智慧城市韌性水平測度及動態演進研究

關鍵詞：中國智慧城市;韌性水平測度；二次加權因子分析法;動態演進；區域差異

中圖分類號：F299.2文獻標識碼：A文章編號：2097-0145（2025）02-0041-08 doi：10.11847/fj.44.2.41

0 引言

城市是中國式現代化建設的重要載體，縱深推進智慧城市建設是中國式現代化城市建設的重要舉措。黨的二十大報告中明確指出“加強城市基礎設施建設，打造宜居、韌性、智慧城市”，十二屆三中全會也強調了在新型城鎮化的推進過程中，智慧城市作為城鎮化的新趨勢，這表明建設智慧、韌性城市已成為新時期中國城市健康發展的重要目標。同時，從實踐層面上看，現代城市發展面臨經濟、社會、生態環境與基礎設施等多維度的不確定性與風險挑戰，培育城市韌性是應對風險與挑戰的關鍵。智慧城市韌性是指智慧城市系統在面對自然和人為災害、氣候變化、資源短缺等壓力和沖擊時，能夠吸收、適應和快速恢復的能力。尤其在城市化進程中所面臨的自然災害、環境污染、公共衛生事件等不確定性因素對智慧城市構成的威脅，智慧城市通過技術創新與數智服務管理，改善城市運行中社會資源分配，推動經濟產業更新升級，增強城市生態功能，從而提升智慧城市韌性，這對城市現代化建設與發展至關重要，是實現城市可持續發展與增強城市社會治理現代化水平的關鍵。

學術界關于智慧城市的研究主要集中于理論內涵、體系機制、效應分析等方面。一是理論內涵方面，強調智慧城市是依據全面感知與融合、智能協同與發展等理念[1]，以新一代信息技術和通信技術為支撐，推動城市規劃、建設、管理、服務等過程智慧化的新模式，實現城市網絡系統與公共服務深度融合、智慧協同的新形態城市[2]。二是體系機制方面，由三維城市建模、數字孿生和元宇宙等關鍵技術組成智慧城市支撐技術體系[3]，并堅持以“政府引領、企業主導、公眾參與”為智慧城市建設機制[4]。三是效應分析方面，聚焦于經濟效應、環境效應、技術創新效應等主題。經濟效應指智慧城市對經濟增長質量提升的促進作用[5]，環境效應指智慧城市建設有助于降低環境污染、促進減碳與節能減排[67]，技術創新效應指智慧城市促進城市技術創新。

同時，眾多學者關于城市韌性的研究聚焦于城市韌性發展的影響因素、時空演化、韌性評價等維度開展。一是城市韌性發展的影響因素維度，強調經濟、社會、制度、產業結構、產業政策均是重要的影響因素[8]。二是時空演化維度，基于國家、區域以及省市尺度，以空間面板數據為樣本，分析中國城市韌性9、東海海岸帶縣域城市韌性時空動態演化[1]。三是城市韌性評價維度，從城市運行基本要素出發，構建社會、經濟、環境、自然等維度城市韌性評價理論框架體系[1]。此外，關于城市韌性評價方法主要涉及熵權法、TOPSIS法、空間分析法[12]、神經網絡模型[13]等。

本文的邊際貢獻在于：（1）構建了智慧城市韌性水平測度指標體系，為評估智慧城市韌性提供了一套科學的量化工具，有助于城市管理者精確地識別城市在不同維度上強項和弱點，并制定針對性改進措施。（2）測算智慧城市韌性水平各維度得分與綜合水平，揭示不同區域在不同時間段的動態演進趨勢與特征，為智慧城市長期規劃與政策制定提供參考依據，有助于智慧城市建設政策能夠靈活地適應城市發展的變化。（3）研究發現不同區域之間的韌性水平存在顯著差異，有助于政策制定者理解區域特點，推動區域間均衡發展，以及制定差異化發展策略。

1智慧城市韌性水平測度指標體系構建

1.1智慧城市韌性內涵闡釋與測度指標體系構建

（1）智慧城市韌性的基本內涵

智慧城市是依托物聯網、大數據、云技術、地理信息空間等新一代先進信息技術，以提升城市運行效率與公共服務水平為目標，對城市經濟、社會、生態等信息和數據開展智能感知、集成與管理過程中所涌現出來的新型城市形態[14]。智慧城市由組織（人）、業務（政務）交通、通訊、水和能源六大核心系統組成[15]，各個子系統間以深度融合和智能協同方式銜接共同維持城市經濟、社會、生態系統的運轉，提升了城市治理的效率和質量，有助于加強城市應對自然風險、經濟波動、社會危機等突發狀況能力。

