清华经管陈劲讲述中国智慧城市发展与排名:从榜首到榜尾的多维度研究

清华大学经济管理学院 2018-05-15 浏览量: 2583

原标题:中国智慧城市发展与排名:从榜首到榜尾的多维度研究 | 教授观点

MBA中国网讯】智慧城市的智慧,不仅仅在于物联和互联,更在于对城市系统也就是城市大数据的反应。以人为本是智慧城市的核心追求,更智慧的城市系统最终目的是实现人的生活水平的提高和价值实现。

融合2016年发布的《新型智慧城市评价指标》与2017年发布的《智慧城市评价模型及基础评价指标体系》两个国家标准,同时借鉴第三方评估的中外智慧城市评价体系标准,本研究创造性地提出了最新的具有实际应用价值和应用场景的中国智慧城市评估指标体系,并为我们多维度分析了目前中国智慧城市的总体发展情况。

智慧城市的概念与内涵

“智慧城市”一词,最早来源于IBM公司于2008年所提出的“智慧地球”战略。该战略提出,为促使地球更智慧,应该建立一个物联化(instrumented)、互联化(interconnected)、智慧化(intelligent)的世界,数据的感知、传达、处理就是其背后的本质。

延伸到城市,智慧城市通过各种数据传感器搜集信息,并以这些信息有效地管理资产和资源(Hamblen,2015)。更具体地说,智慧城市通过信息通信技术(ICT)、物联网(IoT)、城市信息学等技术最大化地有效运作城市,从而更好地连接居民,并且提高其生活水平,促进可持续性发展(Cohen,2015)。因此,智慧城市可以理解为数字城市的升级形态,数字城市结合物联网和云计算所实现的更为互相联动和智能的城市形态(见图1)。

智慧城市是包罗万象的,与社会、政治、经济、科技、教育、生活等等因素密切相关,城市中看得见或看不见的、地面以上或地面以下的,都是组成智慧城市系统的元素。因此,在描述智慧城市时,我们通常会将智慧城市划分为几个方面或者系统,如社会、政治、经济等,通过对各个方面智慧的表现形态的分类、总结,从而对智慧城市有一个整体的描绘。因此,智慧城市的内涵定义是客观的,同时也是十分主观的,不同的机构或者学者,对智慧城市的描述都是不同的,建立的智慧城市模型和衡量城市智慧程度的标准也是不同的。

Frost & Sullivan(2014)将智慧城市划分成八个主要因素,分别是智慧政府、智慧能源、智慧建筑、智慧交通、智慧基础设施、智慧科技、智慧医疗、智慧市民,智慧城市的发展水平可通过这八个方面去细化衡量。

Cohen(2015)将智慧城市分为六个主要因素,分别为智慧移动、智慧人群、智慧经济、智慧环境、智慧政府、智慧建筑,从这六个方面衡量城市的智慧程度。

澳洲和新西兰智慧城市委员会(Smart City Council)统计了国际和地区已有的智慧城市标准,将智慧城市标准大体分为三种:策略层面智慧城市标准、过程层面智慧城市标准、科技层面智慧城市标准。

2016年世界智慧城市排名

IESE商学院最新发布了2016年智慧城市排名报告,将智慧城市分为十个因素:经济、人力资本、社会凝聚力、环境、公共管理、政府、城市规划、国际影响力、科技、移动和交通,分析样本包括了世界180个城市,其中73个为首都。总排名综合了这十个因素,进行权重计算得出。

在IESE的排名中,2016年世界十大智慧城市的排名见表1,其中美国城市上榜最多, 为4个(包括纽约、波士顿、洛杉矶、华盛顿)。世界排名前三的城市分别为纽约、伦敦、巴黎,它们均为智慧程度表现很好的城市。前十名的分数差距并不是很大,其中第四波士顿和第五洛杉矶,以及第七首尔和第八东京只有小数点位的差距。

IESE的世界智慧城市排名中,中国的城市并没有表现出优势,排名最好的为香港,第42名,上海和北京分别位居第80和第90名,进入了前100。也有一些城市的智慧城市排名被评估为“差”,如重庆、沈阳、哈尔滨(见表2)。

