中国智慧城市发展水平空间差异研究

张建伟　李贝歌　毕东方等

摘 要：采用因子分析、聚类分析、ESDA等方法，探讨2011年和2014年中国77个智慧城市发展水平空间差异演变，分析影响智慧城市发展的主因子。研究表明：（1）影响智慧城市空间差异的主因子动态变化不大，主要是综合实力因子；（2）中国地级以上智慧城市的总体水平空间差异明显；（3）中国智慧城市的发展格局单极态势较明显、呈“梭”型结构；（4）智慧城市发展主要受到城市发展的内在需求、对原有资源禀赋的惯性依赖、政策影响及智慧文化，尤其是政策作用非常显著。

关键词：智慧城市；城市发展；影响因子；空间结构

中图分类号：K901.8 文献标志码：A

随着全球化、信息化的深入推进及知识经济的兴起，世界竞争开始转向虚拟空间[1]，城市发展思潮也逐渐从以物为本转向以人为本[2-3]，之前的基于信息技术的数字城市[4-5]框架正向一个融技术、经济、社会、空间于一体的智慧城市演变[6]，城市愈发追求更加低碳、环保、高效、智能、幸福的美好目标，在这一背景下，“智慧城市”的概念被提出。智慧城市是运用先进的ICT技术，将人、商业、运输、通信、水和能源等城市运行的各个核心系统整合，从而使整个城市作为一个宏大的“系统之系统”，以更为智慧的方式运行[7]。智慧城市不仅是智慧地球的重要组成部分，还有利于发展战略新兴产业，提升经济发展质量，有利于提升城市管理的科学化，为未来城市提供了新的路径。因此，很多国家和城市启动了智慧城市的建设热潮[8-9]，学术界也开展了很多有益的研究。目前，国外智慧城市研究的视角主要有技术应用[10]、产业组织[11]、资源配置[12]、城市规划[13]、人本主义[14]。国内智慧城市相关研究主要集中在顶层设计[15]、大数据对智慧城市规划的影响[16，17]、国外智慧城市发展对中国的启示[18-20]、智慧城市建设的路径[21]、智慧城市评价[22]、智慧城市的作用[23-25]、评述与展望[26]。智慧城市的发展评价相关研究很多，但大多局限于单个城市，仅有的一些多城市发展差异比较研究，样本量也较少，不能很好地揭示智慧城市的发展差异。另外，智慧城市发展水平差异大多基于单个年份，少有探讨智慧城市发展水平差异演变的研究。因此，本研究以中国公布的三批智慧城市为范围，本着可比性、科学性、可行性及完整性的原则，选取了77个地市级的智慧城市，首先采用因子分析法，以判断智慧城市发展过程中，哪些因素发挥了主要作用，然后对2011年和2014年这些智慧城市发展水平进行评价，最后分析其原因，以期为中国智慧城市的建设提供一定的借鉴。

1 数据来源与指标设计

本研究的数据主要来源于2012年和2015年《中国统计年鉴》、《中国城市年鉴》、各相关省市统计年鉴和各相关城市的政府统计公报。首先遵循科学性、可行性、完整性及可比性的原则，即要满足以下要求：可准确表征智慧城市发展水平；数据可获得；数据完整；在同一层级有可比性。根据智慧城市的含义，智慧城市的指标设计应注重两方面：其一，以信息、知识为核心资源，以新一代信息技术为支撑手段；其二，对于包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能的响应，为人类创造更美好的城市生活。因此本研究选取智慧基础设施、智慧技术、智慧产业、智慧服务及智慧生态五个一级指标19个二级指标表征智慧城市发展水平，构建起智慧城市发展的评价指标体系（表1），选取77个地级试点智慧城市进行空间差异分析。

