smartcity的个人博客分享 http://blog.sciencenet.cn/u/smartcity 大道至简 静水流深 时空地理 人文城市

博文

城市评价方法论初探

已有 1434 次阅读 2023-12-12 21:21 |系统分类:论文交流

城市评价方法论初探

 刘海猛

摘要:城市作为人类文明的关键象征,对其兴衰演变状态的评价是城市规划建设与治理的重要参考,也对地方政府绩效考核、企业投资决策、居民定居择业等具有重要意义。然而,当前城市评价研究存在诸多问题,且鲜有文献从方法论角度对城市评价体系的构成、原理、范式、流程、不确定性等进行系统阐释。鉴于此,本文首先对城市复杂系统的内涵与演化规律进行解析,进而阐明了城市评价的相关概念、基本构成和功能,梳理了城市评价的主要范式,并提出城市评价的人本原理、涌现原理、平衡原理、反馈原理等4个基本原理。明确城市评价体系由评价主体、客体、指标体系、方法模型和评价结果5部分构成。系统论述了城市定量评价的一般流程和10个步骤。从认知、数据、指标、方法、系统等方面梳理了城市评价的不确定性和局限性。最后,提出了面向未来可持续发展的城市评价展望,通过组织多元化评价主体,搭建统一共享的基础信息平台,建立城市时空知识图谱,融合大数据、人工智能、数字孪生等新技术,推进“动态感知、多评协同”,建设包容、安全、公平、绿色、韧性的未来可持续城市。

文章目录

1 引言 

2 城市评价研究现状与问题  

2.1 国内外城市评价研究现状

2.2 城市评价研究和实践中存在的主要问题

(1)评价目的和理论依据不明确,评价结果缺乏指导意义

(2)指标体系冗余度过高,指标可对比性差

(3)未考虑城市的异质性,一把尺子度量所有城市

(4)过于重视评价结果的位序排名,缺乏结果背后的机制分析

(5)评价工作“中间重、两头轻”,缺乏数据质量控制和评价结果的校验与反馈

3 城市评价的前提:城市复杂系统再认知

4 城市评价的基本概念、基本范式与基本原理

4.1 城市评价的相关概念

4.2 城市评价的若干范式

(1)评价模式的“自上而下”和“自下而上”

(2)评价指标的“成效累加”和“短板效应”

(3)基于标准值评价和基于相对值评价

(4)静态评价和动态评价

4.3 城市评价的基本原理

(1)人本原理

(2)平衡原理

(3)涌现原理

(4)反馈原理

5 开展城市定量评价的一般流程

5.1 明确评价主客体和评价目标

5.2 确定评价体系的理论支撑和逻辑框架

5.3 明确指标选取的原则

5.4 建立评价指标体系

5.5 指标一致化和无量纲化

5.6 确定指标权重及阈值

5.7 选择或构建评价方法模型

5.8 评价结果分析与校验

5.9 评价结果的展示与应用

5.10 评价的监督与反馈

6 城市评价的不确定性与局限性

6.1 认知的局限性与主观性

6.2 数据的不确定性

6.3 指标间的权衡与相关性

6.4 方法和权重导致的不确定性

6.5 城市系统的开放性与非线性

7 面向未来可持续发展的城市评价展望

1 引言

城市是人类文明的关键象征,承载着人们对美好生活的向往和追求。城市的繁荣与活力、衰退与转型,与我们每个人息息相关。对城市的评价一直是学术界的热点话题,但直到近几十年才逐渐发展出比较规范的定量评价方法体系。尤其随着可持续发展理念的普及和各类新数据、新技术的出现,对生态城市、低碳城市、智慧城市、活力城市、韧性城市、健康城市等的评价研究逐渐增多。这些工作对城市规划、建设和治理都具有重要参考价值,亦是规划实施评估、“城市体检”等实务的主要手段,对地方政府绩效考核、企业投资决策、居民定居择业等都具有重要意义。

针对城市评价的各类相关指标体系、模型方法、技术工具等在现有文献中已经进行了广泛研讨。然而,鲜有文献从更一般和更普适的方法论层面对城市评价进行系统论述。通常讲,方法论是一种以解决问题为目标的理论体系或系统,会对一系列具体的方法和技术手段进行分析研究、系统总结并最终提出较为一般性的原则或整体性分析框架。因此,可以说城市评价方法论是指导各类城市评价实践最基础的“四梁八柱”。

鉴于此,本文从方法论的维度,在对城市评价研究现状和城市复杂系统科学认知基础上,系统阐释了城市评价的基本概念、基本范式与基本原理,论述了开展城市定量评价的一般流程,指出了城市评价存在的若干不确定性与局限性,最后提出了面向未来可持续发展的城市评价展望。本文可为政府部门、行业机构、社团组织开展各类城市评价、评估工作提供理论指导,为各类城市评价类研究提供基本的方法论。

2 城市评价研究现状与问题

2.1 国内外城市评价研究现状

1970年代,开始有国外学者关注城市住房、交通、用地、空气质量等某个方面的评价,但文献数量较少,且仅关注单个城市或某个区域的城市[12-14]。从城市系统视角的全球性的城市评价实践工作起始于1993联合国人居署城市指标项目,该项目涵盖的领域有住房、健康、交通、能源、水资源供应、卫生和就业、公共参与、地方管制和妇女发展权益等方面。这些指标在1996年《城市议程》和2016《新城市议程》中得到体现和发展,同时也成为联合国2030年可持续发展目标11SDGs11)的指标源头[15, 16]。在此基础上,联合国人居署在2019年建立了全球城市检测框架(Global Urban Monitoring Framework)以服务SDGs和《新城市议程》的全球城市指标检测,为国家评估提供数据和工具,目标是实现城市的安全、包容、韧性与可持续[17]

微信截图_20231207220347.png

图1 英文文献城市评价主题词词频和共现分析

Web of Science核心数据库中检索标题含有“城市”(cityurban)和“评价”(evaluationassessment)两个关键词,并删除了医学、生物学、环境化学领域的文献后,将9860条记录进行文献主题词词频和共现分析。如图1所示,使用VOSviewer得到五个大的聚类(每种颜色代表一个类别):城市可持续发展与管理(绿色)、城市环境与风险(红色)、城市化与城市生态系统(蓝色)、城市健康(黄色)、城市评价模型与工具(紫色)。相关研究学者来自城市研究、环境科学、公共环境与健康、地理、工程、能源、水资源、经济等领域。案例城市研究最多的是中国,其次是印度、欧盟、美国、伊朗。从主题词出现时序看,最近几年国际上对生态系统服务、气候变化、智慧城市、城市健康风险这些主题更加关注[18-21]。此外,在城市评估方法工具和数据的梳理[22-24]、城市可持续评价的理论框架及指标[25, 26]、基于自然的城市应对气候变化评估框架[27]、城市食物-能源-水等系统综合评价[28]、城市评价在城市规划治理中的应用等方面也做了很多探索性研究。