本文将提出中国的智慧城市模型和智慧城市评估指标体系,列出2017年中国智慧城市排名,更深入地分析中国智慧城市的发展情况。

智慧城市模型的核心是以人为本

智慧城市是现代信息技术与城市系统的结合,城市系统是庞大而复杂的,主要分为城市管理系统、城市服务系统、城市经济系统、城市自然系统四个方面(见图2)。在现代信息技术的广泛应用下,城市系统是物联和互联的,智慧城市在时刻感知城市系统背后永不停息的物质、人口、能量、资金的流动和交换,这些流动最终转化为数据的流动,被捕捉和储存。智慧城市的智慧不仅仅在于物联和互联,更在于对城市系统也就是城市大数据的反应。大数据分析主导的问题发现与大数据分析支持的解决办法推动着城市管理系统、城市服务系统、城市自然系统、城市经济系统进行完善和重构,推动城市向更具有活力、更高效、更生态的方向发展。

以人为本是智慧城市的核心追求,更智慧的城市系统最终目的是实现人的生活水平的提高和价值实现。智慧城市模型中,核心目标层是服务于人,系统应用层是前文所提到的城市系统,投入支撑层是通过物联网和云平台所实现的数据流。图3为智慧城市模型概念图,自上而下,是数字城市的本质,数据的沉淀,自下而上,是智慧城市的实现路径。

智慧城市评估指标系统

国家标准《智慧城市评价模型及基础评价指标体系》于2017年11月发行,到目前还不是一个完整的指标体系,一级指标和二级指标已确定,但是具体的子指标,如三级指标或四级指标,并未确定,并且数据也依然在收集阶段。因此,本文的中国智慧城市评估指标体系将融合2016年发布的《新型智慧城市评价指标》与2017年发布的《智慧城市评价模型及基础评价指标体系》两个国家标准,同时借鉴第三方评估的中外智慧城市评价体系标准,如中国社科院信息化研究中心和国脉互联智慧城市研究中心发布的《第六届(2016)中国智慧城市发展水平评估报告》、IESE商学院最新发布的智慧城市排名报告、BoydCohen博士的智慧城市指标体系等,形成了最新的具有实际应用价值和应用场景的中国智慧城市评估指标体系。

基于上一节所提出的智慧城市模型,从以人为本、城市信息系统和数据流三个层面推导出相对应智慧城市评估指标见图4。

智慧城市的评估指标体系则为图5,七个一级指标分别为“智慧人群”、“智慧社会治理”、“智慧公共服务”、“智慧保障体系”、“智慧产业经济”、“智慧基础设施”和“附加评价指标”。智慧基础设施与智慧社会治理的权重各占20%,智慧公共服务、智慧保障体系、智慧经济体系、智慧人群的权重各占15%,各项得分乘权重再加附加评价得分所得为最终总体得分。

与2017年国标智慧城市指标系统不同,该指标系统中,增加了附加评价指标,它是对城市除智慧基础设施、智慧社会治理等六个方面以外的综合评价的附加评分,例如生态宜居指标已移入附加评价范围,参考2017全国宜居城市排名榜单进行评估,对城市的生态宜居程度进行评估。环境友好、生活舒适、生态良性循环、高资源利用效率、经济高效的绿色智慧城市是必然的未来发展模式(陈劲,2010)。

在智慧城市评估指标系统中,选取了包括省会城市、直辖市、副省级城市等50个重要以及有研究价值的地级市城市作为评估样本,表3展示了评估的样本城市名单和样本城市在中国的分布情况。省会城市、直辖市和副省级城市作为资源配置相对较好的城市,在经济和社会方面具有比较好的发展条件和发展水平,有着智慧城市建设的基础和发展条件。在省会城市、直辖市和副省级城市之外,一些较小的地级城市的智慧城市发展情况同样具有研究价值,因此也纳入了评估范围。比如,钦州和榆林,分别位于广西壮族自治区和陕西,是古丝绸之路的海上起点和陆上起点,同时也是新丝绸之路的重要节点城市。比如,丽江和大理,是云南甚至中国的著名旅游城市,中国著名度假城市三亚,具有鲜明的度假旅游城市定位,将其纳入智慧城市研究样本范围,是对目前旅游业发达城市智慧化发展的研究。

按照智慧基础设施、智慧社会治理、智慧公共服务、智慧保障体系、智慧产业经济、智慧人群和附加评价七个方面进行评估和名次排序。

中国智慧城市总体发展较为平均,领头城市数量较少

首先,中国智慧城市的总体发展情况是符合正态分布的,表现非常突出和非常落后的城市占少数。表4反映了中国智慧城市的总体发展情况。超过一半的城市被评估为拥有“很好”或者“好”的智慧城市发展状况,其中智慧城市发展水平“很好”的占少数,在智慧城市发展上领头羊城市较少,约为8%,样板城市缺席;智慧城市发展被评估为“好”的城市数量在四个发展水平中占比最大,约为52%,说明从整体上中国智慧城市发展水平较为平均;其次,智慧城市表现“平均”的城市约占28%,也占有相当比例;而表现“差”的城市有12%左右,也是少数。

