智慧城市评估：绩效评估、风险评估和建设能力评估指标回顾

随着人们对智慧城市概念的兴趣和关注不断增长，智慧城市评估越来越受到世界各地政府规划者、政策制定者和相关研究人员的关注。本文旨在对涉及国家框架、机构标准和地方报告的指标进行批判性回顾，不仅关注评估体系，还关注评估智慧城市绩效、风险和建设能力的评估方法。结论是，现有的标准和研究重点大多集中在性能方面，需要更多地关注风险和施工能力的评估。前者指标较多、计算不清晰，可靠性和可比性较差，而后两者则受到评价体系模糊和方法应用不足的制约。基于对当前研究现状、局限性和未来研究方向的比较和讨论，本研究为更好地规划、监测和治理智慧城市提供了启示。它还有助于理解和促进相关研究甚至战略或政策的发展。

关键词：智慧城市 绩效评估 风险评估 施工能力评估 审查

一、简介
城市系统往往采取多种形式，融合不同部门的多种活动，在经济、社会和环境发展中发挥着关键作用。具体来说，当前的城市是复杂的系统，其特点是大量相互关联的公民、企业以及不同的交通方式、通信网络、服务和公用设施（Neirotti 等人，引文2014）。随着新技术创新的快速发展，过去二十年来，“智慧城市”的概念在科学文献和国际政策中越来越流行（Albino等人，引文2015），作为更好地管理城市和全球人口的解决方案（Adapa，引文2018）。处于技术进步和城市发展的十字路口，智慧城市代表了一种基于利用人力、集体和技术资本促进城市群发展的概念模式（Angelidou，引文2014）。尽管尚未出现一致的定义，但在文献中可以找到对智慧城市的特征和演变的不同描述和蓬勃发展的分析（参见 Angelidou，引文2015年；李等人，引文2019）。在实践中，全球智慧城市的数量，无论是已经开发、实施还是计划中的，都在增长（Hajek 等人，引文2022）。根据《世界智慧城市年度报告（2016-2017）》为了实现智慧化发展，美国许多医疗机构（如Teladoc、American Well、Doctor on Demand、Partners Health Care等）已将互联网技术（如大数据分析、远程医疗监控、移动智能设备等）融入到公共医疗服务中。健康服务。此外，电子政务已在瑞典、南非和中国得到广泛应用，建立了移动纳税系统，刷新了医疗保健行业并简化了广泛的城市服务（包括医院、交通运输和执法） ）。据国际数据公司（IDC）发布的数据，2020年，全球智慧城市及相关市场的支出约为1144亿美元，专家预计2021年后这一数字将继续增长，复合年增长率（CAGR）达14.6%。脚注1此外，迄今为止，全球已启动或建设了 1000 多个智慧城市，特别是在欧洲、北美和亚洲（Jiang 等，引文2021）。截至2016年，全国所有副省级城市和89%的地级及以上城市推进智慧城市建设，2012年至2020年国家智慧城市试点数量从90个扩大到900多个（天眼查研究，引文2022）。脚注2这些表明智慧城市对全球城市发展具有重大影响，并且关注智慧城市概念和评估的框架和文献也越来越多。为了理解和讨论这个概念，考虑和回顾以下问题很重要。

