系统动力学视角的智慧城市模型研究*

王威

(国家信息中心，北京 100045)

0 引言

随着全球城镇化进程的不断深入，城市发展逐渐暴露出许多问题，传统的城市建设模式无法适应城市发展模式以及新一代信息技术快速变革的脚步。智慧城市作为城市发展的新理念和新模式，成为改善当前城市发展问题的一种重要手段[1]。“智慧城市”概念的提出可以追溯到20世纪90年代，是美国等国家为应对城市发展过程中出现的人口急剧增长、生态环境急速恶化等问题而提出的一种城市发展模式。在智慧城市的概念和定义方面，IBM公司把智慧城市定义为能够充分利用物质基础设施、IT基础设施、社会基础设施和商业基础设施互通互联产生集体智慧的城市[2]。2014年，国家发展和改革委员会提出，智慧城市是运用物联网、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、管理和服务智慧化的新理念和新模式[3]。李奕[4]提出了新型智慧城市是信息技术与人居社会深度融合的整体。除此之外，国内外众多学者、机构对智慧城市也给出了不同的定义。总的来说，智慧城市是运用新一代信息技术实现城市科学化、智能化管理和服务的一种城市发展模式，用以满足人们对城市高效运行、可持续发展和惠民宜居的需求。

现代城市是典型的复杂巨系统，而智慧城市作为现代城市的重要组成部分，也被看作是复杂巨系统。对复杂系统的研究需要借助模型实施。智慧城市模型研究起步较晚，理论体系尚不完善，目前仍然处于概念模型阶段。IBM公司结合其提出的智慧城市概念，研究了相应的智慧城市模型[5]。Cohen提出了智慧城市论概念，并从6个维度开展了建模，分别是智慧经济、智慧环保、智慧政府、智慧生活、智慧出行和智慧民众[6]。系统动力学是一种较为直观的复杂系统研究方法。系统动力学出现于1956年，由美国麻省理工学院的Forrester教授创立，是一门分析研究信息反馈系统的学科，也是一门认识系统问题和解决系统问题的交叉综合学科。系统动力学是系统论、控制论、信息论等理论与社会科学的综合交叉学科，能够有效将信息反馈概念应用于社会经济系统[7]，例如可以有效描述熵在系统内部各个结构之间的流动。以“熵”为主要流量载体研究复杂系统由来已久，也有不少学者将熵的概念引入对城市的研究之中。Cabral[8]等利用熵观察城市扩张情况。R. Fistola[9]提出要将城市系统化研究，并有效降低城市“熵”来实现城市的可持续发展。李松[10]等研究了城市“熵”机制对城市耗散结构的关系。严杰[11]应用耗散结构理论对资源型城市空间进行解读，并基于熵理论对资源型城市空间的演变进行定性及定量化测度。蔡礼彬[12]等利用系统动力学开展城市成长模式分析，模拟出四种不同模式下海洋旅游城市的成长路径。易好磊[13]等提出了系统动力学模型在市级国土空间规划中的应用方法，并在典型地区进行了验证。也有许多国内外学者将系统动力学方法运用于智慧城市的研究工作中。Mohammed[14]等提出了一种利用系统动力开展智慧城市建模的方法，并从设施、机构和市民几个维度开展了建模。秦彬煊[15]利用系统动力学设计了智慧城市的评价体系。李晓英[16]利用系统动力学对智慧城市进行了政策仿真并提出相关建议。从文献可知，系统动力学能够根据系统内部组成要素互为因果的反馈特点，从系统的内部结构来寻找问题发生的根源，适合用于开展智慧城市建模与评价工作。

1 基于“熵”的智慧城市系统框架

如果将城市看作是一类复杂巨系统，则可将“熵”的概念引入城市中。熵是对系统有序度的一种度量，一个系统的熵越大，说明该系统的秩序越混乱。信息论的创始人香农以热力学“熵”为基础提出了信息熵的概念，并将信息定义为“负熵”，表示信息的引入可以减少系统的不确定性。热力学第二定律指出，在一个封闭的系统内，能量总是从高的地方流向低的地方，系统从有序渐渐变为无序，系统的熵最终达到最大值。从城市系统的角度来看，随着城市规模的日益扩大，人口日益增多，人口、建筑、交通工具、城市部件等各类基本元素之间关联关系不断增多，城市的无序度也在不断增加。

