创新空间网络绩效评价方法初探

刘 翠刘 娜

当今世界已步入以创新为主要特征的知识经济时代。创新驱动发展主要依靠科技进步、劳动者素质提高和管理创新等知识要素，而不是主要依靠土地、资源、劳动力等初级要素的投入和资本要素的规模扩张。以2008年全球金融危机为分水岭，各国主要城市相继通过产业化和科技创新来使经济走出低迷，陆续开始重视科技创新能力的提升。创新成为城市经济实力的核心要素和社会发展的驱动力量，并成为城市竞争的主要方向。从创新网络的视角对城市空间结构进行绩效评价，进而有针对性地优化城市空间结构，有助于推动创新网络构建，增强城市的创新竞争力。

1 创新空间网络

创新的概念最早由Schumpeter于1912年在经济学领域提出。他认为，创新就是建立一种新的生产函数，即实现生产要素从未有过的新组合。与工业社会以“科学的物化”为导向的技术创新不同，知识社会的创新是运用知识这一基本生产要素来创新知识。20世纪90年代初，Freeman和Camagni提出了创新网络（Innovation Network）的概念。创新网络是指创新主体在创新过程中通过正式或非正式关系进行分工协作所形成的组织形态。创新网络的基本要素包括节点与关系，节点与关系的组合状态决定了创新网络的结构特征。与更早期的创新系统概念相比，创新网络的概念将创新环境等外部因素内化为创新主体的行为特征，着重突出创新主体的互动关系，聚焦于具体的创新过程。

空间是创新活动的物质载体，创新空间网络则直接表现为创新活动在空间上的分布。创新网络的节点也就是创新主体，同时也处于空间网络之中。创新网络研究可以在不同的空间尺度展开：以区域或城市为研究对象的宏观尺度，以校区、园区、社区为研究对象的中观尺度，以个体人为研究对象的微观尺度。许多实证研究利用合作论文、发明专利等数据刻画了创新网络的空间结构。研究发现：从整体来看，理想化的创新网络演化过程包括离散碎片化、单中心—轮轴结构、多中心小世界网络、中心—外围结构等四个阶段（图1）[1]；从局部来看，创新主体之间的直接联系与间接联系数量、结构洞、关系互惠性、强关系与弱关系等均对创新绩效产生影响。

图1 理想化创新网络演化过程的四个阶段

随着创新空间研究的不断深入，许多学者开始关注创新网络与空间网络的相互作用机制。相关研究表明，空间网络的邻近效应（proximity effect）、集聚效应（agglomeration effect）、累积因果效应（cumulative causation effect）影响创新网络的形成与发展[2]。这是因为，技能知识（know-how）与人力知识（know-who）等隐性知识（tacit knowledge）的获取需要面对面的接触以及在实践过程中边干边学，因此依赖于空间维度的邻近性；空间维度的邻近性有助于培养信任、降低成本、促进合作，从而吸引更多的创新资源形成集聚；集聚加速了知识的共享、衍生与转化，从而推动创新网络的知识存量与创新能力累积增长。

2 创新空间网络的绩效评价

创新—空间的相关性表明，通过有针对性地调整空间布局可以对创新网络进行优化。空间绩效（Spatial Performance）为定量描述创新—空间的相关性提供了一个有效参照。它指的是通过对空间进行配置而获得的收益，反映了空间组织的质量及效率。依据空间资源配置的目标不同，可分为空间的经济绩效、生态绩效、社会绩效、交通绩效等。目前空间绩效研究比较常见的是对城市空间结构的综合绩效评价，主要从城市空间的空间载体、组成要素、运行机制等三个方面出发，以社会、经济、环境、空间、制度等五个维度构建评价体系[3]。在建筑设计层面，针对建成环境如何支持和满足使用者需求的后评估（Post Occupancy Evaluation）可作为空间绩效研究的重要基础。该方法自20世纪80年代引入我国之后，已经形成了一些突出的方法与案例，主要集中在环境行为学领域的相关研究中[4]。

空间的创新绩效指的是空间资源配置对创新功能的影响。很多学者从网络结构的视角出发分析了产业集群的创新能力，并认为网络结构已经成为影响集群创新绩效的重要因素[5]。与孤立研究某个创新空间不同，这种基于网络能力的创新绩效研究具有客观性、过程性、可度量性和非完全个体性。目前，空间的创新绩效研究已经逐渐从集群整体层次的规模经济、范围经济等角度向集群内部成员间的微观作用机制过渡。比如，对日本和加拿大的集群研究发现，在提升创新能力方面，集群内部的网络连接比区域间联系和国际间交易更占优势，这也证明了空间维度的邻近性对创新绩效的重要性[6-7]。