什么是智慧城市？这是一个广泛使用的概念，但尚未有统一且一致的定义。该术语于 1990 年首次提出，被认为是应对快速城市化带来的环境挑战的一种新方法和理想解决方案，其起源可以追溯到 20 世纪 90 年代末的智能增长运动（参见 Al Sharif &波卡雷尔,引文2022 年；哈里森和唐纳利，引文2011年；江等人，引文2021 年；李等人，引文2018），因为它们不仅关注相似的焦点，而且选择“智能”这个词来描述城市从智能增长运动中获得的收益（Gaffney & Robertson，引文2016）。其定义最初侧重于信息和通信技术（ICT）和现代基础设施应用。随后，渥太华大学治理中心开始批评这种想法过于技术化，强调治理导向。后来，许多研究仍然主要关注ICT基础设施，也考虑了资源、人力和社会资本、关系和网络在经济、环境和生活中的作用（参见Ahvenniemi等人，引文2017年；卡拉柳和德尔博，引文2012年；卡拉柳等人，引文2011年；克里图岛,引文2012年；吉芬格等人，引文2007年；哈耶克等人，引文2022 年；荷兰，引文2008年；江等人，引文2021 年；库尔蒂特和奈坎普，引文2012年；拉扎罗尤和罗西亚，引文2012年；隆巴尔迪等人，引文2012年；帕特朗等人，引文2020 年；谢里菲,引文2020 年；蒂特，引文2011年；齐吉亚里斯,引文2013）。一般来说，智慧城市是指主要将信息通信技术、人员、教育、社区结合起来的城市，以提高能源、交通和公用事业等城市服务的质量和性能，以减少资源消耗、浪费和总体成本。在总结了智慧城市的定义和特征后，本研究认为对其进行有效评估是一个值得进一步讨论的重要课题。

为什么需要评估它？智慧城市被视为未来城市发展的重要方向，其目标是通过智能技术提升市民的生活质量。由于这一概念近年来在政策领域相当流行（Lombardi 等人，引文2012年），更多的政府以更智慧的方式规划和建设城市。从这个意义上说，评估智慧城市正在成为跟踪智慧城市计划快速增长进展的一个越来越重要的因素（Hajek 等人，引文2022年），这对于城市规划和政策制定非常关键。具体而言，智慧城市建设能力评估可以作为智慧城市建设的基础和保障，有助于确定智慧城市规划的设计、确定方向，特别是智慧城市规划的可操作性，而绩效评估和风险评估则有助于监测、改进和完善。指导智慧城市建设和治理。

为谁评估？智慧城市规划和管理的利益相关者可能主要是官方用户，包括政府规划者、政策制定者或公共管理者作为主要驱动力，同时还有其他相关信息的最终用户，例如IT专家、政策/服务领域专家、游客、投资者和公民。这些非官方用户作为智慧城市建设的实践者和参与者，也可能受到评估结果的吸引和影响。

我们如何评估它？在相当多的智慧城市评估研究中，主要有两类基于评估指标或评估实践/研究的调查。由于智慧城市代表了一个多维度、多学科的领域，在实践和学术界都在进行实验和分析，许多机构和学者已经构建并进一步应用了他们的指标体系来评估智慧城市（例如，Carli等人，引文2013年；国际标准化组织，引文2018年；拉扎罗尤和罗西亚，引文2012年；李等人，引文2019年；刘等人，引文2022）。另一方面，通过城市主管部门访谈、城市报告回顾、现有实践比较分析、评估文献计量分析等定性方法，也可以讨论智慧城市评估的现状和未来（例如，凯尔德,引文2018年；哈耶克等人，引文2022 年；霍维拉等人，引文2019年；奥雷洪-桑切斯等人，引文2022 年；谢里菲,引文2019）。

尽管过去十年智慧城市评估分析取得了显着发展，但整体回顾或比较分析仍然很少。一方面，以往评估指标体系的建立或审查及分析大多受到绩效评估的制约，混淆了不同尺度、不同背景下现有的评估框架。另一方面，除了指标体系构建之外，运用方法得出并进一步比较评估结论也是智慧城市评估不可或缺的一部分。然而，对此的审查常常被忽视和缺乏。为了弥补这些空白，带来一些新意，智慧城市不仅要进行绩效评估，还要进行风险评估和建设能力评估，本文旨在对涉及国家框架、机构标准和地方报告的指标进行多层次、相对全面的审查。此外，本研究不仅关注指标体系，还关注评估方法。这对于扩大我们的审查范围，促进更好地规划、监测和治理智慧城市具有重要的理论和现实意义。通过比较，本研究也有助于了解和识别相关学术研究乃至实践策略或政策的发展和未来方向。本研究不仅关注指标体系，还关注评估方法。这对于扩大我们的审查范围，促进更好地规划、监测和治理智慧城市具有重要的理论和现实意义。通过比较，本研究也有助于了解和识别相关学术研究乃至实践策略或政策的发展和未来方向。本研究不仅关注指标体系，还关注评估方法。这对于扩大我们的审查范围，促进更好地规划、监测和治理智慧城市具有重要的理论和现实意义。通过比较，本研究也有助于了解和识别相关学术研究乃至实践策略或政策的发展和未来方向。

