王鐵旦，李詩(shī)瑤，彭定洪

(昆明理工大學(xué) a.管理與經(jīng)濟(jì)學(xué)院；b.質(zhì)量發(fā)展研究院，云南 昆明 650500)

一、文獻(xiàn)綜述與方法運(yùn)用

(一)文獻(xiàn)綜述

國(guó)際商業(yè)機(jī)器公司(International Business Machines Corporation，IBM)于2008年提出智慧城市[1]的概念后，引起了美國(guó)、新加坡、日本等眾多國(guó)家的積極響應(yīng)[2-4]。我國(guó)在2013年首次進(jìn)行智慧城市試點(diǎn)活動(dòng)并于2016年提出新型智慧城市的概念，不同于國(guó)外的智慧城市理念重在對(duì)“物”的管理，我國(guó)的新型智慧城市建設(shè)核心是以“人”為本[5]。因此，如何從“人本”角度對(duì)新型智慧城市建設(shè)質(zhì)量進(jìn)行評(píng)價(jià)成為當(dāng)前亟待解決的問題。截止2021年，中國(guó)有超過700個(gè)城市開展智慧城市建設(shè)，數(shù)量上是全球第一，然而“量”的增加并不等于“質(zhì)”的提升?？茖W(xué)合理的評(píng)價(jià)可以有效地反映出智慧城市建設(shè)質(zhì)量與運(yùn)行效果，本文通過對(duì)前期建設(shè)經(jīng)驗(yàn)進(jìn)行總結(jié)和梳理，嘗試為后續(xù)管理和發(fā)展提供有益借鑒。

新型智慧城市建設(shè)質(zhì)量的精準(zhǔn)評(píng)價(jià)需要科學(xué)合理的方法和模型。目前，我國(guó)對(duì)智慧城市評(píng)價(jià)的相關(guān)研究主要有兩類：一是基于客觀數(shù)據(jù)的分析。劉笑音等[6]、胡軍燕等[7]分別采用主成分和面板數(shù)據(jù)對(duì)智慧城市發(fā)展?jié)摿椭腔鄱冗M(jìn)行分析；隨后，客觀數(shù)據(jù)結(jié)合各類模型相繼被運(yùn)用到智慧城市評(píng)價(jià)領(lǐng)域。陳莉等[8]采用熵權(quán)與云模型相結(jié)合的方法來評(píng)價(jià)我國(guó)的綠色智慧城市發(fā)展水平。鄒凱等[9]構(gòu)建了灰色關(guān)聯(lián)分析-反向傳播神經(jīng)網(wǎng)絡(luò)(Grey Relational Analysis-Back Propagation Neural Network，GRA-BPNN)智慧城市發(fā)展?jié)摿υu(píng)價(jià)模型。隨著城市發(fā)展趨勢(shì)由“物本”轉(zhuǎn)向“人本”，其關(guān)注的焦點(diǎn)從最初的“物”的發(fā)展落到“人”的感受上[10]，即智慧城市建設(shè)是以提升人民群眾的幸福感和滿意度為核心，因此，僅依據(jù)統(tǒng)計(jì)數(shù)據(jù)來衡量具有局限性。二是基于專家打分的主觀數(shù)據(jù)分析。項(xiàng)勇等[11]提出構(gòu)建智慧城市評(píng)價(jià)體系的網(wǎng)絡(luò)關(guān)系圖，再用逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution，TOPSIS)衡量城市的智慧程度。何琴[12]以層次分析法( Analytic Hierarchy Process，AHP)為基礎(chǔ)構(gòu)建了智慧城市建設(shè)水平評(píng)價(jià)模型。王楓等[13]利用概率語(yǔ)言評(píng)價(jià)從市民獲得感角度出發(fā)，對(duì)新型智慧城市建設(shè)的三個(gè)方面進(jìn)行了評(píng)價(jià)。

