网络视角下智慧城市外部智慧性作用机制探究
朱海伦1，赵树良1，宋 伟1，2
（1.中国科学技术大学公共事务学院；2.中国科学技术大学科技创新与区域发展研究中心，安徽合肥 230026）
摘要： 经济全球化快速发展使得城市之间的各类联系日益增多，要实现城市的智慧发展，不能仅关注城市内部的创新，也要重视其在整体网络中的表现。在城市网络理论视域下，采用社会网络分析法，将智慧城市在城市网络中的位置与作用定义为其外部智慧性，并以2016年中国193个试点智能城市为样本，利用主要企业总部-分公司布址数据构建智慧城市网络，探究智慧城市的外部智慧性对其内部智慧性绩效评估的影响与作用机理。研究发现，智慧城市在网络中的点入度、点出度、结构洞与互惠性等属性均对其内部智慧性的评估结果有显著的影响作用。新兴智慧城市要提升综合竞争力，应该识别自身的网络定位，增强与其他城市的联系与合作，形成内外联动，实现智慧城市发展的各项目标。
关键词： 智慧城市；网络效应；出度；入度；结构洞
1 研究综述
城市是各种生产要素配置的重要场所，是人类经济社会合作、集聚和国际贸易的原始形式［1］。随着产业和人口向城市不断集聚，世界范围内的城市化进程不断加快，城市规模不断发展壮大，虽然在促进城市经济发展方面发挥了积极的作用，但同时引发了城市承载力不足、社会管理与公共服务水平难以满足公众需求、生态环境破坏等一系列问题，使得城市可持续发展面临重大挑战。20世纪90年代起，互联网技术、信息与通信技术突飞猛进，为优化城市规划与发展提供了新的思路，在此基础上形成的智慧城市成为解决各类发展矛盾的全新突破口，受到了全球范围内的广泛关注。与此同时，信息技术快速发展、基础设施的升级改造也降低了运输成本，逐步改变了人际互动和交易的场景，大大提高了流动性，促进了城市、区域与国家之间的互动［2］。在经济全球化与贸易自由化趋势的推动下，跨越城市界限的合作与多边关系网络逐渐形成。因此，在城市化与全球化同时快速发展的时代背景下，面对妥善解决城市内部发展矛盾与积极融入外部区域、国家乃至世界城市体系的双重压力，城市的创新发展模式与路径值得探讨，本文尝试对智慧城市外部网络效应及其作用机理进行研究，剖析影响智慧城市发展的外部因素，以期为中国城市发展决策提供理论指导。
城镇化，是城市现代化的必由之路，是扩大内需、促进产业升级改造、提高区域竞争力的重要途径。在快速推进城镇化进程的背景下，2017年中国的城镇化率已达到58.52%［3］，如何妥善解决由此引发的一系列“城市病”问题、实现新型城镇化是中国现实发展亟待解决的重大问题。智慧城市，是信息与通信技术进步的产物，作为一种智能的城市问题技术性解决方案，被迫切引入全球市场［4］。作为城市创新发展的新模式、全面提升综合竞争力的新路径，智慧城市引起了国内外学术界与城市规划发展部门的高度重视与广泛研究。虽然目前智慧城市并没有全球统一的概念定义，但综观国内外的研究不难发现，学者们已基本达成一致意见，认为智慧城市是一个系统的概念，包含基础设施与资源、公共管理与服务、城市生活环境、创新发展能力等多方面内容，对于智慧城市建设发展的绩效评估也基本围绕这些方面展开。智慧城市相关理论研究已经取得初步成果，但不难发现，目前这一领域的研究多在关注城市发展内部各类属性要素的优化整合，视角集中在探讨新一代信息技术的发展与应用对城市内部经济产业发展、公共管理服务提升、环境保护治理等各方面的影响与作用机理。
然而，经济全球化的发展推动了生产要素的跨界流动，城市之间经济、社会、政治等要素相互联系、相互作用，在区域、国家乃至全球层面形成了复杂的城市网络关系［5］；城市研究范式也逐渐由基于属性的城市层级研究向基于“流空间”（space of flows）理论的世界城市网络研究转变［6-7］。基于不同的连接介质构建城市网络，探讨城市网络的空间特征与演化发展趋势成为近年来城市经济学与地理经济学重要的研究热点［8］。城市之间的网络交互作用成为了现代城市体系的本质特征，对于个体城市而言，所处的网络位置表征其结构性网络资本，直接影响城市从外部获取异质性资源的能力［9］。因此，识别城市的网络定位，积累网络效应带来的优势资本，提高个体城市在整体网络体系中的声望与影响力，有利于吸引资本、人力、知识等外部创新资源，是信息时代新的社会形态下城市“智慧”的突出表现，也是提高城市整体竞争力的有效途径［10］。本文将智慧城市在网络中的位置及作用，即智慧城市的网络效应定义为其外部智慧性，在城市网络理论视阈内，选择2016年住建部颁布的193个试点建设智慧城市为样本，利用中国主要企业总部-分部布址数据，采用社会网络分析方法，探究中国智慧城市的外部智慧性对其内部智慧性评估的影响及作用机制。
2 智慧城市外部智慧性理论基础
2.1 智慧城市的相关理论
智慧城市，是信息化与城市化高度融合的产物，最早由美国IBM公司正式提出，主要特征就是运用物联网、云计算、大数据、空间地理信息集成等新一代信息技术，促进城市规划、建设、管理和服务智能化和便利化。依托信息与通信技术的快速发展，智慧城市近年来在理论研究与实践发展中均受到高度重视，全球范围内多个国家推出智慧城市建设项目，并将其作为解决各类城市问题的新出路，城市发展与治理的新模式、新理念，中国也从2010年开始全面展开智慧城市的建设模式探索，并在学术与政策研究领域引起广泛关注。然而，对于智慧城市这一概念本身，目前并没有全球统一认可的定义，相关研究主要围绕以下一些方面：
