

第二，經過篩選與檢驗后的指標數據作為輸入層目標向量。為提高數據網絡泛化能力，需要經過歸一化處理生成樣本X′，如公式(3)所示。劃分訓練樣本和測試樣本，將評價指標體系中北京、上海、天津、廣州、重慶的數據樣本作為訓練樣本，成都、鄭州、武漢的數據樣本作為檢驗樣本，訓練樣本可轉化為中間隱層向量。

X′=(x-xmin)/(xmax-xmin)

(3)

第三，權重可以由熵權法賦值，根據每組屬性數據分布的特點確定其對評價的影響程度，分散程度越大影響越大。一組數據的信息熵如公式(4)所示。

(4)

(5)

第四，將步驟(1)與步驟(2)中得到的目標向量和輸入向量代入RBF神經網絡模型中進行訓練。程序訓練過程中，輸入層向量為經過因子分析篩選后的二級指標向量因子，輸出層節點數為1，為盡量減小網絡總誤差，采用梯度訓練法反向調整，網絡數據中心、寬度和權值的調整量分別如以下公式所示。

(6)

(7)

(8)

其中，G即高斯函數，i與j分別是隱節點數量和樣本數量的下標，μ表示各自的學習速率，e表示網絡輸出值與樣本值之間的殘差。

第五，計算模型的樣本得分。

(9)

(三)數據來源

雖然我國已全面推進智慧城市試點建設，然而由于人口規模、歷史文化、經濟水平、數字化基礎等要素稟賦異質性，智慧建設呈現區域化差異與個性化發展。一方面，中部崛起的戰略支點武漢，是內陸地區中樞神經，也是中部地區對接國際社會的重要門戶，2016年成都、武漢、鄭州先后入選建設國家中心城市，故選擇與武漢具有可比性與共同建設目標的國家中心城市為實證研究對象，包括2010年《全國城鎮體系規劃綱要》中確立的第一批國家中心城市北京、上海、天津、廣州、重慶。另一方面，隨著智慧地球的提出(2008)，智慧城市隨之成為核心內容(2009)，標志著智慧城市理論與實踐探索的起步，截止到2017年05月30日，筆者在“中國知網”以“智慧城市”為主題詞檢索，以“smart city”為主題詞進行科學引文索引和社會科學引文索引檢索，結果顯示國內外研究成果集中在2010年度以后，故本研究樣本選擇從2008年至2016年期間的統計數據，通過三種方式完成數據收集：一是線上資源與線下資料相輔助，獲取國家統計年鑒、中國信息產業統計年鑒數據；二是查閱城市發展統計公報，以及各城市科技局、知識產權局官方網站，并對相關部門工作人員進行提綱式訪談；三是對專門數據庫進行檢索，對于少量數據的部分缺失采用平均值或者相應數據折算替代。

四、基于Factor-RBF神經網絡評價的智慧武漢發展模式實證分析

(一)基于Factor-RBF神經網絡的總體評價

對評價指標體系中的創新驅動、智慧經濟輻射、智能基礎設施與樞紐、智慧信息服務、智慧交通樞紐、全球網絡與國際化競爭、個性化發展七個維度所對應的三級指標分別進行因子分析，KMO值分別是0.690、0.7051、0.5213、0.6271、0.8825、0.6371、0.5027，累計解釋方差率分別為49.601%、54.091%、64.291%、73.855%、78.175%、81.264%、84.091%。Bartlett球形檢驗F=0.000(P<0.01)，通過因子分析對三級評價指標的篩選后，生成20項二級指標因子，即RBF網絡輸入層指標，其中創新驅動含三個輸入層因子X11、X12、X13，智慧經濟輻射含三個輸入層因子X21、X22、X23，智能基礎設施與樞紐含三個輸入層因子X31、X32、X33，智慧信息服務含四個輸入層因子X41、X42、X43、X44，智慧交通樞紐含三個輸入層因子X51、X52、X53，全球網絡與國際化競爭含三個輸入層因子X61、X62、X63，個性化發展指標含一個輸入層因子X71，因子分析結果如表2所示。