“韌性”一詞最早源于工程韌性，其內涵發展經歷“工程韌性一生態韌性一演化韌性”三個階段[1]，在演化韌性的基礎上衍生出“城市韌性”的概念，即通過嚴格規范城市規劃、建設，強化城市經濟、社會、生態、科技等系統構建，提高城市應急反應能力，有助于城市系統遭遇突發性沖擊后仍能維持系統基本功能運轉。因此，智慧城市韌性被視為面對緊急內外部壓力和沖擊時，智慧城市依托先進信息通信技術、高效城市經濟管理與社會服務模式、完備基礎設施生態功能，實現迅速響應、有效應對、快速恢復，保障城市系統正常運轉的能力。

（2）智慧城市韌性水平測度指標體系構建

基于上述對智慧城市韌性的分析，參考已有研究關于城市韌性多維度框架評價理論（經濟、社會、環境、自然）[\"]，依據韌性水平測度指標維度和指標體系構建思路方法，并結合智慧城市中信息科技賦能城市管理的內在特征，且信息基礎設施建設是智慧城市底座，智慧科技研發與投人是智慧城市水平提升的關鍵。因此，本文堅持系統性、全面性、科學性、可操作性等指標構建原則，從經濟韌性、社會韌性、生態韌性、信息與科技韌性四個維度，選取22個具體指標，構建智慧城市韌性水平測度指標體系，如表1所示。

1. 2 測度指標的解釋

經濟韌性是指經濟系統應對沖擊和擾動的穩定能力。選取經濟規模、經濟依賴和經濟水平三個一級指標對智慧城市的經濟韌性進行測度。社會韌性是指社會系統遭遇破壞性力量時維持社會正常運轉的能力。選取社會保障、建設投入和基礎建設三個一級指標對智慧城市的社會韌性進行測度。生態韌性是指當城市面臨自然災害時，城市生態空間成為一個緩沖地帶，從而有效抵抗緊急的災害沖擊。選取生態建設、生態維護和生態環境污染三個一級指標對智慧城市的生態韌性進行測度。信息與科技韌性是指當城市面臨緊急情況時能高效準確地提供信息，從而幫助城市識別并控制風險的能力。聚焦于信息建設、信息傳播和科技發展三個方面對智慧城市的信息與科技韌性水平進行測度。

2智慧城市韌性水平測度實證分析

2.1 研究區域

2012年住房和城鄉建設部下發通知開展國家智慧城市試點，文件中明確指出智慧城市是通過綜合運用現代科學技術、整合信息資源、統籌業務應用系統，加強城市規劃、建設和管理的新模式，與本研究中關于智慧城市定義闡述相一致，因此，本文選擇國家智慧城市試點作為研究對象。

首批國家智慧城市試點共90個，其中地級市37個，區（縣）50個，鎮3個；第二批智慧城市試點共新增了103個城市（區、縣、鎮），包括83個市區級城市和20個縣鎮級城市；第三批智慧城市試點共新增了97個試點，包括84個新增試點和13個擴建試點。

為保證研究區域界定的權威性，以全面測度中國智慧城市韌性水平，本文基于以下步驟進行篩選：第一，限定試點城市為地級市；第二，剔除僅把某個區、某個縣作為試點的城市;第三，剔除撤縣設市后新設立的地級市。最終在290個試點城市中選取103個地級市作為研究樣本，涵蓋中國19個省份和5個自治區，并根據地理位置將樣本區域劃分為東部及沿海地區、中部地區、西部地區、東北地區四大區域。

2.2數據來源與處理

① 數據來源。本文選取城市單元為研究對象，根據上述智慧城市韌性水平測度指標體系，對我國103個智慧城市試點2013—2022年的韌性水平進行測度和評價。數據來源于《中國城市建設統計年鑒》（2013—2022）、《中國城市統計年鑒》（2014—2023）以及2014—2023年103個城市的統計年鑒。部分缺失值采用均值法和線性插值法進行補充。