智慧社会治理建设成效明显,智慧公共服务明显落后

从智慧基础设施、智慧社会治理、智慧公共服务、智慧保障体系、智慧产业经济、智慧人群这六个方面看,中国智慧城市的总体发展情况是不平均的。图6展示了中国智慧城市六方面的总体平均评估得分情况的优劣图。智慧保障体系的发展优势非常明显,平均得分为76.96,是发展最为领先的部分。平均得分排名第二的为智慧社会治理,平均得分为67.88,说明近年来电子政府和智慧政府的建设有了一定的成效。智慧基础设施的平均得分与智慧社会治理平均得分十分接近,为67.47,说明中国的省市级等重要城市较为重视信息通讯等智慧基础设施的建设,这为智慧城市的发展奠定了良好的基础。其次,智慧产业经济和智慧人群平均得分分别为59.29和58.69,与前面提到的几个方面有一定的差距,说明中国智慧城市在基础建设、治理和保障这些基础建设虽有一定成果,但是并没有很好地转化为智慧经济或者智慧人群的发展,中国智慧城市的总体提升不能急于求成,也需要时间去完成从量变到质变的过程。最后,平均得分最低的为智慧公共服务部分,约为42.96,该方面的发展情况远远落后于其他方面的发展,说明在智慧公共服务方面还有很大的提升空间,同时也是最难、最需要克服的地方。

中国智慧城市总体排名

表5是中国智慧城市的总体排名,排名展示了50个城市的总体排名和七个方面的各项评估结果情况。在一定程度上,此排名揭示了目前中国智慧城市的总体发展情况,以及在智慧基础设施、智慧社会治理、智慧公共服务、智慧保障体系、智慧产业经济、智慧人群等各个方面的发展情况。城市的各项评估得分高低通过绿色-白色-红色的颜色渐变表现,绿色越饱和代表分数越高,分数高说明在该智慧城市方面发展较好,红色越饱和代表分数越低,分数低说明在该智慧城市方面发展较为不好,白色间于绿红之间的过渡,分数接近平均。

从智慧城市发展的具体六个方面看,在总体上,智慧保障体系整体呈绿色,智慧基础设施和智慧社会治理的也有较多的绿色色块。说明中国智慧保障体系建设在整体上发展的最好,各城市在智慧保障体系建设上的水平相对平均,差距较小。同时智慧基础设施建设和智慧社会治理在整体上也表现的非常好,大部分的中国省会城市、直辖市、副省级城市等重要城市在智慧保障系统、智慧基础设施、智慧社会治理这三方面都呈现出较好的表现。相比之下,中国的智慧城市建设和发展在智慧公共服务、智慧产业经济、智慧人群这三个方面在总体上评估得分较低,各城市发展水平参差不齐,差距较大。特别是智慧公共服务方面,代表低分数的红色色块占比非常大,整体发展落后,并且排名较前的城市评估得分较高,而排名靠后的城市评估得分较低,城市间的智慧公共服务建设和发展水平存在着不可忽视的差距。

榜首十位智慧城市仍存在差距

关注榜首前十的智慧城市发展情况是十分必要的,它们代表了中国智慧城市发展的最高水平,同时也揭露了依然存在的短板问题。

表6为中国智慧城市评估得分排名前十的城市,分别是深圳、上海、杭州、北京、广州、宁波、佛山、厦门、苏州、青岛。排名第一的城市为深圳,总体得分约为98.3,排名第十的城市为青岛,总体得分约为76.2,虽然为榜首前十,依然存在着一定差距。另外,深圳、上海、杭州、北京均得到了90以上的高分,广州、宁波、佛山的得分于80至90之间,厦门、苏州、青岛的评估得分位于70至80之间。

从排名前十的智慧基础设施、社会治理、公共服务、保障体系等六个方面的评分中可看出,智慧基础设施和智慧社会治理的总体得分相对比较高。与之相比,智慧公共服务的总体得分相对比较低。说明在中国智慧城市发展较领先的城市中,智慧基础设施的建设包括基础网络建设、基础信息资源平台等已经具有较好的基础,同时智慧社会治理的优秀表现主要归功于电子政府服务水平的提高。在排名前十智慧城市中,发展较落后的为智慧公共服务,其中存在的包括数据开放中可读数据总量偏低,社会化合作开展有限,民生服务项目进展缓慢等问题。

