大数据视域下智慧城市发展评价与提升策略研究

DOI：10.19995/10-1617/F7.2024.05.156
大数据视域下智 慧城市发展评价与提升策略研究
——基于山东省15市的实证研究
刘小平
(鲁东大学商学院 山东烟台 264039)
摘 要：智慧城市建设水平评价是智慧城市建设的重要组成部分。

基于信息基础、惠民服务、经济基础、生态宜居、城市吸引、智慧保障6个维度，本文构建了智慧城市发展评价指标体系，并综合运用因子分析法和聚类分析法对山东省15市智慧城市发展综合水平进行测算和划分发展质量水平等级。

结果显示：山东省智慧城市发展取得了一定的成绩，但还有明显的提升空间；15市智慧城市发展水平存在明显的空间异质性，呈现梯度递增的空间分布特点。

为了促进山东省15市智慧城市建设高质量发展，我国需要大力实施区域协调发展战略、加快产业转型升级和加快推进开放发展战略。

关键词：智慧城市；评价指标体系；因子分析；聚类分析；区域协调发展
本文索引：刘小平.大数据视域下智慧城市发展评价与提升策略研究[J].商展经济,2024(05):156-160.
中图分类号：F127；F124.3 文献标识码：A
随着“网络强国”战略、
“大数据”战略和“数字中国”建设等政策的出台，我国智慧城市建设步伐不断加快[1]。

中国智慧城市工作委员会数据显示，2021年我国智慧城市市场规模达21.08万亿元，同比增长45.4%。

大数据、区块链、空间地理信息集成等新一代信息技术的普及，为智慧城市深入建设带来了机遇与挑战[2-4]。

国家“十四五”规划纲要明确提出，“分级分类推进新型智慧城市建设”。

山东省提出要以数字化、信息化、智慧化赋能城市建设管理，实施“城市大脑”提升行动，推进智慧城市建设，2025年新型智慧城市建设覆盖率达到100%。

在此背景下，智慧城市建设发展水平测度问题成为日益突出的重点研究问题，如何依托智慧城市提高有关部门科学、准确、高效的治理能力，发挥信息共享、协同和融合的积极作用，成为智慧城市持续发展不得不应对的现实挑战和当今社会治理的重点与难点。

1 文献回顾
关于智慧城市评价的相关研究，学者从不同维度开展[5-7]。

邹凯和包明林(2015)针对国内智慧城市建设能力认知不到位、发展潜力评价不足等问题，利用神经网络算法对智慧城市发展潜力进行了综合评价[8]。

曲岩和王前(2018)利用主成分分析法(PCA)对国内副省级城市与直辖市的智慧城市发展水平进行了评价[9]。

何琴(2019)把长江三角洲、环渤海、中西部地区的城市群作为研究对象，构建了智慧城市建设水平评价模型[10]。

从智慧城市建设投入要素和产出角度，崔璐和杨凯瑞(2018)构建出智慧城市建设效率评价指标体系[11]。

这些评价体系侧重的内容和优缺点各有差异，为本文构建综合评价指标体系奠定了理论基础。

本文在梳理文献的基础上，构建了智慧城市建设发展水平评价体系，通过因子分析法综合评价山东省的智慧城市发展水平，运用聚类分析法对智慧城市发展水平等级进行划分，促使不同规模等级的智慧城市能够更好地认清自身的发展水平，避免建设的资源浪费，为促进智慧城市长期持续发展提供参考。

2 研究设计
2.1 评价指标体系构建
在指标设置时，需要考虑到能够反映出智慧城市建设水平，体现出各城市之间的差异性与相似性，同时还要顾及现实数据支持的可行性和可操作性，确保指标体系达到对智慧城市发展水平进行综合评价的目的[12-14]。

本文根据已有研究成果，借鉴了有关数字城市、智慧城市、物联网产业的相关研究成果，同时结合国家信息中心牵头制定并发布的《新型智慧城市评价指标》(GB/T 33356-2022)、
《2022中国数字政府发展指数报告》等标准，征询了有关专家的意见，从信息基础、经济基础、惠民服务、生态宜居、城市吸引、智慧保障
基金项目：2023年度山东省社科规划项目研究成果“大数据背景下山东省新型智慧城市信息安全风险评价体系研究”(22CSDJ12)。

作者简介：刘小平(1979-)，女，山东临邑人，副教授，博士，硕士生导师，研究方向：城市管理及公共安全风险管理。

6个维度选取了17个指标，建立了智慧城市发展水平评价体系，如表1所示。

2.2 方法介绍
2.2.1 因子分析
因子分析是一种把多个变量降为少数几个综合变量的多元统计分析方法[15]。

表1中出现了17个指标，进行评价时运算繁杂，通过降维提取公因子，保留了初始指标的绝大部分信息。

因此，本文选择因子分析对智慧城市发展水平进行综合评价。

2.2.2 聚类分析
聚类分析被广泛应用于对样本分类的研究，其原理是把全部样本按距离或相似程度归成不同种类，把关联度比较临近的合并成一类，剩余的所有样本都进行合并，直至把所有的样本变量聚成几类[16]。