② 數據處理。為避免各指標屬性差異所帶來的影響，本文根據構建的指標評價體系，采用極差標準化方法對數據進行無量綱化處理，具體步驟如下：

正向指標，即越大越優型指標，其標準化處理公式如（1）式所示

負向指標，即越小越優型指標，其標準化處理公式如（2）式所示

2.3基于二次加權因子分析法韌性測度模型構建

智慧城市韌性涉及經濟、社會、生態、信息與科技等多維韌性，且各維度韌性指標測度數據龐大復雜。二次加權因子分析法能夠有效地處理多維度數據，通過提取主要因子，降低了數據維度，使得結果更易于理解和解釋，同時保留了大部分原始信息。該方法既能測算出各經濟韌性、社會韌性、生態韌性、信息與科技韌性等多維的單個得分，又能評估總體得分，為智慧城市韌性提供一個量化的評估結果，便于比較不同城市或不同時間段的韌性變化。本文基于二次加權思想，以因子分析為基礎，利用二次加權因子分析法，對評價指標體系進行分項和綜合測度，即對準則層指標分別進行第一次因子分析得到分項評價，然后將分項評價得分進行二次加權因子分析，從而得到綜合測度得分。

基于二次加權因子分析法的思路，結合智慧城市韌性測度指標，構建智慧城市韌性測度系列模型如下：

① 智慧城市韌性水平測度指標的因子數學模型。假設智慧城市韌性水平有 Ω_n 個測度對象，每個對象有 p 個測度指標，組成原始數據 ，…，n;j=1，2，3，…，p），F₁，F₂，F₃，…，F_k 表示 k 個公共因子。其中， ε₁，ε₂，…，ε_p 表示不能被因子所解釋的部分，即不可觀測部分。智慧城市韌性水平測度指標的因子數學模型為

在此模型表達式中， a_ij 被稱作因子載荷，指第 i 個變量在第 j 個公共因子上的載荷，這不僅揭示了變量x_i 依賴于因子 F_j 的相對程度，也突顯了變量 x_i 在 F_j 上的相對重要性。由載荷因子 a_ij 構成的矩陣稱為因子載荷矩陣A，其絕對值越大，則 F_j 在 x_i 上的載荷量越大。故上式用矩陣方式表達為 ?X=AF+ε 。

② 智慧城市韌性準則層指標測度模型。在進行模型建立后利用主成分法進行相關參數的估計，包括最小因子數 k 、公共方差及因子貢獻率和因子載荷系數。采用累計方差貢獻率大于 80% 的原則確定公因子 k 的個數，其中公共因子的表達式利用回歸方法得到。如（4）式所示， F_i 表示第 i 個公共因子，即為智慧城市韌性準則層指標測度模型， c_ij 為公共因子待估系數。

③ 智慧城市韌性綜合水平測度模型。結合已分析得到公共因子表達式，構建智慧城市韌性綜合測度模型如（5）式所示。其中： y_i 為第 i 個評價對象的綜合測度值； F_ij 為第 i 個評價對象的第 j 個公共因子的值; w_j 為第 j 個公共因子 F_j 的權重，一般取第 j 個公共因子的方差貢獻率占累計方差貢獻率的比值作為權重。

2.4測度過程分析與結果討論

2.4.1樣本數據的KMO檢驗與Bartlett球形檢驗

運用KMO檢驗與Bartlett球形檢驗方法，檢驗樣本數據是否適用于因子分析。KMO檢驗方法是用于判斷變量間的相關程度，當各變量的相關性較強時，KMO值趨近于1。一般來說，KMO統計值小于0.5時，代表該變量不適合利用因子分析法進行數據分析;當該值超過0.9時表明其非常適用于因子分析。Bartlett球形檢驗是通過分析相關系數矩陣是否為單位矩陣來判斷各個變量是否獨立，若未滿足相關系數矩陣是一個單位陣的零假設，則表明這些變量間可能缺少公因子。一般實證中， p 值小于0.05則認為零假設成立，可進行因子分析。

