基于離差最大化-TOPSIS模型的智慧城市評價體系研究

李雪曼 馮愛芬 林莉 丁真真 萬凡 王辰辰

摘要：智慧城市建設是全球城市建設的新趨勢。本文首先查閱相關資料構建了一套評價指標，接著用離差最大化給出了各個指標的相關權重。然后用TOPSIS綜合評價模型對30個城市進行了智慧度排名。最后用百分比劃分法進行評價，根據智慧特點劃分為5個等級，分析其中的問題并給出了相關性建議。構建了一套能夠很好地對城市智慧度進行評價的體系，具有實際意義。

Abstract： The construction of smart city is a new trend in global urban construction. This paper firstly consults relevant data to construct a set of evaluation indicators， and then gives the relevant weights of each indicator with the maximization dispersion. Then， the TOPSIS comprehensive evaluation model is used to rank the wisdom of 30 cities. Finally， the percentage division method is used for evaluation. According to the characteristics of wisdom， it is divided into five grades， and the problems are analyzed and relevant suggestions are given. A system that can well evaluate the wisdom of the city is constructed and has practical significance.

關鍵詞：智慧城市;離差最大化方法;TOPSIS綜合評價法;百分比劃分法

Key words： smart city;method of maximization dispersion;TOPSIS comprehensive evaluation method;percentage division method

中圖分類號：F299.2? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2018）36-0252-03

0? 引言

智慧城市評價體系是一套檢驗智慧城市建設程度的最直觀體現，也是引導城市進行智慧化建設的索引。近年，有很多學者對這個課題進行了研究，如基于灰色關聯理論和BP神經網絡[1]、運用投影追蹤評價法[2]、基于離差最大化的決策者權重的確定方法[3]。目前有很多方法用來計算權重，如專家打分、熵權法等。其中，離差最大化計算權重的方法取得了廣泛的共識。本文將采用離差最大化-TOPSIS評價法構建一套科學的智慧城市評價體系。

1? 問題分析

評估智慧城市水平的因素模糊性較強，在選取過程中易受主觀因素影響。通過研究調查發現，評價智慧城市的指標體系包括四個方面：智慧人民、智慧設施、智慧經濟、智慧環境，每個方面又有其子因素指標構成。本文利用離差最大化，用數據本身的信息量來確定指標的權重，有較強的數學理論依據。TOPSIS法是一種接近理想目標的順序優選技術，它通過計算出各目標的貼近度，并按貼近度大小進行排序，作為評價各目標優劣的依據。因此該文選用離差最大化-TOPSIS綜合評價法對智慧城市評價體系進行研究。

2? 樣本選取與數據收集

根據2017年最新的城市商業魅力排行榜名單，本文選擇了新二線代表城市廈門、福州等30個城市作為研究對象。本文的數據主要來源于各城市《2016年國民經濟與社會發展統計公報》、《環境狀況公報》、《中國城市統計年鑒2016》等官方文件。

3? 構建評價指標體系

通過查閱相關文獻，選取了能突出城市智慧化的22個指標。其中一級指標有四個：智慧人民、智慧設施、智慧經濟、智慧環境。屬于一級指標的二級指標有：智慧人民：每萬人口醫生數、醫療保險覆蓋率、每萬人擁有大學生數、年末城鎮登記失業率、每萬人專利申請授權數;智慧設施：互聯網用戶普及率、移動電話普及率、萬人擁有公共交通車輛、人均公園綠地面積、公共圖書館數;智慧經濟：人均GDP、GDP中第三產業貢獻率、年人均可支配收入、人均公園綠地面積、公共圖書館數;智慧環境：二氧化氮年日平均值、二氧化硫年日平均值、市區空氣質量優良天數、工業固體廢棄物綜合利用率、污水集中處理率、生活垃圾無害化處理率、森林覆蓋率。

4? 基于離差最大化-TOPSIS的慧城市發展水平綜合評價模型

4.1 基于離差最大化-TOPSIS的評價步驟

將評價城市記為m個，三級指標記為n個，uij表示第i個被評價城市在第j個三級指標上的原始數值（其中i=1，2，…，m;j=1，2，…，n），建立初始矩陣U=（uij）m×n。

