張 寧，盛 武

?

基于貝葉斯網(wǎng)絡(luò)的智慧城市建設(shè)影響因素研究

張 寧，盛 武

（安徽理工大學(xué) 經(jīng)濟與管理學(xué)院，安徽 淮南 232001）

大數(shù)據(jù)時代，智慧城市建設(shè)已經(jīng)成為城市發(fā)展的關(guān)鍵性戰(zhàn)略目標(biāo)。在選取與智慧城市建設(shè)水平相關(guān)的因子基礎(chǔ)上，結(jié)合樣本數(shù)據(jù)及貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)，構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型。借助貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)，對各節(jié)點變量的條件概率分布和后驗概率進行分析，從而挖掘出各變量間的相互影響程度以及影響智慧城市建設(shè)水平的關(guān)鍵因素。結(jié)果表明：城市經(jīng)濟發(fā)展水平和基礎(chǔ)設(shè)施建設(shè)情況是影響智慧城市建設(shè)水平的主要因素，創(chuàng)新型人才和科技創(chuàng)新能力對智慧城市建設(shè)起著不可忽略的影響作用，在智慧城市建設(shè)過程中，各評價指標(biāo)變量間存在密切的因果關(guān)系和邏輯關(guān)系，共同構(gòu)成影響智慧城市建設(shè)水平的復(fù)雜關(guān)系網(wǎng)絡(luò)。

貝葉斯網(wǎng)絡(luò)；智慧城市；EM算法；參數(shù)學(xué)習(xí)

近年來，大數(shù)據(jù)及人工智能技術(shù)的迅速發(fā)展使智慧城市建設(shè)如雨后春筍般在各個城市不斷涌現(xiàn)，大到北京、上海等特大型城市，小到中小型城鎮(zhèn)，都將智慧城市建設(shè)納入城市發(fā)展規(guī)劃中。為更好推動國內(nèi)智慧城市建設(shè)，國內(nèi)外已有眾多專家學(xué)者對該領(lǐng)域進行了深入的理論研究。崔璐、楊凱瑞構(gòu)建了智慧城市評價體系，主張從人力資本投入、基礎(chǔ)設(shè)施和資金投入情況三個方面對智慧城市發(fā)展水平進行整體評價；[1]曲巖、王前以核主成分分析為研究方法，將智慧城市評價體系分為信息基礎(chǔ)設(shè)施、經(jīng)濟發(fā)展水平、科技支撐情況、智慧城市產(chǎn)業(yè)發(fā)展、智慧城市環(huán)境治理五個方面，并在此基礎(chǔ)上對若干個樣本城市的智慧城市發(fā)展水平進行了綜合分析；[2]葛蕾蕾、佟婳等從社會和政府兩個層面出發(fā)，對目前我國智慧城市建設(shè)現(xiàn)狀及存在的問題進行了整體性評價；[3]羅雙玲、夏昊翔基于能力成熟度理論，對目前國內(nèi)智慧城市建設(shè)水平進行了綜合分析評價。[4]縱觀現(xiàn)有研究成果可以發(fā)現(xiàn)，目前國內(nèi)學(xué)術(shù)界關(guān)于智慧城市的研究主要集中在評價指標(biāo)體系構(gòu)建、衡量發(fā)展水平、研究整體發(fā)展模式等頂層方面，而針對影響智慧城市建設(shè)的各個因素間的相互影響程度及與智慧城市建設(shè)的關(guān)鍵因素的研究尚處于起步階段。