城市發(fā)展質(zhì)量測(cè)評(píng)經(jīng)歷了由單一指標(biāo)測(cè)評(píng)向復(fù)雜指標(biāo)體系發(fā)展且在評(píng)價(jià)過程中越來越突出主觀評(píng)價(jià)的作用[14]。智慧城市建設(shè)方面的專家，作為“人”感受的評(píng)價(jià)者具有較高的權(quán)威性和代表性。由于個(gè)體差異性，專家在評(píng)價(jià)過程中難以達(dá)成共識(shí)，而基于聚合算子的信息聚合技術(shù)如等權(quán)的處理方法進(jìn)行數(shù)學(xué)平均或少數(shù)服從多數(shù)等容易導(dǎo)致具有建設(shè)性的少數(shù)意見被忽視[15]。Peng J J等人也指出在評(píng)價(jià)決策領(lǐng)域處理評(píng)價(jià)信息時(shí)簡(jiǎn)單的刪除重復(fù)值是不合理的，忽視重復(fù)值也可能造成部分決策者偏好信息的丟失[16-17]。本文選取Yager R R[18]提出的模糊包(Fuzzy bags)對(duì)專家意見進(jìn)行整體表征，不僅可以解決專家意見不一致難以達(dá)成共識(shí)的問題，也可以有效對(duì)原始重復(fù)信息進(jìn)行保留。

(二)方法運(yùn)用

新型智慧城市建設(shè)質(zhì)量評(píng)價(jià)包含了多方面內(nèi)容，如城市經(jīng)濟(jì)、生活、環(huán)境等，其評(píng)價(jià)過程屬于典型的多屬性評(píng)價(jià)問題。對(duì)新型智慧城市建設(shè)質(zhì)量進(jìn)行評(píng)價(jià)的目的是了解城市在建設(shè)中所處的階段和水平，而非擇優(yōu)，且城市在各方面建設(shè)過程中的表現(xiàn)參差不齊，所以選擇妥協(xié)評(píng)價(jià)方法更貼合實(shí)際情況。多準(zhǔn)則妥協(xié)解排序法(VlseKriterijumska Optimizacija IKompromisno Resenje，VIKOR)不僅能解決智慧城市評(píng)價(jià)指標(biāo)間的沖突問題，還可以通過最大化群體效用和最小化個(gè)體遺憾對(duì)有限決策方案進(jìn)行折衷排序，尋求總體滿意度和個(gè)體滿意度之間的平衡，有效解決決策群體由于決策背景、決策偏好等差異造成的評(píng)價(jià)結(jié)果與集體利益相悖的問題[19]；同時(shí)，VIKOR法中雖提及負(fù)理想解，但它僅用于規(guī)范化距離分量而未作為評(píng)價(jià)參考，與實(shí)際運(yùn)用中對(duì)建設(shè)質(zhì)量最差的城市關(guān)注度遠(yuǎn)不及發(fā)展質(zhì)量最好的城市相符[20]。

綜上，本文綜合現(xiàn)有研究成果提出了一套符合我國(guó)新型智慧城市建設(shè)質(zhì)量評(píng)價(jià)的指標(biāo)體系，并同步構(gòu)建了基于模糊包的VIKOR方法(BB-VIKOR方法)用于我國(guó)新型智慧城市建設(shè)質(zhì)量評(píng)價(jià)。在評(píng)價(jià)過程中采用模糊包的形式對(duì)專家評(píng)價(jià)信息進(jìn)行整體表征，并通過構(gòu)造模糊包線性偏好函數(shù)解決了兩個(gè)長(zhǎng)短不一致的模糊包的大小比較問題，而改進(jìn)的多屬性模糊包間的距離公式則能更好地將VIKOR方法運(yùn)用在模糊包領(lǐng)域。

