基于超網絡模型的智慧政務信息協同建設城際分野與發展策略研究

蒲泓宇　馬捷　欒澤權等

關鍵詞： 智慧政務； 信息協同； 信息協同網絡； 超網絡

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

〔中圖分類號〕Ｇ６３－３９ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） ０６－０１００－１９

智慧政務作為智慧城市建設的核心板塊， 是深化政務服務改革實踐領域和理論研究領域共同關注的熱點問題。智慧政務建設是將政府打造為類似于人腦的具有能夠進行高級判斷和處理能力的中樞系統， 使其能夠實現智能決策， 以最優的方式做出反應、下達指令。人腦具有高級判斷和處理能力的中樞系統， 所依賴的正是千萬個神經元之間對于電信號的精準協同控制。政府擁有海量的政務數據資源，基于精準的協同控制， 亦將創造出具有智慧的政務服務中樞系統。目前關于智慧政務解決方案的討論，也始終聚焦于“信息” 一詞， 力求以信息技術的發展和落地應用為智慧政務建設提供硬實力， 以信息價值增值與價值實現為智慧政務建設增強軟實力。可見， 擁有對“信息” 的掌控力是實現智慧政務的基礎， 解決信息協同問題是智慧化的關鍵。

目前， 已有諸多學者對政務信息協同問題展開研究， 主要圍繞智能技術的應用和部門間的協同合作等方面。其中， 智能技術在政務信息協同方面主要圍繞數據的存儲、管理及共享利用等過程展開研究。王野然［１］ 提出信息技術對于政府跨部門信息協同的方式和效率具有直接影響； 趙璐［２］ 基于全媒體信息技術提出了多元主體“技術與權力—利益相關者” 的協同治理模式， 探討了不同社會行動者的技術契洽， 讓全媒體信息技術發揮更大的效能。在政府部門間協同合作方面的研究主要圍繞政府間信息共享的難點、協同模式創新等方面展開。王芳等［３］基于案例研究， 分析了在跨部門政府數據共享中存在的九大問題和五大原因， 并提出了數據治理體系、數據共享制度和平臺建設３ 個方面的對策。張桂蓉等［４］ 關注應急狀態下多主體信息協同， 構建了大數據驅動的應急信息協同機制， 意在解決傳統應急信息模型中存在的效率低下、信息孤島、信息傳遞不及時等問題。Ｓｃｈｏｌｌ Ｈ Ｊ 等［５］ 闡述了部門間信息共享與系統交互的行為， 根據歐洲多項成功案例， 評估了政府部門之間信息互通的重心與特征。Ｓｙｖａｊａｒｖｉ Ａ等［６］ 在智慧城市信息管理的基礎上， 還提出解決智慧城市政府信息通信技術實踐問題， 以及信息管理相關人員問題的對策建議。Ｇｉｌ－Ｇａｒｃｉａ Ｊ Ｒ 等［７］ 通過定量實證進一步檢驗出政府部門間實現信息共享的影響因素。

政務信息協同研究的開展目前主要以質性方法為主。但在企業、社交媒體等其他領域的信息協同的研究中， 以網絡分析為代表的量化研究已是較為常見的研究方法。信息協同網絡又與交通網、生物網等其他網絡有所不同， 通常不是大型網絡， 其規模相對較小， 但網絡層次比較復雜。Ｄｕｒｕｇｂｏ Ｃ 等［８－９］分析了企業各組織部門之間的信息協同網絡， 構建了Ａｃｔｉｖｉｔｙ（業務）與Ｏｒｇａｎｉｚａｔｉｏｎ（組織部門）兩層信息協同網絡模型， 以描述層內協同與層間協同， 并且基于網絡模型分析對不同信息協同模式的效率進行評估， 最終提出組織模式的協同優化策略， 從組織的宏觀層面理解， 提高操作效率與有效性。ＭａＴ 等［１０］ 基于超網絡分析了企業非正式組織信息的傳遞模型， 以非正式組織成員為節點， 以非正式組織為超邊， 構建了非正式組織的超網絡， 以此測度了企業中的信息傳遞能力。Ｊｕｎｇ Ｊ Ｊ 等［１１］ 研究了社交媒體的用戶內容協同網絡， 從用戶與內容兩個層面切入分析， 發現概念本體的一致性能夠促進用戶的協同創造， 促進社會合作。

政務信息協同的實現， 實質上也是政務信息協同網絡達到最優。政府各項業務的辦理， 在一定程度上也可歸至社會學及管理學范疇。網絡作為真實世界中各類虛擬或實體網絡的抽象， 應用復雜網絡理論基于政務事項的信息流數據構建信息協同網絡，在可視化網絡圖示的基礎上， 能夠通過分析政務信息流網絡重要節點的中心性及網絡中無標度、小世界特征， 得出對政務協同性的判斷［１２］ 。而超網絡模型可以通過網絡系統整體的拓撲結構與數學模型將不同層面的協同關系與城際分野相結合， 從更深層次揭示智慧政務中的信息傳遞機理。此外， 超網絡模型還能為決策者提供有效的參考和輔助措施，例如： 利用超網絡模型所總結而來的協同度可以精準預測未來一段時間內各地區間協同水平， 從而制定針對性強、切實可行的應急方案。同時， 超網絡模型也有利于發現系統運行過程中的薄弱環節， 例如： 當組織間缺乏統一協調機制、部門之間合作不足時， 超網絡模型則能通過節點、連邊與網絡拓撲結構來挖掘隱藏于智慧政務背后的規律及知識， 進而實現對政務系統整體效能的優化。因此， 本文以城市管理與公共服務為例， 將超網絡方法運用至智慧政務信息協同分析之中。同時， 結合“人” “事項” “信息” “平臺” ４ 者在實際應用中所處地位不同而產生的差異性提出了一種新型的多層子網絡邊權圖。最后， 根據子網絡邊權分布與超網絡特征提出智慧政務信息系統建設的發展策略。