2.4.2基于一次因子分析的綜合測度與結果

基于以上指標體系分析與方法介紹，將分別對智慧城市韌性水平測度指標體系中的經濟韌性、社會韌性、生態韌性和信息與科技韌性四個準則層進行測度。以經濟韌性水平分項評價為例，完成第一次因子分析評價過程。一是將經濟韌性的二級評價指標的樣本數據導人Stata16.0軟件中，并進行KMO檢驗和Bartlett檢驗。經檢驗，Bartlett的 p 值為0.000，KM0值為0.793，表明經濟韌性二級評價指標的樣本數據適合做因子分析。二是采用主成分分析法估計各個參數，包括公共因子數，因子載荷和方差貢獻率等，并利用最大方差法對初始因子載荷矩陣進行旋轉使得主因子與被解釋變量間關系清晰化，各指標在各主因子有明顯集中荷載。基于學者們普遍采用的原則，即累計方差貢獻率超過80% 的因子作為公共因子，在經濟韌性準則層評價指標中可選取三個公共因子 F₁，F₂，F₃ 。三是建立公共因子 F₁，F₂，F₃ 的得分函數表達式，根據表2的公共因子得分系數矩陣，利用回歸的方法，得到各個公因子的系數得分，如（6）式所示。

最后，根據（7）式公共因子得分函數，以每個因子方差占累計方差的比重作為權重，賦權每個因子得分，從而得到每個對象的綜合因子得分，即為省份 χ_i 的經濟韌性準則層的最終得分。社會韌性、生態韌性和信息與科技韌性準則層的測度指標的第一次因子分析過程與經濟韌性準則層測度指標類似。最終得到103個智慧城市試點的智慧城市韌性水平測度指標體系中各準則層得分。

2.4.3基于二次因子分析的綜合測度與結果

為計算103個智慧城市的韌性水平綜合測度值，將經濟韌性、社會韌性、生態韌性和信息與科技韌性四個準則層指標得分作為變量，按照上述因子分析步驟進行二次加權因子分析，最終得到各智慧城市韌性綜合測度得分。以東部及沿海地區為例，智慧城市韌性水平得分均值與排名如表3所示。

錢應苗，等：智慧城市韌性水平測度及動態演進研究

3智慧城市韌性水平動態演進分析

3.1智慧城市韌性準則層指標的動態演進分析

（1）經濟韌性水平各區域時空動態演進分析

智慧城市經濟韌性準則層各區域時空演進結果均值如圖1（a）所示。從時間維度看，東部及沿海地區、中部地區、西部地區、東北地區智慧城市經濟韌性水平除在2016年出現下降外，整體呈現波動上升趨勢，且不同區域間的水平差距逐漸擴大。東部及沿海地區的智慧城市經濟韌性水平在整個區域中屬于領先地位；中部地區和西部地區分別位于第二和第三；東北地區停滯不前，變化不大。其主要原因在于東部及沿海地區經濟實力雄厚，產業基礎扎實，能夠為智慧城市建設提供充足的資金支持和產業配套；而東北地區由于傳統產業轉型困難，經濟增長緩慢，影響了智慧城市建設的投入和效果。

（2）社會韌性水平各區域時空動態演進分析

智慧城市社會韌性準則層各區域時空演進結果均值如圖1（b）所示。從時間維度看，東部及沿海地區、中部地區、西部地區、東北地區智慧城市社會韌性水平整體變化趨勢各異。東部及沿海地區智慧城市社會韌性水平變化趨勢除2019年出現最高點外整體較為平緩，其社會韌性準則層測度得分均高于平均值，遠超其余三個區域，處于絕對領先地位；中部地區和西部地區整體呈現小幅度的上升趨勢，但整體水平不高，僅在2017年稍高于平均水平；東北地區整體水平較低，且呈現下降趨勢，在2019年后與平均水平的差距逐漸擴大。其主要原因在于東部及沿海地區人口密集，人才集聚，社會治理和公共服務水平較高，這些因素都有助于提升智慧城市社會韌性水平；而東北地區由于人口外流和人才短缺，社會治理和公共服務水平相對較低。

（3）生態韌性水平各區域時空動態演進分析

智慧城市生態韌性準則層各區域時空演進結果均值如圖1（c所示。從時間維度看，東部及沿海地區、中部地區、西部地區、東北地區智慧城市生態韌性水平整體變化除東北地區在2016年出現短暫回落外均呈現逐步上升趨勢。其主要原因在于我國在生態建設和生態維護方面投人較多，例如綠化覆蓋率和污水處理率較高，有助于提升智慧城市生態韌性。