中国的城市评价研究大概始于1980年代,一开始主要关注城市环境质量和社会经济综合发展水平[29-31]90年代对城市水土资源、城市自然灾害、城市交通路网的评价关注较多[32-34]。进入21世纪,随着可持续发展观深入人心,以及从西方国家引入了生态城市、宜居城市、紧凑城市、低碳城市等理念,城市评价涉及的领域和范围逐渐扩大。基于CNKI论文数据库检索19802022年标题包含“城市”和“评价”的文献,去除研究方法和研究案例地之后的主题词按照词频进行可视化(图2)。图中词频越高的主题词字号越大,可持续、竞争力、生态、低碳、土地集约利用、环境、绩效、风险、智慧是高频词,即过去40年来这些主题是学者们关注最多的领域。例如,许学强等较早开展城市可持续发展综合评价[35],王如松等较早的提出了生态城市指标体系与评价方法[36];倪鹏飞等从2002年开始对中国及世界城市竞争力展开系列评价研究[37];张文忠等对宜居城市建设的理论基础、研究框架和评价指标体系等进行系统总结[38],李雪铭等对中国城市人居环境质量特征、时空演化和典型案例进行了多角度评价[39]。近几年随着新冠疫情流行和中国双碳目标的制定,城市健康、城市韧性、城市低碳水平、城市活力、城市体检等成为新的评价研究热点[40-43]

图2.jpg

图2 中文文献城市评价主题词词频分析

城市评价不仅是学术研究的热点,也是很多政府机构、社会组织和企业开展具体业务的必要手段。一些国际性组织或机构会定期发布不同侧重点的城市评价报告或指数,比较有影响力的工作例如:联合国SDG11从住房、交通、环境、公共空间、气候变化等方面建立指标对城市可持续发展进行评价和监测,并将指标、分析与政策进行联结。联合国人居署发布的城市繁荣指数(City prosperity index)基于生产力、基础设施、生活质量、公平与社会包容、环境可持续性以及城市治理与立法6个维度72个指标测度全球400多个城市繁荣和可持续发展能力[44]。经济学人智库每年发布的全球城市宜居指数(Global liveability index),从稳定性、医疗保健、文化与环境、教育和基础设施5个维度出发,评估全球100多个主要城市的生活宜居性[45]。全球化和世界城市研究网络(GaWC)每年基于全球跨国高端生产性服务业公司联系计算的世界城市评价结果排名,一定程度上反映某个城市的国际地位[46]。欧洲可持续城市框架(RFSC)通过5个维度和30个目标定义了未来城市的欧洲愿景,并为政策制定和实施提供在线工具(http://rfsc.eu/)。科尔尼咨询公司(Kearney)联合国际顶级学者与智库机构联合发布的科尔尼全球城市指数对150多个城市的国际竞争力与发展潜力进行了系统评估(https://www.kearney.com/global-cities/2022)。凯迪思公司(Arcadis)每年发布可持续城市指数对全球100个主要城市在社会、经济和环境三个维度的可持续发展表现进行整体评估[47]。中国城市规划设计研究院近年来发布了全球活力城市指数,探讨全球城市在科学、技术、产业三个创新环节的表现。

一些城市评价相关的指标体系、工作流程、管理体系也越来越多地被规范化成为全球、国家或行业的标准和指南。国际标准化组织(ISO)发布了一系列城市评价相关的国际标准,包括城市可持续发展指标体系(ISO 37120)、智慧城市基础设施管理、评价和支持技术标准(ISO 3715X)、城市可持续发展-韧性城市指标(ISO 37123)等[25, 48]。近些年,中国政府在城市管理和城市规划实施过程中也出台了一系列城市评价(考核)指标体系或标准指南。例如,《国家园林城市标准(2010年)》《国家循环经济示范城市(县)建设评价(2013年)》《绿色发展指标体系(2016年)》《国家生态文明建设示范市县指标(修订)(2018年)》《美丽中国建设评估指标体系及实施方案(2020年)》《国土空间规划城市体检评估规程(2020年)》等政府文件,以及《海绵城市建设评价标准(GB/T 51345-2018)》《新型城镇化:品质城市评价指标体系(GB/T39497-2020)》《安全韧性城市评价指南(GB/T 40947-2021)》《新型智慧城市评价指标(GB/T 33356-2022)》等国家标准。这些城市评价标准或指南为中国新型城镇化的规划建设和城市现代化治理提供了很好的支撑。

综上,城市评价的主题和关注点随着经济社会发展不断演变,一方面更加注重可持续发展理念下城市系统的协调发展,一方面也更加关注一些城市特殊人群和城市新领域新问题,例如城市的全龄友好性、气候变化适应性。目前不管是学术性文献、官方标准还是机构组织的工作性报告,对评价指标体系的构建都非常关注和审慎,评价的方法模型和工具也在不断创新,尤其是近年来各类新型大数据成为了重要的评价数据源。

2.2 城市评价研究和实践中存在的主要问题

尽管国内外城市评价的研究工作卓有成效,为城市规划管理和城市政策制定提供了很多积极的参考,但以下问题在当前的研究和实践中仍大量存在。

(1)评价目的和理论依据不明确,评价结果缺乏指导意义

部分城市评价研究工作对评价对象缺乏足够的认识和界定,例如对城市韧性、城市健康、城市高质量发展的理论内涵和外延未充分理解,凭感觉构建指标体系,导致评价结果有偏、科学性不高;有的研究对评价目的没有清晰认知,也不考虑评价结果的目标受众,为评价而评价,为发表文章或完成工作而评价,致使评价结果没有政策导向性,不具实践指导意义;还有的评价指标体系构建完全依赖评价者的主观经验判断,缺乏理论指导和严谨的逻辑框架,导致评价的维度和具体指标选取都随意性太强,指标体系的层次之间、具体指标之间缺乏内在联系和逻辑,出现指标体系结构不合理、重要指标遗漏等问题,评价结果的可靠性也大打折扣。

(2)指标体系冗余度过高,指标可对比性差

当前大多数类型的城市评价都属于综合性评价,一些综合评价指标体系过于追求“大而全”。这一方面导致很多不同类型的评价指标体系越来越相似,失去了评价导向性,例如一些城市生态文明、城市高质量发展、城市竞争力、城市可持续发展评价指标体系的指标数量达到30-50个,且不同指标体系之间高度重合;另一方面将众多具有耦合或者关联的变量引入一个指标体系,很多指标的物理含义有重叠,统计学上存在严重共线性,导致系统冗余度过高,例如城市人均GDP与城市人均可支配收入,城市NDVI指数与城市绿化覆盖率。指标可对比性差经常出现的问题是在同一个指标体系中会出现多类型不可比的指标,例如把总量型指标(如城市污水排放量)、相对量指标(如人均财政收入)、变化率指标(如GDP增长率)、综合指数(如城市数字化指数)、实时性指标(如某日的城市出行强度)混在一个指标体系中。还容易出现指标数据的时空范围不一致导致可对比性差,比如由于中国很多社会经济统计数据是基于行政范围统计,导致一些研究将城市实体地域范围数据与城市行政范围数据混淆在一起使用[49]