2 中国智慧城市的发展水平差异及演化

2.1影响因子的测度及分析

2.1.1 2011年智慧城市发展水平的主因子

首先，分别对2011年和2014年的数据进行标准化处理，消除数据量纲的差异，采用因子分析，运用最大方差法旋转处理后得出主成分的特征值和贡献率（表2）。根据特征值均大于1的原则，从19个因子中提取了4个主因子作为主成分，累计贡献率为78.02%（表2），根据旋转成分矩阵（表2）可知F1主因子与X2、X3、X4、X5、X6、X8、X9、X10、X12、X13等10個因子有很高的关联性，这些因子主要涉及到智慧基础设施、智慧技术、智慧服务和邮政业务总量，可将F1主因子命名为智慧城市综合实力因子。该因子单项排名前几位的城市有北京、上海、天津、广州、杭州、芜湖和昆明；F2主因子与X1、X7、X13、X14、X15、X16等6个因子关联性较高，主要涉及互联网用户、就医便利度及生态，可将F2命名为宜居因子，该因子单项排名前几位的城市有重庆、广州、上海、杭州、天津、武汉、大连。F3主因子与X11（单位GDP能耗）、X17（一般工业固体废弃物综合利用率）呈较高相关性，为生产方式因子，该因子单项排名前几位的城市有上海、广州、杭州、武汉、无锡、南通、常州。F4主因子与X17 （建成区绿化覆盖率）相关性较高，可称为绿化因子，该因子单项排名前几位的城市有上海、珠海、大连、昆明、无锡。四个主因子分别不同角度反映了2011年的智慧城市的发展程度。

以4个主成分对应的方差贡献率为权重计算综合分值，得分仅表示在构建的指标下各地智慧城市的相对差别。选取前20个城市的总和得分排序（表3）排名最高的前五位依次是为北京、上海、广州、天津、杭州，综合得分都大于0.71。其次为宁波、武汉、芜湖、无锡、金华、昆明、大连，综合得分在0.24～0.36之间。重庆、南通、青岛、烟台、温州、常州、珠海的综合得分在0.048～0.13，其余城市综合得分都小于0。北京呈正相关的主因子F1中排名第一，综合得分也远远高于其他的城市，表现出了北京发展智慧城市具有非常强的综合实力，但是其它主因子为负数，说明北京在互联网、生态宜居、绿化方面应该进一步强化。根据2011年中国智慧产业发展水平发现，中国智慧城市发展水平极不平衡，智慧城市发展较好的主要集中在北京、上海、广州、天津、杭州等一些特大城市，其它城市发展较为滞后，且具有明显的等级结构，其智慧城市水平等级与其规模呈正比。

2.1.2 2014年智慧城市发展水平的主因子

运用相同的方法对2014年中国智慧城市的数据进行分析。系统对选取的19个因子进行旋转后提取4个主因子。4个主因子对选取的19个指标的解释能力达到78.541%。进行因子得分级算得出2014年智慧城市发展水平排名前20位的城市（表5）。

2014年主因子F1在X2、X3、X4、X5、X6、X9、X10、X14、X15、X16、X17、X18等12个因子上载荷值较大，这些因子多侧重智慧基础设施、智慧技术及智慧生态，体现的是智慧城市发展水平的综合实力，可将F1主因子命名为智慧城市综合实力因子。该因子单项排名前几位的城市有北京、上海、广州、天津、重庆、乌海、郑州和昆明；F2主因子与X1、X8、X12、X13等6个因子相关度极高，主要涉及互联网用户、社会保障及通达性，可将F2命名为通达性因子，该因子单项排名前几位的城市有重庆、广州、天津、上海、鄂尔多斯、杭州、大连和武汉。F3主因子在X11 （单位GDP能耗）载荷量相对较高，为生产方式因子，该因子单项排名前几位的城市有广州、杭州、常州、温州、武汉、泰州和珠海。F4主因子与X7（一般工业固体废弃物综合利用率）有很强的相关性，可称为智慧服务因子，该因子单项排名前几位的城市有秦皇岛、珠海、鄂尔多斯、新余、四平、石家庄和北京。

2014年和2011年相比，智慧城市发展水平前三位城市变化不大，北京、上海和广州都是前三位。重庆发展很快，由13位上升到第4位，天津、杭州和武汉则略有下降，宁波下降较多，下降到第12位，无锡也发展较快，有第9位上升到第7。郑州和秦皇岛发展最为迅猛，分别从60位和41位大幅度上升到第9和20位，太原市也有所发展从21位上升到18位，而烟台、唐山和芜湖排名则有一定程度的下降，其中芜湖下降最为明显。整体看来，智慧城市的发展的水平都在整体提高且发展呈现出以北京、上海的“双中心”发展趋势。

2.2智慧城市发展水平的空间差异

利用全国地级以上的77个试点智慧城市综合实力整体得分F，进行聚类分析，将2011年和2014年77样本智慧城市分为5个等级。2011年五个等级的智慧城市数量分别为1、1、3、7、65，智慧城市等级体系呈金字塔型分布。2014年五个等级的智慧城市数量分别为1、1、4、70、1，智慧城市等级体系为不规则的梭形结构，中等层次以上的城市数量较多，高等和低等层次的城市数量较少。