除介绍研究背景和意义外，本研究的其余部分整理如下。首先，结合研究目的和贡献，介绍了研究的分析框架和研究方法。然后，本文通过分析Web of Science（WoS）数据库中2000年以来发表的4377篇（其中2049篇最相关的期刊文章）来分析智慧城市评估的研究现状。将共同的研究主题分为绩效评估、风险评估和建设能力评估三个领域，从国家框架、制度标准和地方报告等方面对评估体系进行回顾和比较。在下一节中，还从上述三个主题焦点的角度回顾了当前研究中使用的相关评估方法（包括定性和定量方法）。基于上述分析，本研究讨论了现有框架的局限性和进一步的研究方向。最后，最后一节简要总结了研究结果和对未来研究的影响。

2 分析框架和研究方法
2.1. 分析框架
为了进行多层次、全面的审查，本研究分三个步骤进行。首先对近期智慧城市评估文献进行总体检索，确定分析的主题重点（即绩效评估、风险评估和建设能力评估）。其次，本研究对现有的相关文献进行了回顾和分类，重点介绍了评估框架的各种来源（即国家框架、机构标准和地方报告）和评估方法（即描述性或定性分析和半定量分析）。或定量分析）。第三，关于绩效评估的讨论比较丰富，分析比较成熟。4.1.4）。据此，本研究的分析框架可明确如下图1说明。

图 1.本研究的分析框架。

图 1.本研究的分析框架。
显示全尺寸
2.2. 材料和方法
根据上述三步分析，首先，WoS数据库的文献检索和筛选程序与Hajek等人的文献计量学审查一致。（引文2022）和Sharfi等人。（引文2023）。具体而言，本研究选取“智慧城市评估”“智慧城市评估”“智慧城市测量”“智慧城市指标”和“智慧城市指数”作为分析单位，通过对WoS核心进行全面检索进行文献收集。收集数据库，被认为是可靠的来源（Bartolacci 等人，引文2020）。然后，由于“智慧城市绩效衡量框架”主导了讨论，与智慧城市相关的风险和建设能力评估至关重要但缺乏（Hajek等人，引文2022 年；张等人，引文2017），本研究集中在三个主题上以供进一步回顾和分析。为了揭示所选主题日益受到的关注和重要意义，本研究采用以下检索标准来识别相关研究：

(TS = (智慧城市评估)) OR TS = (评估智慧城市)；

((TS = (智慧城市评估)) OR TS = (评估智慧城市)) AND TS = (绩效评估)；

((TS = (智慧城市评估)) OR TS=(评估智慧城市)) AND TS = (风险评估);

((TS = (智慧城市评估)) OR TS = (评估智慧城市)) AND TS = (建设能力评估)。

第一步，检索 2000 年至 2022 年发表的文献，其中包含智慧城市出版物指数增长的时期（参见 Hajek 等人，引文2022 年；郑等人，引文2020）。第二步，从指标体系和评估方法论的角度对文献特别是评估框架进行分类和比较。值得注意的是，这两个步骤的分析是根据三个主题的划分展开的。此外，在第三步中，选择了20个有影响力和整体性的评估智慧城市绩效的框架进行深入分析。在这些调查中，除文献综述外，以下部分均采用了基本的文献计量分析方法（包括内容分析、词云法和共词分析）。

3. 智慧城市评估重点
越来越多的政府规划了城市的智慧化发展，无论是规划者还是学者都更加关注智慧水平的评估。特别是，自 2010 年以来，在最初的智慧城市项目出现后，有关该主题的文章、法规和报告的数量显着增加（Orejon-Sanchez 等人，引文2022）。为了描绘出人们日益关注的总体情况，本研究首先使用与评估智慧城市相关的五个关键词在 WoS 数据库中搜索文献。剔除重叠部分，2000-2022年可检索到4377篇出版物，如下图2显示。据透露，研究期间，相关文献数量自2009年以来每年持续增长，2021年和2022年均达到900余篇。