為消除指標屬性差異，樣本數據歸一化處理，經過多次參數調試，設置訓練過程參數，使用軟件MatLab R2011a 對七項一級指標樣本數據進行RBF神經網絡訓練與仿真，總樣本最大訓練次數為1000，訓練樣本值與測試樣本值經過150次迭代，在第118次時訓練性能達到最佳，實際輸出與期望輸出逼近，仿真結果如圖3所示。

運用Factor-RBF神經網絡實證評價武漢及七座國家中心城市的智慧發展模式，涵蓋創新驅動、智慧經濟輻射、智能基礎設施與樞紐、智慧信息服務、智慧交通樞紐、全球網絡與國際化競爭、個性化發展七項分指標的比較，如圖4所示。

表2 篩選后的因子分析結果

圖3 總樣本的Factor-RBF神經網絡訓練曲線

圖4 基于Factor-RBF神經網絡的實證評價比較

(二)面向建設國家中心城市的智慧武漢發展模式實證結果分析

智慧城市功能升級對實現國家中心城市戰略目標有著積極影響。基于Factor-RBF神經網絡評價模型的實證比較結果，從以下五點對智慧武漢發展模式進行分析。

1.創新驅動指標值相對差異縮小，城市均呈現要素驅動轉向創新驅動的智慧發展趨勢，城市個性化發展需求明顯

“創新驅動”單項百分比指標顯示，武漢(13.1276)雖然整體發展水平與北京、上海存在一定差距(北京為15.0914，上海14.5145)，然而高新技術企業快速成長，初具規模，加快了創新要素的集聚速度與創新資源的優化配置。武漢2015年開發區高新技術企業的總收入同比增長18.02%，趕超北京(11.64%)，鄭州(10.03%)，天津(9.86%)，上海(6.35%)，廣州(6.27%)，以及增長率相對緩慢的重慶(2.49%)、成都(1.01%)；武漢技術市場成交額566.42億元，雖然與北京(3453.89億元)存在較大差距，幾近趕超上海(663.78億元)、廣州(662.58億元)，天津(503.43億元)。智慧發展模式已由單一的要素驅動發展為“核心技術推動-政府政策引導-企業參與驅動-用戶需求拉動”的多主體創新發展模式。而另一方面，城市智慧程度提升過程也是一個開放而智能的復雜系統以自組織與他組織融合演化過程，是城市信息技術體系、科技創造等社會系統、基礎設施等物理架構協調發展的過程，所涉及到的多主體內在需要各不相同，北京、上海經濟發達地區以較強產業結構基礎吸引更多資金注入城市技術體系、公共服務領域，智慧應用體系發展相對均衡，而廣州、天津、武漢、重慶、成都、鄭州城市個性化發展需求更為顯著。

2.從智慧經濟輻射單項指標來看，具有比較優勢的城市產業經濟衡穩化發展，而弱比較優勢的城市以高新開發區為載體快速崛起

北京作為中國政治、經濟、文化中心，上海是著名的經濟中心、開放式港口城市，均集聚了豐富的要素資源，2015開發區高新技術技術企業數與總收入均保有優勢，北京16693個、占比16.09%，上海3983個、占比5.54%，廣州為2221個、占比2.12%。北京“空吸”(智慧經濟輻射指標值17.7672)、上海“反哺”(16.6615)、廣州“融合”(15.4614)式知識溢出方向、高技術企業轉移與人才流動模式，帶動正向區域經濟輻射效應，其以穩定的智慧產業(高技術產業)增長呈現了智慧城市衡穩化發展模式。以高新開發區為載體，區域資源要素、經濟基礎呈現邊際效益遞減的產業發展模式，經濟基礎弱的城市設立高新區后對地區經濟的推動作用加速遞增。重慶(12.0155)、武漢(11.0312)、成都(8.0579)、鄭州(7.0510)以快速而大幅的高技術產值增長(均值維持在18%-20%以上)呈現產業經濟的躍進與崛起，相比重慶、成都開發區高新技術技術企業總收入占總比的0.82%與2.27%，武漢開發區高新技術技術企業數為2951個，占比3.97%，鄭州為547個、占比1.66%。武漢光電子信息、鋼鐵、汽車產業形成了較完善的現代工業體系，然而資源要素在區域內單向集聚明顯、粘滯性強，向外圍鄰近城市的擴散與溢出效應仍有較大提升空間。具有規模優勢的天津(11.2539)，近年來高技術產業產值呈現小幅螺旋波動式發展，與2013年14.9%增長率相比，2014年增長1.5%，2015年下降6.9%。