2011年第一等级和第二等级的智慧城市分别是北京和上海，2014年仍然是北京和上海，综合得分大于1的智慧城市有北京、上海、广州减少到仅北京和上海，且北京的综合得分从2011的4.83增加到2014年的5.12，处于第一等级，而上海从2011年的2.98下降到2.77，处于第二等级，北京和上海的发展速度远超其它城市，日益成为我国智慧城市等级体系的两极。第三等级的智慧城市2011年有广州、天津和杭州，2014年增加了重庆，这些城市基础设施完善，经济发展迅速，科技创新能力强，智慧城市发展潜力巨大。2011年处于第四等级的智慧城市仅有7个：宁波、武汉、芜湖、无锡、金华、昆明和大连，2014年很多智慧城市发展迅速，处于第四等级的智慧城市增加到了70个，而第五等级的智慧城市从2011年到2014年从65个减少到仅鄂尔多斯1个。

将智慧城市与地理空间结构相结合，从而反应出智慧城市的空间分布结构。全国77个地级智慧城市的整体得分F，体现了各个城市智慧建设的强弱。得分高，实力强的城市，其基础设施相对完善、经济和科技创新实力强、社会保障能力业相对较高；相反，得分较低的智慧城市，总体实力较弱，智慧城市的各个方面需要提高。将智慧城市与地理空间结构相结合，从而反应出智慧城市的空间结构类型（图1）。

3 智慧城市空间差异的成因

3.1 城市发展的内在需求

随着城市化的不断推进，人口、资本、产品等要素不断向大城市集聚，城市自身也在不断膨胀，出现了经济活动频繁而无序、流动人口管理困难、城市发展与环境资源的矛盾日益突出、交通拥挤等诸多问题。中国的特大城市的发展面临新的挑战，对城市管理理念、管理模式提出了更高要求。因此，北京、上海、广州等特大城市在更新现代城市管理理念的同时，应充分利用现代信息技术手段，创新城市管理模式，再造城市管理流程，使信息化、数字化城市管理从功能到效率得到全面升级，使数字化城市向集成化、智慧化、协调化发展[27]。这些内在需求及城市发展从低级向高级演替的规律促进了智慧城市的发展，也造就了这些高水平的智慧城市。

3.2 对原有资源禀赋的惯性依赖

规模较大的城市经济基础好、科技实力强，智慧技术链和产业链有了初步的发展。比如无锡建有国家传感网示范区，北京、上海等特大城市是国家云计算服务创新示范城市。特大城市的信息化水平也较高，而小城市这方面的资源条件较匮乏。所以在原有发展路径的影响下，造成了特大城市智慧城市发展水平较高而小城市智慧城市发展水平相对较低的格局。然而，等级较低的城市，发展潜力巨大，具有更多的发展空间（图1）。

3.3 政策驱动

在政策方面，城市规划和政府政策对智慧城市的建设和发展有着重要的影响。为推动智慧城市的发展国家出台了诸多政策：《国务院关于大力推进信息化发展和切实保障信息安全的若干意见》、《“十二五”国家战略性新兴产业发展规划》、《推進物联网有序健康发展的指导意见》、《“宽带中国”战略及实施方案》、《促进我国智慧城市健康有序发展的指导意见》等。2012年12月5日，住房部发布《国家智慧城市试点暂行管理方法》以及《国家智慧城市（区、镇）试点指标体系（实行）》的通知；2013年，住建部先后公布两批国家智慧城市（区、县、镇）试点，城市数高达193个。为各个地区智慧城市的发展创造了可能，2014年8月29日，经国务院同意，发改委、工信部等八部委印发《关于促进智慧城市健康发展的指导意见》，为智慧城市的健康发展提供了相应的依据。在地方上，许多城市将智慧城市纳入地方“十二五”规划纲要，在智慧城市建设的先行地区还出台了一系列专门的政策规划，逐步建立起保障智慧城市稳定健康推进的政策体系[18]。各个城市还从不同方面开始建立智慧公共服务和城市管理系统、智慧城市综合体、智慧政务城市综合管理运用平台、智慧安居服务、智慧教育人文服务、智慧服务应用、智慧健康保障体系建设、和智慧交通的建设。