二、新型智慧城市建設(shè)質(zhì)量評(píng)價(jià)指標(biāo)構(gòu)建

IBM作為智慧城市概念的提出者，從城市服務(wù)、市民、商業(yè)、交通、通信、供水、能源7個(gè)方面制定了一套用于評(píng)價(jià)智慧城市建設(shè)質(zhì)量的指標(biāo)體系。此外，在國(guó)際上認(rèn)可度較高的還有智慧社區(qū)論壇(Intelligent Community Forum, ICF)每年進(jìn)行的“年度智慧社區(qū)”評(píng)選。該評(píng)選1999年開始從寬帶連接、知識(shí)勞動(dòng)力、創(chuàng)新型、消除數(shù)字鴻溝、市場(chǎng)營(yíng)銷和宣傳及2015年新加入的可持續(xù)性這幾項(xiàng)永久評(píng)選主題指標(biāo)進(jìn)行評(píng)選。由于發(fā)展時(shí)間較長(zhǎng)，它的評(píng)選標(biāo)準(zhǔn)及流程相對(duì)來說都比較完善。歐盟智慧城市研究自2007年開始以來，主要從智慧經(jīng)濟(jì)、智慧移動(dòng)、智慧環(huán)境、智慧公民、智慧生活、智慧治理6個(gè)方面分別對(duì)歐洲中等規(guī)模城市進(jìn)行評(píng)價(jià)分析[21-22]。國(guó)內(nèi)方面，我國(guó)2011年7月發(fā)布的《智慧城市指標(biāo)體系1.0》是首個(gè)評(píng)價(jià)智慧城市建設(shè)質(zhì)量的指標(biāo)體系，主要從智慧城市基礎(chǔ)設(shè)施、智慧城市公共管理服務(wù)、智慧城市信息服務(wù)經(jīng)濟(jì)發(fā)展、智慧城市人文科學(xué)素養(yǎng)、智慧城市市民主觀感知5個(gè)維度進(jìn)行衡量。2016年，國(guó)家提出了新型智慧城市的概念，并設(shè)立了《新型智慧城市評(píng)價(jià)指標(biāo)體系3.0》，主要從惠民服務(wù)、精準(zhǔn)治理、生態(tài)宜居、智能設(shè)施、信息資源、網(wǎng)絡(luò)安全、改革創(chuàng)新和市民體驗(yàn)8個(gè)方面進(jìn)行考核。發(fā)改委、網(wǎng)信辦2018年聯(lián)合發(fā)布的《新型智慧城市評(píng)價(jià)指標(biāo)》則包含了惠民服務(wù)、精準(zhǔn)治理、生態(tài)宜居、智能設(shè)施、信息資源、創(chuàng)新發(fā)展、市民體驗(yàn)7個(gè)方面[23]33-38。

有學(xué)者對(duì)比了幾套評(píng)價(jià)指標(biāo)體系，指出歐盟的指標(biāo)體系相對(duì)來說最為完善[25-26],但歐盟和我國(guó)新型智慧城市發(fā)展的側(cè)重點(diǎn)不一致，且該套指標(biāo)體系確立較早，已不能包含現(xiàn)代城市發(fā)展的一些其它要求。新型智慧城市和傳統(tǒng)智慧城市最大的區(qū)別就是“人本主義”的突出體現(xiàn)，目的是使城市居民獲得更高的幸福感。從2017年以來的研究成果(見表1)可看出關(guān)于民生的衡量指標(biāo)越來越多，盡管指標(biāo)名稱不完全一致，但其內(nèi)涵都是對(duì)民生、市民感受等方面的評(píng)價(jià)。另外，隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，過去只單純考慮網(wǎng)絡(luò)覆蓋情況已不足以衡量城市的網(wǎng)絡(luò)智慧質(zhì)量?！盎ヂ?lián)網(wǎng)+”成為城市發(fā)展的主流，互聯(lián)網(wǎng)技術(shù)的應(yīng)用水平更能體現(xiàn)其智慧程度，如移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)等與現(xiàn)代制造業(yè)、政務(wù)服務(wù)、社會(huì)治理等方面的結(jié)合。基于此，本文以歐盟指標(biāo)體系為基礎(chǔ)并結(jié)合國(guó)內(nèi)相關(guān)研究，在充分考慮新型智慧城市的建設(shè)目標(biāo)和特點(diǎn)后提出如表2所示的指標(biāo)體系，即從智慧經(jīng)濟(jì)、智慧環(huán)境、智慧設(shè)施、智慧公民、智慧生活、智慧治理、智慧互聯(lián)、智慧民生8個(gè)方面較為全面、系統(tǒng)地評(píng)價(jià)了新型智慧城市建設(shè)質(zhì)量。