１ 智慧政務信息協同超網絡模型構建及測度原理

智慧政務信息協同涉及人員、業務、數據等多層面的現實問題， 為將其抽象為數理模型， 需要先對“現象” 進行模型化解構， 從現象中提煉出建模要素以及要素之間的邏輯關系。通過梳理智慧政務信息協同超網絡的模型構成要素、要素關聯機制，根據要素與要素之間的關聯關系， 對子網間的超邊含義進行映射分析， 抽象出網絡超邊， 以超邊鏈接各子網絡中的主體實現子網耦合， 構建智慧政務信息協同超網絡模型。

１.１ 模型要素分析

政務服務信息協同過程涉及４ 類重要實體， 分別是政務服務參與者（如個人、機構）， 需要完成的服務事項， 在服務過程中所需協同的信息， 以及服務的呈現平臺。在政務服務過程中， 人、事項、信息與平臺構成一個有機的整體［１３］ 。實現政務服務智慧化， 需要對這４ 類實體進行系統的研究， 對其構建的復雜有機整體進行建模和分析。

人、事項、信息、平臺４ 類實體在政務服務過程中， 存在內部關聯。“人” 是對政務信息協同中各方參與者的總體抽象， 例如， 個人服務事項的申請人、企業服務事項的法人、政府部門服務人員等，也存在部分自動審批事項其參與者以系統程序形式出現， 但其本質是代替了人的部分功能， 故一并視其為“人”。在“人” 的網絡中以各參與政務服務的信息主體為節點， 以參與者之間的信息流動關系為紐帶， 形成“人” 的子網。服務事項的網絡以各事項的主題類屬為紐帶， 形成“事項” 網絡。相同類屬的服務事項往往在信息、部門方面具有一定的相似性， 以事項為節點， 以所屬主題類別關系為紐帶， 形成“事項” 子網。“信息” 網絡中以呈遞和傳送的材料類別為節點， 以信息在事項中的共現關系為紐帶， 構建“信息” 網絡。“平臺” 層是“人”“事項” “信息” 不同類型節點之間的交互場所， 根據平臺層對“人－事項－信息” ３ 類主體之間的鏈路特征， 可映射出政務服務超網絡的整體形態。

各層子網之間亦存在邏輯關系連接。人、事項、信息、平臺４ 類實體不僅各自形成一個網絡， 并且不同實體之間也存在關聯， 根據此類關聯， 可構建一個多維、多層、多屬性的超網絡， 將政務信息協同抽象為超網絡模型。“人” 與“事項” 兩層網絡之間存在一定的邏輯聯系， 在政務服務過程中， 參與者申請或辦理各類事項， 各類事項由人申請或由人辦理， 因此在兩層網絡之間存在與網絡內部不同的關系， 將兩層網絡連在一起。“事項” 與“信息”兩層網絡之間存在一定的邏輯聯系， 在政務服務過程中， 事項的辦理基于各類信息的集成完成， 事項辦理結果也可以信息的形式呈現。

１.２ 子網絡建模原理

超網絡中最常見的模式即多層網絡的疊加， 信息協同超網絡亦是由多層網絡疊加而成。因此， 超網絡模型構建首先需要分別對各層子網進行建模［１４］ 。從前文的分析可知， 人、事項、信息、平臺４ 類主體分別形成４ 層網絡， 依從各層網絡間所存在的映射關系疊加為信息協同超網絡， 子網絡建模需首先確定節點集， 并依據節點屬性確定邊集， 最終形成子網絡模型。

各層子網絡主要基于圖論進行建模， 圖論建模的基本原理是將實際情況抽象為具有數學含義的圖，將復雜的實際問題轉化為簡單的抽象圖形， 基于對圖形的數學分析， 解析復雜的實際問題。圖論中的圖是由若干給定的點及連接兩點的線（或邊）所構成的圖形， 這種圖形通常用來描述某些事物之間的某種特定關系［１５］ 。將具有相同屬性的實體抽象為節點， 將兩個實體之間某種特定的聯系抽象為連接兩點的邊。根據圖論相關定義， 若邊集為無序對，則稱為無向圖； 若聯系存在一定的指向性， 則邊集為有序對， 即以有向邊代表兩者間聯系的指向性。信息協同子網皆為有向圖。

１.３ 子網絡耦合原理

信息協同超網絡可分為４ 層子網進行分析， 但政務服務信息協同過程必定需要各類實體同時參與，因此不同類型實體之間存在相關關系， 將各類實體聯系在一起， 形成多實體復雜系統。因此， 需要進一步進行子網耦合， 形成由多層網絡疊加的超網絡。

多層網絡的耦合主要依據超圖理論。超圖理論是圖理論的擴展和延伸， 基礎圖理論中， 各節點以及節點間的關系具有相同的屬性， 為同一類節點，并且具有同種類別的關系， 即圖由此類依照此種關系連接的各節點構成。為了更好地實現對復雜現實世界的抽象， 超圖中可以存在不同類型的節點， 以及不同類別節點之間的連邊， 即超邊。超邊基于將不同類型的節點之間的相關關系連在一起， 建立起各類型實體間的連接， 完成多層子網耦合。

１.４ 超網絡模型測度原理

１） 子網內部協同效應測度

子網層測度包括局部分析和全局分析。對網絡進行局部分析， 所涉及的測度指標主要包括面向節點分析及連邊分析。首先， 利用面向節點的測度指標篩選出核心節點。以綜合節點度、加權度以及中心性特征描述節點在子網絡中的核心程度， 對各子網層中重要節點進行篩選， 發現核心節點； 其次，利用邊權值分析網絡中的鏈結構， 篩選網絡中的核心關聯關系； 最后， 對網絡整體結構展開全局分析，所涉及的指標主要包括聚類系數、網絡直徑、平均路徑長度以及度分布特征等。利用以上指標基于小世界理論對子網的靜態特征進行分析， 發現網絡的靜態結構特征， 并根據測度指標特征屬性映射現實狀況， 分析信息協同現實狀態。