针对研究侧重点不同，空间创新绩效评价的指标选取也有差异。另外，由于创新过程的演化总体上是从简单的线性过程向网络化发展，创新影响要素也从单一要素向多要素发展，因此在实际应用过程中一般根据创新空间的网络特征而混合采用各种指标。比如，关于网络结构的研究通常采用网络规模、密度、结构洞等指标；关于网络关系的研究一般采用连接强度、交互频率、连接久度等指标；关于网络位置的研究则多采用中心度指标[8]。

3 创新空间网络的绩效评价方法

3.1 指标体系

如前文所述，空间网络的邻近效应、集聚效应、累积因果效应影响创新网络的形成与发展。这三个效应分别对应创新空间网络的邻近性、集聚性、持续性等三个维度。其中，邻近性指的是网络节点之间的联系能力；集聚性指的是网络节点的稠密程度；持续性指的是网络随时间变化保持相对稳定的能力。除此之外，某些节点在其他节点之间的联系中扮演着不可或缺的桥梁作用，这些节点对于建立创新空间网络的整体结构至关重要，因此以中介性定义网络节点影响其他节点联系的能力，并将其也作为一个主要的分析维度。

不论是以创新主体及其创新合作关系所构成的创新网络，还是以建筑单体及其路径连接所构成的空间网络，都具备网络的基本特征。创新空间网络分析就是将个体抽象为“点”，把关系抽象为联系点的“线”，利用图论等数学工具对复杂系统进行认知。创新空间网络分析主要包括个体和群体两个层面。个体网络分析主要通过节点之间的联系来衡量节点的中心度，包括度数中心度、接近中心度、中间中心度等指标。群体网络分析侧重网络的群体结构特征，包括K核、派系、切点等指标。各指标的含义及计算公式如表1所示。

创新空间网络的指标体系可从邻近性、集聚性、中介性、持续性等四个维度、个体和群体两个层面进行构建。其中，以度数中心度（个体）和K核（群体）衡量网络的邻近性，以接近中心度（个体）和派系（群体）衡量网络的集聚性，以中间中心度（个体）和切点（群体）衡量网络的中介性，以这三个维度的六个指标在时间轴的变化来衡量网络的持续性。

3.2 评价模型

创新空间网络的绩效评价研究已经从社会计量学、数学、统计学、概率论等领域发展了许多定量分析方法，如数据包络分析评价方法、层次分析法、模糊综合评价法、灰色系统评价、粗糙集理论等[9]。这些评价方法都非常综合，也比较精确，但是它们过于依赖全面、复杂、抽象的数据，难以融入以图示语言为主的空间分析，也因此使得关于创新—空间相关性的研究受制于两种分析模式的差异而难以把握两者互动的细微特征。

近年来开发的诸多网络模型，在对网络节点关系进行量化分析的基础上，将网络结构特征以可视化图形的方式呈现，帮助用户快速直观地读取。目前，可用于创新空间网络研究的可视化模型主要有两大类。第一类是社会网络（Social Network）模型，可研究具有空间属性的创新网络关系。运用该方法进行创新空间网络研究有两个前提：一是创新网络中的节点需要具备固定且唯一的空间信息，因为只有这样的节点才具备空间意义；二是节点之间的关系必须确定且唯一，因为该关系在创新网络模型构建中仅存在“0”和“1”两种可能。目前各领域的社会网络分析工具已有50多种，大部分具有可视化功能。其中UCINET影响最为广泛，已应用在不同尺度的社会网络研究中（图2）[10-11]。

图2 利用UCINET绘制的社会网络拓扑结构示例

第二类是空间网络（Spatial Network）模型，可直接重现现实空间的网络特性。与社会网络模型相比，空间网络模型的节点具有位置属性、连边具有长度属性、网络结构的拓扑中心性与空间中心性并存。2011年，城市形态实验室（City Form Lab）基于ArcGIS平台发布了Urban Network Analysis（UNA）插件，开辟了空间网络分析的新方向[12]。UNA基于社会网络分析方法构建模型，以影响范围（reach）、引力（gravity）、中间度（betweenness）、接近度（closeness）、直线度（straightness）等五种中心度参数表达空间网络特性（图3）。UNA对于网络结构指标的定义和计算方式与UCINET基本相同，因此在分析空间特征及其创新动力机制时参数通用度较高，为研究基于空间的创新网络关系提供了便利。