3.相較于有初始存量基礎的北京、上海、廣州，智慧武漢智能基礎設施與樞紐建設滯后，利用效率較低

面向建設國家中心城市的智慧實踐都需要遵循頂層設計的原則，從實證比較研究的結果來看，以資本投入與產出為衡量標準的國家中心城市基礎設施行業效率普遍存在高估偏差，智慧實踐中存在大量因領域局限性等因素造成的重復建設與資源浪費。智慧城市大數據加大了對城市信息樞紐能力的需求，而智能化基礎設施建設滯后、利用效率較低，相較于有一定初始存量基礎的北京(17.2332)、上海(18.03554)、廣州(15.1977)，武漢、天津、重慶、成都、鄭州的該單項指標均未超過10.5，基礎設施供給缺乏技術進步效應，初始存量低，城市行業信息碎片化，還未形成比較完善的基礎設施建設技術標準與規范。

4.智慧信息服務能力整體水平穩定，武漢智慧應用體系與行業應用的深層次融合有較大發展空間

以數字城市為基礎的數據應用采用“基礎公共服務構建，管理應用協調、業務應用發展，服務應用拓展”的混合式數據管理結構被優化重組，形成了更易拓展的“網絡架構層-數據中心層-行業應用層”結構，然而智慧應用體系仍然未能與管理、行業服務深度融合并發揮成效。其主要原因在于第一，多主體發展模式趨于形式化，企業認知與參與動力不足；第二，城市部門在建設過程中強調“技術與網絡”，忽略“軟件與應用”，定位不明重復建設；第三，政府相應的政策導向與保障制度建設不全，例如網絡安全保障、技術標準制定等，智慧應用發展受限。

5.智慧交通樞紐指標值城市差異明顯，未來發展傾向于向全球網絡尋求更多外部異質性資源以提升國際競爭能力，而智慧武漢建設缺乏運輸體系的協調與智慧功能升級，在全球網絡中呈現節點弱連接

“夫夷以近，則游者眾”，武漢具有水路、鐵路、公路、航空、軌道五位一體區位優勢，然而智慧武漢交通樞紐能力(10.1613)與北京(16.7621)、上海(15.9160)、廣州(15.1617)相比存在明顯差距。隨著國際化逐步趨向于網絡協同，只依賴于國內網絡而無法獲取更多外部異質性資源，將阻礙城市的跨域發展與國際競爭能力提升，城市交通樞紐的智能化、網絡化升級尤為重要，而武漢作為中部交通中樞，第一，交通空間錯位使運輸資源分散，缺乏系統化協調運輸體系，外向型產業集聚地(東湖高新區)、保稅功能區和鐵路集裝箱中心站(東西湖區)等功能缺乏系統空間布局；第二，各運輸方式之間聯運不足，地理區位優勢未能通過綜合交通運輸鏈轉化為產業優勢，智能化與網絡化發展不足，在全球競爭網絡中的節點連接力較弱；第三，作為區域特色，武漢港區腹地集疏運體系建設滯后，港區組織與服務能力有待提升，應充分利用區位優勢，拓展物流網絡，帶動城市產業的升級。