２） 整體網絡協同效應測度

超網整體測度是對于超網絡狀態的宏觀測度，是對于網絡宏觀狀態的刻畫。基于“人—事項—信息—平臺” 四元機理模型， 根據四大要素在信息協同過程中的功能和影響， 從信息的路徑協同度、場景協同度以及結構協同度３ 個層面對網絡的協同狀態進行測度， 并綜合３ 類協同度， 提出網絡整體協同度測度方案。

為了了解宏觀層面當前政務信息的協同現狀，需要基于整體性分析指標測度信息協同超網絡的整體效應。熵的概念源于物理學中的熱力學， 是對于體系內混亂程度的度量。本文以熵理論為基礎， 根據“人” “事項” “信息” “平臺” 四者之間的關系， 可分為基礎主體和耦合主體， 政務服務超網絡中的“人” “事項” “信息” ３ 類主體為政務協同框架， 歸屬為基礎主體， “平臺” 作為３ 類基礎主體的呈現場所， 歸屬為耦合主體， 主要體現的是“人—事項—信息” 三者之間的關聯關系， 將主要在后續數據分析部分呈現。基礎主體在網絡中作為獨立的角色存在， 需要圍繞各主體協同特征進行分別測度， 為此， 本文提出相應的協同度測度指標，分別為“信息結構協同度” 對應“信息” 層主體、“信息路徑協同度” 對應“人” 層主體， “信息場景協同度” 對應“事項” 層主體。

２ 基于超網絡模型的智慧政務信息協同建設城際分野狀態解析

２.１ 代表性城市選取

２０２０ 年， 清華大學社會科學院、數據治理研究中心發布的《２０２２ 年中國數字政府發展指數報告》中， 對全國數字政府建設情況進行了評估， 其中副省級城市的數字政府發展指數的排名如圖１ 所示。根據各城市得分情況， 能夠較為清晰地將我國數字政府的發展情況大致分為３ 個梯隊。據此， 本研究基于清華大學社會科學院、數據治理研究中心發布的《２０２２ 年中國數字政府發展指數報告》， 從中選取３ 個城市作為代表城市進行研究。為了更全面地掌握我國整體建設情況， 選取頭部、中部和尾部城市作為案例進行分析， 將深圳市作為頭部代表城市，并選取排名位于中間的武漢市作為中部代表城市，選取排名最末的長春市作為尾部代表城市。

２.２ 基于超網絡模型的智慧政務信息協同各要素城際分野現狀解析

２.２.１ 智慧政務信息協同“人” 的城際分野現狀

１） 各市核心主體類別相近， 但信息供需量城際差異較大

在網絡分析中， 節點的加權度值是對數據供給體量的統計， 高加權度值的主體映射的是信息供需過程中的核心節點， 分別對各市中各節點加權度值情況進行統計， 篩選出排名前十的主體， 如表１ 和圖２ 所示。可以發現， 一方面， 是部門類別存在諸多相似節點， “申請人” “公安部門” “規劃和國土資源部門” 等節點在各市中均為加權度值較高的節點； 另一方面， 不同城市各核心主體的信息供需量差異較大。申請人在各市中均為最重要的信息來源渠道， 但城市之間亦存在差異， 從申請人的加權度占比來看， 深圳、武漢和長春的申請人提供信息量占比分別約為２８％、２５％、３５％， 即當全部政務服務執行一次時， 在深圳、武漢、長春由申請人提供的信息量占比分別為２８％、２５％、３５％。可見，在長春市政務服務過程中， 申請人所提供的信息占比相對其他兩個城市高出較多。觀察不同城市的相同部門加權度值可以看出， 相同部門的數據供需量城際差異也較大， 以住建部門為例， 深圳市（５２０）＞長春市（４２７）＞武漢市（１０３）， 可見武漢市住建部門的信息需求量與其他兩市具有較大差異， 而從交通運輸部門加權度值來看， 武漢市值為８１４， 其他兩市均較低， 深入分析發現， 武漢市“九省通衢” 的獨特地理位置， 也使得其交通運輸部門所轄相關事項種類更為豐富， 因此其信息協同需求也更為強烈。

２） “人” 層主體關聯呈現分層特征， 由核心層向外邊緣非核心層輻射

統計深圳、武漢、長春三市“人” 的子網的連邊權重， 并篩選出網絡核心枝干， 如圖３～圖８ 所示，左側為各市“人” 層主體整體網絡， 右側為各市“人” 層主體核心枝干網絡。橫向對比發現， 各市人層主體網絡均呈現一定的層次特征， 具有較為顯著的核心層和邊緣層， 整體結構為由核心層向外邊緣非核心層輻射。縱向對比發現， 深圳市、武漢市存在較為顯著的核心三角區， 長春市的結構相對更為松散。對于深圳和武漢的進一步分析對比， 深圳市的核心三角區由“申請人” “公安部門” “規劃和國土資源部門” 構成， 且深圳市中各個節點與核心三角區的鏈接更為豐富， 聯系更為緊密， 對于武漢市來說， 核心三角層由“申請人” “公安部門”“交通運輸部門” 構成， 節點與核心三角層的鏈接相對較少， 諸如“住建部門” “市場和質監部門”等節點僅與申請人關聯比較密切。這在一定程度上映射出城市政務服務信息協同“人” 的子網的演進脈絡， 可推斷“人” 的子網中各信息主體之間的關聯關系演進正是由核心層向邊緣非核心層輻射， 并且逐步帶動其他部門信息協同建設， 從而使得主要枝干中的節點與連邊愈加豐富。

３） “人” 層主體信息協同效率普遍較低

“人” 的子網中各主體之間的信息傳遞效率是研究關注的核心問題之一。在網絡分析中， 小世界特征分析能夠反映出網絡中任意兩主體之間是否能以較短距離連接的特性， 通過統計網絡中平均路徑長度和平均聚集系數， 可探究信息協同網絡中信息的傳遞效率及局部聚集性。但由于深圳、武漢、長春三市的節點和連邊數差異較大， 網絡規模不同，直接進行縱向數值的對比意義不大。為能夠更清晰地分析深圳市信息協同網絡小世界特征的顯著性，需要生成與各市信息協同網絡規模相對應的隨機網絡進行對比， 如表２～表４ 所示。