表1 智慧城市評(píng)價(jià)指標(biāo)研究

表2 新型智慧城市評(píng)價(jià)指標(biāo)體系

三、 新型智慧城市建設(shè)質(zhì)量評(píng)價(jià)方法的構(gòu)建

新型智慧城市建設(shè)是一個(gè)長(zhǎng)期且復(fù)雜的過程，其質(zhì)量評(píng)價(jià)涉及城市經(jīng)濟(jì)、環(huán)境、治理等方面的建設(shè)情況，屬于多屬性評(píng)價(jià)的范疇。在評(píng)價(jià)過程中，不同的指標(biāo)間、專家的評(píng)價(jià)結(jié)果中都可能出現(xiàn)沖突，VIKOR方法作為典型的妥協(xié)評(píng)價(jià)方法用于城市建設(shè)質(zhì)量評(píng)價(jià)中可以較好地解決該問題。專家作為“人”的代表，在新型智慧城市建設(shè)質(zhì)量評(píng)價(jià)時(shí)往往難以給出精準(zhǔn)的評(píng)價(jià)值，該過程充滿了模糊性和不確定性。為降低主觀偏見對(duì)評(píng)價(jià)結(jié)果的影響往往邀請(qǐng)多個(gè)專家對(duì)智慧城市建設(shè)質(zhì)量進(jìn)行評(píng)價(jià)。由于多準(zhǔn)則決策中，共識(shí)過程繁瑣且難以達(dá)成，有效地考慮多專家的意見來表征群體意見至關(guān)重要。模糊包較之其它模糊集形式，不僅兼容了不可調(diào)和的觀點(diǎn)，其計(jì)數(shù)值也簡(jiǎn)潔有效地對(duì)群決策中重復(fù)意見進(jìn)行了保留。假設(shè)兩位專家對(duì)某一智慧城市經(jīng)濟(jì)方面進(jìn)行評(píng)價(jià)，一位專家在0.5和0.6之間猶豫，另一位專家給出0.6的評(píng)價(jià)，則該方面的評(píng)價(jià)結(jié)果用模糊包A表示為A=[CountA(u/x)/(u/x)]=[1/0.5,2/0.6]。其中，u表示專家給出的隸屬度打分值，u∈[0,1]，CountA(u/x)表示打分值u出現(xiàn)的次數(shù)。

(一) 模糊包偏好函數(shù)及距離測(cè)度

將專家群體的評(píng)價(jià)信息用模糊包的形式表征后，采用VIKOR方法對(duì)新型智慧城市建設(shè)質(zhì)量進(jìn)行排序。表征專家群體評(píng)價(jià)信息的模糊包的大小比較是選擇正、負(fù)理想解的關(guān)鍵，如何有效確定多個(gè)模糊包的優(yōu)劣是該方法應(yīng)用的關(guān)鍵。偏好關(guān)系，作為一種有效的決策信息表達(dá)方式，可以通過決策者針對(duì)評(píng)估對(duì)象進(jìn)行兩兩比較得到相應(yīng)的決策信息[35]。假設(shè)有m個(gè)方案(j=1,2,…,m)，n個(gè)屬性(i=1,2,…,n)，Ci(x)，Ci(y)分別為方案的評(píng)價(jià)值，則優(yōu)等分?jǐn)?shù)[36]143-162：

Si(x)=Card({y∈X/Ci(x)>Ci(y)}) (1)

式中：Ci(x)>Ci(y)表示在屬性i中方案x“擊敗”方案y。

當(dāng)對(duì)兩個(gè)長(zhǎng)短不一的模糊包進(jìn)行比較時(shí)，需要將其添零補(bǔ)齊或采取對(duì)元素按降序排列后補(bǔ)齊[37]。但是，該類方法存在一定缺陷，根據(jù)決策者的主觀偏好添加的數(shù)值不同排序結(jié)果也會(huì)不同。本文基于窮舉的思想，對(duì)模糊包內(nèi)元素進(jìn)行逐一比較，根據(jù)線性準(zhǔn)則提出了如式(2)所示的模糊包線性偏好函數(shù)，用于比較兩個(gè)模糊包M、N的優(yōu)劣大小關(guān)系。M的長(zhǎng)度為lM，N的長(zhǎng)度為lN，則優(yōu)勢(shì)偏差函數(shù)為：

(2)

式中：i={1,2,…,lM}，j={1,2,…,lN}，Sn={1,2,…,lM·lN}，umax=max{u1,u2,…,ui+j}，umin= min{u1,u2,…,ui+j}。

計(jì)數(shù)值Count表示每個(gè)猶豫偏差可能出現(xiàn)的次數(shù)，由于在比較時(shí)窮舉了每一種可能，在專家權(quán)重一致的情況下，其作用等同于概率作用。用一個(gè)偏差值的計(jì)數(shù)除以該部分偏差的總計(jì)數(shù)值，就是此偏差值可能出現(xiàn)的概率。因此，通過偏差值和計(jì)數(shù)值的整合可以得到如式(3)所示的優(yōu)勢(shì)偏好函數(shù)。