(3)未考虑城市的异质性,一把尺子度量所有城市

涉及全国或全球范围的多城市评价需要考虑城市的异质性,这包括城市自然地理与气候、城市等级规模、城市发展阶段、城市职能、城市性质等。例如森林覆盖率并不适合城市间的横向比较,中国西北地区的城市森林覆盖受气候因素影响不可能达到东南地区的水平。若忽视这种异质性,会导致评估结果有失公平,特别是一些服务于政府绩效考核的评价工作。因此,在近些年政府主导的全国性城市评价工作中开始尝试一些方法来解决这个问题。例如,2016年开展的新型智慧城市评价、2020年美丽中国建设试评估工作、2021年国土空间规划城市体检评估规程等,各省市可以根据地方特点设置一定比例的自选指标;在2022年实施的城市低碳发展水平评价导则中提出通过将城市进行分类、分组来横向比较。

(4)过于重视评价结果的位序排名,缺乏结果背后的机制分析

城市评价均带有评价者的主观意志,再加上数据、方法、指标权重等对计算结果均会造成影响,因此不管是定性还是定量的城市评价结果都具有不确定性。目前很多城市评价类研究过于看重城市的位序排名,容易对公众产生误导,也对地方政府带来困扰。事实上,量化得分和排名仅是一个参考,综合指数可以反映演化趋势,分项指数更多揭示城市问题与短板,排名背后的机制分析和问题挖掘更为重要。此外,多指标评价结果与现实物理世界中的客观变量不同,前者是带有主观成分的综合值,后者是基本客观的价值量,若两类变量放在一起进一步做统计回归分析时必须审慎[50]

(5)评价工作“中间重、两头轻”,缺乏数据质量控制和评价结果的校验与反馈

所谓“中间重、两头轻”是指很多城市评价研究重点都放在指标体系构建和模型计算上,忽视了对原始数据的质量检查,对数据的准确性、完备性、一致性、时空尺度等没有交代,甚至有的连异常值都没有剔除,缺乏高质量的数据基础;另一方面,也忽视评价结果的检验、反馈和深度分析,缺乏对结果的稳健性和敏感性分析,也缺乏用户反馈意见的收集,很少有研究会在跟踪反馈基础上动态更新评价体系,对结果的可视化展示和多角度多维度分析不够。

3 城市评价的前提:城市复杂系统再认知

城市是我们的评价客体或者说评价对象,对城市这一复杂系统的科学认知是对其展开评价的基础。虽然对城市的定义、发展历史、演化规律等,国内外不同学科的学者已经做了大量研究和总结[51-53]。例如,古希腊亚里士多德认为“人们为了安全来到城市,为了生活美好留在城市”,很简洁地阐释了城市的起源与发展,也揭示了城因人而兴,人因城而幸的朴素道理。但是为更科学有效的进行城市评价,有必要从复杂系统和生命有机体视角对城市系统做进一步的认知和归纳,加强城市评价中的系统整体观。

从复杂性视角分析。随着城市化的推进,城市系统复杂程度不断升高,与其他复杂系统类似,具有开放性、非线性、自组织性、自适应性、涨落性、反馈性、层级性等特征[54, 55]。城市是由以人为核心的社会经济和生态环境两大子系统构成,生态环境子系统是城市的本底支撑系统,包含水、土地、能源、大气、动植物等要素;社会经济子系统是城市的主体人工系统,包含房屋建筑、市政设施、教育文化、产业经济、防灾应急等要素(图3)。这两大子系统以及众多要素之间通过物质流、能量流、信息流等不断进行相互作用、相互影响与相互适应,这些复杂的耦合关系根据空间、时间、表象和组织等维度可以分为近远程耦合、近远期耦合、显隐性耦合、组内外耦合等不同类型[56]。因此,城市是一个典型的人地关系地域系统。

从城市有机生命体视角分析。人员、食物、水、原材料、能源等不断流入城市,通过生物、物理、化学甚至是精神上的相互作用,在城市内部进行不同时空尺度的循环和交换,再以另一种形式流出城市,形成城市的宏观新陈代谢过程。城市发展活力外在表现为城市有机体的各部分通过自组织、自复制、自适应不断生长,内在机制则主要表现为多样性与流动性[57]。多样性包括城市人口多样性、产业多样性、土地混合利用、社会文化多元性、建筑多样性和生态系统多样性等;流动性既包括城市内部人口、物资和信息的流动,也包括与城市外部环境的各种交互。生长代谢、多样性和流动性构成了城市的“活力三角”[57]

城市复杂系统示意图2023.jpg

图3 城市复杂系统的结构、过程与联系示意图

从空间维度分析。首先,城市有若干个尺度层级和分形特征,从最基础的家庭单元,到街区、功能区、单个城市、城市群,在星球城市化背景下现代城市的影响延伸到地球的任意角落[58]。物理实体的城市空间是三维的,横向的城市空间由点、线、面有机构成:交通站点、大型商场、标志性建筑等是点要素,一般具有集聚或辐射效应;道路网络、河流水系、城市绿廊、基础管网等是典型的线要素,将城市连接为一个网络,承载其他各类要素的流动,类似生命体的血管和神经;商业用地、居住用地、工业用地、绿地公园、仓储物流等是面状要素,一般归类为某种城市功能区,是城市有机体的功能器官。工业革命以来大城市病日益严重,纵向的城市空间越来越重要,含盖地上高层建筑和地下各类建筑和设施,伴随城市空间的立体开发,城市研究由平面思维转向立体化思维[59]。此外,城市虚拟空间(数字孪生空间)随着近几年人工智能和实景三维等技术的成熟,已经开始落地建设,未来将成为衡量城市智慧程度和活力品质的重要方面[60]

从时间维度分析。每个城市都遵循一定的发展规律,包括城市化的S”型曲线演化规律、城市的异速生长和标度律[61]、城市化-环境库茨涅兹曲线规律[62]等。在前人研究基础上,本文结合复杂性理论,进一步总结了城市发展的一般性规律。如图4所示,城市化的“S”型演化曲线对应了系统的涌现生成、协同维生、临界相变三个阶段。城市的涌现生成是以人为核心的人地关系地域系统在多时空维度上的结构和功能的整体涌现现象;城市系统的协同维生是指在与外界环境进行物质、能量和信息交流以及系统内部主体间的竞争与协同共同驱动下,系统结构有序度、自适应、自发展能力在不断涨落中提高的过程;当城市系统达到自组织临界阈值,系统发生相变,城市的规模、性质和职能等会发生改变[54]。当然这仅是城市系统演化的一般性宏观规律,具体到每个细分阶段或特定城市,演化的路径和系统涨落的强度肯定有差异。