貝葉斯網(wǎng)絡(luò)作為表達和分析不確定性事件的有效方法，不僅可以有效識別各變量間復(fù)雜的邏輯關(guān)系和相互影響程度，而且可以借助反向推理找出影響目標(biāo)變量的關(guān)鍵因素，因此在故障診斷、模型推理等方面具有廣泛的應(yīng)用。目前，貝葉斯網(wǎng)絡(luò)在犯罪學(xué)、醫(yī)學(xué)等領(lǐng)域的研究已經(jīng)有了很大突破，在煤礦行業(yè)的應(yīng)用也初顯成效，李賢功、葛家家等通過構(gòu)建貝葉斯網(wǎng)絡(luò)對煤礦頂板事故發(fā)生的直接原因進行了深入研究；[5]陳兆波、陰東玲等借助貝葉斯網(wǎng)絡(luò)分析了造成煤礦事故發(fā)生的主要人為因素；[6]與其他領(lǐng)域相比，目前國內(nèi)學(xué)術(shù)界很少有研究人員將貝葉斯網(wǎng)絡(luò)模型與智慧城市建設(shè)相結(jié)合，綜合評價影響智慧城市建設(shè)的關(guān)鍵因素?；诖?，本文擬利用貝葉斯網(wǎng)絡(luò)分析軟件GeNie，在選取合理的指標(biāo)變量基礎(chǔ)上，通過對樣本數(shù)據(jù)進行結(jié)構(gòu)學(xué)習(xí)，構(gòu)建智慧城市建設(shè)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型。通過參數(shù)學(xué)習(xí)得出各節(jié)點后驗概率分布，找出影響智慧城市建設(shè)的關(guān)鍵因素；通過結(jié)構(gòu)學(xué)習(xí)構(gòu)建各評價指標(biāo)間的邏輯關(guān)系，分析各個指標(biāo)間的相互影響程度。在此基礎(chǔ)上，提出針對性措施，以期加快國內(nèi)智慧城市建設(shè)進程，促進智慧城市建設(shè)向更加穩(wěn)定、長遠的方向發(fā)展。

一、指標(biāo)選取及數(shù)據(jù)來源

（一）智慧城市建設(shè)評價指標(biāo)選取

不同的評價指標(biāo)體系會產(chǎn)生不同的評價結(jié)果。綜合考慮影響智慧城市建設(shè)的各種因素，本文從評價結(jié)果的普適性以及數(shù)據(jù)可獲得性等角度出發(fā)，結(jié)合現(xiàn)有的智慧城市建設(shè)評價體系，最終從經(jīng)濟發(fā)展、環(huán)境治理、基礎(chǔ)設(shè)施建設(shè)、科技創(chuàng)新、人才支撐五個方面構(gòu)建智慧城市建設(shè)評價體系。其中共選取了18個二級評價指標(biāo)作為主要研究內(nèi)容，具體變量如圖1所示。

圖1 智慧城市建設(shè)評價指標(biāo)體系

（二）數(shù)據(jù)來源

關(guān)于指標(biāo)變量數(shù)據(jù)的選取，本文根據(jù)我國各城市建設(shè)智慧城市的實際發(fā)展現(xiàn)狀和相關(guān)政策，綜合考慮了各類城市的地域特征、發(fā)展前景以及數(shù)據(jù)的可獲得性，最終選取了北、上、廣、深四個一線城市以及新一線城市代表武漢、鄭州、天津、杭州、重慶和二線城市代表合肥、廈門等共11個城市為樣本數(shù)據(jù)，構(gòu)建貝葉斯網(wǎng)絡(luò)模型。數(shù)據(jù)來源主要以各樣本城市官方網(wǎng)站上公布的2017年統(tǒng)計年鑒為主要參考依據(jù)，同時以相關(guān)政府部門的工作報告以及互聯(lián)網(wǎng)數(shù)據(jù)為輔助參考。

二、貝葉斯網(wǎng)絡(luò)原理及模型構(gòu)建

（一）貝葉斯網(wǎng)絡(luò)基本原理

1）變量選取，即選擇與研究主題相關(guān)的變量。通常主要通過主成分分析或相關(guān)性分析等方法分析各個變量間的相關(guān)度，對相關(guān)性較強的變量建立聯(lián)系；

2）確定各變量間的結(jié)構(gòu)關(guān)系。通常借助專家知識、結(jié)構(gòu)學(xué)習(xí)或者兩者相結(jié)合的方法，構(gòu)建符合研究主題的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型；

3）參數(shù)學(xué)習(xí)。在構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型基礎(chǔ)上，利用貝葉斯公式，在確定節(jié)點先驗概率前提下，通過反向推理學(xué)習(xí)各節(jié)點間的概率相關(guān)性。[10]

（二）貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)

參數(shù)學(xué)習(xí)的實質(zhì)是在構(gòu)建完整的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上借助相關(guān)算法確定各節(jié)點變量的概率分布情況，形成節(jié)點概率分布圖。目前，貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法有最大似然估計法、貝葉斯估計法、期望最大（EM）算法。[11]由于在獲取樣本數(shù)據(jù)的過程中，往往會存在部分?jǐn)?shù)據(jù)缺失的情況，因此本文擬采用可以處理樣本缺失數(shù)據(jù)的參數(shù)學(xué)習(xí)算法，即EM算法。EM算法具體的模型求解主要包含以下兩個過程：