这种分析方法解释力度相对较高，近似的样本划分为一类，不相似的样本归为不同类，使得各个类别之间的距离足够远[17]。

3 实证分析
3.1 数据来源与处理
本文选取2021年山东省15个地级市的统计数据，为保证不同计量单位的指标可以进行比较，需要对指标数据进行规范化、标准化处理，对逆向指标进行正向化处理。

基于SPSS24.0软件，本文完成了各数据指标的因子分析适应性检验。

结果表明：巴特利特球形度检验的P值为0.000，KMO 值为0.736(大于0.7)，自由度df值为91，说明可以进行因子分析。

17个指标中，最终删除了3个指标，剩余14个指标最终归并为2个公因子，累计方差的贡献率为87.75%，说明效度较好，公因子解释效果理想。

各个指标在公因子上的负荷如表2所示。

在进行指标具体分析时，一是对载荷值小于0.5或同时在两个因子上载荷值都大于0.5的因子予以删除[18]。

例如，“地区GDP”
“普通小学数量”两个指标在两个公因子上的载
表1 智慧城市发展评价指标体系
一级指标二级指标单位指标属性指标代码
信息基础互联网宽带接入用户万户+X
1邮电业务总量亿元+X
2电信业务总量亿元+X
3
经济基础
地区GDP亿元+X
4地区生产总值万元+X
5人均GDP元/人+X
6
惠民服务人工煤气、天然气供气总量万立方米+X
7城市公共汽电车运营车辆数辆+X
8公共图书馆总藏量_图书千册+X
9普通小学数量所+X
10
生态宜居
公园绿地面积公顷+X
11建成区绿化覆盖面积公顷+X
12城市污水排放量万吨-X
13
城市吸引户籍人口自然增长率‰+X
14户籍人口数量人+X
15
智慧保障城镇职工基本养老保险参保人数人+X
16一般公共预算支出万元+X
17
表2 旋转后因子载荷系数表格
荷均大于0.5。

二是“户籍人口数量”因载荷低而被剔除。

3.2 公因子命名
根据表3，本文对提取的两个公因子进行命名，因子1(F1)负荷较高的指标有10项，方差贡献率为54.751％，影响比较明显的指标是公共图书馆总藏量_图书、城镇职工基本养老保险参保人数、建成区绿化覆盖面积、一般公共预算支出、地区生产总值等，反映出当地整体的经济实力、惠民服务和智慧保障等方面，命名为智慧城市公共服务保障因子。

因子2(F2)负荷较高的指标有4项，方差贡献率为32.999％，对因子2影响比较明显的指标是户籍人口自然增长率、电信业务总量、邮电业务总量、互联网宽带接入用户，反映了城市吸引力、信息基础设施建设等方面，命名为智慧城市基础建设因子。

3.3 因子分析评价
如表4所示，计算得到山东省智慧城市发展水平的因子得分系数矩阵，用F 1、F 2代表2个公因子的综合评价得分，则：
F 1=-0.263*X 14+0.142*X 5-0.072*X 3-0.092*X 2-0.065*X 1+0.186*X 9+0.170*X 16+0.100*X 8+0.260*X 6+0.093*X 13+0.092*
X 7+0.073*X 11+0.131*X 12+0.093*X 17
(1)F 2=0.441*X 14-0.044*X 5+0.246*X 3+0.270*X 2+0.234*X 1-0.125*X 9-0.086*X 16+0.013*X 8-0.282*X 6+0.026*X 13-0.013*X 7+0.054*X 11-0.028*X 12+0.026*X 17 (2)
以2个公因子的方差百分比为权重计算综合得分，最终得出结果如下：
F=(54.751%F 1+32.999%F 2)/87.75% (3)
具体综合评价得分及排名如表5所示。

(3)
从评价结果来看，智慧城市公共服务保障因子(F1)所占比重较高、贡献率较大，主要是一般公共预算支出、地区生产总值、公共图书馆总图书藏量、城镇职工基本养老保险参保人数、建成区绿化覆盖面积等贡献度较大，这与目前智慧城市发展的实际现状基本符合。

智慧城市包括智慧政府、智慧民生、城市基础设施的智慧化支撑和城市的智慧生
态环境等部分；其中，城市基础设施是实现智慧城市建设目标的关键要素，惠民服务、生态宜居与信息资源是智慧城市建设的主要内容。