通過對比發現， 深圳、武漢、長春各市的平均聚集系數指標均大幅高于相對應的隨機網絡， 深圳市高出約４ 倍， 武漢市高出約３ 倍， 長春市高出約２ 倍， 可見深圳市各節點之間的聚集性相對最強，即深圳市各部門之間的信息協同關系最為緊密。從平均路徑長度來看， 長春市平均路徑長度低于隨機網絡， 武漢市與隨機網絡基本持平， 深圳市平均路徑高于隨機網絡。在現有信息網絡中， 信息傳播效率為長春市＞武漢市＞深圳市， 該結論與預期相悖，深究其原因， 發現各市平均路徑的變化規律與網絡直徑的變化規律一致， 當網絡的規模越大， 而節點之間鏈接的成長速度趕不上網絡規模的增長速度時， 就會體現為平均路徑長度的變化， 平均路徑長度可以反映當前網絡的傳播效率， 但也需要考慮網絡規模。

綜上， 當前處于各類發展階段的城市信息協同效率普遍較低， 隨著智慧化建設水平的提升， 信息協同規模會不斷擴大， 信息主體之間的聯系也會更加豐富， 但節點之間鏈接的豐富速度通常慢于協同規模的擴張速度， 會在成長期內呈現總體協同效率降低的狀態。

２.２.２ 智慧政務信息協同“事項” 的城際分野現狀

１） 大多數“事項” 大類之間存在共用信息，但共用頻度較低

“事項” 是信息協同所面向的場景， 測度節點特征屬性能夠對當前城市的事項設置情況有更全面的了解。統計“事項” 網絡中各節點的度值發現， 幾乎全部節點的度值都接近于網絡中節點總數減１，這意味著事項網絡是接近于完全連通的， 表明絕大多數事項類別之間都存在共用信息。

為了進一步探究不同事項類別之間的共用信息頻度， 本文選用加權度指標進行分析。在“事項”網絡中， 由于事項節點所代表的事項大類包含的事項數不同， 為了實現節點之間的橫向對比， 用每一事項節點加權度指標除以該事項大類中所包含的事項數量， 得到每一節點的加權度均值進行測度。統計各市節點加權度均值， 分布情況如圖９ 所示， 柱狀圖部分按照深圳市節點加權度均值大小排序， 對應左側縱坐標和下方橫坐標發現， 各市的加權節點度均值分布情況并不相同， 事項類別信息協同需求的差異度較高。散點圖部分分別根據各市節點加權度均值的大小排序， 對應右側縱坐標和上方橫坐標，為了使節點更清晰地呈現于圖中， 不與柱狀圖重疊， 特將縱軸０ 刻度線向上抬升， 橫軸對應的縱坐標值為－１０００。觀察發現， 各市中均有近半數節點加權度均值接近零， 這表明許多事項類別與其他事項之間存在共用信息， 但共用頻度較低。

２） 各類事項的信息需求量較高， 且所需信息種類城際差異較大

將城際事項信息節點的超入度值予以統計如圖１０ 所示， 其中， 柱形圖部分按照城際統計值由大到小進行排序， 且對應下方橫坐標軸和左側縱坐標軸， 散點圖部分分別對各市信息主體按照由大到小排序， 對應上方橫坐標軸和右側縱坐標軸， 圖中趨勢線根據散點圖分布狀況進行擬合。

根據圖１０ 所示每類事項平均信息需求頻次城際對比可以發現， 不同城市中， 各類事項的信息需求量差異很大， 所需信息種類也有不同。從最值來看， 深圳市生育收養類事項所需材料種類數最多，每項生育收養類事項平均需４.７１ 類； 武漢市質押抵押類事項所需信息種類最多， 平均需１６.７１ 類；長春市醫療衛生類事項所需信息種類最多， 平均需９ 類。深圳市需要信息最多的事項類別其所需信息僅為長春市數值約一半， 為武漢最高信息類別需求事項的１／４， 可見其信息精簡工作更為優化。從宏觀分布情況來看， 根據散點圖擬合曲線斜率深圳市（－０.０９６５）＞長春市（－０.１７２７） ＞武漢市（－０.２３６７），可以發現， 深圳市各類事項的信息需求情況最為均衡， 結合非零事項（散點圖中大于零部分）的節點值，深圳市各類事項平均信息需求頻次整體情況保持在較低水平， 在信息精簡程度方面， 武漢市仍需進一步調整和優化。

２.２.３ 智慧政務信息協同“信息” 的城際分野現狀

１） 信息整體利用率的高低與城市智慧化水平息息相關

為觀察城際信息利用率與智慧化水平的關聯程度， 依據節點加權度值的分布狀態繪制散點圖并進行冪函數擬合如圖１１ 所示， 由于此處節點數量較多，且深圳、武漢諸多節點值數值非常接近， 線性擬合會模糊掉過多的數據特征， 導致城際對比并不顯著， 因此采用冪函數曲線進行擬合。由于節點度或加權度差值較大， 故而先取對數再進行擬合。由于信息子網節點數量過多， 冪函數長尾部分節點過多會影響觀察效果。經多次實驗發現， 當取值到１００位后再取更多點時， 所得擬合曲線參數值變化不大， 故而此處僅展現了排序前１００ 的節點。從圖中可以發現， 擬合方程中指數排序為： 深圳（－０.１）＞武漢（－０.１１２） ＞長春（－０.１４７）， 即深圳市的變化趨勢最為平緩。整體來看， 不同信息之間的差距相對較小， 即信息的利用率相對均衡， 尾部節點也存在一定的信息利用率， 深圳市的信息利用率整體水平相對武漢市和長春市更為均衡， 且尾部信息節點的利用率普遍高于其他城市， 表明深圳市大多數信息利用率是高于其他城市的， 武漢市略低于深圳市， 長春市大多節點都處于相對較低的水平， 可見尾部節點的信息利用率與該市智慧政務發展水平相關， 智慧化水平較高的城市， 整體的各類信息的利用率更均衡， 且大多數信息利用率得到提升才是智慧化提升的體現。