五、結論與面向建設國家中心城市的智慧武漢發展模式優化對策

本文構建基于七維度Factor-RBF神經網絡評價模型，對智慧武漢發展模式進行實證分析，得到以下結果：(1)隨著創新驅動指標值相對差異的縮小，智慧武漢建設步入由政府主導的要素驅動轉向創新驅動發展探索階段，城市個性化發展需求明顯；(2)經濟基礎弱的城市設立高新區后對地區經濟的推動作用加速遞增，與智慧經濟輻射力處于比較優勢的北京、上海、廣州衡穩發展型梯隊相比，處于弱比較優勢的武漢以高新開發區為載體，智慧產業加速集聚與崛起發展并促進城市“中心-外圍”輻射效應；(3)智能基礎設施滯后與智慧信息樞紐需求增加的非均衡發展；(4)傳統的“基礎公共服務構建，管理應用協調、業務應用發展，服務應用拓展”數據層次結構優化重組，形成可拓展的“網絡架構層-數據中心層-行業應用層”智慧應用體系結構，然而缺乏與行業服務的深度融合；(5)武漢具有五位一體交通樞紐區位優勢，然而因缺乏運輸體系協調與智慧樞紐能力升級未有效轉化為產業優勢，在依賴于向全球網絡尋求更多異質性資源的發展趨勢中，呈現網絡節點弱連接。鑒于此，提出面向建設國家中心城市的智慧武漢發展模式優化框架，如圖5所示。

圖5 面向建設國家中心城市的智慧武漢發展模式優化框架

該框架分為四個實施階段與五條具體優化對策，第一階段以智慧平臺技術基礎建設為重點，夯實基礎設施建設加大推動市場需求；第二階段是智慧產業支撐發展階段，第三階段為智慧應用體系特色化發展階段，通過優先發展優勢產業并完成智慧化結構升級，形成特色化智慧應用系統體系，推動智慧產品、技術、服務的輸出，從而增加出口競爭力，吸引更多智慧產業的跨境投資；第四階段通過數據中心層架構實現智慧升級，從而推進全面建設國家中心城市的戰略目標，更好地發揮城市控制管理、區域輻射、信息樞紐和城市服務功能。五個具體優化對策包括：

第一，強化“創新資源集聚-資源優化配置-多主體協同”模式，通過規范化的科技創新環境培育，政府科研創新、技術合作、人才引進等政策的支持導向，調動企業主體參與的積極性，加強用戶對技術服務需求反饋，從而加快創新資源集聚速度，形成按需優化配置，促進知識產出與技術擴散，奠定智慧平臺技術基礎。通過制定相關激勵政策、優化智慧平臺支撐技術產業導向目錄，引導開展高校、科研院所、企業等多組織之間的科技合作，在光電子、軟件、裝備制造業、信息服務業內開展公共研發項目，建立省市研發中心、企業科研創新中心、重點實驗室及多主體協同創新平臺，加速資源集聚與優化配置，推動以物聯網、云計算等信息技術為核心的產品輸出與技術創新，形成以“時間、空間基準體系、傳感器獲取體系、數據分析與處理系統”為層次結構的智慧平臺技術基礎體系。

第二，“傳統產業適應性轉移-優勢產業協調聯動-智慧產業融合滲透”推進智慧產業集群發展，推動區域經濟輻射力與全球出口競爭力。在傳統產業結構優化、現代服務業功能升級的基礎上，引導與培育支撐智慧平臺的優勢產業，隨著優勢產業集聚壯大發展，形成具有國際競爭力的產業集群。通過創新鏈與產業鏈融合，促進高新技術、產品、人才等創新資源向傳統產業的滲透，加速傳統產業適應化轉移與結構升級，形成配套產業聯動體系。優勢產業分化并發展形成智慧產業特色產業鏈，以產業鏈為傳導促進中心城市與鄰近區域要素的雙向流動，信息化密度較高的企業更傾向于出口，其溢出效應引領區域經濟與出口貿易發展。面向建設國家中心城市的智慧武漢發展應該依托汽車產業、智能裝備等先進制造業基礎，優先發展光電子信息等優勢產業，通過多樣化產業集聚積累高端資源要素，以知識與技術的溢出帶動形成智慧產業鏈。