（4）信息與科技韌性水平各區域時空動態演進分析

智慧城市信息與科技準則層各區域時空演進結果均值如圖1（d）所示。從時間維度看，東部及沿海地區、中部地區、西部地區智慧城市信息與科技韌性水平整體變化呈現波動上升趨勢，東北地區整體呈現上升下降交替狀況。東部及沿海地區智慧城市信息與科技韌性水平較高，其測度得分均高于平均值且呈上升趨勢；中部地區和西部地區整體水平較為一致，且均呈現緩慢波動上升趨勢；東北地區整體水平較低，且處于停滯不前的狀態。其主要原因在于東部及沿海地區在信息技術、大數據、云計算等方面具有較強的技術優勢和創新能力，為智慧城市信息與科技韌性的提升提供了有力支撐；而東北地區在這些領域的發展相對滯后，限制了智慧城市信息與科技韌性的提升。

3.2智慧城市韌性綜合水平時空演進與特征分析

（1）智慧城市韌性綜合水平時空演進分析

智慧城市韌性綜合水平時空演進結果均值如圖2所示。東北地區智慧城市韌性水平綜合測度得分較低，與平均值存在較大差距，整體上升幅度不明顯，有待進一步推動智慧城市韌性建設。東部及沿海地區智慧城市韌性水平綜合測度得分較高，均高于平均值且整體變化呈現波動上升趨勢。中部地區智慧城市韌性水平綜合測度得分變化呈現逐年提升趨勢，發展態勢良好。西部地區智慧城市韌性水平綜合測度得分雖然偏低，但整體得分變化呈現波動上升趨勢。

（2）基于核密度方法的智慧城市韌性水平動態演進特征分析

為深入分析智慧城市韌性水平的分布動態演進特征，本文對103個智慧城市的韌性綜合水平測度分值進行核密度估計，結果如圖3所示。從分布位置來看，核密度中心曲線呈現右移趨勢，表明智慧城市韌性水平在2013—2022年期間整體呈現上升趨勢；從極化趨勢來看，核密度中心曲線的波峰數量均未改變，均為單峰分布，說明觀測期間智慧城市韌性水平并未出現明顯多級分化現象；從分布延展性來看，存在明顯右拖尾現象，表明智慧城市韌性水平發展不平衡，存在部分智慧城市的水平突出的情況;從分布形態來看，波峰呈現上升一下降交替變化現象，表明智慧城市韌性水平集中分布程度隨著觀測時間的不同而有所變化。

4結論與建議

本文基于智慧城市韌性內涵闡釋，結合已有文獻研究成果，從經濟、社會、生態、信息與科技等維度構建智慧城市韌性水平測度指標體系，運用二次加權分析法與核密度估算，選取中國103個智慧城市試點的2013一2022年樣本數據，進行中國智慧城市韌性水平測度及動態演進研究。研究發現：一是從整體層面看，本文選定的103個智慧城市研究對象在觀測期內其韌性水平總體呈現上升趨勢，但整體存在發展不平衡的現象。二是從區域層面看，東部及沿海地區整體智慧城市韌性水平最佳，且在經濟韌性、社會韌性和信息與科技韌性方面較大程度地領先于其余三個區域；中部地區和西部地區的智慧城市韌性水平差異較小，整體波動幅度相似。

鑒于以上研究結果，為提升智慧城市韌性水平，實現智慧城市健康可持續發展，本文提出以下對策建議：

（1）大力推動信息與科技建設。智慧城市韌性水平提升很大程度上依托于先進的信息技術和通信技術。因此，需加大信息科技建設的財政投入，在高新信息技術研發和投人建設方面給予足夠的資金支持[30]。同時，要重點關注物聯網技術中的智能終端設備感知技術的研發與應用，加強城市對于緊急狀況的應對能力和恢復能力。

（2）持續優化智慧城市基礎設施。城市基礎設施建設質量深度影響居民生活質量和防災減災水平。需優化智慧城市基礎設施，加強老舊基礎設施的改造，規避設施老化所帶來的一系列風險，并持續推進基礎設施與大數據、互聯網、人工智能等信息技術的融合，推動城市服務智能化、人性化的同時提升城市對于自然災害的抵抗能力[31]。