32030.jpg

图4 城市复杂系统演化的基本规律(改绘自文献[54])

总之,城市是物质空间、社会空间与信息空间三个维度的集成,是耦合社会与自然的复杂地域系统,是有序与混沌、自组织与他组织、集聚与扩张、竞争与协同的辩证统一体,在以人为核心的多种流要素驱动下不断发生时空间反馈,像自然界其他有机体一样不断感知并适应周围环境,不断自我生长、演化与重构。

4 城市评价的基本概念、基本范式与基本原理

4.1 城市评价的相关概念

评价是人类最基本的思维方式之一。根据辞海的定义,评价泛指衡量人或事物的价值,实质是意识对存在的一种反映,凡涉及比较判断的问题都离不开评价[63]。参考前人对评价的定义,本文认为城市评价是根据确定的目标来测定城市的某方面属性或系统整体状态,并将这种属性变成客观定量的数值或主观效用,以进行城市分类、排序和决策参考。鉴于城市复杂系统的特性,大多数城市评价都属于系统综合评价。仅用单个指标评价城市某方面属性(例如使用人均GDP评价城市的经济发展水平),由于比较简单,不在本文讨论范围。

城市评价是一个系统工程,一般包括评价主体(评价者)、评价客体(被评价的城市)、指标体系、模型方法、评价结果,以回答谁来评、去评谁、评什么、怎么评和评出的是什么五个基本问题,从而构成一个完整的评价体系。评价主体可以是政府部门、公司机构、个人或其他第三方组织,城市评价总体上体现了评价主体的价值认知和价值取向,评价目的的给定、评价指标的建立、评价模型的选择等都与评价主体有关。为了保证评价的科学客观,有时评价主体由多个类型共同构成参与。评价客体可以是一个城市,也可以是多个城市,但对城市的定义必须统一。评价指标体系决定着城市评价的导向和评价结果的质量,是评价体系的核心。评价模型包括定量模型和定性的概念框架模型,是评价结论准确性的保证。评价结果是整个系统工程的输出,可以是定性的判断也可以是数值量化。

任何评价都具有4种基本功能,即判断功能,预测功能,选择功能,导向功能[64]。城市评价一般用来发现城市短板和问题,如环境污染、社会不平等、基础设施不足等,或者用于监测城市职能部门的工作绩效和城市规划及政策的实施状况,提升城市形象和城市吸引力,促进与市民的交流对话,实现以评促建、以评促改的目的[16]。上层管理机构也可以基于城市评价结果来进行资源分配、生产力布局或对地方进行考核评估。因此,相比一般性评价,城市评价还具有管理功能和决策功能,共计6项基本功能。

4.2 城市评价的若干范式

通过梳理国内外的城市评价研究和实践工作,城市评价的主要范式可以借助对立统一的辩证思维进行总结:

(1)评价模式的“自上而下”和“自下而上”

目前的城市评价大部分是“自上而下”的范式,即城市评价者由上一级的相关组织或部门承担,评价指标体系和规程也是由顶层设计,这种模式可以保证评价工作的高效率和标准化,但也容易忽视地方的特殊性和市民的主观感受。“自下而上”的评价模式是指由城市政府自己主导的“自评价”或者是由市民广泛参与的城市评价。城市自评价对本市的现状和特点更为了解,但也容易出现掩盖不足夸大优点的问题;全民参与的模式对于涉及城市民生、人居环境、基础设施等维度的评价,更能体现以人为本的治理理念,但也存在成本高、样本有偏等问题。也有研究尝试将两种范式进行结合[65]

(2)评价指标的“成效累加”和短板效应

由于城市评价的目标或理念不同,在评价指标的计算时会存在两种处理方式:“成效累加”和“短板效应”。城市系统的综合评价目前大部分是遵循成效累加的策略,这种累加一般是按照重要性进行赋权重或者提取主成分,即便某项指标存在短板,整体评价结果也可能是优。如果评价存在“一票否决”的情景,这时候评价结果主要取决于指标中的“短板”,不同指标的成效不能替代。例如在城市可持续发展评价中,弱可持续理念认为经济、社会、环境三个系统相互独立且可以相互替代,城市发展成效是三者的累加;强可持续理念认为城市发展是在生态环境的阈值之内实现经济社会繁荣,自然资本不能被人造资本替代,强调生态红线与环境阈值[66]。再如城市的资源环境承载力评价也主要基于“短板效应”来评价。

(3)基于标准值评价和基于相对值评价

如果城市评价目的主要用于政府考核,在构建指标体系时,一般会设置每个指标的目标值(最优值)或达标值(及格值),例如生态文明城市评价[67]如果城市评价目的主要为发现短板、以评促建,在构建指标体系时,一般不会设置阈值,而是基于指标计算结果的相对高低进行排序或分级,如城市绿色发展评价[68]

(4)静态评价和动态评价

根据城市评价的目的和数据可得性等因素,评价工作有静态和动态之分。静态评价主要基于静态指标评价城市在某个时点的状态,而动态评价则使用动态指标衡量一定时间段内城市某种属性的变化情况及趋势。如果将城市看作有机生命体,静态评价能诊断城市的现状体征,动态评价则能够预测未来发展趋势和“治未病”。静态指标如2020年某城市的GDP总值;动态指标如2015-2020年某城市PM2.5浓度的变化量。

4.3 城市评价的基本原理

不管应用哪种范式开展城市评价,在评价的全过程都应遵循以下4个基本原理,这是用以指导具体实践的最基本的、原则性的道理:

(1)人本原理

著名城市规划师亨利·丘吉尔有句名言“城市即人民”[69]城市因人而建、因人而兴,坚持以人民为中心,建设人人共享的城市(cities for all)是城市可持续发展最核心的理念。城市评价的最终目的也是为了“让生活更美好”,提升人民群众的获得感、幸福感和安全感,实现个人价值和福祉的最大化。因此,人本原理是城市评价的第一性原理,评价目标的确定、指标的选择、权重的确定等都应首先遵循这一原理。以人为本具体还应考虑年龄、性别、信仰等人的具体属性以匹配相应的评价指标和方法。因此,评价过程中市民的参与非常重要,包括公众参与评价体系的构建和结果的反馈,对城市各方面的满意度调查等。