第一，关注智慧城市的硬性基础设施建设与完善，强调智能化改造传统基础设施，依托网络信息技术的高速发展，推广各种新型信息网络基础设施以及应用信息共享平台，在物联网、大数据、云计算、人工智能等技术的支持下，建设智慧城市相关的数据存储、信息交换和运营支撑平台［11-12］。这一类研究多采用定性分析的方法，将智慧城市视作城市信息化发展的高级阶段，介绍智慧城市相关领域的关键技术成果及其实际应用，强调智慧城市实践所带来的经济、社会等各方面影响。
第二，在公共管理与服务的视域内探究智慧城市治理。这一类研究主要探究在智慧城市建设发展的过程中，各类信息、数据最大限度地制造、传播、流动、分享，提升了各项社会工作的运行效率，增加了公众参与公共管理活动的诉求与途径，参与式治理模式与多元主体行为对传统公共管理和公共服务能力的提高与模式的变革提出了新的挑战，促使公共部门积极探索运用互联网思维，寻找更加高效便捷与公开透明的治理方式，让多元化、分散化的社会治理诉求得到更加具有弹性和行动力的回应，最大限度地发挥公民参与公共管理活动的积极性、主动性和创造性［13-14］。
第三，探究智慧城市与智慧产业融合发展战略。这一类研究主要关注城市的核心功能——经济或产业的发展，在产业融合理论的指导下分析智慧城市建设发展带动相关产业发展，促进城市经济创新发展的作用机制，总结智慧产业、智慧经济、智慧人文等方面的创新发展经验，以及对城市品牌文化的提升改造及影响［15-16］。
第四，关注智慧城市的绿色发展模式。这一类研究主要着眼于环境保护角度，将智慧城市的建设与城市发展更低碳、更清洁等原则紧密结合，在促进城市低碳发展的同时加强智慧城市建设，实现低碳城市与智慧城市的交互发展与经济结构的绿色转型，实现智慧城市环境质量的生态宜居［17-18］。
对于城市内部智慧性的评估，本文基于中国社会科学院信息化研究中心与国脉互联的评估体系及其《第六届（2016）中国智慧城市发展水平评估报告》的相关数据，该评估体系主要包括智慧基础设施、智慧治理、智慧民生、智慧经济、智慧人群、保障体系等六大块及一个附加项，建立的指标体系共包含二级指标17个，具体如图2所示［43］。
智慧城市是一个系统的概念，随着其在理论研究与实践规划中不断发展，如何构建全面而科学的评估体系成为这一领域的研究热点，国内外诸多学者在这一问题上进行了研究。2007年，以Rudolf等人［21］为代表的一批学者针对欧洲 70 个中等规模城市的智慧城市评价，从“智慧经济”“智慧民众”“智慧治理”“智慧出行”“智慧环境”“智慧生活”6个维度，提出一个包含 71 个指标的评价体系；后有学者根据智慧城市的概念框架，将运输与通信基础设施视作有型网络，称为“硬基础设施”，将经济与人力资本投入视作无型网络，称为“软基础设施”，提出智慧城市的评估应该因地制宜，从硬件和软件两个角度考虑［22］；在此基础上，有学者提出将技术视角与人的视角作为两大核心，将智慧城市的评价指标分为主观与客观两个方面［23］。中国的智慧城市建设发展迅速，截至目前已经有数百个城市获国家批准进行智慧城市试点建设，与之相应，国内学者关于智慧城市绩效评估与评价指标的探究正逐步兴起。有学者对国内外目前智慧城市评价指标体系进行了比较全面的对比与分析，并在此基础上结合中国智慧城市发展的实际情况，提出“城市智商”（city IQ）的概念，构建了包含信息、经济、社会、生态、创新5大维度共计220个指标的评价体系［24］；实证研究方面，有学者运用主成分分析法、灰色关联理论和BP神经网络等方法对中国智慧城市典型代表进行了发展潜力的评估与探讨［25］。
区内外高校对“领导重视，形成数据应用的规章制度；建立现代网络信息共享，拓展决算软件的多样化功能和大数据库的分析功能”等4个方面高校决算数据应用于管理的措施认知数据对比分析如表9所示。
2.2 全球化、经济一体化与城市网络
（3）互惠性（reciprocity）指的是网络中两个节点建立双向互惠关系，是一个双边关系网络变量，在本研究中可以理解为两个城市之间建立双向的投资关系。基于ArcGIS的可视化分析，将中国试点智慧城市的区位分布与评估得分图与城市经济网络分布图进行对比分析，不难发现二者具有较高的重合度，因此可以认为城市的网络位置与作用对其内部智慧性的评估有显著的影响。
目前网络连接介质的选择是城市网络研究争论的焦点之一。国内外对城市网络空间结构特征及演变趋势的研究多基于城市之间联系的数据，数据难以准确获取一度成为相关研究的一大障碍。许多学者尝试基于不同城市之间的实体网络联系，如航线、铁路分布与互联网基础设施分布构建城市网络［28］。2000年，全球化和世界城市研究网络（Globalization and World City Research Network, GAWC）提出了城市之间关系的锁链模型（interlocking network model），成为世界城市网络研究的里程碑，标志着世界城市网络量化研究取得了突破性进展［29］。企业的区位策略隐含了不同城市间资本、人力、信息和产品等要素的经济流通，因此，在企业关联网络基础之上形成的城市之间的经济联系是城市关联网络的本质［30］。企业组织测量方法，即基于企业的区位策略，通过其总部与分支机构的位置分布来映射城市网络成为城市网络布局量化研究的主流。有学者选择全球446个规模最大的跨国公司，基于其全球区位战略，识别和解析全球资本支配视角下的世界城市体系［31］，为世界城市网络体系的量化提供了新的思路。随着中国对外贸易的不断发展，中国城市也逐渐融入世界经济体系并发挥重要作用，有学者借鉴全球化与世界城市研究小组与网络（Globalization and World Cities Study Group and Network，GaWC）的研究成果，以高端生产性服务业（advanced producer services, APS）企业关联网络分析法，以中国大型金融企业、银行的布址数据为基础构建城市网络，分析城市节点的联系、城市网络连接度的影响因素及城市网络体系的结构特征［32-34］。