(3)

在確定正、負(fù)理想解后，需要計(jì)算出各城市評(píng)價(jià)值與理想解的距離，從而確定城市建設(shè)質(zhì)量的優(yōu)劣情況。為充分利用決策信息，本文構(gòu)造各方案的多屬性模糊包，主要由三部分組成：初始評(píng)價(jià)模糊包(Bi)，指標(biāo)權(quán)重(Πi)和屬性(Ci)，避免了后續(xù)將權(quán)重與決策信息融合的問題。

MCFBj=[Bi/Πi/Ci]

=[(Count(ui)/ui)/Πi/Ci](i=1,2…n)

(4)

由于添加了指標(biāo)權(quán)重，其形式與規(guī)范模糊包形式存在差異，模糊包距離公式也不再適用。因此，本文對(duì)原有距離公式進(jìn)行改進(jìn)，提出了新的距離公式，如式(5)所示。設(shè)MCFB1,MCFB2為任意兩個(gè)多屬性模糊包，則其距離計(jì)算公式為：

(5)

(二) BB-VIKOR方法的具體步驟

步驟1:獲得初始決策矩陣。多名專家對(duì)不同的新型智慧城市建設(shè)質(zhì)量進(jìn)行評(píng)價(jià)(本文假設(shè)專家權(quán)重相等)，得到模糊包矩陣D=(Bij)m×n。該模糊包矩陣含兩部分內(nèi)容，即除了專家評(píng)價(jià)的隸屬度值(uij)，還有每個(gè)隸屬度值出現(xiàn)的次數(shù)Count(uij)，而原始信息得以充分保留。

(6)

步驟2:確定不同城市在同一指標(biāo)下建設(shè)質(zhì)量的優(yōu)劣程度。根據(jù)式(2)可以得到同一指標(biāo)中城市Ai與其它城市相比建設(shè)質(zhì)量的優(yōu)勢(shì)偏差程度，式(3)則可以計(jì)算出城市的最終優(yōu)勢(shì)偏好值。S越接近1，表示城市Ai在該方面的建設(shè)質(zhì)量?jī)?yōu)于其它城市的程度越高。

步驟3:根據(jù)同一指標(biāo)下的城市建設(shè)最終優(yōu)勢(shì)偏好值選出正、負(fù)理想點(diǎn)A+,A-。

A+={S1+,S2+,…,Sn+}={max(S11,S21,…,Sm1),max(S12,S22,…,Sm2),…,max(S1n,S2n,…,Smn)}

(7)

A-={S1-,S2-,…,Sn-}={min(S11,S21,…,Sm1),min(S12,S22,…,Sm2),…,min(S1n,S2n,…,Smn)}

(8)

步驟4:根據(jù)式(4)構(gòu)造多屬性模糊包。多屬性模糊包在本處作用是對(duì)同一城市的信息進(jìn)行集結(jié)，包含多個(gè)指標(biāo)下的模糊包信息。由步驟3選擇的正、負(fù)理想解所對(duì)應(yīng)的模糊包可以確定正、負(fù)多屬性模糊包。

(9)

(10)

步驟5:計(jì)算各多屬性模糊包與正、負(fù)理想多屬性模糊包的距離，能有效衡量各城市實(shí)際表現(xiàn)與理想點(diǎn)之間的偏離程度。

(11)

(12)

步驟6:根據(jù)利益比率值Qi的大小進(jìn)行排序，判斷新型智慧城市建設(shè)的質(zhì)量情況。Qi值越小，表示城市建設(shè)質(zhì)量越好。

Sj=[d(MCFBj,MCFB+)/d(MCFB+,MCFB-)]

(13)

(14)

(15)