(2)平衡原理

平衡是中西方哲学思想一直以来所倡导的,在城市评价全过程中很多地方需要运用平衡原理,避免极端思想和不公平性的发生,以实现更顺畅的评价流程和更优的评价效果。例如:城市综合评价的指标体系应追求全面性和代表性的平衡,指标绝不是越多越好,要把握指标信息的全面性和指标精简性之间的度;很多时候提出的最优评价指标由于数据难以获取或指标难以量化不得不替换为近似的次优指标,这是理想指标与实际指标的平衡;评价过程涉及多方利益主体,包括评价组织方、评价实施方、被评价的对象、评价结果使用方等,平衡各方利益诉求才能保证评价的公正性和可行性;城市某些属性存在巨大区域差异,在评价等级划分时应考虑平衡区域的这种异质性。此外,在不同领域的城市评价实践中会遇到更多需要应用平衡原理的地方,如在智慧城市评价中,既要平衡投入指标和效益指标,也要平衡城市硬体与软体的建设和反馈[70]

图5.png

图5 城市评价中的反馈机制示意图

(3)涌现原理

涌现是系统科学中的词汇,一般指多个要素组成系统后,出现系统组成前单个要素不具有的性质,即“1+1>2”的现象。城市系统本身是一个典型的涌现现象,不同的物质、能量、信息耦合在一起形成了千姿百态的城市[71]5城市综合评价过程实质也是一个复杂系统整体涌现过程,各个指标通过相互间的信息交换和非线性相互作用产生涌现现象[72]。评价指标间并不是简单的堆叠加总,而是通过一定的规则涌现出新的功能和属性,这种功能和属性是之前的任何单个指标所无法体现的。评价结果对初始指标具有很高的敏感性,不同的初始指标会涌现出不同的评价结果。同时该原理提示我们,在选择评价指标时应剔除对于评价目标没有意义的指标和重复性指标;如果综合评价的结果与单个指标或维度的评价结果没有明显差异,应重新考虑指标体系的科学性。

(4)反馈原理

理想的城市评价过程应该是一个闭环,不仅是评价体系的模块之间、主体之间存在信息反馈,更重要的是城市内各利益主体和方法体系之间,以及评价成效与方法体系之间的反馈机制。如图5所示,评价结果会对城市不同主体产生影响,可能是激励也可能是压力,不同主体对结果和评价指标具有不同的认知,如果有顺畅的信息反馈机制,可以及时对指标、方法、权重、阈值等进行调整;评价结果也会推动相关政策法规的出台或完善,促进生产和创新要素流动,改变民众对城市固有的观念,反过来这些评价成效会推动指标体系的升级或阈值的改变。因此,反馈原理是城市评价能够不断适应性创新的保证。

5 开展城市定量评价的一般流程

相比定性评价,基于数据、指标、模型的城市定量评价是目前应用更广、实践更多、评价结果也更为客观的方式。本小节在前人众多案例研究基础上梳理总结了开展城市定量评价的一般流程,主要包括前期研究与准备、确定评价框架与原则、构建指标体系、选择模型计算、结果分析与应用5个模块,具体操作大致包括以下10个步骤(图6)。

5.1 明确评价主客体和评价目标

如前文所述,评价主体(评价者)由于自身经历和背景不同,对评价目标的认知、方法和指标的选择等会大相径庭。因此,组织一个专业多元的评价专家团队非常重要。评价客体(被评价城市)的选择取决于评价目的、经费和数据支持、某项政策实施范围等因素。在前期准备阶段,首先要理清评价的整体导向,明确评价的目的(目标)和受众:一要明确是针对城市某个属性进行约束考核,还是诊断评估,还是评优评先。这决定了后续的指标选择以及指标阈值的设定。二要明确是对城市系统的整体评价,还是对城市的生态、智慧、创新、低碳、健康等某个维度进行重点评价。三要明确评价的受众是谁,评价结果为谁服务,评价结果是全社会公开还是仅供政府部门参考。城市评价目标受众涵盖政府、市民、城市投资开发商、城市建设者、研究机构、以及其他利益相关者。不同的受众会决定指标筛选与结果呈现形式。

5.2 确定评价体系的理论支撑和逻辑框架

科学严肃的城市评价应选择或构建合适的理论或概念框架作为逻辑支撑,以指导指标体系的层级构建和具体指标选择。这需要评价者结合自身经验、文献梳理与实地调研进行确定。常见的与城市评价相关的理论或框架包括:驱动力-压力-状态-影响-响应模型(DPSIR[73],社会-经济-自然复合生态系统理论[74],社会-生态系统理论[75]人地和谐共生理论[76],利益相关者理论[77],复杂适应系统理论[78],马斯洛需求层次理论[79],物理-事理-人理系统方法论(WSR[80],城市代谢理论[81]耗散结构理论,生态位理论[82],投入产出理论,生态足迹理论,新城市主义[83],精明增长理论,流空间理论[84],甜甜圈理论[85],幸福圈层理论[86],城市生命周期理论[87],扎根理论[88]等。这些理论的解释维度或侧重点各有不同,例如,DPRIP框架可以为分析城市系统中的社会、经济、资源与环境的关系提供基本框架,强调各个指标层之间的逻辑架构,蕴含了“发生了什么,为什么发生,如何应对”的因果逻辑;城市代谢理论将城市类比为一个不断同外部环境进行物质、能量交换的有机体,通过分析其消费、储存和转换的过程与结果,来评价城市系统自身状态及对环境影响;中国学者提出的WSR框架很好的统筹了城市评价的认识过程、实践过程和沟通过程,可指导城市评价顶层设计。

5.3 明确指标选取的原则

不管何种类型的城市评价,在指标选取过程中都应遵循一定的原则。下面从辩证统一的视角总结5个一般性原则①兼顾完备性与代表性,指标筛选“由全到精”,不漏掉城市系统的关键维度指标,舍弃意义指向相同且相关性强的指标。②兼顾科学性与可操作性,指标体系应紧密围绕评价目标建立,指标含义要明确,口径要统一,有良好的可比性,有可靠的数据来源。③兼顾客观性与主观性,既要选择可直接量化的指标,也要考虑代表市民意愿的定性指标,既要充分征求专家和公众意见,也要避免利益相关者成为指标制定者。④兼顾一般性与特殊性,对于整个指标体系来说,要体现城市复杂系统的特点,更要突出与其他相关指标体系的区别;对于具体指标来说,首先应筛选能适用于所有城市的普适性指标,同时也考虑设置若干备选指标或特色指标以解决城市间因历史、地理、规模等因素导致的异质性问题,保证城市评价的“各美其美、美美与共”。⑤兼顾稳定性与动态性,指标应在相当长一个时段内具有引导和存在意义,数据能够连续获得,有利于历史对比和持续评估,同时对时间、空间或系统结构的变化应具有一定的灵敏度,可以反映演化趋势,具有动态可比性。

