安徽省城市聚集区宜居水平评价

吴琼 汪铭远 乔建设 朱童 汤玮 李会

[提要] 城市聚集化是未来城市发展的必然趋势，而城市聚集区宜居水平的提升不仅有利于为城市居民打造舒适的居住环境，更是一个地区发展程度的衡量尺度。本文将安徽省16个地级市按照地理位置划分为若干聚集区进行宜居评价。通过AHP方法建立分析结构，并用聚类分析法进行指标筛选，输入RBF网络，输出安徽省不同城市聚集区的评价得分。根据结果对影响城市聚集区宜居水平的因素进行分析，并提出发展意见。

关键词：城市聚集区;宜居评价;AHP分析结构;聚类分析;RBF网络

本文为2019年国家级大学生创新创业训练计划项目：“基于敏感度分析与神经网络模型的城市宜居性评价体系构建研究——以安徽省16市2014-2018年数据的实证研究”（编号：201910378046）;通讯作者：李会

中图分类号：F292 文献标识码：A

收录日期：2019年11月16日

一、导言

城市聚集区共有两种类型：第一种是以某一个规模较大的城市作为中心，在该城市的周边聚集着规模次之的中小城镇;另一种是若干个类似的城市聚集在一起，形成一个城市群。城市聚集区中包含的城市可职能互补，加强聚集区内城市之间经济、科技、文化、生活等各方面的联系，有效提高城市综合发展水平。居民过多、过于集中的大型城市可以利用自身向心力辐射周边，带动区域宜居水平整体提升;居民较少的小型城市可依托与大城市的联系提高自身实力。如此可创造城市聚集区高质量的生产合作条件，有效提升整体实力，促进聚集区内规模不同的城市共同发展。

关于城市聚集区的研究，概念最早于1957年由城市地理学家戈特曼在《大都市带：美国东北海岸的城市化》一文中提出。21世纪，关于城市聚集区的研究逐渐增多：波兰学者萨伦巴提出城市发展的趋势是扩展成聚集区，沿着交通地带延伸的同时，整个聚集区变成带状系统。我国学者李震、顾朝林、姚士谋借对随机分布模型进行改进，构建城市空间分布的引力模型，对中国城镇体系地域空间结构类型进行定量研究。刘庸与常榜扣针对西北地区已形成的城市聚集区与城市链空间分布特征的影响因素进行研究，并预测各聚集区的空间演进趋势。汪文革通过对城市群概念的辨析，阐述城市群和城市带、都市圈、都市连绵区的关系以及城市化的四个阶段，结合我国城市群具体情况，总结出我国城市群建设中应该遵循的基本原则。

宜居城市的概念最早于20世纪末期提出。步入21世纪，政府及研究所提出了不同宜居城市评价标准，包括：2007年中国城市科学研究会发布的《宜居城市科学评价标准》，2018年中国社会科学院舆情调查实验室联合中国舆情调查与研究联盟、宜居中国联盟成员机构联合发布的宜居中国发展指数报告，等等。于城市聚集区，研究者们多是强调聚集区内城市间需要全方位统筹规划与管理，以促进城市聚集区一体化发展。关于城市宜居性评价，研究者多是针对若干个不同的城市进行研究，缺少对城市聚集区整体宜居发展水平进行评价。

本文将安徽省16个地级市划分为五个聚集区：省会合肥市及该城市周邊聚集的县市;皖东城市聚集区：滁州市和马鞍山市;皖西城市聚集区：六安市及该城市周边聚集的县市;皖北城市聚集区：宿州市、淮北市、蚌埠市、亳州市、阜阳市和淮南市;皖南城市聚集区：芜湖市、安庆市、铜陵市、宣城市、池州市和黄山市。运用聚类分析方法筛选城市聚集区宜居评价指标，利用RBF神经网络进行城市聚集区宜居评价，最后针对影响城市聚集区宜居水平的相关因素进行敏感度分析，并提出建议。

二、安徽省城市聚集区宜居评价指标筛选

（一）研究思路。构建科学合理评价体系的重要前提是：体系所使用的评价指标具备科学性和代表性。为此，本文综合运用AHP方法与聚类分析法。运用AHP方法构建层次分析结构：将宜居城市评价应有的指标作为目标层，将经济发展、社会治理、民生质量、创新创业、生态环境作为准则层，将具体每一项准则对应的指标作为方案层。再利用聚类分析法，将相似度较高评价指标聚合为一类。