结合本文的研究目的，需要2016年中国企业在中国（未包括港澳台地区，下同）的总部-分公司数据，并基于此建立中国国家层面的企业网络和城市网络，因此本研究设定筛选条件为：2016年（last available year=2016）中国企业（country ISO Code=CN），分公司数量超过50（number of recorded subsidiaries≥50），并且分公司所在地的识别码在中国（subsidiary-country ISO code=CN）的企业。最终筛选出了包括中石化、中石油、中国建筑、上汽集团股份有限公司等共141家大型企业，产业类型包括化工、建筑、金融、交通、信息等多个领域。在ORBIS数据库中有一些分公司的城市信息缺失，通过搜索该企业的公司年报、登录该企业的网站主页等途径补齐缺失信息，一共得到12 546条总部与分公司的联系数据，构成了12 546条联系键，遍布中国350个地级市，比较全面地反映了中国本土企业之间的经济网络关系以及在此基础之上形成的国家层面的城市网络，借助ArcGIS软件可以比较清晰地看到中国国家层面的城市网络分布形态。在这12 546条联系键之中，智慧城市之间的联系键有11 317条，占到了90.2%。由此可见，智慧城市的网络效应，即其外部智慧性对内部智慧性绩效评估有显著影响，探究智慧城市外部智慧性的作用机制具有重要的现实意义。本文将借助UCINET软件对所涉及的193个2016年试点建设智慧城市的外部网络属性进行分析，再依托Stata软件，运用回归分析，研究智慧城市的外部智慧性对其内部智慧性评估的影响与作用机理。
动压法中无须考虑风流局部阻力损失与摩擦阻力损失，主要通风机风量计算公式见式(9)，主要通风机静压计算公式见式(10)。
2.3 智慧城市的网络效应
智慧城市是近年来城市创新发展的新模式，然而目前的研究大多是静态的，强调城市系统内部资源的优化整合，且目前层出不穷的智慧城市建设项目也存在着趋同化、区域发展不平衡等一系列问题。城市网络理论研究表明，智慧城市所探究的社会、经济、技术、政治和环境各方面因素的创新与发展影响个体城市在网络中的角色与功能［42］，城市在外部网络中的定位是以其内部的智慧性为前提的，因此，要全面理解智慧城市的涵义与目标，构建科学的评估体系，全面提升智慧城市的综合竞争力，仅仅从静态的角度出发，专注研究城市内部的属性因素是不够的。本文在以往研究的基础之上，引入动态的城市网络视角，尝试深化对智慧城市发展过程中“智慧”的全面理解，将智慧城市在网络中的位置与作用，即城市的网络效应定义为其外部智慧性，采用企业关联网络总部－分支法，选择2016年中国住建部颁布的196个试点建设智慧城市为研究对象，构建中国智慧城市关联网络，将智慧城市的发展目标嵌入高效的城市网络，考察中国现有的试点智慧城市外部智慧性的影响及作用机制，探究在实现智慧城市发展目标的过程中，建立密集多样的外部网络关系，发挥其在区域、国家城市网络中的影响力，以及对提升智慧城市综合竞争力的重要作用。
3 网络视角下智慧城市的概念框架
本研究将网络入度、网络出度、结构洞和互惠性作为自变量，将2016年中国试点智慧城市的发展水平评估得分作为因变量；另外在经济网络中，城市之间的投资可能会受到两点之间平均距离的影响，因此本文在探讨点出度与点入度对城市智慧性评估作用机制时，分别验证了入度平均距离和出度平均距离的影响作用；此外，城市网络作用的发挥也可能受到不同城市规模的影响，由此，我们将城市的人口总量与城市的行政区域土地面积作为控制变量。提出，本文以下假设：
图1 新型智慧城市概念框架
4 智慧城市外部智慧性对内部智慧性作用机制的实证研究
对于智慧城市内部智慧性的评估，国内外学者均有大量探索，并提出了比较完备的评价指标体系，其中影响力最大的包括美国智慧城市社区论坛评价体系、欧盟智慧城市评价体系等，国内学者以及有关研究机构结合中国智慧城市建设发展实际，在国外已有研究基础之上提出了符合中国国情的智慧城市评价指标体系，并定期对中国试点建设的智慧城市进行评价。
4.1 数据来源
第五，关注智慧城市绩效评价指标的建立与发展程度的评估。这一类研究结合定性与定量等多种研究方法，探索构建有效的智慧城市绩效评估体系，通过构建科学而全面的评估标准，对城市基础设施、人力资本、经济发展、生态环境保护等各方面发展进行全面比较，为智慧城市的规划提供实用的指导方针或路线图，以帮助其实现目标［19-20］。
式中：F为综合评分；F1、F2和F3为主成分1、2和3的得分；Y1、Y2、Y3为主成分的特征值；C为累积特征值。
图2 中国智慧城市发展水平评价指标体系（2016）