图2. 2000年至2022年相关出版物的趋势。

图2. 2000年至2022年相关出版物的趋势。
显示全尺寸
其中，本期相关文献共4377篇，共检索到2049篇以“智慧城市评估”或“评估智慧城市”为主题的出版物。它们的时间分布如下表所示1。可以看出，2018年出版物数量大幅增加，与图1类似的趋势2。

表 1. 2000 年至 2022 年每年最相关的出版物

下载 CSV 文件显示表
结果见表1确认评估绩效和风险在智慧城市领域发挥着日益重要的作用。因此，鉴于这些最相关的出版物中研究焦点的主导地位和重要性，本研究感兴趣的三个主题（即绩效评估、风险评估和施工能力评估）的选择、分类和调查是合理且有益的。因此，更详细的回顾和分析如下。根据评估的目标和内容，本研究将建设能力评估视为事前评估，通常在智慧城市建设之前完成，而绩效评估和风险评估则视为智慧城市建设过程中的评估。对监测相关战略规划的效果、改善智慧城市管理和发展具有重要意义的评估。

4.智慧城市评价指标体系
4.1. 绩效评估
智慧城市一直被认为是一个多维度的定义或设计，融合了ICT、人、教育、社区等诸多因素，旨在提升城市服务绩效。因此，如何评估智慧城市的绩效对于相关研究来说是非常基础和有意义的。作为近年来智慧城市评估最热门的话题，不仅有大量的研究讨论了智慧城市的绩效评估体系，而且许多国家和相关机构都建立了智慧城市发展和治理的评估框架（Hajek等.,引文2022）。

作为评估智慧城市绩效领域的试点和最常被引用的框架，Giffinger 和他的团队（Giffinger 等人，引文2007）首先开发了一个评估指标，其中包含智慧城市确定维度的具体指标。包括智慧经济、智慧人民、智慧治理、智慧出行、智慧环境、智慧生活六个方面，被标记为欧洲中等城市排名。这些维度与城市增长和发展的传统区域和新古典理论相关（Lombardi 等人，引文2012）。此外，该指标体系由74个变量组成，覆盖面广，很好地反映了欧洲的区域特征，长期被后续研究所参考。该框架被广泛引用，并为该领域的其他研究提供了理论基础（Hajek 等人，引文2022）。因此，本研究对其进行了重点关注，然后从国家框架、制度标准和地方报告三个方面介绍了其他评估体系。

4.1.1. 国家框架
由于只注重硬环境，韩国自1995年开始使用的智慧城市评估模型是信息化指数，仅包含计算机、互联网、广播和通信等七个详细的客观指标。该指数每2年更新发布一次，反映全球50个主要经济体的信息水平。同样，在e-Japan和U-Japan战略设计和实施后，日本也开始应用相关的评估体系，并以ICT为重点。该体系涉及5大类（即ICT费用率、ICT质量、ICT移动性、ICT普及率、ICT建设）10个因素。另外，与上述两个信息指标体系相比，澳大利亚的聪明度评估纳入了聪明人的因素。该评价体系是澳大利亚政府信息管理办公室自2004年起采用AGIMO指数建立的，包含技术维度、互联网使用、接入水平、基础设施维度、电子商务、电子政务等29个指标。智慧城市发展规划于2015年首次提出，并投入大量资金和行动。然而，国家资源保护委员会制定的智慧城市排名的特点是严重偏向环境相关标准（IDA，2012）。

在中国，国家智慧城市评估框架主要由国家发展和改革委员会（国家发改委）于2016年制定，包含8个维度，共54个客观指标、主观指标和可选指标。强调公共服务、精准治理、宜居生态、智慧基础设施、信息资源、网络安全、创新和公共体验。在应用方面，数据来源预计包括国家统计数据和公民调查。但这个评价体系相当复杂，不同城市之间很难进行比较。