最后，自從2010年智慧城市的概念被明确提出后，国家各个层面都非常重视智慧城市的发展，所以在2011年时智慧城市发展水平处于第五等级的城市很多，经过2年的发展，2014年第五等级城市明显减少，而第三等级城市急剧增多，从侧面表明国家及政府的重视对智慧城市的发展具有重要作用。

3.4 智慧文化

构建智慧城市的过程中，信息化和科技发挥了重要作用，为智慧城市的发展提供了必要的基础条件，然而其渗透到城市居民的生活中，还有赖于城市居民思维意识的转变，有赖于智慧文化在社会的普及程度。北京、上海、广州、杭州、无锡、宁波等城市经济较为发达，开放程度较高，易于接受新事物，上述城市的物联网较发达，淘宝村的数量也较多，这有助于形成智慧文化氛围。同时，这些城市信息化程度比较高，通过网络平台接受城乡居民预约服务的人也在不断增加，各公共服务机构的智能化水平不断提升，也为供给和需求的良性互动奠定了基础，极大地推动了智慧城市的发展。

4 结论

智慧城市对促进城市科学化管理及提升经济质量具有重要作用，代表了未来城市发展的一个重要方向，但是对于其发展水平差异及发展形成规律的研究较少。因此，基于智慧城市的内涵及相关研究，构建了智慧城市发展水平指标体系，选取了77个样本智慧城市进行分析评价，主要结论如下：

（1） 影响智慧城市空间结构和区域差异的主因子动态变化不大，主要是综合实力因子。2011年，除北京、上海、天津、广州、杭州等城市位于前三等级，宁波、武汉、芜湖、无锡、金华、昆明、大连位于第四等级，其余大量城市都属于第五等级。影响智慧城市主因子有四个，其中综合实力因素包括了初始因素的大多数，具有极强的代表性，宜居因子、互联网、生态及绿化因子也发挥了一定作用；2014年中国智慧城市整体上有了较大发展，影响智慧城市的因子变化不大。

（2） 中国地级以上智慧城市的总体水平正处于初级上升阶段，但空间差异较明显。无论是2011年还是2014年，北京、上海、广州、天津、杭州都是前三等级智慧城市，重庆发展迅速进入第三等级。而其余71个城市虽仍属于第四第五等级，但是大部分城市正处于上升和发展阶段，其发展空间广阔，需要政府投入更多的资金和人员来推动智慧城市的建设和发展。2014年和2011年相比，第五等级城市迅速减少，第四等级智慧城市急剧增加。

（3） 我国智慧城市的发展格局单极态势较明显、呈“梭”型结构。2014年和2011年相比，前三等级变化不大，仅重庆进入第三等级，但是第四等级的城市急剧增多，形成了以北京为第一等级、上海为第二等级的单极不规则“梭”型的发展格局。这一阶段发展格局的演变主要得益于各地级市政府优惠政策的推动、创新能力的提升和经济的快速发展，以中小智慧城市的快速发展为特点。

（4） 智慧城市的发展受到城市发展的内在需求、原有资源禀赋的惯性依赖、政策的影响及智慧文化，尤其是政策的作用非常显著。

随着“四网融合”及“互联网+”的逐步推进，智慧城市发展是一种趋势，智慧城市的发展最重要的是科技和信息在城市发展及城市居民生活中的渗入程度，而考虑到本研究选取的样本较多及数据的可获得性，本研究的主要指标对新兴的一些指标关注较少，比如城市居民对智慧城市的认可程度、物联网、淘宝村数量等，因此本研究只是在一定程度上揭示了我国地市层面智慧城市的空间结构演变。未来应增加一些新指标，多选择一些具有一定时间跨度的截面数据。

参考文献：

[1] 刘云刚， 谢安琪， 林浩曦. 基于信息权力论的智慧城市建设刍议[J]. 人文地理，2014，139（5）：8-13.

[2] 柴彦威， 沈洁. 基于居民移动—活动行为的城市空间研究[J]. 人文地理，2006，21（5）：108-112.

[3] 汤茂林. 我国人文地理学研究方法多样化问题[J]. 地理研究，2009，28（4）：865-882.

[4] 段学军. 数宇城市建设研究[J]. 地域研究与开发，2003，22（5）：1-4.

[5] 魏海平，陈应东，钱海忠. 数字环境下城市可持续发展问题研究[J]. 地域研究与开发，2004，23（6）：45-47.

[6] 甄峰， 翟青. 信息时代移动社会理论构建与城市地理研究[J]. 地理研究，2012，31（2）：197-206.