在智慧城市外部智慧性评估方面，本文依托国内主要企业总部-子公司的区位分布，构建区域城市网络，数据来源于ORBIS全球企业数据库，该库包含了全球近3亿家企业多个方面的信息。通过ORBIS数据库，可按地区、国家、所在城市、所在行业、产品类别、企业盈利状况等指标快速查询、筛选出符合要求的目标企业。本文的筛选步骤为：首先按照国别，选择在中国的企业（country=China），获得13 873 359条企业信息；再进一步在持股明细栏将企业最终受益人选择为全球和当地（ultimate owner=global & domestic），然后获得29 44 470条企业信息；在显示结果中选择保留企业名称（company name）、国家ISO代码（country ISO code）、欧洲产业分类标准代码（NACE Rev. 2 core code）、最后更新时间（last available year）、注册地所在的城市（city）、公司的BVD识别号（BVD ID number）、分公司的数量（number of recorded subsidiaries）、分公司的名称（subsidiary-name）、分公司所在的城市（subsidiary -city）、分公司的BVD识别号（subsidiary-BvD ID number）、分公司所在地的国家识别码（subsidiary-country ISO code）等信息，得到29 944 470条中国企业的信息。
近年来，随着城市网络的研究热度不断增加，另一些学者基于合著文献计量、联合申请专利、跨区域技术转移、人才流动、城市治理以及一些社交软件、大数据等方面的联系数据，构建区域创新网络、公共治理合作网络、人口流动网络等不同类型的城市网络，分析城市网络的空间格局、网络特征及时空演变规律等［9,35-40］。目前国内外的研究结果显示，城市在网络中的位置映射了其在网络中的权力、地位与参与程度，进而会影响城市的创新发展与繁荣。在城市网络研究视角下，城市是在整体城市系统中存在与发展的，城市之间的各种联系是城市网络体系结构与动态变化的根本原因［41］。
4.2 理论模型与研究假设
依据2016年中国试点建设智慧城市的内部智慧性评估得分情况［43］，可知目前中国试点建设的智慧城市整体形成以长三角和珠三角为核心的聚集趋势，首都经济圈及福建省东南沿海地区智慧城市的发展呈现小范围聚集；目前智慧城市的发展水平呈现出差异化态势，虽然智慧城市的分布范围基本涵盖中国31个省份，但东、西差异明显，建设发展水平较高的智慧城市大多集中在东部沿海地区，中部长江经济带上的武汉、长沙、合肥等城市表现突出，西南地区的成都、重庆也发展迅速，但广袤的西北地区智慧城市的发展水平远远落后；除此以外，南方的海南岛上诸多新兴的智慧城市形成环围之势，虽然个体城市的发展水平不高，但聚合成智慧城市群，与珠三角地区的快速发展成遥相呼应之势。基于ArcGIS软件可视化分析结果不难发现，首都经济圈、长三角地区、珠三角地区智慧城市的联结点聚集，是实至名归的网络主导城市，中部的武汉、长沙、南京和西南地区的重庆和成都均发挥着重要的作用，是中国智慧城市经济网络的关键节点；相比之下，西部地区智慧城市联系较少，在城市网络中的影响力远落后于中部和东部沿海城市。
借助社会网络分析法，本研究选择了中心性、结构洞和互惠性等指标评估所涉及的196个试点智慧城市的网络表现，即其外部智慧性。
3) POST/identity/membership/{membershipId}：同步某个用户组关系数据；
（1）中心性（centrality）是衡量网络中节点位置重要程度的指标，分为度中间性（degree centrality）、接近中间性（closeness centrality）和中介中间性（betweenness centrality）3种［44］。其中，节点的度中心可以理解为与该点连接的边数，按照连接的方向不同，可以分为点入度（in-dgree）和点出度（out-degree）。入度（
）是指从j点流向i点的流强度，在本研究中指的是企业的分公司数量；出度（
）指的是从
点流出指向
点的流强度，在本研究中体现为企业总部的数量。具体的计算公式如下：
（2）结构洞（structural hole）指的是共享信息的主体之间形成的信息流间隙，表征了网络中的非冗余关系［45］。在网络中，如果一个节点与其他两个互不连接的节点建立关系，则形成了一个结构洞，占据结构洞位置的节点是其他节点进行资源交换的桥梁，主导了整个网络中信息和资源的流动，因此，占据结构洞位置的节点往往具有更好的创新绩效，这一指标往往考量了一个节点在网络中位置的战略重要性。Burt［46］最早在《结构洞：竞争的社会结构》中提出结构洞的度量方法，通过测量节点的限制度（constraint），即主体利用结构洞的受限程度反向测量节点的结构洞属性，限制度越高，节点对其他节点的依赖性越强，网络整体的闭合性越好，结构洞程度越小。具体的计算公式如下：
式（3）（4）中：
为节点的限制度，取值不超过1；结构洞由限制度反向测量，因此通常用1与限制度的差值来测量节点的结构洞属性，即
，这个数值越大表示节点拥有的结构洞数量越多；节点
是节点
和节点
的共同连接点；
指的是节点
的所有连接点中节点
所占的权重比例；
指的是节点i的所有连接点中节点
所占的权重比例；
指的是节点j和q之间连接关系的边际强度。所测得的限制度越低，则表示该节点受结构洞限制的程度越小，即节点拥有的结构洞越多。
随着经济全球化与区域一体化进程不断加快，随着信息技术的快速发展，经济增长的连通性、流动性以及去区域化交易的特征越来越明显，集聚和网络效应使得城市成为新形式下社会创新与经济增长的重要参与方和关键节点，全球经济网络正在变成一个将全球各大枢纽和节点城市连接在一起的横向网络，区域布局的层级性正在被网络性所取代［26］。城市作为一个节点的价值，在于其与其他节点的相关性。城市之间的经济、社会、政治等要素相互联系并相互作用，构成一种非线性的复杂网络关系。“世界城市”概念的提出，掀起了全球范围内城市网络的研究热潮，城市网络的概念也应运而生，城市之间建立外部联系以及由此产生的合作网络可以帮助城市获得外部资源、提升综合竞争力。城市在网络结构中的角色与地位，不同尺度的城市网络的结构特征、相互联系以及由此产生的结构性网络资本的存量，影响城市之间的分工合作与竞争机制，进而影响城市的空间规划与创新发展模式［27］。识别城市的网络化程度、理解城市网络的空间特征与作用机制，对城市规划治理与发展政策的颁布实施具有重要意义。