在六个智慧城市方面中,每个领域都有在此方面最为领先的城市。智慧基础设施单项评估得分第一的为宁波;智慧社会治理单项评估得分第一的为杭州;智慧公共服务单项评估得分第一的为上海;智慧保障体系单项评估得分第一的为深圳和杭州;智慧产业经济单项评估得分第一的为北京;智慧人群单项评估得分第一的为北京。

图7为排名前十智慧城市的各方面得分情况对比,色块的长度表明了各项评分的高低。在智慧基础设施、智慧社会治理和智慧保障体系这三个方面,前十城市的评估得分较为平均,差距不大。前十城市的智慧公共服务和智慧人群的评估得分色款呈现明显的长短不一,差距较为明显,比如上海的智慧公共服务得分明显高于厦门的得分,深圳的智慧人群得分明显大于青岛的得分。因此也造成了第一名和第十名智慧城市总分差距超过20。

榜尾十位智慧城市中智慧保障体系护航城市发展,旅游城市智慧社会治理表现突出

榜尾十位的智慧城市发展情况也应当关注,从中发现问题才能更好的提升中国智慧城市建设。

表7为排名榜尾十位的中国智慧城市,这十位城市分别是拉萨、西宁、榆林、丽江、钦州、乌鲁木齐、石家庄、大理、太远、西安。排名倒数第一的是拉萨,总体评估得分约为40.7,排名倒数第十的为西安,总体评估得分为52左右。另外,石家庄、大理、太原、西安的总体得分落于45-60分之间,处于智慧城市发展平均水平。而拉萨、西宁、榆林、丽江、钦州和乌鲁木齐的得分皆低于45分,为智慧城市发展比较差的城市。

图8为中国智慧城市排名末尾十位的城市得分情况。从排名前十的智慧基础设施、社会治理、公共服务、保障体系等六个方面的评分中可看出,智慧保障系统的平均得分明显较高,说明中国在重要城市的智慧保障体系建设上的普遍水平较高,人民生活得到了很好的保障。然而,智慧公共服务方面,排名末尾的城市普遍没有得到一个好的评估得分,在智慧公共服务方面得分最高的城市为西安,也仅仅只有34.11,最低的为拉萨,仅有13.49。

智慧社会治理方面,丽江和大理的表现情况在榜尾十名中尤为特别,虽然榜尾十个城市的智慧社会治理平均分只有42.8左右,丽江的智慧社会治理评估得分为69.88,大理白族自治区的评估分数达到了72.29,均超过了60,为智慧治理表现好的城市。说明了旅游定位城市在社会治理方面的投入得到了一定的成效,相比起其他城市,旅游城市更注重社会治理方面的建设。另外,值得注意的是,因为丽江和大理为旅游城市,对智慧人才的吸引较弱,智慧人群评估得分明显较低,此为大部分自然风景旅游城市的特征之一。

中国智慧城市发展极端差异明显

中国智慧城市排名榜首城市代表了中国智慧城市发展的最高水平,而榜尾城市发展状况代表了中国智慧城市的短板问题,两者结合才能全方位地提高中国智慧城市建设和发展的整体水平,因此榜首和榜尾的对比分析尤为重要。

榜首和榜尾智慧城市的得分差异较大。表8为中国智慧城市排名榜首和榜尾各十个城市的各项发展情况对比数据,第一列和第二列数据分别为榜首十名和榜尾十名城市在六个方面的平均得分,第三列为其得分的相减的差距。图9以优劣雷达图的形式更为直观地展示了榜首和榜尾城市智慧城市发展的优势和劣势。榜首和榜尾城市的优势方面各不相同,榜首城市在智慧基础设施方面平均得分最为突出,为92.52,榜尾城市在智慧保障体系方面得分最高,为67.78。然而,榜首和榜尾城市智慧城市发展的短板是相同的,都出在了智慧公共服务发展的欠缺上,榜首城市的平均得分为70.92,榜尾城市的平均得分为22.84。因此,智慧公共服务的建设如何提高如何取得成效是十分值得思考的。