第三，頂層聯動設計智能基礎設施，探索多元化資本引入機制與多層次管理模式，實現智慧城市信息樞紐功能。一方面，面向建設國家中心城市的智慧武漢發展應該通過頂層化設計，從區域網格化聯動規劃的視角，建設并完善智慧城市智能基礎設施與樞紐網絡。智慧武漢建設應突破服務資源框架設計，虛擬存儲節點構建、處理流程系統化設計等技術問題，建立標準化接口協調各個部門分布式異構資源的整合。另一方面，在政府總體規劃的頂層設計下，探索社會資本引入機制，例如在建設初期，通過設備優先權、股權參與制等多元化利益激勵方式引導公私合作，在運營后期進一步構建長期資金支持模式；探索分層化結構管理與專業化運營模式，從而提高智能基礎設施運行效率，滿足不斷增長的城市信息服務需求。

第四，架構物聯服務體系，建立“基礎標準-應用標準-總體標準”技術結構標準，特色化發展智慧應用系統。通過微電子、定位系統、無線智能系統等技術應用攻關、豐富物聯新媒體內容與應用，借鑒已有的智慧應用項目經驗，架構具有武漢特色的物聯應用服務平臺。例如，圣地亞哥的實時流量監控中心與e-car共享計劃、新澤西州的SM消除低效醫療追蹤系統、那什維爾的多變量醫療信息挖掘系統等典型智慧應用平臺，實現智慧交通實時監測、智慧醫療資源優化等多行業、多領域的特色應用。另一方面，建立基于“基礎標準-應用標準-總體標準”結構的技術標準，政府引導完善相應的組織過程保障制度與管理制度，總體標準是對術語與定義的標示與解析、形成總體架構原則；基礎標準包括傳感網關和應用網關技術標準，網絡通信技術標準，服務應用平臺層關鍵技術標準，數據處理、存儲與交換標準等；應用標準涵蓋基礎信息系統標準、應用中間件、領域服務標準。

第五，通過優化空間布局，加強現代航運體系，構建多方式聯運體系物理通道建設，進一步發展高速公路、鐵路網，完善機場航空網絡，縮短物流、人流流動時間；發展武漢新港、鐵路集裝箱中心的聯通與對接，推動智慧產業知識、技術與服務輸出。從歐洲、南美、北美等地區智慧城市發展來看，智慧交通樞紐應用有效促進了城市流動性，例如倫敦數據庫項目，里約熱內盧的智能整合運營，波哥大的電子化自動地下地鐵系統，埃德蒙頓的交通報告與ETS智慧公交系統等。借鑒歐美建設項目實踐經驗，加強傳統交通運輸工具與方式的智慧化、網絡化升級，全面提升參與長江中游、中部地區，乃至全國運輸網絡的節點連接影響力，致力于成為國際技術產品與服務的承接樞紐。

總體而言，面向建設國家中心城市的智慧建設應該兼顧全面與個性化發展原則。基于不同的城市化發展進程、城市主體多元化內在需求、城市差異化要素稟賦，智慧建設更注重個性化發展，避免盲目跟風與千城一面的形象工程，頂層設計中能體現智慧建設的階段性重點，基礎存量較弱的城市由政府政策引導生成“智慧轉型”意識，同時加強信息網絡、大數據中心等智能基礎設施、公共服務平臺的建設，優先投入優勢應用領域；而整體實力較強的城市應進一步深化智慧應用系統建設過程，強化薄弱領域建設。

六、不足與展望

發達國家的智慧城市實踐已經逐步進入了整體效能凸顯階段，國內的智慧實踐重點也由各項分散系統的探索轉向了基于區位差異的系統化整合與特色化發展。本文構建基于創新驅動、智慧經濟輻射、智能基礎設施與樞紐、智慧信息服務、智慧交通樞紐、全球網絡與國際化競爭、個性化發展七維度Factor-RBF神經網絡評價模型，實證分析智慧武漢發展模式，揭示智慧武漢發展模式的優勢與瓶頸，提出面向建設國家中心城市的智慧武漢發展模式優化框架，為推進智慧城市功能升級，實現具有控制、輻射、樞紐與服務功能的國家中心城市戰略目標提供決策參考與實踐指導。作為一項中國智慧城市發展初探研究，還存在諸多不足，期待在此基礎上，不斷改進、完善與深化。因子分析與RBF神經網絡結合的評價方法，在一定程度上優化了單項評價效度，指標體系的設計考慮了國家中心城市智慧發展模式的動態結構維度與時間維度，然而受限于部分數據的獲取難度，評價指標體系并沒有對多主體參與模式及技術在社會文化結構中的嵌入進行評估，后續研究中將思考如何引進更多有效解釋變量，使評價模型更加科學化與標準化。

[1]United Nations. Worldurbanization prospects: the 2014 revision[R]. New York: United Nations Department of Economic and Social Affairs, Population Division,2014.