1）E（期望）步：依據(jù)觀測到的變量和當(dāng)前參數(shù)值計算全部訓(xùn)練樣本的概率分布期望：

（三）貝葉斯網(wǎng)絡(luò)模型構(gòu)建

本文在構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)過程中，首先結(jié)合專家知識和客觀事實明確各變量間的因果關(guān)系，構(gòu)建初始的網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系圖。在此基礎(chǔ)上，以GeNie為平臺支撐，借助相關(guān)算法對初始網(wǎng)絡(luò)結(jié)構(gòu)進行結(jié)構(gòu)學(xué)習(xí)，從而對模型結(jié)構(gòu)進行適當(dāng)調(diào)整、修正，最終構(gòu)建了如圖2所示的智慧城市建設(shè)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型。

圖2 智慧城市建設(shè)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型

三、貝葉斯網(wǎng)絡(luò)模型分析與推理

在獲得父節(jié)點先驗概率和子節(jié)點條件概率基礎(chǔ)上，設(shè)定證據(jù)節(jié)點計算各節(jié)點發(fā)生的后驗概率，對變量進行逆向推理，可以找出導(dǎo)致目標(biāo)事件發(fā)生的關(guān)鍵因素，有助于更加精準(zhǔn)地對事件態(tài)勢進行評估、預(yù)測。

在構(gòu)建貝葉斯網(wǎng)絡(luò)模型基礎(chǔ)上，利用貝葉斯網(wǎng)絡(luò)分析軟件GeNie，在設(shè)定證據(jù)變量確切值前提下，計算其余變量的條件概率值，對節(jié)點間相關(guān)影響程度進行量化分析；在此基礎(chǔ)上，通過分析各節(jié)點變量的后驗概率，找出影響智慧城市建設(shè)的關(guān)鍵因素；此外，借助GeNie結(jié)構(gòu)學(xué)習(xí)功能，構(gòu)建影響智慧城市建設(shè)的各指標(biāo)間的影響關(guān)系圖，分析各指標(biāo)的內(nèi)在邏輯關(guān)系和因果關(guān)系，深入挖掘影響智慧城市建設(shè)水平的相關(guān)變量，從根源上尋找影響智慧城市建設(shè)水平的最基本要素。

（一）影響智慧城市建設(shè)的關(guān)鍵因素分析

分析影響智慧城市建設(shè)水平的變量因果關(guān)系，有助于我們了解推動智慧城市建設(shè)的關(guān)鍵影響因素，同時為科學(xué)合理地預(yù)測智慧城市建設(shè)水平提供理論支撐。[12]在貝葉斯網(wǎng)絡(luò)模型中，概率分布圖不僅可以用于分析預(yù)測，也可以用于推理模型中變量間的相互影響程度。利用貝葉斯網(wǎng)絡(luò)分析工具GeNie，結(jié)合收集到的樣本數(shù)據(jù)和相關(guān)算法，對上文構(gòu)建的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)進行推理分析。通過變量離散化，將智慧城市發(fā)展水平及其它變量分為High、Middle、Low三個區(qū)間。在此基礎(chǔ)上，將Smart city（智慧城市）節(jié)點設(shè)為證據(jù)節(jié)點，并假設(shè)已知智慧城市建設(shè)水平為High，通過反向推理，得出在智慧城市建設(shè)水平的先驗概率及條件概率已知情況下其余變量的后驗概率。綜合分析對比各個變量的后驗概率，得出在已知智慧城市建設(shè)水平較高時各個變量不同狀態(tài)發(fā)生的概率，從而推理出影響智慧城市建設(shè)水平的關(guān)鍵因素。