图13结果显示，优化后的刀片1上的扭矩为1.22 N·m；刀片2上的扭矩为1.4 N·m；刀片3上的扭矩为1.45 N·m。可见，采用方案3(异形刀片)进行优化后,刀片上的扭矩均比原方案小，达到了节能的效果，但是相比优化方案2(弯曲刀片)，方案3中的3片刀片上的扭矩变化平稳，均未出现波动情况。
虽然实践中智慧城市的普及速度令人惊叹，但目前这一概念尚无明确定义。的确，城市内部各种“硬件”与“软件”的优化配置——经济、社会、科技、文化、教育等各个方面资源的智能化发展对城市竞争力的提升有重要影响；但与此同时，信息化时代形成了新的社会形态，城市与城市之间的互动与合作日渐频繁，城市不再是独立发展的个体，其在区域、国家乃至全球城市网络中的角色与位置，以及其融入外部经济的程度同样会影响城市发展水平。因此，本文认为智慧城市的“智慧”内涵应该被进一步拓展，新型智慧城市的智慧性应该包括内部智慧性与外部智慧性两个方面：内部智慧性即传统智慧城市研究涉及的各个方面，包括基础设施、政治、经济、文化、社会与环境等多个视角，关注城市内部各种有形与无形资源的优化整合；而外部智慧性，指的就是智慧城市的网络效应，具体指的是其在不同层次的城市网络中的地位以及由此获得的吸引力，这个吸引力主要由城市的网络位置及作用决定，将直接影响城市对外部资本、人力、知识等创新资源的吸收整合能力，进而影响城市的内部发展和综合竞争力的提升。具体的概念框架如图1所示。
H11: 智慧城市在网络中的点入度对其内部智慧性绩效评估有正向影响。
对于建筑来说，动工之前的设计应该是它的灵魂所在，设计合理的话，建筑就先拥有了它的灵魂。但如果设计不好，建造房屋时就相当于没有参照物，自然就不能建设出质量良好的建筑。设计的重要性还表现在一些细节上，就比如房屋的间距问题，冬天和夏天的太阳高度角不一样，如果没有精准地计算过，就会导致一些房屋的一楼冬天是晒不到太阳的，这样的设计就会是失败的设计，照着这样的设计建设出来的房屋会被市场淘汰。除了这个还有很多其它问题都反映了设计的重要作用。所以说，建筑房屋对设计的要求还是比较高的，要想做好建筑工作，必须要设计好设计图纸。
H12：智慧城市在网络中的点入度平均距离对智慧性评估之间的关系有正向影响。
H21:智慧城市在网络中的点出度对其内部智慧性绩效评估有正向影响。
H22: 智慧城市在网络中的点出度平均距离对智慧性评估之间的关系有正向影响。
H3: 智慧城市在网络中的结构洞属性对其内部智慧性绩效评估有正向影响。
H4: 智慧城市在网络中的互惠性对其内部智慧性绩效评估有正向影响。
制造业企业的运输正在渐渐被现代物流技术影响着，在车辆技术方面，为了提升运输服务质量和运输效率，载货汽车不断向着专用化、大型化方向发展。拖挂运输车辆和甩挂运输车辆得到了快速发展。在车身方面，低货台汽车得到了快速发展，主要是为了方便装货和卸货。又能做到装货方便，卸货方便，运输效率高，并且车辆自重轻的当然是用于配送的箱式货车。另外，各种专用货运车辆也得到了进一步发展。
得到智慧城市的理论模型如图3所示。
图3 智慧城市的理论模型
4.3 实证研究结果
借助Stata统计软件，分别用4个模型对中国试点建设智慧城市的网络表现与绩效评估得分之间的关系进行回归分析，验证研究假设，结果如表1所示。
三是抓好带头人队伍建设，增强党组织凝聚力。首要的是按照“政治素质高、党务工作熟、经济工作通、协调能力强”的标准，配好配强非公有制经济组织党组书记或党务干部，把党组织带头人队伍建设起来。然后提高他们与经济组织出资人联络沟通、谋划党建工作、组织开展党建活动、做思想政治工作和协调处理矛盾问题等方面的能力，让党组织带头人队伍强大起来，把党组织建设成为团结带领非公有制经济组织贯彻党的理论、路线方针政策和落实党的任务的战斗堡垒。
模型1的分析结果显示，网络入度对智慧城市的评估得分具有正向显著影响，但是入度平均距离对智慧性评估有负向显著影响，因此H11和H12得到了支持。对于智慧城市而言，吸引的外来投资越多，尤其是近距离的投资越多，则其建设发展水平越高。
模型2旨在对H21和H22进行验证，结果显示网络出度对智慧城市的评估得分也具有正向显著影响，且作用比网络入度还要明显，但出度平均距离对智慧性评估并没有显著影响，因此H21得到支持。同时，城市人口数量对于网络出度影响作用的发挥具有正向显著影响，而城市行政区域面积则具有负向的显著影响。综合这两个指标，我们可以认为人口密集的小型智慧城市对外投资越多，则其建设发展水平也相应越高。
模型3表明结构洞对智慧城市的评估得分具有正向显著影响，H3得到了支持；同时，城市行政区域面积对于结构洞属性影响作用的发挥具有负向显著影响。由此，可以认为中小型智慧城市的建设发展水平与其所处的网络位置密切相关。对于中小型智慧城市而言，对外部创新资源的依赖性更强，占据优势位置直接影响其智慧城市发展目标的实现；相对而言，大城市自身拥有的各类资源较多，本身对各种资源的控制力较强，在建设发展智慧城市的过程中对于外界的依赖性相对较小。
模型4的分析结果显示，互惠性对智慧城市的评估得分具有正向显著影响，H4得到了支持；同时，城市人口数量对于互惠性的作用机制具有正向显著影响，而城市行政区域面积则具有负向的显著影响。对于人口密集的中小型智慧城市而言，城市之间的双向互动越多，则彼此的智慧城市建设发展水平越高。