[2]Lee J H, Phaal R, Lee S H. An integrated service-device-technology roadmap for smart city development[J]. Technological Forecasting and Social Change, 2013(80): 286-306.

[3]Lee C H, Lee G M, Rhee W S. Smart ubiquitous networks for future telecommunication environments[J]. Computer Standards & Interfaces, 2014(36): 412-422.

[4]Li Deren, Cao Jianjun, Yao Yuan. Big data in smart cities[J]. Science China, 2015,58,(10): 1-12.

[5]Schumpeter J A. Capitalism, socialism, and democracy (second edition) [M]. London: Harper & Row, 1947: 1-38.

[6]中國國務院. 李克強 2015 年政府工作報告[EB]. http：//www.china.org.cn/chinese/2015-03/17/content_35077119_4.htm. 2016-02-28.

[7]田美玲, 劉嗣明, 朱媛媛. 國家中心城市評價指標體系與實證[J]. 統計與決策, 2014(9): 37-39.

[8]Batty M. Intelligent cities: using information networks to gain competitive advantage[J]. Environment and Planning B: Planning and Design, 1990, 17(3): 247-256.

[9]Gibson D, Kozmetsky G, Smilor R. The technopolis phenomenon: smart cities, fast systems, global networks[M]. New York: Rowman & Littlefield Publishers, 1992:1-20.

[10]李成名. 數字城市到智慧城市的思考與探索[J]. 中國工程科學, 2013,15(5): 5-6.

[11]Anttiroiko A, Valkama P, Bailey S J. Smart cities in the new service economy: Building platforms for smart services [J]. AI & Soc, 2013(6): 2-12.

[13]Batty M, Axhausen K W, Giannotti F, Pozdnoukhov A, Bazzani A. Smart cities of the future [J]. The European Physical Journal Special Topics, 2012(214): 481-518.

[15]馬 捷, 胡 漠, 連 明. 基于多元主體協同的智慧城市信息生態鏈設計[J]. 情報科學, 2016,34(12): 70-74.

[16]Vanolo A. Smartmentality: the smart city as disciplinary strategy[J]. Urban Studies, 2013,51(5): 883-898.

[17]Lazaroiu G C, Roscia M. Definition methodology for the smart cities model [J]. Energy, 2012(47): 326-332.

[18]鄒 凱, 包明林. 基于灰色關聯理論和BP神經網絡的智慧城市發展潛力評價[J].科技進步與對策, 2015,32(17): 123-128.

[19]于文軒, 許成委. 中國智慧城市建設的技術理性與政治理性——基于 147 個城市的實證分析[J]. 2016,13(4): 127-138.

[20]袁 莉, 李明生. 長株潭城市群“兩型社會”建設成效的系統評價[J].系統工程, 2013,31(3): 118-122.

[21]韓學鍵, 元 野, 王曉博, 李一軍. 基于 DEA 的資源型城市競爭力評價研究[J]. 中國軟科學, 2013(6): 127-133.

[22]陳曉紅, 周智玉. 基于規模報酬可變假設的城市環境績效評價及其成因分解[J]. 中國軟科學, 2014(10): 121-128.

[23]孫 鈺, 王坤巖, 姚曉東. 基于 DEA 交叉效率模型的城市公共基礎設施經濟效益評價[J]. 中國軟科學, 2015(1): 172-183.

[24]杜 娟, 霍佳震. 基于數據包絡分析的中國城市創新能力評價[J]. 中國管理科學, 2014,22(6): 85-93.