在六个方面中,榜首和榜尾城市平均得分差异最小的为智慧保障体系,榜首十个城市的平均得分为89.23,榜尾十个城市的平均得分为67.78,其差异约为21.45,说明无论是智慧城市发展较好或者发展较落后的城市,包括规划和建设方案、标准体系、政策法规、投融资机制、组织管理机制、信息安全等方面的智慧保障是已经较为系统性落实并且产生成效了。而差距最大的为智慧基础设施方面,榜首城市的平均得分十分高,为92.52,而榜尾城市的分均得分只有43.56,其差距在图9上十分明显,为48.97。智慧基础设施是智慧城市发展的基础,其他五个方面的发展在一定程度上都是以智慧基础设施建设为前提的,只有好的城乡一体的信息基础建设才能更好地推进下一代互联网和广播电视网建设和三网融合应用的推广,只有好的公共基础建设才能通过信息技术手段为城市能源、安全、交通等智慧化服务和管理奠定基础。另外,在智慧公共服务和智慧社会治理两个方面,榜首城市和榜尾城市之间的差异也十分明显,分别相差48.08和47.23。智慧社会治理的优劣很大一部分由在线政府也就是电子政府服务水平决定,政府部门间跨部门协作能力水平、办理城市社会各项事务的手段、其便捷度和周期长短、管理办法的精细化程度、解决问题的科学性和针对性、政府管理的机制、流程、状态的开放和透明程度等都是智慧政府的管理和服务能力高低体现。智慧公共服务也是智慧民生,是与民众生活最为贴近的方面之一,政府与第三方服务机构合作的深度、服务的覆盖度、集成度、丰富度、便捷度、满意度是智慧公共服务高低的体现。简而言之,榜尾城市与榜首城市的差距是多维度的,智慧城市的打造并非一朝一夕,整体的提高和升级不仅仰仗政府自上而下的建设,也需要民众自下而上自发的智慧参与和创造。

总结

中国智慧城市仍然处于初期发展阶段,尽管在智慧基础设施、智慧社会治理、智慧保障体系的建设上已产生一定成效,但是城市间的差距依然明显,本文研究样本对象有限,代表了中国智慧城市发展相对较好的城市的情况,因此从整个大中国层面上看,中国智慧城市发展水平是十分不平均的。

智慧城市打造需要样本城市和标杆城市,但各城市在智慧城市规划上也应当注意寻找特色的智慧化方向,如西班牙巴塞罗那的以光伏为主导产业经济的智慧城市、荷兰阿姆斯特丹的可持续性智慧城市、新加坡智慧政府服务智慧城市等,这也是智慧城市研究中非常值得思考的课题。

(本研究受国家自然科学基金委-广东省政府联合资助基金“建设创新生态系统下的广东经济结构调整和产业转型升级研究”(U1601217)资助)

文 / 陈劲:清华大学经管学院教授、博导,“教育部长江学者”特聘教授,清华大学技术创新研究中心主任

于飞:通讯作者,清华大学技术创新研究中心助理研究员

潘砚娉:伦敦大学学院智慧城市与城市分析专业硕士,城云科技(中国)有限公司战略研究院智慧城市研究所研究员

教授简介

陈劲

清华大学经济管理学院创新创业与战略系教授,清华大学技术创新研究中心主任。于1989年获浙江大学化工系生产过程自动化学士学位;1994年获浙江大学管理学院管理工程博士学位。1998年美国麻省理工学院斯隆管理学院访问学者。2000年英国苏塞克斯大学科技政策研究中心访问研究员。陈劲教授先后获得国务院政府特殊津贴、教育部第八届霍英东教师奖、教育部第三届“高校青年教师奖”。2002年荣获国家杰出青年基金,2009年入选国家百千万人才工程,2014年获聘长江学者特聘教授。在加入清华经管学院前,陈劲教授是浙江大学本科生院和竺可桢学院常务副院长。陈教授主要从事技术创新管理领域的研究与教学工作。

编辑:全威

(本文转载自清华大学经济管理学院 ,如有侵权请电话联系010-53572272)

* 文章为作者独立观点,不代表MBAChina立场。采编部邮箱:news@mbachina.com,欢迎交流与合作。

  • +1

  • +1

    收藏

备考交流

备考交流方式欢迎各位备考生入群交流。

2019年管理类联考备考群:726796214,

2019年MBA提前面试群:726788913/26793616/ 726311818。

2019年EMBA备考咨询群:708818868。

购买管理类联考MBA/MPAcc/MEM/MPA大纲配套新教材

相关推荐

热门项目

上交大安泰MBA

清华五道口金融MBA

中国地质大学(北京)

华中科技MBA项目

南京大学MBA项目

南京航空航天大学

浙江大学

北京大学国际关系学院

安徽财经大学

北京邮电大学经济管理学院

推荐活动

更多 >