２） “信息” 網絡團簇間鏈接緊密度城際差異較大

信息網絡團簇現象是指在一個區域范圍內大量重復出現的由一群相似事物或事件組成的復雜網絡拓撲結構。信息網絡團簇化研究有利于了解城市信息化進程及影響因素。通過對團簇理論的深入研究，可以為信息產業發展提供理論指導。為了進一步分析其團簇特征， 對信息子網進行團簇分析如圖１２～圖１４ 所示［１４］ 。

觀察上述圖像可發現， 城際信息協同網絡存在比較顯著的差異。從網絡規模來看， 深圳市、武漢市信息子網的規模明顯大于長春市， 團簇數量也更豐富， 且越大的團簇往往更靠近網絡中心， 與其他團簇之間也存在較為緊密的連接。相比之下， 長春市的團簇之間會存在較遠的距離， 雖然各團簇間也不乏連接， 但密度相對較低。這一現象表明， 在長春市信息網絡中， 不同團簇或者說不同事項大類中的信息共現特征是較弱的， 信息在不同事項大類中獲得利用的概率較低。對比武漢市和深圳市的情況，深圳市各個團簇之間的鏈接會更顯復雜， 常有跨團簇節點間存在較強鏈接的特征， 武漢市各團簇節點之間通常為弱連接。關聯情況更為復雜也表明深圳市政務服務信息的利用狀態更加活躍。可見隨著信息協同建設的不斷發展， 信息網絡將出現更豐富的團簇， 且簇間關聯更為緊密。

２.２.４ 智慧政務信息協同“平臺” 的城際分野現狀

１） “平臺” 耦合網絡支流結構單一

在政務平臺中， 政府部門是平臺的主要組成部分之一。政務平臺通常會整合各個政府部門的服務和功能， 提供統一的入口和用戶界面， 使用戶能夠更加方便地訪問不同部門的服務。因此， 從部門鏈的角度分析“平臺” 層的信息協同關系有助于城際之間的跨域共享。對深圳（藍色）、武漢（橙色）、長春（綠色）三市平臺層間部門的流動量情況進行可視化分析， 圖１５ 為深圳市“平臺” 層部門耦合網絡流量， 圖１６ 為深圳、武漢、長春三市疊加的“平臺” 層部門耦合網絡流量， 從兩圖對比發現，整體分布情況與深圳市分布情況相似， 從左側信息供給情況來看， 深圳市均呈現以申請者為主、其他信息供給節點為輔的狀態。從右側信息需求情況來看， 不同城市重要的信息需求部門比較相近， 如公安部門（Ｇ）、規劃和國土資源部門（Ｈ）， 但也存在差異， 例如武漢市大量信息涌入交通運輸部門（Ｋ），統計發現武漢市交通運輸部門承接事項數為三市平臺最高， 從事項大類來看， 交通出行事項也為三市平臺最高， 結合武漢市平臺所處地理位置分析， 武漢市作為我國中部地區最重要的交通運輸樞紐之一，九省通衢的地理位置也造就了武漢市這一獨特的政務服務特色。

整體來看， 各市平臺的耦合網絡流量圖中曲線線條排布具有一定規律性， 支流交錯的情況較少，這一現象表明， 各平臺部門之間的流動是具有一定規律的。觀察從左側節點流出的信息通路可以發現， 除位于中心的ＧＲ（申請人）和ＱＴ（其他）這兩類節點外， 其余節點大都存在１～２ 條最主要的信息通路， 在靠近節點附近顏色重疊形成顏色較深的一段曲線， 這一現象表明， 除申請人和其他兩類節點所包含的信息類型比較多樣和分散外， 其他信息供給主體所提供的信息往往具有特異性， 針對某類事項， 供給到特定部門， 且不同城市所涉及的信息類別和對應的實施部門相似度較高， 例如節點Ｕ（衛計部門）有兩條主要支流， 其中下方支流明顯可看出為藍色和橙色的重疊部分， 結合數據分析可知，生育、醫療等相關信息大都與衛計部門有關。具有相似情況的還有Ｇ（公安部門）、Ｂ（財政部門）、Ｐ（人社部門）、Ｓ（司法）等。

右側信息通路相對左側來說略顯混亂， 究其原因主要在于“信息” 這一主體自身屬性， 信息層節點出度通常大于或等于節點入度， 即信息的應用場景相對于信息的來源情況是更復雜的， 一類節點可應用于不同的事項， 但其來源往往是特定的， 且在桑基圖成圖過程中， 將左側節點設置為流通通路的起始節點， 也會優先布局左側支流結構的分布， 因此右側會呈現相對更混亂的特征， 但也可發現， 大多數類別的信息仍是對應特定的部門。結合數據分析發現， 除身份證、機動車駕駛證等證件外， 大多數信息的應用率較低， 應用范圍也較窄， 信息所面向的部門比較單一， 例如深圳市平臺有關海域使用的相關信息均對應于Ｈ（規劃和國土資源部門），武漢市平臺對動物防疫信息的需求部門均為農業農村部門， 長春市平臺導游信息的需求部門均為文體旅游部門。因此， 大多信息的應用場景和實施部門都比較單一， 在桑基圖的分布上看， 呈現出一定的規律性特征。

２） “平臺” 大塊信息僅對應一類服務事項

智慧政務信息協同平臺是政務服務的承載、中介與依托， 政務信息協同平臺的城際分野現狀可以通過政務服務的創建、分配和跟蹤來進行分析， 其關聯效應旨在從整體上把控“平臺” 層服務之間的交互與影響， 對深圳（藍色）、武漢（橙色）、長春（綠色）平臺層間服務的流動量情況進行可視化展現， 如圖１７、圖１８ 所示， 經對比可以發現， 圖１８事項類型節點明顯增多， 但核心服務與圖１７ 非常相近， 如社會保障、住房保障、證件辦理、職業資格、出入境等， 可見這些服務類別在各個城市都是非常核心的事項。從顏色分布來看， 不同城市平臺所提供的服務對于信息的需求程度是不同的， 從圖１７中能夠更清晰地看出各類服務對信息種類的需求情況對比， 以社會保障和住房保障為例， 此兩類服務對信息種類的需求程度以長春市最為突出， 而對于證件辦理類服務， 則以深圳市最為突出。