（二）研究步骤

1、基于AHP方法构建评价分析结构。参考中国社会科学院财经战略研究院，结合AHP方法将经济发展、社会治理、生活质量、创新能力、生态环境作为准则层，其中：经济发展包含经济发展状况、居民收入水平、经济发展预期3个次准则层，社会治理包含社会治安、社会安全次准则层，生活质量包含基础教育质量、公共医疗质量、生活休闲质量3个次准则层，创新能力包含高校数量1个次准则层，生态环境包含空气质量、城市绿化、生态环境保护3个第二准则层根据次准则层同时在保证数据容易获取并且准确性较高的前提下选择地区生产总值、非私营单位就业人员年平均工资、经济增长速度、公安机关查处治安案件数、交通事故发生数、财政教育支出、医疗卫生机构床位数、各市国内旅游人均花费、高校数量、空气质量达标的天数比例、绿化覆盖面积、城市污水处理总量作为方案层。

2、基于系统聚类法筛选评价指标。使用AHP方法构建的评价分析结构参照标准是主观经验和专业知识，分类处理方式是定性的，导致指标进行划分时主观性和任意性强，不能很好体现客观事物内在的本质差别和联系，难以实现指标的准确划分。同时，指标数目过多容易造成数据搜集困难、计算复杂的问题。宜居城市评价所用的11个指标之间存在一定线性相关性，可使用系统聚类法将相关性强的指标归并到一起，减少指标数目，简化问题求解。借助SPSS统计软件进行系统聚类分析，得到结果如表1、表2所示，同时绘制出谱系图如图1所示。（表1、表2、图1）

系统聚类分析法将相似度高的指标划分为一类，所有的指标共划分成五类，在每一类中选择一个指标，最终确定了用于安徽省城镇聚集区宜居评价的指标有：地区生产总值、交通事故发生数、财政教育支出、高校数量、空气质量达标的天数比例。结合层次分析结构，最终可以得到安徽城市聚集区宜居评价分析结构如图2所示。（图2）

三、安徽省城市聚集区宜居评价模型构建

（一）模型原理。人工神经网络是一种仿真人脑神经突触连接结构对信息进行处理的数学模型，在该模型中，大量单元相互连接形成神经网络，达到信息处理的目的。首先需要建立学习样本用于训练神经网络，改变网络单元间连接权的值，以实现网络特定的功能。随后将数据导入训练好的神经网络进行实验，得到相应的结果。现有的神经网络有BP神经网络、RBF网络、Hopfield网络等，本文构建安徽省城市聚集区评价模型使用的是RBF网络。

（二）操作步骤

1、城市聚集区宜居评价样本建立。搜集现有的宜居城市排行榜，获取排名结果包括城市的排名及得分，选择近5年内经常上榜的宜居城市，查阅这些城市的指标数据。本文采集的数据为四川省广元市、广东省珠海市、江西省宜春市、河南省信阳市、浙江省金华市、江苏省扬州市2016～2018年数据，按照指标进行分类，统计成一个数据表格如表3所示。（表3）

将数据标准化处理，MATLAB中提供了可以用于标准化的函数：[tn.ps]=mapminmax（x），其中：x代表标准化处理前的数据。利用软件标准化数据后，就建立了学习样本，可用于训练RBF神经网络。RBF神经网络的隐含层层数与神经元个数能够在训练过程中自适应取定，使用MATLAB软件反复训练RBF神经网络，改变神经网络节点之间连接权的值，以期实现网络特定的功能。训练结果如图3所示。（图3）

结果显示，R值大于0.95，说明实验样本的训练效果很好，网络能够较为精确地实现宜居评价功能，并且当迭代次数为第7次时，实现最好的预测效果。

2、城市聚集区宜居评价模型构建。首先，通过查阅相关资料，获取安徽省各地级市近五年数据。随后，按照地理区域将安徽省划分为五个城市聚集区，即：省会城市聚集区，即合肥市及该城市周边聚集的县市;皖东城市聚集区：滁州市和马鞍山市;皖西城市聚集区：六安市及该城市周边聚集的县市;皖北城市聚集区：宿州市、淮北市、蚌埠市、亳州市、阜阳市和淮南市;皖南城市聚集区：芜湖市、安庆市、铜陵市、宣城市、池州市和黄山市，将获取到的数据按照聚集区进行分类。最终，将聚集区内所有地级市各项数据取平均值，即可得到聚集区的指标数据值，将其输入训练好的RBF神经网络，得到输出结果：安徽省城市聚集区宜居得分。整理即可得到安徽省近五年城市聚集区宜居得分及排名。（表4、表5）