智慧城市基础建设因子(F2)所占比重为32.999%，对智慧城市发展水平也存在着重要影响。

山东省
表3 方差解释率
表4 成份得分系数矩阵
表5 山东省智慧城市发展水平综合评价得分
地区F 1
F 2
综合评价得分排名得分排名得分排名济南市 1.681 2.361 1.71青岛市0.594 1.692 1.692淄博市0.2560.5740.074枣庄市-0.059-0.8514-0.5515东营市-0.24110.255-0.288烟台市0.1370.9630.243潍坊市0.823-0.5911-0.066济宁市0.265-0.398-0.147泰安市-0.413-0.439-0.4210威海市-0.32120.256-0.349日照市-0.8115-0.337-0.5114临沂市 1.262-1.3150.045德州市-0.1110-0.6912-0.4712聊城市0.018-0.7413-0.4611滨州市
-0.41
14
-0.56
10
-0.5
13
数字化程度相比直辖市存在差距，但随着智慧城市战略的全面推进，进一步带动了地级市数字化的快速发展。

2020年初，山东省就率先制定了《关于山东省数字基础设施建设的指导意见》，明确了“网、云、端”等信息基础设施及交通、能源、水利、市政等融合基础设施建设要求和发展方向。

2022年，山东省5G投资超过100亿元，累计建成开通5G基站16.06万个，地市市区、县城城区、乡镇镇区和省内海岸线均实现了5G网络覆盖，交通枢纽、重点高校、医院、大型商超、4A级以上景区、经济园区等重点场景实现连续覆盖，行政村5G覆盖比例超过40% 。

从综合评价结果来看，山东省各地级市智慧城市发展水平参差不齐。

在15个地级市中，只有5个城市综合评价得分大于0，不足全省份的50%。

智慧城市发展环境水平存在明显的空间异质性。

其中，济南与青岛的综合得分大于1，智慧城市发展水平相对较高；烟台、淄博、临沂3个城市的综合评价得分仅大于0，智慧城市发展水平处于中等水平；剩余10个地级市的智慧城市发展得分均小于0，整体水平较低。

这与山东省各地级市经济发展水平差异基本相符。

3.4 聚类分析
为进一步分析智慧城市发展水平的空间异质性，本文采用聚类分析方法进行了分析。

结果显示，山东省15个地级市智慧城市发展水平分为“较好”
“一般”与“较低”三类(见表6)。

表6 山东省智慧城市发展水平聚类分析结果
类别地级市数量智慧城市发展
水平
第1类济南、青岛2较好第2类烟台、淄博、临沂、潍坊4一般
第3类枣庄、东营、济宁、泰安、威海、
日照、德州、聊城、滨州
9较低
由表6可知，智慧城市发展水平较好的主要包括济南与青岛，且因子得分排名前两位。

其中，济南在智慧城市公共服务保障因子(F1)、智慧城市基础建设因子(F2)排在第1位。

济南作为省会城市，在地理位置、经济基础与城市方面都有着巨大的发展优势，其地区的人口基数、GDP、信息基础建设等方面指标远远领先于其他城市。

青岛属于山东省的副省级城市，与济南并列的特大城市，在信息基础假设、城市吸引力方面也有着明显的发展优势，其智慧城市基础建设因子(F2)排在第2位。

智慧城市发展水平一般城市包括烟台、淄博、临沂、潍坊4个城市。

其中，烟台在省内率先列支智慧城市建设科研预算资金，创新打造“数发模式”，形成了五位一体的智慧城市建设架构，围绕“优政、惠民、兴业、强基”全面加快推进新型智慧城市建设，其效果较为明显，烟台的智慧城市基础建设因子(F2)排在第3位，综合评价得分处在第3位，但智慧城市公共服务保障因子(F1)得分只排在第7位，说明在公共服务保障方面仍需进一步提高。

智慧城市发展水平较低的城市包括枣庄、东营、济宁、泰安、威海、日照、德州、聊城、滨州9个城市，与其他城市相比存在明显的差距。

其中，济宁、东营、威海、泰安4个地级市综合得分分别排在第7位、第8位、第9位、第10位。

应结合自身发展特点，积极与济南、青岛合作交流，以促进智慧城市发展。

剩余的聊城、德州、滨州、日照、枣庄的5个地级市因子得分排名分别为第11、第12、第13、第14、第15位，均位于智慧城市发展的下游水平。

4 结语
本文最终选取14个指标构建智慧城市发展水平综合评价指标体系，并以山东省为例进行实证分析，得出以下结论：一是山东省智慧城市发展取得了一定成绩，但还有明显的提升空间，只有5个城市综合评价得分大于0，其余10个城市的智慧城市发展得分均小于0；二是各地级市的智慧城市发展水平参差不齐，存在明显的空间异质性。