從“平臺” 服務類別與“信息” 類別的對應情況來看， 依然呈現大塊信息僅對應同一類別的現象， 相較于深圳市平臺， 長春市、武漢市這一現象更為明顯， 即不同平臺大類所對應的信息種類也是不同的， 很多信息都被分割成了小部分內容， 而大多數服務類別主要由此種特性的信息支撐， 可見，當前平臺信息之間的協同狀態不甚理想， 各類模塊的辦理所涉及的信息大都與平臺服務類別緊密相關，在不同平臺之間的通用性較弱。而通用性強的信息尚未成為各類事項辦理的主流信息。

２.２.５ 信息協同度城際分野現狀

１） 信息結構協同度普遍偏低

結構協同度表征支撐起各類政務服務的各類信息的構成以及分布狀態， 通過對比發展狀況不同的城市信息結構協同度值， 能夠了解政務服務建設下政務信息與事項之間結構對應狀態的演變趨勢， 評估城市的發展狀態， 對深圳市、武漢市和長春市的信息結構協同度相關指標進行測算后， 所得結果如表５ 所示。

以同規模隨機網絡結構熵與同規模星型網絡結構熵為標準范圍， 對深圳市、武漢市和長春市政務服務信息結構協同性測度， 發現深圳市信息結構協同度最高， 信息協同網絡結構熵也最高， 可推斷信息結構的發展是一個熵增的過程， 也是一個趨于混亂和復雜的過程。

各市所得星型網絡是對全部信息節點進行簡化，是面向該市全部事項的網絡——星型網絡結構熵的計算。因此， 相應城市的星型網絡所對應的正是該市事項類別的復雜程度， 也可發現隨著智慧政務的不斷建設， 事項類別也趨于“混亂”， 在現實情況中， 即表現為事項大類的不斷細化， 事項類別的名稱設置更為精準化。

２） 信息路徑協同度城際差異較大

信息路徑協同度表征信息協同過程中各信息主體之間所形成的連通渠道的宏觀表現， 通過對比不同城市的信息路徑協同程度， 能夠了解參與和辦理各類政務事項的“人” 之間所形成的信息連通路徑的運行狀態， 以同規模隨機網絡結構熵與同規模線型網絡結構熵為標準范圍， 對深圳市、武漢市和長春市政務服務信息結構協同性進行測度和對比分析， 計算得出測度指標值如表６ 所示。

通過表６ 可以看出， 深圳市信息路徑協同度最高， 由此推斷， 信息路徑的發展也是一個熵增的過程， 當協同渠道越豐富， 路徑相應會更為復雜， 這與現實情況是相吻合的。長春市路徑運行熵與其相同規模隨機網絡結構熵相比差距較大， 主要原因仍然在于其“人” 層節點信息供給主體的缺乏， 在所收集到的數據中僅有三類信息主體作為信息供給方存在， 導致其路徑來源節點單一， 故而所得信息協同網絡路徑運行熵極低， 但推測其現實情況中的路徑協同度應略高于所得結果。整體來看， 信息的路徑協同度也同樣隨著智慧政務的建設而呈上升趨勢。

３） 信息場景協同度各市測度值較高

信息場景協同度是從場景應用的角度對信息在各類應用場景中的協同狀態的刻畫， 通過信息場景協同度的城際對比， 可以了解智慧政務建設過程中各類場景中可協同信息的變化情況和分布現狀， 基于對深圳市、武漢市和長春市網絡場景質量熵、同規模隨機網絡質量熵以及同規模星型網絡質量熵的統計， 可分別得出各市的信息場景協同度， 如表７所示。

通過表７ 可以看出， 各市信息場景協同度測度值均表現較優， 但深圳市依然表現最佳， 信息場景協同度隨著政務服務智慧化的建設也呈現熵增趨勢。熵增意味著混亂度的提高和復雜度的上升， 對于場景質量熵來看， 政務服務不斷完善， 所面向的應用場景更加繁復， 同時也對應了更為繁雜的信息， 從理論上分析， 熵增亦是必然趨勢。縱向對比來看，深圳市的隨機網絡、星型網絡計算所得網絡質量熵均為最高， 也可見深圳市的網絡情況最為復雜。但場景質量熵的熵增并不意味著事項與信息對應狀態更為混亂， 基于橫向數據對比可以發現， 各城市同規模隨機網絡的質量熵均高于同規模星型網絡的質量熵， 深圳市最為接近同規模隨機網絡， 即深圳市當前的政務信息在應用場景方面是最為貼近事項—信息層間交互的理想狀態的。

４） 超網絡信息協同度與城市智慧政務建設水平呈現正相關

信息協同度綜合了信息結構協同度、信息路徑協同度以及信息場景協同度的測度指標， 是綜合考慮信息支撐政務服務內在結構、渠道建設以及場景應用多方面后對政務信息協同宏觀狀態的評價指標，對比深圳市、武漢市、長春市的指標測度值， 如表８所示， 發現隨著政務服務的發展和建設， 建設程度更加完善， 發展狀態位列前沿的城市的協同度值更高， 該指標與城市政務服務發展水平的評估結論相吻合。

分析發現， 隨著政務數字化的不斷建設和發展，政務信息協同呈現一種“熵增” 的趨勢， 信息協同是向著一種復雜且混亂的方向演變的， 這也符合各類系統的自然演變定律。綜合前文的分析， 信息協同網絡呈現熵增的主要原因在于， 政府在追求智慧化的過程中， 是通過信息關聯、協同過程的復雜化， 來實現服務的精簡化， 也就是常說的“數據跑腿代替群眾跑腿”。不斷加強、完善信息之間的關聯， 以信息世界的復雜化實現人類世界的精簡化。