[7] IBM商业价值研究院信息时. 智慧地球[M]. 上海：东方出版社，2009：1-3.

[8] 刘静玉，王发曾. 基于空间信息技术的城市开放空间信息系统设计[J]. 地域研究与开发，2005，24（5）：114-119.

[9] 李保杰，顾和和，纪亚，等. 基于地学信息图谱的矿业城市空间扩展研究[J]. 地域研究与开发，2012，31（1）：50-54.

[10] Washburn D， Sindhu U， Balaouras S， et al. Helping CIOs Understand "Smart City” Initiatives： Defining the Smart City， its Drivers， and the Role of the CIO[M]. Cambridge ： Forrester Research， Inc， 2010：10-17.

[11] Harrigan P 0， Boyd M M， Ramsey E， et al. The development of e-procurement within the ICT manufacturing industry in Ireland[J]. Management Decision，2008，46（3）：481-500.

[12] Lenzen M， Peters G M. How city dwellers affect their resource hinter land[J]. Journal of Industrial

Ecology，2010，14（1）：73-90.

[13] Graham S， Marvin S. Splintering Urbanism： Networked Infrastructures， Technological Mobilities and the Urban Condition[M]. London： Routledqe，2001：1-11.

[14] Batadgan L. Smart cities and sustainability models[J]. Revistade Informatical Economico，2011，15（3）：

1453-1465.

[15] 甄峰，秦萧. 智慧城市顶层设计总体框架研究[J]. 现代城市研究， 2014（10）：7-12.

[16] 甄峰，秦萧. 大数据在智慧城市研究与规划中的应用[J]. 国际城市规划， 2014，29（6）：44-50.

[17] 柴彦威，龙瀛， 申悦. 大数据在中国智慧城市规划中的应用探索[J]. 国际城市规划，2014，29（6）：9-11.

[18] 沈山，曹远琳， 孙一飞. 国际智慧城市发展实践与研究前瞻[J]. 现代城市研究，2015（1）：42-48.

[19] 王广斌，崔庆宏. 欧洲智慧城市建设案例研究： 内容、问题及启示[J]. 中国科技论坛，2013（7）：123-128.

[20] 吴志，强柏. 欧洲智慧城市的最新实践[J]. 城市规划学刊，2014，218（5）：15-22.

[21] 辜胜阻，王敏. 智慧城市建设的理论思考与战略选择[J]. 中国人口·资源环境，2012，22（5）：74-80.

[22] 刘维跃，王海龙，刘凯歌，等. 运用熵权/TOPSIS组合模型构建智慧城市的评价体系[J]. 现代城市研究，2015（1）：

31-36.

[23] 赵四东，欧阳东，钟源. 智慧城市发展对城市规划的影响评述[J]. 规划师，2013，29（2）：5-10.

[24] 易卫华，张赛飞. 智慧城市的社会影响与对策研究[J]. 科技管理研究，2013（10）：238-242.

[25] 刘兰娟，徐鑫. 智慧城市建设财政支出影响经济转型的CGE模型分析—以上海为例[J]. 上海经济研究，2014（1）： 104-111.

[26] 王朝晖，郑新奇. 基于共词分析的智慧城市研究现状与展望[J]. 地域研究与开发，2014，33（4）：59-63.

[27] 逢金玉. “智慧城市”—中國特大城市发展的必然选择[J]. 经济与管理研究，2011（12）：74-78.

Study on spatial difference of smart city

development level in China

ZHANG Jian-Wei1，2， LI Bei-Ge1， BI Dong-Fang1， WANG Can1

（1.School of Resources Environment and Tourism， Anyang Normal University， Anyang 455000； 2. Center for Yellow River Civilization and Sustainable Development/College of Environment and Planning， Henan University， Kaifeng 475001）

Abstract： The spatial difference of 77 Smart Cities is explored in China at 2011 and 2014 By factor analysis， cluster analysis， ESDA， etc， and the factors that influence the development of Smart City are analyzed. The research shows that （1） The main factors that affect the spatial difference of the Smart City are not much of a change ，and the main factors are comprehensive strength factors .（2）The overall difference level of Smart City is obvious in China. （3） Unipolar situation is more obvious in the development pattern of China's smart city and has a "shuttle" structure. （4）The development of Smart City is mainly influenced by the inherent requirement of the city ，and the inertia dependence and policy of the original resources endowment， and smart culture， and the role of policy is peculiarly significant.

Keywords： smart city； urban development； influence factor； the spatial structure