表1 2016中国试点智慧城市网络效应回归分析结果
5 结论与启示
本文分析了中国智慧城市的外部智慧性对其内部智慧性评估的影响及作用机理，根据实证研究结果，智慧城市的点入度、点出度、结构洞及互惠性等网络属性对其发展水平的评估结果有显著的影响，主要结论与启示可以概括为3个方面。
5.1 智慧城市的网络地位与发展水平的空间分布格局一致
中国智慧城市虽然网络节点涉及范围广，但总体格局呈现出由京津、沪宁、广深、成渝和武汉为核心的不规则菱形结构。这些核心城市一方面对各类外部创新资源具有强大的吸引力，承接了大量的外来投资，另一方面也主动对外进行投资，在整体城市网络中具有较大的影响力。这些核心节点智慧城市的建设发展水平也名列前茅，由此可以认为个体智慧城市在整体网络中的位置与吸引力会影响其发展水平：由智慧城市在网络中的外部联系数量所体现的城市外部智慧性对其内部智慧性提升有积极的促进作用。值得关注的是，网络中智慧城市对之间的平均距离会影响其外部智慧性作用的发挥，在引进外部投资时，空间距离越近，对城市智慧性发展的帮助越大。实践中，为提高新兴智慧城市的综合竞争力，可以加强与网络中邻近关键节点的联系，环绕核心城市规划建设智慧城市群，提升区域的整体综合实力。
5.2 智慧城市网络联系键区域差异显著
“北京-天津”“北京-哈尔滨”“北京-上海”“北京-成都”“北京-深圳”“北京-广州”“北京-重庆”等富含联系键的网络主导智慧城市对，为智慧城市跨区域合作提供了良好的框架基础，但不难发现，这些网络联系键主要集中在中国东部和中部的智慧城市之间，北京、上海、浙江、广东等东部省份智慧城市之间的联系键远远超过广大中、西部地区各省份，呈现出显著的区域发展不平衡。未来智慧城市规划建设应该注意这种过度差异的分布局势，特别是中、西部地区，在建设发展智慧城市的过程中加强对外联系，加强与邻近地区的双向互动合作，形成内外联动的智慧发展模式。
3.4 腕关节的应用 关节僵硬是桡骨远端骨折后的常见的并发症，占所有患者0～30%[31]。目前关节松动术是解决关节僵硬的常用保守治疗[32-33]。张瑾等[34]研究动态关节松动术对桡骨远端骨折后关节僵硬的治疗，结果得出MWM治疗组和KM治疗组均在桡骨远端骨折后腕关节僵硬的治疗中有较好的效果，它们的治疗效果尚未有明显的差异，提示MWM可有效地治疗桡骨远端骨折后腕关节僵硬，但MWM没有显示出比KM的优越性，可能的原因是两组都加入了肌力训练和家庭训练的内容，因而相对削弱了MWM主动运动的优势性。
5.3 智慧城市网络布局有待优化
中国现有的智慧城市网络呈现出多核集聚的特点，围绕各个中心城市形成了由大量的节点城市构成的凝聚子群，但不难发现，目前智慧城市网络中的中心城市，在出度、入度、结构洞和互惠性等多方面网络效应重叠，处于结构洞位置的智慧城市在网络格局中建立双边合作关系较多，并承担桥接作用，对网络中资本、技术、知识等要素流通的控制能力较强，在各项创新资源的整合方面具有战略性优势，因此，这些核心节点智慧城市的建设发展水平也处于绝对领先位置。但从优化整体网络格局的角度出发，网络中每个智慧城市都应该深度理解并挖掘自己的外部智慧性，识别自身的网络资本，结合城市的区位优势与内部属性要素，从宏观与微观两个层面考虑、从网络与个体两个角度切入，因地制宜地制定智慧城市的发展目标，全面提升智慧城市的综合竞争力。
不好有诈！他一念既出，撑在地上的六只节足，已猛地曲弹而起，带着他的身体飞快地离开了地面。罡风擦着他的双脚刮过，将他的鞋底削去了一大块，然后，在一声尖锐的金属擦击声中，将那只插在天葬师胸前的节足斩断。
1）定干。定干高度依据苗木情况，如果肥水条件良好，可以在苗木最顶端饱满芽处定干。如果肥水条件不好，就要低定干，确保苗木成活。顶芽萌动时，在苗木距地面70 cm以上部分涂抹6-BA，促使主干多发分枝、细枝，当年发枝量达到12～18个为好。
本研究首次引入城市网络视角，跳出以往智慧城市研究对信息与通信技术、智慧产业、城市治理、环境保护等城市内部属性因素的研究，探讨了智慧城市的外部智慧性及其作用机制，为如何规划建设智慧城市、全面提升新兴智慧城市的竞争力提供了新的思路。基于本文的研究结果，要提升新兴智慧城市的建设发展水平和整体绩效表现，不能将其视作独立发展的个体而仅静态分析其城市内部系统各类资源优化整合，还要重视智慧城市在整体网络中的表现。应识别自身在区域城市网络中的位置与作用，清晰认知自身所承担的功能与作用；在传递知识、信息等各种创新资源的过程中，增强其他城市的联系，特别是与邻近区域内的联系，与其他城市建立双向合作关系；最大程度地运用所拥有的网络资本，努力发挥各自的优势，形成内外联动、区域一体化的智慧城市发展模式；进一步发展城市经济，实现智慧城市建设发展的各项目标，打造新型智慧城市“名片”，提高自身的综合竞争力与外部吸引力，为树立城市品牌奠定基础。
参考文献：
［1］NI P, KAMIYA M, DING R. The conjunction of networked agglomeration and location factor in Chinese cities: taking FDI and domestic investment as an example ［M］//NI P, KAMIYA M, DING R. Cities network along the Silk Road. Singapore: Springer, 2017: 235-267.