綜上， 當前信息協同四要素建設現狀的城際差異仍較顯著， 且在某些特征上呈現出信息協同發展過程中的一些特質， 主要包括信息協同建設過程中， “人” 層核心信息主體帶動邊緣信息主體信息協同建設， 使得主要枝干中的節點與連邊不斷豐富，但隨著網絡的規模越大， 節點之間鏈接的成長速度趕不上網絡規模的增長速度， 信息協同效率普遍較低。當前， 大多數“事項” 大類之間存在共用信息，但共用頻度較低， 各類事項的信息需求量較高， 且所需信息種類城際差異較大。“信息” 整體利用率的高低與城市智慧化水平息息相關， 主要差異在于團簇間鏈接的緊密度。從宏觀層面來看， 隨著政府數字化建設、信息協同網絡整體呈現熵增的趨勢，即信息間關聯更趨復雜， 不同城市信息協同場景建設差異度不大， 而信息協同路徑的豐富度具有較為顯著的差異； 信息協同結構城際差異較小， 但各市測度值較低； 信息結構復雜度較低， 大量一次性信息的存在導致目前信息網絡中包含較多單一關聯的信息結構。結合宏觀視角分析發現， 信息協同建設“事項” 場景建設已初見成效， 當前普遍需要在“信息” 層更多地構筑信息間關聯， 起步較晚的城市需要優先關注打通部門間信息協同路徑， 豐富“人”層網絡的信息協同渠道。

３ 智慧政務信息協同建設的發展策略研究

３.１ 以“人”層主體需求為導向， 輻射智慧政務之業務協同

根據前文“人” 的子網邊權分布分析可以發現，“人” 層網絡各節點間呈現“強強聯合”， 核心節點同時具有較強的節點影響力和關聯影響力。因此，各市在推進信息協同建設起始階段， 需首先關注處于核心層的節點的信息協同狀態， 以核心節點的突出問題為入手點， 優先在核心政務部門推行改革方案建設試點， 利用其廣泛的節點影響力帶動其他部門的協同建設。當前， 智慧政務信息協同需求主體端以高校、公共服務機構以及企事業單位為主， 需求相對穩定。因此， 政府可以以服務需求、效率需求、安全需求、創新需求為導向， 先進行基礎數據及基礎設施的共享與融合， 再延伸到供給端， 豐富、暢通信息供給的渠道。

基于優化后的主體需求調整供給端， 以點對點的模式對接為主體導向， 深入解決互聯互通難和資源共享難的問題， 利用技術完善信息協同系統， 加強供給端信息的標準化輸入， 加強信息的統籌利用，搭建平臺盤活信息資源， 基于信息協同應用場景進行信息精準協同， 以需求為導向， 讓信息資源實現有效的公開、共享和利用， 從而實現信息協同。

另外， 重點關注核心層主體之間的關聯， 優先提供解決方案。例如， 深圳市規劃與國土資源部門和公安部門之間聯系緊密， 但信息類別復雜， 在智慧政務建設過程中， 需要重點關注二者之間的問題， 優先解決兩者相關政務服務流程優化、業務系統的統籌整合和集約利用、推動部門聯動、提升業務協同和數據共享積極性等問題。基于信息協同路徑熵的計算可得， 城市的智慧化建設水平與信息協同路徑的豐富度呈正相關關系。因此， 在實際操作中， 可以通過局部優化帶動整體優化的方式豐富和拓寬信息協同路徑， 通過對核心鏈接兩端“人”層主體的優化， 更高效地實現智慧政務效率的大幅提升。

３.２ 以“事項”層服務場景為依托， 提升并擺脫政務資源“重用性”與“一次性”

基于信息協同場景熵的計算發現， 隨著政務服務智慧化水平的提升， 信息協同場景呈現熵增的狀態， 也就是應用場景更加繁復。在事項大類劃分城際差異較大， 且事項類型又不斷復雜化的背景下，信息的分布也會相對離散化， 因此需要對離散性信息進行整合。首先， 基于信息的場景相似度分析，發現關聯性較強的事項類別， 對比分析事項間相近的信息內容， 提取事項場景所需信息的特征集， 進行相似事項的信息特征分析。其次， 展開相似信息標準化替換， 基于代表性信息構建標準， 對與其相似度較高的信息進行對比， 對復雜多變的信息進行信息的標準化替換， 從信息層入手精簡信息協同需求。最后， 面向場景應用整合政務資源， 對于申請材料相近的事項可以推動一證多用， 將相似度高的事項辦理結果合而為一， 提升新產出信息的可利用價值。

研究發現， 許多事項之間是存在可共用的信息的， 但此類信息并未在事項辦理中占據主流。由于信息種類數量龐大， 為提升優化效率， 可根據信息加權度與信息節點度的對比識別出事項內部的代表性信息， 以核心信息為抓手， 例如深圳市出入境類事項中最常出現的“外國人簽證證件申請表”， 將與其共同出現在同種事項中的信息進行內容比對和關聯， 梳理出其中的獨特性內容， 并標注與其他信息中的重復性內容， 提取其中的可關聯元素， 搭建起由信息項與信息關聯構成的， 面向事項辦理需求的信息資源框架， 提升信息的可重復利用性。

同類事項之間往往存在著更多相近的政務需求，從信息細粒度層面更容易發現可重復利用的政務項資源。例如， 在住房保障事項大類所涉及的信息中，通常需要包含不同領域的業務申請表， 但申請表中部分信息具有較高重復度， 對此類共性信息進行信息發掘和統一調配， 能夠很大程度減少信息的重復收集， 并且實現相近信息的整合， 精簡含有大量冗余內容的“一次性” 政務資源。

３.３ 以“信息”層關聯規則為依據， 構建細粒度政務元數據

在政務服務智慧化的過程中， “信息” 之間的關聯也呈現一種“熵增” 的趨勢， 信息關聯、協同過程也在向著復雜化的方向發展， 需要通過復雜的信息關聯來實現服務的精簡化。因此， 對于信息主體， 需要不斷完善信息之間的鏈接， 從信息特征抽取、標準化與關聯３ 個方面入手， 推進信息的關聯規則建設。