[25]葉斌, 陳麗玉. 基于網絡 DEA 的區域創新網絡共生效率評價[J]. 中國軟科學, 2016(7): 100-108.

[26]張 楠, 陳雪燕, 宋 剛. 中國智慧城市發展關鍵問題的實證研究[J]. 城市發展研究, 2015,22(6): 27-39.

[27]朱方偉, 馬 躍. 基于 BP-VRM 的工業化對信息化促進效率評價[J]. 科研管理, 2015,36(12): 164-171.

[28]Raparthi K. Assessing smart-growth strategies in Indian cities: grounded theory approach to planning [J]. Journal of Urban Planning and Development, 2015, 141(4): 1-10.

[29]Letaifa S B. How to strategize smart cities: revealing the SMART model [J]. Journal of Business Research , 2015(68): 1414-1419.

[30]Zubizarreta I, Zubizarreta A, Arrizabalaga S. Smart city concept: what it is and what it should be[J]. Journal of Urban Planning and Development, 2016, 142(1): 1-8.

[31]Tokoro N. Smart city and the co-creation of value[J]. Springer Briefs in Business, 2016: 75-97.

[32]Ferrara R. The smart city and the green economy in Europe: a critical approach[J]. Energies, 2015(8): 4724-4734.

[33]Calvillo C F, Sánchez-Miralles A, Villar J. Energy management and planning in smart cities[J]. Renewable and Sustainable Energy Reviews, 2016(55): 273-287.

[34]Hashem I A T, Chang V, Anuar NB, et al. The role of big data in smart city[J]. International Journal of Information Management, 2016(36): 748-758.

[35]魏 江, 黃 學. 高技術服務業創新能力評價指標體系研究[J]. 科研管理, 2015, 36(12): 9-18.

[36]王海燕，鄭秀梅. 創新驅動發展的理論基礎、內涵與評價[J]. 中國軟科學, 2017(1): 42-49.

[37]Krugman P R. Making sense of the competitiveness Debate[J]．Oxford Review of Economic Policy，1996，12(3) :17 -25．

[38]金祥榮, 趙雪嬌. 中心城市的溢出效應與城市經濟增長——基于中國城市群2000-2012年市級面板數據的經驗研究[J]. 浙江大學學報(人文社會科學版), 2016,46(5): 170-181.

[39]錢旦敏, 余 蘇, 裘茗煙, 鄭建明, 耿勁松. 基于WIOD數據的國內外信息產業發展比較研究[J]. 情報科學, 2016,34(4): 138-142.

[40]Albert M. Smart city governance: a local emergent perspective[J]. Public Administration and Information Technology, 2016(11):73-85.

[41]Neirotti P, Marco A D, Cagliano A C, et al. Current trends in smart city initiatives: some stylised facts[J]. Cities, 2014(38): 25-36.

[42]歐陽艷艷, 張光南. 基礎設施供給與效率對“中國制造”的影響研究[J]. 管理世界, 2016(8): 97-109.

[43]李坤望, 邵文波, 王永進. 信息化密度、信息基礎設施與企業出口績效——基于企業異質性的理論與實證分析[J]. 管理世界, 2015(4): 52-65.

[44]Stratigea A, Papadopoulou C A, Panagiotopoulou M. Tools and technologies for planning the development of smart cities [J]. Journal of Urban Technology, 2015,22(2): 43-62.

[45]Lee J, Lee H. Developing and validating a citizen-centric typology for smart city services[J]. Government Information Quarterly, 2014(31): 93-105.

[46]Garau C, Masala F, Pinna F. Cagliari and smart urban mobility: analysis and comparison[J]. Cities, 2016(56): 35-46.

[47]黃亮, 胡曙虹, 杜德斌. 我國創建國際研發城市的適宜性評價研究[J]. 科學學與科學技術管理, 2015,36(06): 104-113.

[48]潘思辰, 蘇義坤. 智慧城市政策對城市智慧水平的影響——基于傾向得分匹配倍差法分析[J]. 工程管理學報, 2017,31(6): 55-60.