一般来说，生物进化、社会发展总是由简单到复杂、由低级到高级，整个系统变得越来越有序，这便是“负熵”的作用。负熵是系统在进化过程中从外界所引入的物质流、能量流和信息流，将熵增转移到外界，从而使自身的熵减少，维持系统的稳定性(如图1所示)。

图1 城市熵的流动

城市是一个开放性的耗散结构系统，熵增与熵减可以用来描述和分析城市系统的状态。城市熵就是城市在不断的发展过程中所引入的负熵和自身所增加的正熵的总称。城市系统是开放系统并且远离平衡态，当系统与环境的物质和能量交换所引入负熵流的绝对值小于系统产生正熵时，系统的总熵增为正，系统的状态向无序发展，系统最终会走向衰败和热寂。当总熵增为负时，系统就可能自发地从无序状态向有序状态转化，产生一种新的稳定的秩序。

在城市中，失序的问题是普遍存在的，城市越大，城市结构越复杂，城市熵也就越大。要保持城市的有序性就需要降低城市熵，通过信息化手段在城市发展过程中引入负熵，使城市的熵增保持在合理范围内，从而使城市得以有序、可持续发展。从系统论的思路看，这一有序和无序相互作用的过程，实现了城市发展的一种类似耗散结构的平衡。在当前的城市发展过程中，智慧城市系统就是一项行之有效的治理手段，扮演着一个类似城市控制器的作用，起到对城市系统的调节作用，如图2所示。

图3 新型智慧城市评价系统动力学模型

2 新型智慧城市评价模型的系统动力学实现

为了定量描述智慧城市熵，根据前文提出的新型智慧城市模型框架，运用《新型智慧城市评价指标》(GB/T 33356-2022)相关定量指标数据来源，采用系统动力学方法和Anylogic软件为此框架模型开展系统建模和仿真。

2.1 智慧城市系统动力学模型

根据新型智慧城市评价指标体系，综合考虑指标数据的可采集性和可获得性，经部分抽象简化，基于Anylogic软件平台提出智慧城市系统动力学总体模型如图3所示。此模型可大体分为4个部分。

图2 智慧城市系统框架

(1)城市系统

城市系统代表物理城市系统和市民组成的社会空间系统。主要由城市基础熵作为基础变量，智慧城市熵作为流量变量。

按照前文提出的概念，城市基础熵表示这个城市基本的有序程度，主要应由城市建成区、人口数据、GDP等数据来度量。但由于本次试验过程处于新冠肺炎疫情期间，各城市GDP变化情况较为特殊。因此，为不失一般性，模型仅采用人口和建成区面积代表，即：

城市基础熵=ln(人口数量)+ln(建成区面积)

(1)

智慧城市熵是一类负熵流，是智慧城市系统对城市系统的反馈，通过各类智慧城市应用作用到实体物理城市和城市居民上去。在本模型中，通过简化，假设：

智慧城市熵=政务服务信息+城市服务信息

(2)

(2)数据采集体系

数据采集体系描述智慧城市采集城市实体和人口数据的能力。本模型经简化抽象后的数据采集采集体系主要由三大部分组成。分别是面向实体物理城市的视频信息采集和地理数据采集，以及面向社会空间的人口数据采集。

视频信息=视频数据采集能力×ln(建成区面积)

城市地理信息=地理数据采集能力×ln (建成区面积)

(3)

人口数据信息=人口数据采集能力×ln (人口数量)

视频信息采集能力、地理数据采集能力和人口数据采集能力，在本模型中由视频完好率、地理信息覆盖情况和智慧社区覆盖情况3项新型智慧城市评价指标体现。

(3)数据传输体系

数据传输体系描述智慧城市计算、存储、共享、传输数据信息的能力。本模型经简化抽象后的数据采集体系主要体现在“城市共享汇聚信息”这一关键指标。

城市共享汇聚信息=(视频信息×视频联网共享率+城市地理信息+人口数据信息) ×信息传输汇聚能力

(4)

在本模型中，信息传输汇聚能力由信息开放率和信息共享率两项新型智慧城市评价指标相加实现。

(4)数据应用体系

数据应用体系描述智慧城市将信息反馈回实体城市和市民的能力。本模型经简化抽象后的数据应用体系主要体现在城市服务信息和政务服务信息两个方面。

政务服务信息=城市共享汇聚信息×政务信息应用能力

城市服务信息=城市共享汇聚信息×城市服务信息能力

(5)