政務服務所需要的信息資源總量龐大， 各類信息所發揮出的價值差距較大， 從前文信息節點分析和均值分析指標信息來看， 政務服務實際辦理過程中的信息具有較強集群特征， 主要原因在于， 在不同類別事項辦理過程中， 對信息的需求具有一定事項類別特色。因此， 可根據節點的適配性和契合度特征， 以及信息的集聚特征， 構建信息細粒度的政務元數據。例如面向不同類型事項的各類型登記申請書， 存在大量目的相近而內容相異的信息， 形成了數量龐大而內容繁雜的信息材料集群， 給信息協同帶來較大阻礙。利用當前已經存在的集群效應，從群落入手， 整理出群體信息的元數據， 或能在一定程度上降低信息的復雜性， 提高協同效率。根據核心節點的統計分析推斷， 當前政務服務需求量較大地集中于住房保障相關事項， 從關鍵節點入手，對于改善政務服務信息資源協同水平效果也將更為顯著。

３.４ 以“平臺”層級連效應為目標， 優化智慧政務權限

在前文宏觀網絡測度中， 平臺協同度和平臺路徑協同度都已呈現較好的發展態勢， 而平臺結構協同度亟需被關注。基于平臺協同結構熵的計算可以發現， 隨著政務數字化的不斷建設和發展， “平臺”服務之間的關聯也呈現一種“熵增” 的趨勢， 可見，在政務服務智慧化過程中， 信息關聯、協同過程也在向著復雜化的方向發展， 即通過復雜的信息關聯來實現服務的精簡化， 用數據“跑腿” 來代替群眾“跑腿”。

平臺層間關聯節點之間會具備級聯效應， 當一個節點產生變化時， 會帶動其他節點的相應改變。綜合“人” “事項” “信息” “平臺” 各主體層間關系來看， “信息” 由“人” 提供給“事項” 并反饋到“平臺”， “事項” 如同網絡中的路由， 既能為信息的流向提供方向性指引， 又能為“平臺”的決策提供依據。首先， 在“人” 經由“平臺”中的各類事項檢索信息的各個階段， 根據超度與超邊特征分析， 發現“信息” 在“人” “事項” “平臺” 層間流動的對應關系復雜， 且權重差距懸殊，通過推進重要節點相關信息采用面向事項類型的權限公開， 能夠簡化平臺服務所對應的信息的采集過程。其次， 在“信息” 自“事項” 層流向“人” 層節點的階段， 根據超度與超邊特征分析， 發現信息由“平臺” 流向“人” 層節點時， 具有一定的類型對應特征， 對于較強的關聯關系， 利用路由的信道優化原理， 發掘其中的強信息關聯通道， 可以推進事項流程的簡化， 于平臺層級建設、機構設置及人員配置等環節開展相應工作； 最后， 從保障措施方面提出完善組織體系、加強部門協作以及建立評價機制３ 個方面來推動智慧政務權限的優化。

４結語

本文基于超網絡理論對智慧政務信息協同現象進行模型化抽象， 實現了對現實中城市智慧政務信息協同建設現狀的量化分析和對比。首先， 基于超網絡理論， 根據信息協同“人” “事項” “信息”“平臺” 四要素， 以及要素與要素之間的關聯關系，對子網間的超邊含義進行映射分析， 抽象出網絡超邊， 以超邊鏈接各子網絡中的主體， 實現子網耦合，構建智慧政務信息協同超網絡模型， 并且結合網絡模型分析指標， 解析智慧政務信息協同超網絡的測度原理。其次， 對當前智慧政務建設處于頭部、中部和尾部的城市展開分析， 對比分析各市的信息協同現狀及異同， 分別對深圳、武漢、長春三市中的“人” “事項” “信息” “平臺” ４ 類實體的基本特征進行描述性統計分析， 構建各市智慧政務信息協同超網絡模型并展開對比。

通過對各類要素及要素間關聯各項指標的測度，發現對于“人” 要素來說， 其核心主體類別相近，但各市核心主體的信息供需量差異較大， 且“人”層主體呈現較為明顯的分層特征， 并且核心層向外邊緣非核心層具有一定的輻射作用， 但整體來看，各市“人” 層主體的信息協同效率仍然是普遍偏低的。對于“事項” 要素來說， 大多數事項類別之間存在共用信息， 但是共用頻度比較低， 各類事項信息需求量較高， 所需信息種類城際差異較大， 即不同城市辦理同類事項所需信息種類有較大差異。對于“信息” 要素來說， 信息網絡具有較為明顯的團簇特征， 且團簇間鏈接的緊密程度城際差異較大，整體來看， 信息的整體利用率水平直接影響城市的智慧化水平。對于“平臺” 要素來說， “平臺” 層的信息協同關系有助于城際之間跨域共享， 但基于數據分析發現平臺層支流結構單一， 且大塊數據仍然只對應于某一類事項， 這表明信息的共享程度仍然較低。基于宏觀指標分析發現， 智慧政務信息協同超網絡呈復雜化趨勢， 即指標所測得的“熵增”，意味著信息協同建設是“人” “事項” “信息” “平臺” 四要素內部及其之間的聯系不斷豐富， 更趨復雜的過程， 也是“以數據跑腿代替群眾跑腿” 的量化體現。

根據各類要素所展現的特征， 提出了相應發展策略建議： 面向“人” 層主體以需求為導向， 基于核心節點分層推進信息協同建設， 不斷豐富信息協同路徑； 面向“事項” 主體采取優化流程精簡冗余， 擺脫“一次性” 信息依賴； 面向“信息”主體主要通過深入信息內容層面， 加強信息關聯規則建設， 構建細粒度政務元數據， 并且充分發揮各層之間的級聯效應， 推進信息權限開放和信道優化。面向“平臺” 層主體， 加強數據規范化， 進一步豐富可跨事項使用的數據類型， 充分發揮平臺的共享機制， 推進政務服務信息協同規范化和高效化。綜上， 本文揭示了當前智慧政務建設不同層次水平城市的政務信息協同現狀， 以此解析我國當前智慧政務建設狀態以及薄弱之處， 為精準把控智慧政務信息協同建設的目標和方向， 促進智慧政務的發展建言獻策。