4.1.2. 机构标准
回溯到2010年，作为智慧发展的先行者，IBM对智慧城市的看法源于其《智慧地球战略》（2009年）的构想，并提出了仪表化、互联化、智能化三大特征。IBM 智慧城市由六个关键系统组成：人员、商业、政府、交通、通信、水和能源。相应地，评价体系由网络互联、智慧产业、智慧服务、人文四个维度、21个指标组成。脚注3

全球范围内，除IBM外，还有两家机构致力于智慧城市评估。自2006年以来，智能社区论坛（ICF）每年都会宣布被评为智能21社区的城市，这些城市在五个因素（即宽带连接、知识劳动力、数字包容性、创新以及营销和宣传）上获得高分，成为智能社区。脚注4随后，国际电信联盟（ITU-T，2016）构建了国际信息社会衡量核心指标体系旨在通过信息和通信技术（ICT）、环境可持续性、生产力、生活质量、公平和社会包容以及物质基础设施等六个维度和48个关键绩效指标来评估可持续智慧城市。此外，国际标准化组织（ISO）37122于2018年公开发布了智慧城市国际标准。该评价体系包含19个主要类别（即经济、教育、能源、环境和气候变化、金融、治理、健康、住房） 、人口和社会条件、娱乐、安全、固体废物、体育和文化、电信、交通、城市/当地农业和粮食安全、城市规划、废水、水）和85个指标。

此外，由于对智慧城市建设和发展的支持和经验，美国、中国和英国许多有影响力的机构和公司都致力于评估智慧城市的绩效。在美国，国际数据公司 (IDC) 是国际数据集团 (IDG) 的全资子公司，成立于 1964 年。作为信息技术、电信和消费技术市场活动的全球首屈一指的提供商，该机构建立了IDC智慧城市指数2011年首次，以政府、建筑、交通、能源、环境、服务五个维度94个指标计算。它还每年表彰杰出的智慧城市和项目，2019年IDC亚太区智慧城市奖涵盖了管理、公民参与、数字公平和无障碍等12个类别。脚注5

在中国，工信部三个机构提出了智慧城市评价体系。2012年，软件和集成电路促进中心（CSIP）构建了以硬件基础设施、信息资源、智慧产业、智慧管理、智慧民生、智慧安全六大要素为核心的体系，细分为58个指标。2013年，中国软件测试中心（CSTC）建立了衡量智能的指标体系（SMART模型），有5个基本维度和71个具体指标，重点关注智能服务、智能管理（包括管理和维护）和智能。准备（包括应用平台、资源和技术）。此外，中国信息通信研究院（CAICT，2014）提出了突出信息基础设施和智慧应用效果的评价体系，可以通过25个指标来衡量。除此之外，住房和城乡建设部于2012年建立了智慧工程试点评价标准体系，包含安全与基础设施、智慧建设与宜居、智慧管理与服务等4个基本维度、59项指标。 、智慧产业与经济。此外，2013年中国工程院评价体系重点关注智慧城市管理与服务、产业与经济、建设与环境、信息化水平、居民人文素质等方面，细分为20个细化指标。随后，国家标准化管理委员会（国家标准化管理委员会，2015）制定了评估智慧城市绩效的指标清单，该指标清单由基础设施、公共服务、社会管理、人居条件和产业体系等多项主观指标组成。同年，中国科学院（CAS，2015）发表《《智慧城市发展水平评估报告》，采用智慧人、智慧管理、智慧服务、智慧经济、智慧基础设施、智慧安全体系六大要素组成的指标体系。除此之外，值得注意的是，作为智慧城市建设的领军探索者，贝尔森特科技公司提出了智慧城市发展评价指标体系，包括基础设施、公共管理和服务等5个维度、64项指标。 、信息服务发展、人文素质与公民对智慧城市的主观感知。

最近，在英国，市场研究公司Juniper Research在整理了与周边城市相关的大量数据后，将新加坡评为最智慧城市，与巴塞罗那、伦敦、旧金山和奥斯陆并列全球最智慧城市前五名。世界。为了得出结论，瞻博网络的研究人员根据一系列因素对城市进行了排名，包括智能电网技术的采用、智能照明、利用信息技术改善交通、Wi-Fi 接入点、智能手机普及率和应用程序景观。