在本模型中，政务信息应用能力由一站式办理率和网上统一入口率两项新型智慧城市评价指标体现。城市服务信息能力由互联网城市服务情况评价指标体现。

2.2 系统动力学模型实现(以A市为例)

基于上小节构建的系统动力学模型，课题组利用A市3年的新型智慧城市评价数据进行了模型的仿真实现。

(1)基本数据

A市2016—2021年的新型智慧城市评价指标数据如表1所示。

图4是A市这3次评价时的城市基础熵(人口、面积)变化情况。可以看到，这些年A市人口和建成区面积都在持续增长，城市复杂程度也在不断提高，随之而来的是对治理能力和治理体系的要求不断增加。本研究团队根据其智慧城市评价结果，对A市新型智慧城市建设情况进行了分析，给出了要加大力气提升信息资源部门间共享率、移动互联网城市服务等关键工作的建议。A市通过在相关领域加大投资建设力度，在2021年的评价中显著提高了相关领域的得分。

图4 A市2017—2021年城市基础熵变化情况

表1 A市新型智慧城市评价指标数据

根据新型智慧城市评价系统动力学模型，将上表数据代入后进行仿真，得到3年A市智慧城市熵变化趋势如图5所示。

图5 A市2017—2021年智慧城市熵变化趋势情况

从三次评价中A市新型智慧城市评价指标和智慧城市熵的变化可知。A市通过评价摸清了智慧城市建设过程中的关键短板，并通过持续建设提升了关键影响要素的能力，从而能够在城市复杂度不断提升的情况下，实现了智慧城市建设成效的持续提升。通过对A市近3年的市民满意度综合评价发现，市民对智慧城市建设成效满意度呈逐年上升趋势，也印证了这一观点。

3 基于智慧城市熵对智慧城市发展的启示

3.1 根据城市复杂程度确立智慧城市发展策略

目前，分级分类开展智慧城市规划和建设已经成为业界共识。但是，以往的分级分类大都采用城市面积、人口、行政级别等单一维度来划分城市的等级，很难精准识别城市的真正智慧建设需求。从系统分析的角度看，不同复杂度的城市应当适用不同的智慧城市系统，城市应当根据自己的复杂度来确立智慧城市的发展。例如，有的发达地区城市，虽然面积不大，但是单位面积人口数量多、GDP高，城市面临的治理问题会相对复杂，应该采用更加全面的智慧城市体系。反之，有的城市尽管城市面积大，但人口和GDP密度均较低，就应当抓住重点，有选择性地建设智慧城市项目。

3.2 从系统角度思考智慧城市建设完备性

如果将智慧城市看作是城市的控制系统，则首先需要满足控制系统的完备性。只有在体系意义上完备的控制系统，才能真正起到控制系统作用。对于智慧城市系统而言，就是要将数据采集、数据传输处理、数据应用几大体系建设完全。具体来说，智慧城市在建设云计算中心(数据传输处理部分)的同时，也需要建设与之相应的数据采集体系(如物联网、基层数据采集平台等)以及数据应用体系(如智慧应用终端、城市APP等)。在采集、传输、应用几大核心任一部分的缺失，将会使整个智慧城市系统瘫痪。

3.3 从信息流角度考虑系统的均衡性

一个好的控制系统不仅需要完备性，而且需要较好的均衡性，也就是数据采集能力、数据传输处理能力和数据应用能力相互匹配，既能有效地处理智慧城市产生的信息流，又不至于形成大规模的系统冗余。对于智慧城市来说，就是要从信息流的角度总体设计智慧城市系统，以最小的建设成本保证全系统的顺畅运行。例如，城市在打造物联感知体系时，要充分考虑到城市是否具备与之相适应的信息传输、处理能力，防止出现类似摄像头架设过多造成后台图像处理能力不足的情况。又如，城市要重视发展城市APP等信息反馈终端，防止智慧城市信息流在政府内部“空转”，无法有效提升广大市民的幸福感和获得感。

4 结束语

智慧城市作为一个典型的复杂巨系统，需要通过复杂系统分析方法对其进行建模。本文在系统动力学分析框架下，将熵的概念引入到智慧城市的建模和分析过程中，并通过实例计算验证了方法的有效性。本文提出的方法为不同类型的城市开展智慧城市评价和建设提出了一类新的思路，可用于通过对城市复杂程度的计算指导设计相应的智慧城市建设项目。