3、评价结果分析。根据结果可以发现：（1）全省形成“一超多强”的发展格局。合肥市作为安徽省省会，是中国东部地区重要中心城市，依托于政策的倾斜、科技的创新、基建的完善，地区生产总值逐年增长，科教文卫水平不断提升。在宜居水平上远远超过其他地级市，成为安徽发展的领头羊。但其余城市聚集区近年来也力争补齐短板，宜居水平明显提升，形成了“一超多强”的发展格局。（2）各城市聚集区“齐头并进”，发展均衡。除合肥外的其他城市聚集区整体上宜居得分较为接近，并没有明显的落后，显示出各城市聚集区在发展上可以有效利用自身优势实现稳定发展。各地差距不大，更有利于实现整体宜居水平提升。

四、安徽省城市聚集区宜居水平影响因素分析及相关建议

（一）研究方法。通过改变安徽省五个城市聚集区数据值，即：增加有利于提高城市聚集区宜居水平的指标数据值包括地区生产总值、财政教育支出、高校数量和空气质量达标的天数比例;降低不利于提升城市聚集区宜居水平的指标数据值包括交通事故发生数。重新输入训练好的RBF神经网络，得到输出的得分，和未改变数据前的输出结果进行对比。

（二）结果分析及相关建议。皖东城市聚集区中包含区位优越型城市——滁州市与资源优越型城市——马鞍山市，两市依托区位和资源优势，经济活力位居全省前列，但当地财政教育支出占比较低，以致科技创新不足。当皖东城市聚集区财政教育支出指标值提高至原先数值的1.5倍时，宜居得分由原先的85.60755分提高至86.08407分，成为提高宜居水平的中流砥柱;伴随着高校数量由原先的4所升至6所，宜居得分由原先的85.60755分提高至86.44314分。皖东需依靠自身经济较为发达的优势，积极提升教育投入，建设一批高水平高校，取得人才竞争优势，让科技带动经济更快发展。

皖西城市聚集区中主要包括地处大别山区的六安市及周边县市，地理条件限制了经济发展也导致交通事故发生率较高。扩大地区生产总值为原先数值的1.5倍与降低交通事故发生数为原始数据的0.5倍时，宜居得分均能够由原先的86.5分提高至87.5分左右。“要想富先修路”，皖西城市聚集区在宜居建设中加大基础设施建设投入，并做好安全保障措施。在此基础上利用自身资源环境优势开发旅游业，输出绿色食品，探索一条绿色发展之路。

皖南城市聚集区属于丘陵地带，山路崎岖使交通事故频发。将交通事故发生数减少50%時，宜居得分由原先的89.5分提高至92.4分。皖南城市聚集区首要目标是加强交通管理，提升城市安全性。并且作为徽派文化的发源地，应利用自身文化优势和人才积累，积极发展高新技术产业，结合毗邻长三角的区位优势，形成新的经济增长点。

皖北城市聚集区由于之前过分依赖依靠资源发展，在自然资源枯竭的今天人才流失严重，宜居水平表现相对不佳。将其提高地区生产总值、教育方面的财政支出、高校数量、空气质量达标比例的指标值，而降低交通事故发生数指标值，均能够提高皖北城市聚集区的宜居得分。皖北城市聚集区改变粗犷的资源型发展模式，遏制环境的恶化，继而利用人口红利积极承接长三角产业转移以促进第二、第三产业的发展，形成资源、工厂、人才多方位的全面发展。

合肥作为安徽省会，亦是全省最宜居城市区域。合肥依托中国科学技术大学等高水平学校，逐步成为科技创新新的策源地，人才、经济、生活水准均于明显高于其他地市。但过于注重经济发展的同时对环境保护力度仍有不足，空气质量位居全省末端。“绿水青山就是金山银山”，合肥应加大环境治理力度，将宜居水平提升到更高水准。

五、结论

本文综合层次分析、聚类分析与RBF神经网络评价法，构建安徽省城市聚集区宜居评价指标体系与评价模型。针对不同的城市聚集区的宜居水平表现进行横向比较，针对某一个城市聚集区不同年份的宜居水平表现进行纵向比较，并由此提出具体建议。利用RBF神经网络评价法建立的宜居评价模型具有普适性，可推广至全国范围内不同地区或不同城市。

主要参考文献：

[1]龙晶.关于城市群的相关概念辨析[EB/OL].https：//www.xzbu.com.

[2]彼得·萨伦巴，杨志中.大城市地区发展的有关问题[J].世界建筑，1989（5）.

[3]李震，顾朝林，姚士媒.当代中国城镇体系地域空间结构类型定量研究[J].地理科学，2006（5）.

[4]刘庸，常榜扣.西北地区城市聚集区的空间分布及其演进[J].徐州工程学院学报（社会科学版），2009.24（1）.

[5]汪文革.中国城市群研究概念辨析[J].中国名城，2018（12）.