4.1.3. 当地报道
下面从地方政府的评价体系和有影响力的学者研究两个角度对这部分进行综述。

地中海地区智慧城市评估（ASCIMER）是马德里理工大学（UPM）于 2014 年开发的一个为期三年的研究项目。第一年的工作是对区域智慧城市的不同维度进行分类。随后，蒙松（引文2015）确定了与治理、经济、流动性、环境、人民和生活相关的六个主要维度以及具体的 38 个因素作为欧洲智慧城市的挑战。

在中国，南京、上海、北京等都采用了地方智慧城市评价体系，并发布了多份报告。首先，2010年，南京信息中心结合本地发展现状，构建了智慧南京评价指标体系，由网络互联、智慧产业、智慧服务、智慧人文4个维度和24项细化指标组成。随后，上海浦东智慧城市研究院提出了智慧城市1.0评价指标体系2011年，它包括基础设施、公共管理与服务、信息服务与经济发展、人文素质和公民对智慧城市的主观感受等5个维度、64项详细指标。2012年，该指标体系增加了软环境建设维度，简化了部分指标，完善至2.0。脚注6结合国家相关信息化规划，北京市经济和信息化委员会（BJEIT）发布智慧城市发展指数（SCDI）全面评估和监测智慧北京发展情况，由4个分项指标19个指标组成，全面反映地方范围内的智慧环境、智慧基础设施、智慧应用和发展效果。此外，台湾当局从1998年开始致力于智慧城市建设，并于2009年发布了智慧台湾绩效评估体系，旨在评估生产力和效率。主要维度涉及宽带融合网络、文化创意产业、优质智慧政务、满足生活应用和产业、公平数字机会和人才培养。在这个体系中，分项指数包括2008年的状态值、2012年和2016年的预测值，但没有进一步的具体指标。

另一方面，许多研究人员迄今为止也开发了不同的衡量标准和指数。科恩（引文2012）提出智慧城市轮（SCW）理论及相关指标体系，旨在城市创新和可持续发展。这一经常被引用的评价体系包含智慧城市经济、人民、政府、流动、环境和生活的6个主要维度、18个工作领域和24个指标。与此同时，拉扎罗尤和罗西亚（引文2012年）提出了“智慧城市指数”，包含18个指标，信息量大，涉及污染、创新精神、透明治理、垃圾分类、自行车道、燃料、ICT基础设施的可用性等。该指标体系共享了10个指标与吉芬格团队提出的试点评估体系相同，但更注重公共环境和废物处理。此外，Lombardi 等人。（引文2012）修改了三螺旋模型，在之前的三个机构（即大学、行业和政府）中添加了公民社会。并提出了更加完善的体系，从智慧经济、智慧人、智慧治理、智慧环境、智慧生活等方面衡量城市的智慧程度。该框架由从多个评估报告和数据集中选出的60个指标组成，不包括智能出行指标。之后，采用与 Giffinger 等人使用的相同的六个评估维度。（引文2007），卡莉等人。（引文2013）定义了创新的框架，从数据收集的客观程度和技术先进程度的角度对绩效指标进行分类。据此，他们还开发了由52个不同详细指标组成的指标体系，从以人为本的角度监测意大利巴里市的智慧城市举措，其中主观变量较多，客观变量较少。然后，李等人。（引文2014）研究了智慧城市的6个关键维度和17个子维度，描绘了城市开放、服务创新、伙伴关系形成、城市主动性、智慧城市基础设施整合和智慧城市治理。本地方面，安永环球有限公司（引文2016）利用智慧城市指数对意大利所有城市进行了比较，相关排名程序通过比较不同年份的评估来动态监测变化。该项目通过考察9个主题共153个指标来评估城市智慧，主要涉及宽带、智慧出行、智慧健康、智慧教育、智慧政府、可再生能源、能源效率和自然资源。

4.1.4. 总结与比较
为了捕捉评估体系的特点，本研究制作了以下词云，对之前审查的20个评估框架（其中国家层面2个、机构层面11个、地方层面7个）的主要维度进行可视化和分析）。