通過相關(guān)分析及數(shù)據(jù)處理，最終得到各節(jié)點的后驗概率如圖3所示。從圖中可以看出，在確定智慧城市建設(shè)水平處于high的狀態(tài)時，經(jīng)濟發(fā)展水平（A）、環(huán)境治理水平（B）、基礎(chǔ)設(shè)施建設(shè)水平（C）處于較高發(fā)展水平的概率分別為81%、61%、67%，而經(jīng)濟發(fā)展水平為Low的概率僅為6%。這在一定程度上表明，在智慧城市建設(shè)過程中，經(jīng)濟發(fā)展水平是影響智慧城市建設(shè)水平的關(guān)鍵因素；同時，城市的環(huán)境治理和基礎(chǔ)設(shè)施建設(shè)對智慧城市建設(shè)的影響也較大。與經(jīng)濟發(fā)展（A）、環(huán)境治理（B）、基礎(chǔ)設(shè)施建設(shè)（C）相比，科技創(chuàng)新水平（D）和人才支撐強度（E）對智慧城市建設(shè)水平的影響程度相對較弱，但同時也是影響智慧城市建設(shè)水平必不可少的因素。從二級指標(biāo)來看，在經(jīng)濟水平（A）發(fā)展?fàn)顟B(tài)已知情況下，全市生產(chǎn)總值（A1）的發(fā)展情況對經(jīng)濟水平（A）的影響最深；在影響城市環(huán)境治理水平（B）的各個指標(biāo)中，城市生活垃圾無害化處理率（B4）對其影響作用最為明顯；寬帶用戶數(shù)（C3）、用水普及率（C5）、全社會氣化率（C6）對城市基礎(chǔ)設(shè)施建設(shè)（C）水平的影響作用較為明顯；影響科技創(chuàng)新水平（D）的主要因素是城市的專利授權(quán)量（D2）；影響整體人才發(fā)展水平（E）的主要因素是高等學(xué)生在校數(shù)（E3）。綜上所述，在建設(shè)智慧城市過程中，各個城市要將提高城市整體經(jīng)濟發(fā)展水平、增強環(huán)境治理能力、完善城市基礎(chǔ)設(shè)施建設(shè)等作為首要發(fā)展目標(biāo)，關(guān)注影響智慧城市建設(shè)水平的關(guān)鍵因素，為提高智慧城市建設(shè)水平奠定堅實的物質(zhì)基礎(chǔ)。此外，影響智慧城市建設(shè)水平的原因錯綜復(fù)雜，各個城市在關(guān)注關(guān)鍵指標(biāo)所發(fā)揮的影響作用時，也不能忽視其它因素對智慧城市建設(shè)的影響，要注重各個影響因素間的協(xié)調(diào)發(fā)展，全面提高智慧城市建設(shè)水平。

圖3 影響智慧城市建設(shè)水平的關(guān)鍵因素

（二）各影響因素間的邏輯關(guān)系研究

對影響智慧城市建設(shè)水平的各指標(biāo)進行橫向分析，挖掘與智慧城市建設(shè)水平相關(guān)的各因素間的內(nèi)在邏輯關(guān)系和因果關(guān)系，有助于我們更深入了解影響智慧城市建設(shè)的主要原因。利用貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)，借助GeNie軟件的TAN（Tree Augumented Naive Bayes）算法，對選取的18個二級指標(biāo)進行貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)建模，得出各個指標(biāo)的網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系圖，結(jié)果如圖4所示。