（3）加強智慧城市協同發展，積極推動新興科技的融合與創新。根據本文韌性水平動態演進分析，我國智慧城市韌性水平存在較為嚴重的區域發展不平衡現象，同時少數城市間的個體差異也較為顯著。為推動城市協同發展，需加強智慧城市間的信息交流，促進信息資源的共建共享和協同配置，并逐步擴大信息交流范圍[32]。此外，可以積極引進智慧城市韌性建設水平較高的城市所應用的先進技術，學習其管理策略和優化思路，并基于自身城市發展特征制定城市規劃。

（4）堅持智慧城市生態文明建設。為推動智慧城市生態韌性發展，各城市要加大清潔能源的應用力度，降低傳統能源使用所帶來的環境污染；持續優化城市綠色空間格局，為城市內部生態發展提供科學合理的區域，實現城市綠色生態建設的目標。

參考文獻：

[1]Kashef M，Visvizi A，Troisi O.Smart city as asmartservice system：human-computer interaction and smartcitysurveillance systems[J].Computers in HumanBehavior，2021，124：106923.

[2]劉宇軒，王宇航，鄧文逸.智慧城市建設對中國市域經濟韌性的影響[J].經濟地理，2024，44（7）：135-143，185.

[3]Haque AK MB，BhushanB，DhimanG.Conceptuali-zing smart city applications：requirements，architecture，security issues， and emerging trends [J].ExpertSystems，2022，39（5）：e12753.

[4］張新長，華淑貞，齊霽，等.新型智慧城市建設與展望：基于AI的大數據、大模型與大算力［J].地球信息科學學報，2024，26（4）：779-789.展：基于綠色全要素生產率視角的分析［J].財經研究，2022，48（1） ：4-18.

[6]石大千，丁海，衛平，等.智慧城市建設能否降低環境污染［J].中國工業經濟，2018，（6）：117-135.

[7］張可.智慧城市建設促進了節能減排嗎？：基于長三角城市群141個區縣的經驗分析［J].金融研究，2023，（7） ：134-153.

[8]Huang G，Li D，Zhu X，et al.． Influencing factors andtheir influencing mechanisms on urban resilience in China[J]．Sustainable Cities and Society，2021，74：103210.

[9]Feng X，Xiu C，Bai L，et al..Comprehensive evaluationof urban resilience based on the perspective of landscapepattern ： a case study of Shenyang city[J]. Cities， 2020，104： 102722.

[10］應超，李加林，劉永超，等.東海海岸帶縣域城市韌性演化及影響因素［J].地理學報，2024，79（2）：462-483.

[11] Datola G. Implementing urban resilience in urban plan-ning：a comprehensive framework for urban resilienceevaluation[J].Sustainable Cities and Society，2023，98： 104821.

[12］鄧昊鍵，劉凱.京津冀地區城市韌性時空演變及空間溢出效應研究[J].地域研究與開發，2024，43（3）：70-76.

[13］陳曉紅，婁金男，王穎.哈長城市群城市韌性的時空格局演變及動態模擬研究［J].地理科學，2020，40（12）：2000-2009.

[14］富蕾，呂淑然.智慧城市建設能否以“智”促“治”為城市治理賦能？：基于多期DID 模型的實證研究［J].工程管理科技前沿，2025，44（1）：90-96.

[15］彭浩宇，張惠琴，龔永志.中國低碳化和智慧化新型城市系統性工程建設構想［J].工程管理科技前沿，2023，42（5） ：90-96.

[16]張思思，馬曉鈺，崔琪.中國城市韌性的時空動態演變及影響因素分析［J].統計與決策，2023，39（3）：110-115.

[17］白立敏，修春亮，馮興華，等.中國城市韌性綜合評估及其時空分異特征［J].世界地理研究，2019，28（6）：77-87.

[18] Ji X，Nie Z，Wang K，et al.. Spatiotemporal evolutionand influencing factors of urban resilience in the YellowRiver Basin，China[J]．Regional Sustainability，2024，5（3）：100159.

[19]LiuL，Lei Y，Zhuang M，et al..The impact of climatechange on urban resilience in the Beijing-Tianjin-Hebeiregion[J].Science of The Total Environment，2022，827：154157.

[20］李彥軍，馬港，宋舒雅.長江中游城市群城市韌性的空間分異及演進[J].區域經濟評論，2022，（2）：88-96.

[21]Zhou Q，Zhu M，Qiao Y，et al.．Achieving resiliencethrough smart cities？Evidence from China[J].HabitatInternational，2021，111：102348.