单词的大小反映了它出现的频率。也就是说，上图中显示的单词越大，说明它在不同框架之间越常见。结果显示，最大的词“智慧”在106个维度中出现了44次，表明了与一般城市评价不同的对智慧的重视。那么，“服务”、“基础设施”、“产业”、“信息”、“管理”、“经济”、“治理”、“环境”在选取的维度中较为常见，是评估智慧城市时需要考虑的最核心领域。

因此，本研究基于词云法、词频分析和基本共词分析，将智能基础设施、智能服务、智能移动、智能治理、智能经济、智能环境、智能人和智能生活作为潜在的共同维度。通过考察是否包含共同维度，进一步明确并比较了各评估框架的差异，如下表2显示。

表2 20个智慧城市评价体系的共同维度

下载 CSV 文件显示表
很明显，国家和机构的评估标准都忽略了智能出行，而智能基础设施的评估只涉及到除SCW之外的所有选定框架。此外，智慧环境、智慧生活维度的考量出现相对较晚，这表明智慧城市评估的重点扩展到更多与可持续性和发展质量相关的因素。通过比较覆盖范围，本研究认为韩国和中国信通院（中国）的评价体系比较简单，只有一个维度反映硬环境，而SCW、欧盟和中国工程院（中国）的评价体系则显得相对全面。

而且，图3表明大多数常用词都是客观的。“民生”“公民”“居民”“感知”“体验”等词语在分析框架中显得比较独特，这说明主观因素和软环境因素的纳入在一定程度上少于客观因素。为了进一步分析智慧城市绩效指标的类型，本研究参考并应用了不仅指标分为主观指标和客观指标的划分（Carli等，引文2013），同时也将智能分为硬性和软性（Ahvenniemi 等人，引文2017年；霍维拉等人，引文2019）。重点关注表中给出的六个相对较全面的框架的详细指标2（名称以粗体显示），结果如下图所示4。

图3 20个智慧城市评价体系词云图。

图3 20个智慧城市评价体系词云图。
显示全尺寸
图4智慧城市六种评价体系指标与智慧类型之间的平衡。

图4 智慧城市六种评价体系指标与智慧类型之间的平衡。
显示全尺寸
毫不奇怪，所有选定的评估体系都包含比主观指标更多的客观指标。特别是CAE、中国和安永会计师事务所构建的评估框架的所有指标都是客观的。欧盟框架的74个指标中，有18%反映了人们的满意度、看法或意见，而中国的评价体系这一比例仅为2%。从聪明的类型来看，所选的绩效评估框架都包含了更多反映软聪明的指标。在地方层面，智慧城市指数意大利的评估体系相对来说硬智能和软智能最为平衡，而上海和欧盟的评估体系主要（78%和73%）集中于软智能。其余三项标准对软视角的关注较少，但相关指标仍占60%以上。

4.2. 风险评估
风险评估通常被视为规划和建设智慧城市之后的另一个关键步骤。智慧城市依托物联网、云计算等诸多新信息技术，提供更加便捷的生活和服务、提高能源效率和污染控制、新的经济机会和管理方式等潜在优势。然而，一些相关风险也很容易被忽视，很可能给政府和公民造成经济损失。大量有关风险识别的文献认为，主要风险源涉及个人信息安全、隐私保护、城市网络安全、网络系统和基础设施维护等（参见Belanche-Gracia等，引文2015年；福泽等人，引文2015年；李等人，引文2018年；马丁内斯-巴列斯特等人，引文2013年；森等人，引文2013年；乌拉等人，引文2018）。总之，智慧城市的建设和发展所涉及的风险不仅涉及技术问题，还涉及管理问题，引起了研究者和管理者的高度关注。

高效的风险评估链接可以更好地控制安全风险并保护必要的信息。现有的评价标准主要涉及信息安全。在全球范围内，美国国防科学委员会（1970）和英国贸易工业部（1995）建立了机密性（或隐私）、完整性和可用性的评估因素，以评估可信系统并避免相关风险。随后，中国政府延伸了保障信息真实性、可验证性、不可否认性和可靠性的考虑。