图片5.jpg

图6  城市定量评价的一般流程

5.4 建立评价指标体系

建立科学的指标体系是对城市进行准确合理的排序或分类的基础和前提。在上述三个步骤基础上,参考已有的相关研究,综合专家建议,建立初步的指标体系,包括确定指标体系的层级、每个层级包含的维度(子系统)、具体的指标。指标体系的层级一般2-4级,再多的话过于复杂,会使评价目标分散且难以理解。研究表明社会经济复杂系统的关联维数一般是35[71]281,因此,每个层级所包含的子系统或指标宜选择3-5个。每个层级包含的各个维度应该具有逻辑联系(并列关系、因果关系、承接关系等)但不能有包含关系或含义重叠,实践中常结合已有的理论或概念框架进行构建,比如PSR框架、DPSIR框架、状态-动态-能力框架[36]、输入-过程-输出-结果-影响框架[25]等。然后对具体指标进行筛选优化:首先,可以通过专家经验剔除物理含义相近的指标;其次,可基于相关性系数或方差膨胀因子等剔除相关性高、区分度不大的冗余指标;再次,可使用一些统计检验或算法将大量指标缩减形成具有显著统计特性的一组,降低指标共线性,具体方法包括主成分分析、因子分析、变异系数法、最小均方差法、修正指标权重法、聚类分析法、神经网络、粗糙集和Vague集等[72,89]。具体指标的类型应该选择能力类指标还是成效类指标,选择静态指标还是动态指标,选择统计类指标还是调查类指标,主要根据评价目的来确定。不同空间尺度的评价侧重点不同,指标选择也有明显差异,例如,城市社区尺度更侧重市民生活便利性与宜居性,城市圈尺度更侧重中心城市与卫星城镇的联系与协同性,中国的城市行政范围还要考虑城乡发展的协调平衡性。此外,应根据实际情况考虑设置备选指标或自选特色指标。

5.5 指标一致化和无量纲化

在城市评价中,常会遇到正向指标和负向指标,所谓正向指标就是它越大对城市越有积极正向效果,反之亦然。也会遇到一些指标我们期望越居中越好,或者越趋于某个数值区间越好。为便于综合评价的计算,对于后三类指标需要提前做一致化处理[63]。此外,对于部分政策指标或主观感受类定性指标,常根据政策是否实施赋值为01,或者按照人为打分进行阶梯式赋值。

由于各指标所代表的物理含义不同,多数都存在着量纲或量级上的差异,因此,在模型计算之前一般需要进行指标无量纲化,有时也叫指标的标准化或归一化。常用的无量纲化方法包括极差标准化、Z-Score法、线性比例法、功效系数法、对数函数转换、隶属度模型、反余切归一化等[63, 90]。但这些方法各有利弊,且标准化后的数据分布区间不同,对评价结果也有一定影响,应根据实际情况选择。

需要注意的是在进行指标一致化和无量纲化的时候要先对数据进行异常值检查,删除因数据录入、指标测量和统计标准不统一等导致的异常值。

5.6 确定指标权重及阈值

大部分城市综合评价都需要设定指标的权重系数,其对评价结果的排序会产生重要影响。指标间的权重差异主要有三方面原因造成[91]:①评价者对各指标的重视程度不同,反映评价者的主观差异。②各指标在评价中所起的作用不同,反映各指标间的客观差异,例如即使某个指标非常重要,若在各个城市中的取值波动很小,那么无论该指标取值多大,其对评价结果的影响都非常小。③各指标的可靠程度不同,反映各指标所提供信息的可靠性差异。最后一点我们在指标筛选过程中已经解决。前两点对应的确定权重的方法分别为主观赋权和客观赋权。主观赋权基于专家的知识、经验和偏好赋值,包括德尔菲法、专家排序法、层次分析法(AHP)、网络层次分析法(ANP)、集值迭代法等[92, 93]客观赋权的基本思想是权重系数应当是各个指标在指标总体中的变异程度和对其他指标影响程度的度量,常见方法有熵权法、秩和比法(RSR)CRITIC法、相关系数法、纵横向拉开档次法、网络层次分析法(ANP)、主成分分析法、因子分析法、模糊聚类、回归分析、数据包络分析、灰色关联等[94-96]。主观赋权对专家经验有较大依赖,客观赋权忽视了决策者判断,因此近些年更多研究将主客观赋权相结合,例如结构熵权法、AHP-熵权法、模糊熵权法、AHP-变异系数、AHP-CRITIC法等[18, 97-99]

如果评价目的在于监测城市发展进程与理想目标的差距时,则需要确定各个指标的阈值(有时也称标准值、目标值、理想值、最优值)。常见的操作方式是参考国内外先进城市的数值、官方发布的标准、城市规划文本、权威的文献资料、专家研判等确定各个指标阈值。

5.7 选择或构建评价方法模型

除了专家打分、问卷调查、访谈等主观评价方法,大多数城市评价均采用了定量模型。其中使用最多的定量方法是基于指标权重的综合指数法,也叫多指标综合评价法、线性加权和法,即各指标依照权重乘以指标的量化值,然后求和得到各城市的综合指数。此外,过去几十年实践中基于数理统计和运筹学的评价方法也应用很广。然而,城市系统的时空复杂性决定了系统要素“1+1>2”的涌现特征,城市时序发展的异速生长律,以及规模标度律,因此基于还原论思想的城市评价天然存在缺陷。对此,有学者提出城市规模修正的评价指标[62]、城市非线性建模方法[98]等来改进传统的线性评价范式。针对城市复杂特性,也发展了基于模糊数学、灰色系统、条件概率等方法构建的城市评价的不确定分析方法。随着近几年机器学习的快速发展,人工神经网络、随机森林算法等在城市评价中也使用的越来越多,深度学习算法未来有望更好的解决城市非线性评价难题。1总结了目前城市评价各类常用方法供读者参考,具体应用中可根据评价目的、问题特征、指标性质、数据质量、样本容量、决策者偏好等因素进行选择,但应注意每种方法的适用场景和优缺点[64, 100]。例如,主成分分析、TOPSIS等方法可直接用于排序分析,单纯的模糊综合评价则以对个体的评价为主,结果反映一种模糊的等级,用于多个对象的排序操作相对复杂。因此,实践中可以根据不同方法的优缺点组合多个方法进行综合使用。

表1  城市评价中常用方法模型及特点

方法类型

具体方法

特点简介

主观评价

专家打分排序、对照组比较、问卷调查、访谈、典型案例分析

依靠专家或市民的主观感受和经验进行判断,适用于客观指标难以获取或评价目的与主观感受密切相关的城市评价研究。主观评价通过一些技巧可以转为定量指数,也常作为客观评价结果的补充或佐证[101]

数理统计

主成分分析、因子分析、聚类分析、投影寻踪模型

基于降维和抓主要矛盾的思想,减少数据集中变量维数或个数,排除与数据结构和特征关系很小的变量的干扰,消除指标间的相关性并减少计算量。投影寻踪模型还可以分析和处理非线性、非正态的高维数据[102]