［2］FENG Z, BO W, YINGXUE C. Research on China's city network based on users’ friend relationships in online social networks: a case study of Sina Weibo［J］. GeoJournal, 2016, 81(6): 937-946.
［3］国家统计局.城镇化水平显著提高 城市面貌焕然一新［EB/OL］.(2018-09-10) ［2019-01-21］. http://www.stats.gov.cn/ztjc/ztfx/ggkf40n/201809/t20180910_1621837.html.
［4］李霞,戴胜利.面向建设国家中心城市的智慧武汉发展评价及模式优化: 理论与实证［J］. 中国软科学,2018(1):77-89.
［5］赵维良,韩增林.城市网络:形态、功能及治理［J］.当代经济管理,2016,38(3):69-73.
［6］CASTELLS M. The rise of the network society［M］.Chichester:John Wiley & Sons, 2011.
［7］FRIEDMANN J, WOLFF G. World city formation: an agenda for research and action ［J］.International Journal of Urban and Regional Research, 1982, 6(3): 309-344.
［8］庄德林,杨羊,晋盛武,等.基于战略性新兴产业的长江三角洲城市网络结构演变研究［J］.地理科学,2017,37(4):546-553.
［9］周灿,曾刚,曹贤忠.中国城市创新网络结构与创新能力研究［J］.地理研究,2017,36(7): 1297-1308.
［10］SUN Q, TANG F, TANG Y. An economic tie network-structure analysis of urban agglomeration in the middle reaches of Changjiang River based on SNA［J］.Journal of Geographical Sciences,2015,25(6): 739-755.
［11］KIM T-H, RAMOS C, MOHAMMED S. Smart city and IoT［J］.Future Generation Computer Systems, 2017, 76:159-162.
［12］DOMINGO A, BELLALTA B, PALACIN M, et al. Public open sensor data: revolutionizing smart cities［J］.IEEE Technology and Society Magazine, 2013,32(4): 50-56.
［13］MEIJER A, BOLÍVAR M P R. Governing the smart city: a review of the literature on smart urban governance［J］.International Review of Administrative Sciences, 2016, 82(2): 392-408.
［14］PALOMO-NAVARRO Á, NAVÍO-MARCO J. Smart city networks'governance: the Spanish smart city network case study［J］.Telecommunications Policy, 2018, 42(10): 872-880.
［15］MATOS F, VAIRINHOS V M, DAMERI R P, et al. Increasing smart city competitiveness and sustainability through managing structural capital［J］.Journal of Intellectual Capital,2017,18(3):693-707.
［16］WINTERS J V. Why are smart cities growing? Who moves and who stays［J］. Journal of Regional Science, 2011, 51(2): 253-270.
［17］BERETTA I. The social effects of eco-innovations in Italian smart cities［J］. Cities, 2018, 72:115-21.
［18］MUNDOLI S, UNNIKRISHNAN H, NAGENDRA H. The“Sustainable” in smart cities: ignoring the importance of urban ecosystems［J］.Decision, 2017, 44(2): 103-120.
［19］LOMBARDI P, GIORDANO S, FAROUH H, et al. Modelling the smart city performance［J］. Innovation: The European Journal of Social Science Research, 2012, 25(2): 137-149.
［20］CARAGLIU A, BO D C, NIJKAMP P. Smart cities in Europe［J］.Journal of Urban Technology, 2011, 18(2): 65-82.
［21］RUDOLF G, FERTNER C, KRAMAR H, et al. Smart cities-ranking of European medium-sized cities［R］.Vienna: Vienna Centre of Regional Science, 2007:22-27
［22］ALBINO V, BERARDI U, DANGELICO R M. Smart cities:definitions, dimensions, performance, and initiatives［J］.Journal of Urban Technology, 2015, 22(1): 3-21.
［23］CARLI R, DOTOLI M, PELLEGRINO R, et al. Measuring and managing the smartness of cities: a framework for classifying performance indicators［C］//2013 IEEE International Conference on Systems, Man, and Cybernetics. Manchester: Institute of Electrical and Electronics Engineers, 2013: 1288-1293.
［24］WU Z, PAN Y, YE Q, et al. The city intelligence quotient (city IQ)evaluation system: conception and evaluation［J］.Engineering,2016, 2(2): 196-211.