從圖4看出，影響智慧城市建設(shè)的各變量存在錯綜復(fù)雜的邏輯關(guān)系。其中，在選取的智慧城市建設(shè)評價指標(biāo)中，全市生產(chǎn)總值（A1）是其余變量的父節(jié)點，說明在智慧城市建設(shè)過程中，各因素的發(fā)展都會受全市生產(chǎn)總值發(fā)展水平的影響；高等學(xué)生在校數(shù)（E3）是城市第三產(chǎn)業(yè)生產(chǎn)總值（A2）、城市高速公路總長度（C1）、軌道交通總長度（C4）、用水普及率（C5）、全社會氣化率（C6）、R&D人員數(shù)（E2）的父節(jié)點，同時又是全市生產(chǎn)總值（A1）、R&D經(jīng)費支出（D1）變量的子節(jié)點，說明高等學(xué)生在校數(shù)在一定程度上會對城市第三產(chǎn)業(yè)生產(chǎn)總值、高速公路長度、軌道交通總長度、用水普及率、全社會氣化率、和R&D人員數(shù)量產(chǎn)生影響，同時又會受到全市生產(chǎn)總值，社會R&D經(jīng)費支出發(fā)展水平影響；一般工業(yè)固體廢物綜合利用率（B2）的子節(jié)點主要包括第三產(chǎn)業(yè)固定資產(chǎn)投資比例（A3）、市區(qū)建成區(qū)綠化覆蓋率（B1）、城市污水集中處理率（B3）、城市生活垃圾無害化處理率（B4）、第三產(chǎn)業(yè)就業(yè)人員比例（E1）等，說明智慧城市建設(shè)過程中一般工業(yè)固體廢物綜合利用率會對城市第三產(chǎn)業(yè)固定資產(chǎn)投資比重、市區(qū)建成區(qū)綠化覆蓋率、城市污水集中處理率、城市生活垃圾無害化處理率、第三產(chǎn)業(yè)就業(yè)人員比例等指標(biāo)造成影響。此外，從各指標(biāo)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系圖中還可看出，城市R&D經(jīng)費支出（D1）、專利授權(quán)量（D2）、高等學(xué)生在校數(shù)（E3）等與科技創(chuàng)新和人才支撐相關(guān)的變量與其它變量間也有較明顯的邏輯關(guān)系，說明在智慧城市建設(shè)過程中，各個城市不僅要關(guān)注基礎(chǔ)物質(zhì)發(fā)展水平，也要注重培養(yǎng)城市創(chuàng)新型人才和提高科技創(chuàng)新水平，充分發(fā)揮城市科技創(chuàng)新和創(chuàng)新型人才對智慧城市建設(shè)的頂層推動作用。

圖4 智慧城市建設(shè)影響因素邏輯關(guān)系分析

四、結(jié)論與建議

本文通過構(gòu)建影響智慧城市建設(shè)的貝葉斯網(wǎng)絡(luò)模型，借助貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)及相關(guān)算法，對貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)中各節(jié)點的后驗概率進行分析，得出影響智慧城市建設(shè)的關(guān)鍵因素。此外，以獲取的指標(biāo)數(shù)據(jù)為依據(jù)，利用貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)功能建立節(jié)點變量間的網(wǎng)絡(luò)關(guān)系，分析各指標(biāo)間的內(nèi)在邏輯關(guān)系。通過分析研究，得出如下結(jié)論：

1）城市的經(jīng)濟發(fā)展水平和基礎(chǔ)設(shè)施建設(shè)情況是決定智慧城市建設(shè)水平的關(guān)鍵因素。各城市在智慧城市建設(shè)過程中，要以提高城市經(jīng)濟發(fā)展水平和完善城市基礎(chǔ)設(shè)施為出發(fā)點，夯實城市物質(zhì)基礎(chǔ)，逐步推動智慧城市標(biāo)準(zhǔn)化建設(shè)。

2）在分析各節(jié)點變量間的邏輯關(guān)系過程中發(fā)現(xiàn)，全市生產(chǎn)總值是支撐其它指標(biāo)發(fā)展的主要指標(biāo)變量。各城市在發(fā)展智慧城市過程中，要注意在合理范圍內(nèi)不斷提高全市生產(chǎn)總值，以便為其它指標(biāo)發(fā)展提供強硬的經(jīng)濟支撐，從而實現(xiàn)以經(jīng)濟基礎(chǔ)帶動上層建筑的理論目標(biāo)。

3）智慧城市建設(shè)是一個漫長的過程，各城市在關(guān)注影響智慧城市建設(shè)關(guān)鍵因素的發(fā)展水平的同時，也要注重其它因素間的協(xié)調(diào)發(fā)展。要充分調(diào)動與智慧城市建設(shè)相關(guān)的各種資源，全方位提高智慧城市在經(jīng)濟、科技、環(huán)境、人才等綜合發(fā)展水平，促進智慧城市建設(shè)全面發(fā)展，從而推動智慧城市建設(shè)向著更加穩(wěn)定、長遠的方向發(fā)展。

4）我國智慧城市建設(shè)尚處于起步階段，目前還未形成完整的發(fā)展體系和發(fā)展模式。各城市在智慧城市建設(shè)過程中，要相互學(xué)習(xí)，不斷借鑒智慧城市建設(shè)水平較高的城市的發(fā)展經(jīng)驗，同時也要結(jié)合各自發(fā)展現(xiàn)狀，探索適合自身發(fā)展的建設(shè)模式，從而形成個性化、多元化的智慧城市建設(shè)體系。此外，要不斷加強城市創(chuàng)新型人才培養(yǎng)，提高城市科技創(chuàng)新水平，從而加快國內(nèi)智慧城市建設(shè)進程。

[1] 崔璐, 楊凱瑞. 智慧城市評價指標(biāo)體系構(gòu)建[J]. 統(tǒng)計與決策, 2018, 34(6): 33-38.