综合指数法

使用最普遍,也叫多指标综合评价法,即各指标依照权重乘以指标的量化值,然后求和得到综合指数。

多元回归模型

通过回归方程的显著性检验和残差分析,进行指标筛选及未来情境评价。

物元模型

将城市系统中的矛盾归结为求解不相容问题,构建经典域、节域、权系数及关联度进行综合评价[103]

运筹学

决策树

适用于对不同维度或不同指标的分类评价,典型算法有ID3C4.5CART等。

TOPSIS方法

同时考虑多个指标的相对优劣,通过检测评价对象与最优解、最劣解的距离来进行排序。

ELECTRE

属于多目标属性决策方法,可以量化决策流程,得到方案的优劣排序。

不确定分析

模糊综合评价

根据模糊数学的隶属度理论把定性评价转化为定量评价,依据最大隶属原则评判等级,可处理不确定的及信息不完善的问题。

灰色关联分析

基于灰色系统理论,通过计算灰色关联度判断指标间的关系和主导要素。

贝叶斯网络

表征变量之间的依赖从属关系,并使用条件概率表描述变量之间的联合概率分布,可以从不完全、不精确或不确定的知识或信息中做出推断。

突变级数法

基于突变理论,考虑各指标相对重要性,适用于研究内部作用不清楚的系统。

机器学习

人工神经网络

具有自学习、自适应、容错性好的特征,避免了指标标准值和权重等设定的主观性,与复杂的非线性动态城市系统更贴近,应用最多的是BP神经网络。

随机森林算法

以决策树作为基学习器的集成模型,具有学习速度快、分类准确度高、抗干扰能力强、参数敏感度低等特点。

支持向量机

一种监督式学习的方法,少数支持向量决定了最终结果,对异常值不敏感。

遗传算法

基于优胜劣汰的思想,能够得到全局最优解,具有较强的鲁棒性。

城市经济效益评价

投入产出效率分析

计算多个投入产出变量的效率,包括传统数据包络分析(DEA)、超效率 DEA、非期望产出(SBM)模型、Malmquist指数等。

费用效益分析

通过权衡城市的全部预期费用和预期效益的现值进行评价,多在城市各类政策效益评估中应用。

城市空间维度评价

景观生态分析

基于斑块-廊道-基质模型,建立了许多成熟的定量化景观指数,用于评价城市景观的安全性、和谐性、多样性、畅达性等特征。

空间结构分析

基于空间句法、空间统计、网络模型等分析城市多中心性、分形、三维特征、网络联系等空间结构特征,进而评估城市空间结构的经济、社会、生态等的绩效。

功能混合度

基于用地类型数据、POI数据等分析城市不同区块的功能混合度,进而对城市活力、宜居性、职住平衡性等进行评价[104]

城市服务可达性

基于拓扑网络、空间距离、机会累积、最小旅行成本、最优供需分配等原理,计算公园绿地、交通、医疗、教育、养老等公共服务设施可达性和公平性[105]

5.8 评价结果分析与校验

评价结果主要通过评价量化值、评价排序、评价分类进行反映,但这远远不是城市评价的最终目的,更为重要的是深入挖掘数据结果背后的机制,存在的潜在风险与问题,以及未来趋势,进而提出有助于提升城市现代化治理的针对性建议。除了常见的排序之外,通过对评价结果的横向空间对比、纵向时序对比、短板分析、聚类分析、目标完成度分析、空间格局分析、成本效益分析、影响机制分析、未来趋势研判、市民满意度分析等[106],有助于从多维度多视角解析城市发展的优势、不足、机遇和挑战。

评价结果的校验有多种途径:通过对比第三方评价与自我评价结果,传统数据与大数据分析结果,定量评价与满意度调查结果,实现评价结果的相互比照、相互校验;对所有指标进行重新组合判断结果的稳健性[107];借助相关专家的经验判断结果是否与初始预期一致;参考以往相关的评价结果进行对比分析;选取典型城市进行深入调研实地验证;通过改变适当比例的备选指标、调整权重方案等检验评价结果的稳健性和敏感性。

5.9 评价结果的展示与应用

为了能够更好地理解城市发展状况,揭示城市问题与不足,并促进科普宣传,除了文字和数据的描述,城市评价需要引入更多先进的可视化技术,以图形化、直观化的方式展现城市发展状态和趋势。常用的可视化方法包括统计类的折线图、柱状图、雷达图、气泡图、热力图、桑基图、树状图,地图类的各种分类分级空间可视化,以及城市仪表盘、城市情绪图等创意类可视化。此外,近些年可交互技术、三维虚拟现实技术、移动互联网等增强了信息可视化的冲击力和表现力,实现了结果的实时更新和动态交互,不仅更好的展示了评价成果也促进了公众参与和信息反馈。

充分挖掘评价结果的管理、决策、导向、预测等功能,服务好四类对象。一类是上级政府部门,将城市评价成果与规划审批、用地指标、财政拨款、人才引进等挂钩,在国家战略落实、上级规划传导、区域协同发展、执法督察、绩效考核等方面提供支撑。二是本级城市政府,可应用于城市各类规划编制、发展战略制定、对外招商引资、完善营商环境、监测和诊断各个尺度的城市问题、补足发展短板等事项。三是企业,支撑企业选择拓展空间、制定发展战略、企业人才吸引、延伸产业链条等。四是市民,为市民定居择业提供决策参考,保证市民对城市建设发展的知情权、参与权与监督权。此外,评价结果还可以供研究人员使用,并检验或拓展前人的理论,提出新的科学认识。

5.10 评价的监督与反馈

监督与反馈机制体现在城市评价的全过程中,主要目的是保证评价工作的客观严谨和程序公正,促进评价流程方案不断完善,吸收更多元化的城市治理意见,提高城市治理现代化水平。如图5所示,通过监督与反馈机制,使评价体系内部形成反馈闭环。一方面促使评价指标体系、权重阈值和技术方案不断修订和完善,一方面通过吸收各方意见建议促进城市政策法规和要素配置的完善,推动科学技术和市民素质的提升。实施监督和反馈的主体包括专门的监督部门,以及第三方组织、不同领域专家、不同年龄性别职业的市民。此外,随着遥感和社会感知大数据的广泛应用,近实时的监测和反馈成为可能,尤其在城市面临自然灾害、重大疫情等突发状况时,通过综合交通、手机、社交媒体等平台大数据进行实时的影响评估和反馈,可为城市管理者提供及时的决策支持[108, 109]