［25］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.
［26］郑蔚,周法,董双强.城市经济网络研究的理论共识与观点探析［J］.城市规划,2016, 40(11):87-93.
［27］HUGGINS R, PROKOP D. Network structure and regional innovation: a study of university-industry ties［J］.Urban Studies,2017, 54(4): 931-952.
［28］张闯.城市网络研究中的数据与测量［J］.当代经济科学,2009,31(3):106-112.
［29］TAYLOR P J. Specification of the world city network［J］.Geographical Analysis, 2001, 33(2):181-194.
［30］唐子来,李涛,李粲.中国主要城市关联网络研究［J］.城市规划,2017,41(1):28-39,82.
［31］ALDERSON A S, BECKFIELD J. Power and position in the world city system［J］. American Journal of Sociology, 2004, 109(4):811-851.
［32］尹俊,甄峰,王春慧.基于金融企业布局的中国城市网络格局研究［J］.经济地理,2011, 31(5):754-759.
［33］马学广,李鲁奇.中国城市网络化空间联系结构:基于银行网点数据的研究［J］.地理科学进展,2017,36(4):393-403.
［34］谭一洺,杨永春,冷炳荣,等.基于高级生产者服务业视角的成渝地区城市网络体系［J］. 地理科学进展,2011,30(6):724-732.
［35］MATTHIESSEN C W, SCHWARZ A W, FIND S. World cities of scientific knowledge: systems, networks and potential dynamics. An analysis based on bibliometric indicators［J］.Urban Studies, 2010,47(9): 1879-1897.
［36］司尚奇,冯锋.我国跨区域技术转移联盟研究:基于38个城市合作网络分析［J］.科学学研究,2010,28(8):1165-1170.
［37］马海涛.基于人才流动的城市网络关系构建［J］.地理研究,2017,36(1):161-170.
［38］李响,严广乐.区域公共治理合作网络实证分析:以长三角城市群为例［J］.城市问题, 2013(5):77-83.
［39］甄峰,王波,陈映雪.基于网络社会空间的中国城市网络特征:以新浪微博为例［J］.地理学报,2012,67(8):1031-1043.
［40］蒋小荣,汪胜兰,杨永春.中国城市人口流动网络研究:基于百度LBS大数据分析［J］.人口与发展,2017,23(1): 13-23.
［41］杨永春,冷炳荣,谭一洺,等.世界城市网络研究理论与方法及其对城市体系研究的启示［J］.地理研究,2011,30(6):1009-1020.
［42］WALL R, STAVROPOULOS S, EDELENBOS J, et al. Evaluating the performance of smart cities in the global economic network［M］// RODRÍGUEZ-BOLÍVAR M P. Transforming city governments for successful smart cities. Cham: Springer, 2015: 87-113.
［43］中国社会科学院信息化研究中心,国脉互联智慧城市研究中心.第六届(2016)中国智慧城市发展水平评估报告［R］.北京:中国社会科学院信息化研究中心,国脉互联智慧城市研究中心,2016:13-14.
［44］蒋小荣,杨永春,汪胜兰, 等.基于上市公司数据的中国城市网络空间结构［J］.城市规划, 2017,41(6):18-26.
［45］晁艺璇,王崇锋,刘欣荣,等.基于合作创新网络视角的创新策略选择研究:以ICT产业为例［J］.软科学,2018,32(6):39-44.
［46］BURT R S. Structural holes: the social structure of competition［M］.Cambridge:Harvard University Press, 2009.
Research on the External Intelligence Mechanism of Intelligent City from the Perspective of Network
Zhu Hailun1, Zhao Shuliang1, Song Wei1,2
(1.School of Public Affairs, University of Science and Technology of China;2.Research Center for Scientific and Technological Innovation and Regional Development, University of Science and Technology of China, Hefei 230026, China)
Abstract: Fast economic globalization development has increased various types of connections between cities. To realize the smart development of cities, not only the internal factors of innovation but also the external network effects,mutual contacts and cooperation of each other should be strengthened. In the view of urban network theory, this paper uses the social network analysis method to define the position and function of the intelligent city in the urban network as its external intelligence, constructs the intelligent city network based on 193 pilot intelligent cities in China in 2016,by using the data of the headquarters of main enterprise and the location of branch office, and probes into the influence and mechanism of the external intelligence of the smart city on the evaluation of internal intelligence performance. It is found that, the out-degree, in-degree, structural hole and reciprocity of intelligent cities in the network all have a significant impact on the evaluation results of their internal intelligence. In order to enhance the comprehensive competitiveness, the new intelligent city should identify its own network positioning, strengthen the connection and cooperation with other cities, form the internal and external linkage, and realize the various goals of the development of the intelligent city.
Key words: smart city; network effect; out-degree; in-degree; structural hole
中图分类号： F293.1；F224；G301
文献标志码： A
文章编号： 1000-7695（2019）21-0074-09
doi: 10.3969/j.issn.1000-7695.2019.21.012
收稿日期： 2019-01-02，修回日期：2019-03-11
作者简介： 朱海伦（1991—），女，安徽六安人，博士研究生，主要研究方向为区域创新与城市发展；赵树良（1988—），男，湖北监利人，副研究员，主要研究方向为创新管理与科技政策；宋伟（1962—），男，安徽定远人，教授，博士研究生导师，院长，主要研究方向为知识产权与创新管理、区域发展。
标签：智慧城市论文; 网络效应论文; 出度论文; 入度论文; 结构洞论文; 中国科学技术大学公共事务学院论文; 中国科学技术大学科技创新与区域发展研究中心论文;