对此本文提出以下对策建议：
一是大力实施区域协调发展战略，共同提升智慧城市发展水平。

山东省应加快建设需求引领、数据驱动、特色发展的新型智慧城市，全面推动城市治理体系和治理能力现代化。

2025年，全部县(市、区)达到三星级以上，全部市和60%的县(市、区)达到四星级以上，力争打造3个以上的五星级标杆城市的宏伟目标，仅依靠济南与青岛的城市发展远远不够，应将山东省的智慧城市发展作为一个有机整体，需要做到整合资源、以强带弱、资源共享，实现“1+1>2”的放大效应。

二是加快产业转型升级，推进经济高质量发展。

由表4可以看出，区域经济水平决定智慧城市发展水平。

枣庄、日照、滨州、德州、聊城等城市无论从经济发展水平、城市吸引力还是信息基础建设方面，都落后于济南和青岛、烟台等沿海城市，主要原因是当地的经济实力比较薄弱、相关的专业技术人才匮乏。

因此，需通过产业整合、产业集群等措施加快经济落后地区的转型升级，推进经济高质量发展。

三是加快推进开放发展战略。

山东省智慧城市在不断提高自身发展质量的同时，还应加强与发达城市的互联互通、务实合作，积极融入国家发展智慧城市大战略，促进山东省经济可持续发展，构建“善感知、会思考、有温度”的山东省新型智慧城市群协同发展，力争成为全国智慧城市建设的领跑者。

5 研究的局限性
局限性主要体现在以下两点：一是样本选取。

本文聚焦山东省，因此只选山东省地级市作为样本，样本数量较少；二是评价体系构建。

受限于城市数据的可得性，部分指标只能选择整个城市的宏观数据，无法精准地聚焦智慧城市行业。

参考文献
[1] 王宁宁,王勤升,赵晓永.中国智慧城市建设效率的空间结构演化与效应研究[J].地域研究与开发,2023,42(5):42-
48.
[2] 赵华平,田秀林,张所地.智慧城市建设对经济高质量发展影响的作用机理与实证检验[J].统计与决
策,2022,38(12):102-105.
[3] 温雅婷,余江,洪志生,等.数字化背景下智慧城市的治理效应及治理过程研究[J].科学学与科学技术管
理,2022,43(6):51-71.
[4] 常丁懿,石娟,郑鹏.中国5G新型智慧城市:内涵、问题与路径[J].科学管理研究,2022,40(2):116-123.
[5] 张可.智慧城市建设促进了节能减排吗?:基于长三角城市群141个区县的经验分析[J].金融研究,2023(7):134-153.
[6] 刘银喜,董杨.公共价值创造视角下智慧城市的协同治理探索[J].同济大学学报(社会科学版),2023,34(1):68-76.
[7] 王威,王丹丹,单志广,等.新型智慧城市一体化评价体系研究与实践:以长沙市为例[J].电子政务,2022(12):13-22.
[8] 邹凯,包明林.基于灰色关联理论和BP神经网络的智慧城市发展潜力评价[J].科技进步与对策,2015,32(17):123-
128.
[9] 曲岩,王前.智慧城市发展水平测度指标体系的构建[J].统计与决策,2018,34(11):33-36.
[10] 何琴.基于AHP的智慧城市建设水平评价模型及实证[J].统计与决策,2019,35(19):64-67.
[11] 崔璐,杨凯瑞.智慧城市评价指标体系构建[J].统计与决策,2018,34(6):33-38.
[12] 唐斯斯,张延强,单志广,等.我国新型智慧城市发展现状、形势与政策建议[J].电子政务,2020(4):70-80.
[13] 刘笑音,郑淑蓉.基于主成分方法的我国智慧城市发展潜力评价:根据东部11个城市的数据[J].科技管理研
究,2013,33(22):75-79.
[14] 高凯,邹凯,蒋知义,等.智慧城市信息安全风险评估指标体系构建[J].现代情报,2022,42(4):110-119.
[15] 薛伟,蔡超.基于多层次因子分析法的我国高质量发展综合评价[J].统计与决策,2022,38(18):22-25.
[16] 任利成,张明柱.我国智慧城市发展水平的聚类分析[J].科技管理研究,2014,34(14):58-62.
[17] 胡军燕,修佳钰,潘灏.基于面板数据的城市智慧度评价与分类[J].统计与决策,2020,36(7):76-80.
[18] 许敬辉.农村人居环境评价指标体系构建与实证[J].统计与决策,2023,39(19):97-101.
[19] 兰雨潇,杨巨声,闫茹.智慧城市与区县经济不平等:来自卫星反演的经验证据[J/OL].科学学研究:1-18[2024-
02-05].https:///10.16192/ki.1003-2053.20230922.005.
[20] 张艳丰,邹凯,彭丽徽,等.数字空间视角下智慧城市全景数据画像实证研究[J].情报学报,2020,39(12):1330-1339.
[21] 黄敦平,叶蕾.黄河流域城市经济高质量发展综合评价[J].统计与决策,2022,38(19):103-106.。