式中：v表示決策系數(shù)，且v∈[0,1]，取值根據(jù)決策者的偏好而定。為方便計(jì)算，本文取v=0.5。

四、實(shí)例驗(yàn)證

隨著我國(guó)開放程度的進(jìn)一步加大，邊境城市的重要性日益凸顯，云南省作為我國(guó)與東南亞連接的“窗口”，其城市智慧化建設(shè)發(fā)展具有重大意義。為對(duì)云南省新型智慧城市建設(shè)質(zhì)量進(jìn)行評(píng)價(jià)，本文選取東部城市曲靖、省會(huì)城市昆明、中部城市玉溪、南部城市紅河州及普洱、西部城市大理以及北部城市昭通市在內(nèi)的7個(gè)城市(A=A1,A2,…,A7)為例，由3位專家(因各個(gè)專家知識(shí)背景不同，在評(píng)價(jià)中均具有其自身的優(yōu)勢(shì)，本文視各個(gè)專家為同等重要)從智慧經(jīng)濟(jì)、智慧環(huán)境、智慧設(shè)施、智慧公民、智慧生活、智慧治理、智慧民生、智慧互聯(lián)(C=C1,C2,…,C8)8個(gè)方面來進(jìn)行智慧城市建設(shè)質(zhì)量評(píng)價(jià)。指標(biāo)權(quán)重值Π=(Π1,Π2,…,Π8)=(0.2,0.1,0.1,0.1,0.1,0.1,0.2,0.1)(權(quán)重通過AHP層次分析法獲得)。每位專家盡可能獨(dú)立地對(duì)城市建設(shè)質(zhì)量進(jìn)行評(píng)價(jià)，評(píng)分值在[0,1]范圍內(nèi)，分?jǐn)?shù)越高表示對(duì)智慧城市建設(shè)質(zhì)量越滿意。

第一步，將所有專家的評(píng)價(jià)信息進(jìn)行集結(jié)，得到如下所示初始模糊包矩陣R=(rji)7×8，實(shí)現(xiàn)了對(duì)原始信息的充分保留。

第二步，在已知各屬性下的專家評(píng)價(jià)之后，獲得各屬性下不同方案的偏差程度以計(jì)算偏好值。以指標(biāo)C1為例(下同)，得到表3所示的模糊包偏差表。

表3 C1指標(biāo)下的模糊包偏差表

隨后，利用公式(3)對(duì)偏差矩陣進(jìn)行處理，得到表4所示的模糊包偏好函數(shù)值。

表4 C1指標(biāo)下的各方案的偏好值

第三步，偏好值反映了同一指標(biāo)下方案的優(yōu)越性程度，對(duì)方案的優(yōu)劣比較具有重要作用，根據(jù)偏好值的大小選取正、負(fù)理想點(diǎn)，如下所示：

S1+=max(S11,S21,…,Sm1)=max(1.953,4.453,1.396,2.733,0.656,0.972,0)=4.453

S1-=min(S11,S21,…,Sm1)=min(1.953,4.453,1.396,2.733,0.656,0.972,0)=0

第四步，構(gòu)造各方案的多屬性模糊包，對(duì)現(xiàn)有信息進(jìn)行融合，不需要再考慮如何選擇算子將權(quán)重整合的問題。以城市A1(曲靖)為例，構(gòu)造多屬性模糊包MCFB1，其余算法相同；同時(shí)，由于上一步確定了正、負(fù)理想點(diǎn)，據(jù)此可以確定出正、負(fù)多屬性模糊包(MCFBs)：

第五步，計(jì)算多屬性模糊包與正、負(fù)理想多屬性模糊包間的距離。以城市A1(曲靖)為例，其余算法相同。

=[0.12/0.2/C1;0.042/0.1/C2;0/0.1/C3;0/0.1/C4;

0.025/0.1/C5;0/0.1/C6;0/0.2/C7;0/0.1/C8]

=0.12×0.2+0.042×0.1+0×0.1+0×0.1+0.025×0.1+0×0.1+0×0.2+0×0.1=0.031

=0.467×0.2+0.355×0.1+0.267×0.1+0.308×0.1+0.367×0.1+0.375×0.1+0.475×0.2+0.533×0.1

=0.409

第六步，計(jì)算最大群體效益值Si和最小個(gè)體遺憾值Ri，由此可得到利益比率值Qi，并根據(jù)計(jì)算結(jié)果對(duì)新型智慧城市建設(shè)質(zhì)量進(jìn)行排序，最終計(jì)算結(jié)果如表5所示。

表5 Si,Ri,Qi結(jié)果

S1=d(MCFB1(Cj),MCFB+(Cj))/d(MCFB+(Cj),MCFB-(Cj))

=0.031×c0.409=0.076

=max(0.257,0.118,0,0,0.068,0,0,0)