6 城市评价的不确定性与局限性

6.1 认知的局限性与主观性

尽管城市评价在各个环节都追求尽量科学客观,但事实是目前所有城市评价的主体都是人(可能未来会有越来越多的人工智能参与),而人的认知必然存在局限性与主观性,即便是专家或城市管理者对城市的认识也均有限,例如城市规模多大最好,城市密度多高最优,城市多中心性是否更好等问题还没有共识。对城市活力、宜居性等的评价,很可能由于评价者的偏好不同导致指标选取、权重和阈值的确定都大相径庭。因此,我们应理解评价结论是一种带有价值偏向的观点,而不是事实,但又是基于客观事实的一种观点[110]因主观认知造成的评价结果差异只能尽量减小,不能消除。

6.2 数据的不确定性

数据收集是开展城市评价的基础,其不确定性来自多方面。在数据采集过程中可能存在误差和数据缺失,不同城市数据的时空分辨率可能不同,数据的统计口径和统计单元可能会因时间和地域不同而改变,有的指标数据源并非一手数据,真实性存疑,政府数据的时效性较差、一致性偏低[111],问卷调查数据涉及信度和效度等问题,网络大数据也存在样本偏差的弊端。因此,在评价中应首先检查数据的准确性、完备性、一致性,把数据不确定性降到最低。

6.3 指标间的权衡与相关性

首先,基于数据收集的难易程度,在指标初选阶段我们会进行权衡,优先选择数据能够稳定获得的指标,而舍弃不容易获取数据的指标,尽管舍弃的指标对评价目的也有很好的解释性和代表性。其次,虽然我们在指标筛选阶段会剔除相关性高和区分度不大的指标,或者基于一些统计检验或算法消除指标共线性,但事实上保留的指标之间或多或少仍存在一定的正负向相关性(或交互作用),对这些指标进行建模计算过程中,会一定程度影响综合评价结果[50]。再次,越来越多的评价方案提供了备选指标和自选指标,这虽然有助于对城市的差异化评价,但也增加了结果横向对比的困难。

6.4 方法和权重导致的不确定性

选择不同的指标无量纲化和赋权方法,以及不同的评价模型对评价结果均会产生影响,主观评价方式和客观指标计算结果也可能差异很大,而基于模糊数学、灰色系统等理论得到的数值本身就具有不确定性。诚然,综合指数法最简便常用,但该方法一直存在指标社会经济意义的可加性或可积性问题[50],比如对于人类发展指数,人均GNI提高3%为什么就可以相当于人均期望寿命提高半岁?或相当于教育水平提高2%?这种加权求综合值的设定一定合理吗?因此,看似科学的权重分配方法都隐含着这种未知的可加性问题。

6.5 城市系统的开放性与非线性

当前我们处在星球城市化时代,人类足迹和城市化带来的影响与反馈已延伸到地球的所有角落,人与自然通过人流、物流、信息流等的远程耦合作用越来越强大[58,112]城市系统已经超越了传统的局部地域空间,全球化促使城市进化为遍布地球表面的神经节点,城市与外围环境的联系、城市之间的联系、城市与上层尺度(区域、国家)的联系从没有像现在一样紧密,这也加剧了城市的非线性动态演化[113]。因此,首先对于单个城市的评价很难兼顾其与周围环境和其他城市的交互作用;其次由于系统存在实时的高强度对外流动性,导致一些城市评价结果很难及时反映城市的动态情况;再次,城市自身发展规律是非线性,城市规模与城市的基础设施、居民消费、能源使用等的关系存在超线性或次线性模式,用线性关系评价不同规模城市会存在偏差[114]

7 面向未来可持续发展的城市评价展望

未来全球城市会面临更多严峻挑战和不确定性,包括全球气候变化及引发的更频繁自然灾害、多类型的资源环境压力、生态系统和生物多样性破坏、城市人口集聚与收缩并存、重大传染病风险、人口老龄化、人工智能技术冲击、社会不平等加剧等等。在这一宏观历史背景下,耦合人与自然,建设可持续城市和社区成为联合国2030年可持续发展17个目标之一,目标是包容、安全、有抵御灾害能力和可持续的城市和人类住区[115]。联合国人居环境署在“人居Ⅲ”新城市议程中也勾勒了城市未来发展愿景,即“人人平等使用和享有城市和人类住区,力求促进包容性,并确保今世后代的所有居民,不受任何歧视,都能居住和建设公正、安全、健康、便利、负担得起、有韧性和可持续的城市和人类住区。”因此,包容、安全、公平、绿色、韧性等是未来城市评价的基本导向和核心目标,由此展开的评价维度涉及经济、环境、资源、教育、财政、交通、设施、文化、信息、安全、健康、治理等诸多方面(图7)。

面向未来可持续目标和多重自然经济社会压力,城市评价应与时俱进,在多个维度构筑支撑体系,加强理论研究和实践的创新(图7)。具体包括:①组织多元化评价主体,实现自上而下与自下而上评价相结合,自我评价和第三方评价相结合,客观评价和主观评价相结合,推进城市评价更加科学有效。②由政府主导搭建统一共享的基础数据库,将政府部门数据、统计数据、地理资源数据、台站监测数据、网络开源数据、居民满意度调查数据、实地调研数据、模型预测数据等多元异构数据进行集成,并面向不同的城市评价项目共享。③不断建立完善城市时空知识图谱,通过融合城市数据、影像、文字等信息载体,协同多领域学者和城市管理者构建动态城市知识图谱,作为城市评价的底层逻辑基础,提升城市系统整体评价与单维度评价的科学性和联动性[116, 117]④倡导大数据、人工智能、数字孪生等新技术和新方法的应用,充分利用动态的舆情数据、社会感知数据、高分高频遥感数据,对城市进行实时监测、网格化诊断,统筹阶段性评价与实时性评价[70, 118],运用AI技术开发完全由机器主导的基于全网数据的城市评价算法,在一些领域逐步取代人工评价。⑤调动专家与市民在评价全过程中的广泛参与,更加重视市民和企业的感受和反馈,比如通过在社交媒体平台建立交互式图表和地图与市民进行实时互动,让大众及时了解城市各个指标的主客观评价结果并做出反馈。⑥努力实现“多评协同”,搭建数据融合与业务协同的城市评价基础信息平台[119],推动多评价部门、多评价系统、多评价结果的联动协同,实现数据共享、指标共享、结果共享,将城市评价融入城市规划建设管理和部门决策中。⑦研究并制定相关法律制度保障,例如城市大数据使用管理条例、重点领域的城市评价与管理办法,对于成熟的特定领域的城市评价适时出台评价的标准规范。

未来研究框架.png

图7 面向未来可持续发展的城市评价研究框架

参考文献()

全文链接:https://link.cnki.net/urlid/11.1848.P.20231205.1100.002




https://blog.sciencenet.cn/blog-673292-1413591.html

上一篇:Earth’s Future | 2000-2020年青藏高原人地关系演化
下一篇:Science:青藏高原生态保护需要更多变革与合作
收藏 IP: 111.197.232.*| 热度|

2 王成玉 杨惠麟

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-4-15 15:10

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部