[2] 曲巖, 王前. 智慧城市發(fā)展水平測度指標(biāo)體系的構(gòu)建[J]. 統(tǒng)計與決策, 2018, 34(11): 33-36.

[3] 葛蕾蕾, 佟婳, 侯為剛. 國內(nèi)智慧城市建設(shè)的現(xiàn)狀及發(fā)展策略[J]. 行政管理改革, 2017(7): 40-45.

[4] 羅雙玲, 夏昊翔. 基于能力成熟度視角對智慧城市評價的思考[J]. 科研管理, 2018, 39(S1): 278-283.

[5] 李賢功, 葛家家, 胡婷, 等. 煤礦頂板事故致因分析的貝葉斯網(wǎng)絡(luò)研究[J]. 中國安全科學(xué)學(xué)報, 2014, 24(7): 10-14.

[6] 陳兆波, 陰東玲, 曾建潮, 等. 基于貝葉斯網(wǎng)絡(luò)的煤礦事故人因推理[J]. 中國安全生產(chǎn)科學(xué)技術(shù), 2014, 10(11): 145-150.

[7] Darwiche A. Bayesian Networks[J]., 2010, 53(12): 80-90.

[8] Fenton N, Neil M. Risk Assessment and Decision Analysis with Bayesian Networks[C]// CRC Press, Inc. 2012: 910.

[9] 裴平, 郭永濟. 基于貝葉斯網(wǎng)絡(luò)的P2P網(wǎng)貸借款人信用評價模型[J]. 中國經(jīng)濟問題, 2017(2): 29-41.

[10] 曹杰. 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)與應(yīng)用研究[D]. 中國科學(xué)技術(shù)大學(xué), 2017.

[11] 張一文, 齊佳音, 方濱興, 等. 基于貝葉斯網(wǎng)絡(luò)建模的非常規(guī)危機事件網(wǎng)絡(luò)輿情預(yù)警研究[J]. 圖書情報工作, 2012, 56(2): 76-81.

[12] 郭笑丹. 基于貝葉斯網(wǎng)絡(luò)的民航突發(fā)事件因果關(guān)系分析方法研究[D]. 天津: 中國民航大學(xué), 2018.

Research on Influencing Factors of Smart City Construction Based on Bayesian Network

ZHANG Ning, SHENG Wu

（School of Economics and Management, Anhui University of Science and Technology, Huainan, Anhui 232001, China）

In the era of the big data, the construction of smart cities has become a key strategic goal of urban development. Based on the factors related to the level of smart city construction, combined with sample data and the Bayesian network structure learning, the Bayesian network structure model is constructed. By means of the Bayesian network parameter learning, the conditional probability distribution and posterior probability of each node variable are analyzed, so as to explore the mutual influence degree of each variable and the key factors affecting the construction level of smart city. The results show that the level of urban economic development and infrastructure construction are the main factors affecting the construction level of smart cities; innovative talents and technological innovation capabilities play an indispensable role in the construction of smart cities; in the process of smart city construction, there are close causal and logical relationships between the evaluation index variables, which together constitute a complex relationship network that affects the level of smart city construction.

Bayesian network; smart city; EM algorithm; parameter learning

F 291.1

A

10.3969/j. issn. 2096-059X.2018.06.011

2096-059X(2018)06–0070–06

2018-09-15

國家自然科學(xué)基金項目（71371014）；安徽高校省級自然科學(xué)研究重點項目（KJ2016A205）；安徽省哲學(xué)社科規(guī)劃項目（AHSKY2016D20）

張寧（1992-），女，河南漯河人，碩士研究生，主要從事區(qū)域發(fā)展與信息管理研究；盛武（1969-），男，安徽淮南人，副教授，博士，主要從事區(qū)域發(fā)展與信息管理、大數(shù)據(jù)分析與應(yīng)用研究

（責(zé)任編校：彭 萍）