[22]Liu W，Zhou J，Li X，et al.．Urban resilienceassessment and its spatial correlation from the multidi-mensional perspective：a case study of four provinces inNorth-South Seismic Belt，China[J].SustainableCitiesand Society2024，101：105109.

[23］牛建廣，辛伯雄，王明琪.城市生態效率與生態韌性的協調發展評價與障礙因子識別[J].統計與決策，2024，40（4）：79-84.

[24]Zhao R，FangC，Liu J，et al.．The evaluation andobstacle analysis of urban resilience from the multidi-mensional perspective in ChinesecitiesJ].SustainableCities and Society，2022，86：104160.

[25]WangH，Liu Z，Zhou Y.Assessing urban resilience inChina from the perspective of socioeconomic and ecologicalsustainability[J]. Environmental Impact AssessmentReview，2023，102：107163.

[26］王光輝，王雅琦.基于風險矩陣的中國城市韌性評價：以284個城市為例[J].貴州社會科學，2021，（1）：126-134.

[27］孔希賢，郎麗華，王鈺良.數字貿易對中國經濟韌性的影響：來自中國城市的經驗證據［J].國際經貿探索，2024，40（5）：20-39.

［28］李雪銘，劉凱強，田深圳，等.基于DPSIR模型的城市人居環境韌性評價：以長三角城市群為例[J].人文地理，2022，37（1）：54-62.

[29]毛麗娟，夏杰長，劉睿儀.數字技術與城市韌性耦合：基于我國285個城市的實證分析[J].河海大學學報（哲學社會科學版），2024，26（2）：95-106.

[30］王帆，章琳，倪娟.智慧城市能夠提高企業創新投入嗎？[J].科研管理，2022，43（10）：12-23.

[31]國務院發展研究中心市場經濟研究所課題組，王微，鄧郁松，等.新一輪技術革命與中國城市化2020—2050：影響、前景與戰略［J].管理世界，2022，38（11）：12-28.

[32］李寧靜，劉沖.智慧城市建設、貿易網絡與企業產品多元化[J].經濟研究，2024，59（11）：157-174.

Abstract：Thesmart citiesresiliencelevelisacritical indicatorof theirabilityto maintainstabilityandrecoverquickly from natural disasters，social crises，and economic fluctuations.While China hasmadeprogress insmart city development，significantregional differencesofresilience levelhighlighttheneedforsystematicmeasurementand evaluation.Thisstudyaimstoexplorethedynamicevolutionandregionaldiferencesofsmartcitiesresilience level in China，offering theoretical support for urban management and policymaking.

Inthisstudy，weutilizethequadratic weighted factor analysis methodand kerneldensityestimation toestablish a measurement index system for smart cities resilience level，encompasing dimensions such as economy，society， ecology，information，and technology.Thedataare sourced from the statistical yearbooksof1O3smartcitypilotprojects between 2013 and 2022，including the“China Urban Construction Statistical Yearbook”and the“China City Statistical Yearbook.”The study standardizes thedata through dimensionless procesingand appiesquadratic weighted factor analysis forboth itemizedandcomprehensivemeasurements of each dimension.Kerneldensityestimationisalsoused to analyzeregional diffrences ofresilience leveland their dynamic evolutionary trends.The findings showanupward trend intheoverallsmartcitiesresiliencelevel，thoughsignificantregionaldiferencesremain.Theeasternandcoastalregions performbestintermsofeconomic，social，and information technologyresilience，whilethenortheasternregionshows comparatively lower resilience.The studyalso reveals the dynamic evolutionof resilience level across regions over time， providing empirical evidence for understanding regional differences.

The innovationof this study lies in the constructionofascientific measurement index system for theresilience of smart cities，providing aquantitative tool forassessingand enhancing theresilience of smart cities.The results of the study provideabasis forcity managers to identifythestrengthsandweaknessesof diferentregions，facilitating the formulationof targetedpolicies.Moreover，the study highlightstheimbalanceinthedevelopmentofsmart cityresilience amongregions，suggesting that policymakersconsiderregionalcharacteristicsand formulate diferentiated development strategies when promoting the construction of smart cities.The study provides methodological insights anddata support for future research，advancing the field of smart city resilience.

Key Words：Chinese smart cities；resilience level measurement；quadratic weighted factor analysis method;dynamic evolution；regional differences