4.1.1 原始數據的標準化處理

評價體系的二級指標包含：效益型指標、成本型指標、居中型指標。因為指標含義不同，所以具有不同的量綱。首先進行無量綱化。對于第一、二類指標分別通過最大最小原則進行消除量綱化處理，對于第三類指標先將其化為正向指標，再用進行無量綱化，得到規范化矩陣X=（xij）m×n第i個被評價城市在第j個指標上的標準化數值用xij表示。

4.1.2 基于離差最大化確定指標權重

如果各城市在二級指標uj的值差異越小，說明該二級指標對城市智慧程度排序的貢獻越小;反之說明貢獻越大，對其賦予的權重值也就越大。

4.2 基于離差最大化-TOPSIS模型的評價結果計算

4.2.1 計算離差最大化確定指標權重

將30個城市21個指標的原始數據按照上述綜合評價模型運用MATLAB計算處理得到21個指標的歸一后的權重，如表1所示。

4.2.2 運用TOPSIS進行綜合評價

得到30個城市的智慧程度排名從高到低為如圖1從左至右。

將每個二級指標所對應的三級指標到最優解、最劣解的距離分別求和，算出每個城市二級指標的Ci值，用Excel繪制折線圖，如圖1，定義二級指標的Ci表示二級指標的智慧度。

從圖1可以看出，泉州的智慧程度排名低于長春的智慧程度排名，但其智慧環境的智慧度比長春的高，廈門的智慧程度排名比紹興市的高，但其智慧人民的水平比紹興市的低。這說明，單獨依據智慧程度的排名高低對城市進行智慧評價是不合理的，下面采用百分比劃分法對30個城市進行智慧程度的評價。

4.3 百分比劃分法

先將30個城市依據其每個二級指標的智慧度進行排名，挑選出排名前20%的城市和后20%的城市，如表2。

將有不少于兩項二級指標的智慧度在前20%且沒有二級指標的智慧度在后20%的城市定位智慧度為一級的城市;有不少于兩項二級指標的智慧度在前20%且有二級指標的智慧度在后20%的城市定位智慧度為二級的城市;有一項二級指標的智慧度在前20%且沒有二級指標的智慧度在后20%的城市定義為三級城市;有一項二級指標的智慧度在前20%且有不超過一項二級指標的智慧度在后20%的城市和沒有二級指標的智慧度在前20%的城市和后20%的城市定義為四級城市;有一項二級指標的智慧度在前20%且有超過一項二級指標的智慧度在后20%的城市和沒有二級指標的智慧度在前20%但有在后20%的城市定義為五級城市。

劃分后的各等級城市為：一級城市：珠海、廈門;二級城市：中山、烏魯木齊、佛山;三級城市：長春、無錫、海口、昆明、貴陽、溫州、金華;四級城市：紹興、濟南、惠州、金華、煙臺、嘉興、南昌;五級城市：太原、泉州、常州、福州、徐州、石家莊、南通、南寧、臺州、合肥、蘭州。

各城市政府可以依據城市等級給出評價等級，結合表3中的二級指標智慧度的區間，有針對性的制定發展策略。如紹興市，屬于四級城市，智慧人民程度較高，但是智慧設施程度較差，可以優先制定提高智慧設施的發展策略，如增加綠地面積，新建公共圖書館等。

5? 結束語

本文從一套完善的智慧城市綜合性指標評價體系的建立，是伴隨國內外城市建設的總體進程不斷改進的過程。本文采用離差最大化-TOPSIS模型對不同城市的智慧水平進行準確可靠的評估，為今后智慧城市的建設提供了參考和意見。

參考文獻：

[1]包明林.基于BP神經網絡的智慧城市發展潛力評價研究[D].湘潭大學，2016.

[2]廖胭脂，樓文高.智慧城市的投影尋蹤評價模型與實證研究[J].中國發展，2017（2）：55-61.

[3]馬永紅，周榮喜，李振光.基于離差最大化的決策者權重的確定方法[J].北京化工大學學報，2007（2）：177-180.

[4]李寬，姜杰，孫博.基于數學模型的智慧城市評價體系構建與未來發展預測——以營口市為例[J].中國市場，2017（30）：22-23，33.

[5]龔炳錚.智慧城市評價指標和評估方法的探討[J].中國信息界，2014（11）：65-72.

[6]閔麗.國內外智慧城市的現狀與發展[J].上海電氣技術，2016（2）：68-70.