图3 利用UNA绘制的空间网络影响范围示例（搜索半径600m）

3.3 操作步骤

进行创新空间网络分析时，首先需要对创新空间网络的“点”和“线”分别进行定义，使得表达创新活动关系的创新网络与表达空间结构关系的空间网络不仅具有相关性，而且具有节点对应性；不仅能够被量化表示，还可以采用相同或相近的评价指标进行比较。

然后，运用UCINET和UNA这两类网络分析工具，分别对创新网络与空间网络的相关指标进行量化计算（图4～5）。创新网络中的创新合作关系通常根据创新主体之间合作的专利、论文等成果形式进行定义。若创新主体之间存在创新合作关系，则认为“点”之间存在连接的“线”，记为“1”；若不存在合作关系，则认为“点”之间不存在连接的“线”，记为“0”。确定“点”的个数和“线”的取值之后，建立创新合作关系的二值矩阵数据。通过UCINET软件平台，导入矩阵数据，分别计算创新网络的各项指标，并选择不同形式分别输出数据处理结果。

图4 UCINET操作界面

图5 UNA操作界面

与社会网络模型相比，空间网络的节点具有位置信息、连边具有长度信息。UNA将空间网络的“点”定义为建筑平面的形心点，将“线”定义为道路中心线，抽象过的建筑“点”经垂直距离连接至最近的“线”（图6）。由于空间网络中的点通过线可以全部相连，因此在计算点的中心度时，加入了搜索半径这一参数，即只将位于搜索半径内的点纳入计算范围。确定搜索半径和权重属性之后，将创新空间的总平面通过ArcGIS软件生成建筑形文件和网络文件，然后在UNA插件中选择相应的文件或参数进行输入，生成空间网络的相关指标。

图6 街区平面图（左）及其在UNA的转译（右）

最后，进一步借助于ArcGIS平台，实现创新网络模型与空间网络模型之间的数据转换，对UCINET和UNA输出的不同表现形式的指标进行统一，并对UNA缺失的指标进行补充。将UCINET输出的创新网络的个体指标数据转换为UNA的色彩分级平面图，将UNA缺失的空间网络的群体指标生成为UCINET的拓扑结构图（图7～8）。通过比较两类网络的指标图形，可对两者的相关性进行直观判断。

图7 从UCINET到UNA的指标转换（以“度数中心度”为例）

图8 从UNA到UCINET的指标补充（以“派系”为例）

关于指标的比较分析主要通过两种方式进行。第一种方式是直接对比，也就是直接通过色彩分级平面图对比创新网络和空间网络的个体指标、通过拓扑结构图对比群体指标。指标越接近，说明空间结构绩效越高。第二种方式是通过比值进行分析，仅针对个体指标。个体指标包含了每个节点的中心度数值，将空间网络与创新网络的个体指标取比值后再赋予UNA模型相对应的“点”，可生成关于空间网络中心度绩效的色彩分级平面图（图9）。该图比值越接近1，说明空间网络与创新网络的结构越匹配，绩效越高。

图9 UNA与UCINET的指标比值输出（以“度数中心度”为例）

结语

以创新网络为切入点解析城市空间结构，为城市空间研究提供了一个新的视角。由于创新空间是随着知识经济崛起而出现的一种新类型，目前针对城市创新职能的空间研究相对较少。在较少的既有研究中，主要关注社会、经济、制度等创新环境要素对城市空间的影响，而对创新活动本身与城市空间的相关性研究不足。本文从创新网络的视角出发，将创新环境等外部因素内化为创新主体的行为特征，聚焦于创新主体之间的互动关系；并且进一步从空间的工具性与能动性出发，探讨城市空间布局如何影响创新主体的互动关系，即空间布局对创新网络的推动作用而非被动再现。本文构建的针对城市创新空间网络分析的量化可视模型，是对空间分析方法的进一步推进，尤其为探讨空间特征及其背后的社会作用机制提供了定量化与可视化的分析工具。

资料来源：

图1：参考文献[1]；

图2：参考文献[11]；

图3，6：参考文献[12]；

文中其余图片均为作者整理或绘制。