=0.257

通過分析可得出新型智慧城市建設(shè)質(zhì)量排名為A2>A1>A3>A6>A4>A5>A7，即由高到低依次是昆明、曲靖、玉溪、大理、紅河州、普洱、昭通。

為驗(yàn)證該方法的有效性，將其結(jié)果與采用Rebai A提出的BB-TOPSIS方法[36]143-162的結(jié)果進(jìn)行比較，結(jié)果如表6所示。

表6 兩種不同方法評(píng)價(jià)結(jié)果

兩種方法所得的智慧城市建設(shè)質(zhì)量排名一致性較高，差別在于第4名和第5名排序不同。造成這種差異的主要原因是采用BB-VIKOR方法中排名第5的紅河州在智慧環(huán)境和智慧互聯(lián)方面表現(xiàn)較差，從而導(dǎo)致個(gè)體遺憾值偏大，最終排名靠后。實(shí)際情況中，高質(zhì)量智慧城市需要城市在各方面都表現(xiàn)優(yōu)秀，任意一方面出現(xiàn)短板都會(huì)影響城市的建設(shè)和發(fā)展，所以紅河州排名應(yīng)在大理之后，與本文方法所得結(jié)論一致。

從評(píng)價(jià)結(jié)果看，昆明作為云南省的省會(huì)城市，在城市建設(shè)各方面都表現(xiàn)較好。曲靖市在許多方面得分值較高，但由于經(jīng)濟(jì)和環(huán)境相對(duì)昆明來說差距較大，導(dǎo)致曲靖最終利益比率值高于昆明。普洱市在智慧環(huán)境和智慧民生方面的建設(shè)存在不足，導(dǎo)致其個(gè)體遺憾值Ri較大，影響了排名。昭通作為云南省北部發(fā)展較快的城市，雖然在智慧環(huán)境等方面有優(yōu)勢(shì)，但在智慧經(jīng)濟(jì)、智慧互聯(lián)等方面還有較大的提升空間。總體來看，云南省新型智慧城市建設(shè)仍然呈現(xiàn)出地域差異，省會(huì)城市及靠近省會(huì)的城市集群建設(shè)成效更好；同時(shí)，距離昆明較遠(yuǎn)的大理及紅河州的快速發(fā)展也為其它城市的建設(shè)提供了參考。綜上，各城市應(yīng)該結(jié)合自身特點(diǎn)，吸收借鑒其它城市建設(shè)經(jīng)驗(yàn)以實(shí)現(xiàn)城市高質(zhì)量發(fā)展。

五、結(jié)論

本文從“人本”角度出發(fā)，基于主觀數(shù)據(jù)對(duì)我國(guó)新型智慧城市建設(shè)質(zhì)量進(jìn)行評(píng)價(jià)。首先，對(duì)國(guó)內(nèi)外政府部門發(fā)布的文件和近幾年相關(guān)學(xué)者的研究進(jìn)行梳理，以歐盟指標(biāo)體系為基礎(chǔ)，結(jié)合研究熱點(diǎn)構(gòu)建了智慧經(jīng)濟(jì)、智慧環(huán)境、智慧設(shè)施、智慧公民、智慧生活、智慧治理、智慧民生、智慧互聯(lián)8個(gè)維度的評(píng)價(jià)指標(biāo)體系。隨后，提出BB-VIKOR方法用以評(píng)價(jià)新型智慧城市建設(shè)質(zhì)量。采取模糊包的形式對(duì)專家意見進(jìn)行整體表征，不僅考慮了決策過程中的重復(fù)信息，也對(duì)少數(shù)群體性意見進(jìn)行了保留，使決策更加科學(xué)合理。另外，通過構(gòu)造模糊包線性偏好函數(shù)解決了長(zhǎng)短不一致的兩個(gè)模糊包的大小比較問題，避免了添值和排序的影響，更有效地反映出其優(yōu)勢(shì)程度；同時(shí)，改進(jìn)的多屬性模糊包的距離公式有效衡量了各城市實(shí)際表現(xiàn)與理想點(diǎn)之間的偏離程度，解決了BB-VIKOR方法在應(yīng)用中的距離計(jì)算問題。最后，以我國(guó)云南省部分城市為例，驗(yàn)證了方法的可用性，所得結(jié)論與實(shí)際情況相符。