此外，费拉兹等人。（引文2013）从系统互操作性、应用和平台结构的角度讨论了信息安全及相关风险。具体来说，费拉兹和费拉兹（引文2014）描述了智慧城市可能面临的九个信息安全问题，涉及应用程序信息访问、信息跟踪、公民跟踪、用户/公民数据丢失、数据中心信息交叉访问、客户端交叉访问、缺乏深度安全、城市环境中的病毒效应以及感染追踪和恢复。然后，Zou 等人重点关注智慧城市中的信息安全。（引文2016年）建立了智能基础设施安全风险、数据服务安全风险、信息内容安全风险、信息管理安全风险、公共质量安全风险五级风险评估体系。同样，李等人。（引文2018）阐述了信息安全的五个维度：智能基础设施、智能数据库资源、智能控制系统、人为因素和信息内容。上述两个评价体系的维度详细描述如下表3。此外，Belanche-Gracia 等人。（引文2015）认为智慧城市网络风险的根源在于网络安全管理体系、数据泄露和破坏威胁、安全意识淡薄、设备安全脆弱等。为了评估功能风险，Jiang 等人。（引文2018）通过功能风险分析和指标设计，构建了评价指标体系，包括自学习风险、最优操作风险、预测风险和安全风险（见表）3）。

表 3.风险评估体系说明

下载 CSV 文件显示表
桌子3展示了智慧城市相关文献中几种风险评估系统的组成和结构。此类评估对智慧设施运营、信息管理、技术应用和公民意识等方面给予了足够的重视，既有主观指标，也有客观指标。然而，这些似乎相对抽象，需要制定测量规范以进行进一步评估。此外，通过与相关粗略的国家评估因素和框架进行比较，本研究揭示了智慧城市缺乏全面的风险评估体系和标准，特别是在国家和机构层面。

4.3. 施工能力评估
建设能力评估是通常提前完成的一项评估，是衡量城市建设、管理和应用能力的指标。旨在通过评价分析现状和特点，充分利用资源，发挥优势，进一步建设具有地方特色的经济、绿色、实用的智慧城市。这对于智慧城市规划的制定和实施都是非常基础和关键的。

在机构层面，世界经济论坛（WEF）发布了全球信息技术报告（GITR），其中包含网络就绪指数（NRI）的结构以及2001年对130多个经济体的测算。NRI很好地反映了潜在的智慧城市建设能力，由（市场、政策和基础设施）环境、（个人、企业和政府）网络准备度和（个人、企业、政府）申请，有68项详细指标。此外，2015年，国家标准化管理委员会设计了建设能力评价体系，包含信息资源安全、发展机制安全、网络安全安全、创新能力安全等四个要素和一系列客观指标。然后，基于这个制度框架，张等人。（引文2017年）采用该体系，并制定了16项详细指标，涉及新信息技术、规划城市建设、改善城市管理和公共服务等。显然，上述建设能力评估框架几乎都是由客观指标组成，基于对物理基础设施的数据感知和挖掘。

然而，针对这个问题的标准、框架甚至研究都很有限，而且一些文献将其与绩效评估混为一谈。两项评估有共同点，特别是在智能技术应用方面，但差异也很明显。即建设能力考核将更加注重城市的现有能力和潜力，而绩效考核将更加注重智慧城市建设和发展的效果。换句话说，前者似乎是基础评价，后者可以看作是结果评价。与智慧城市绩效评估的大量研究相比，建设能力评估值得更多的研究，也需要更多的官方标准，特别是在国家层面。

5. 智慧城市评估方法
在评估过程中，除了构建智慧城市指标体系外，采用高效、科学的评估方法对于得出结论也起着至关重要的作用。智慧城市评估的研究方法主要分为描述性或定性分析和半定量或定量分析两大类。

5.1. 绩效评估
5.1.1. 描述性或定性分析
雷达图分析是通过雷达图直接呈现多级评估指标的不同值，IBM (2010)、Lazaroiu 和 Roscia 的多项研究都采用了这种方法（引文2012），Dall'O' 等人。（引文2017）等。为了评估地方层面的智慧城市绩效，Lazaroiu 和 Roscia（引文2012）使用该方法显示并比较了意大利10个城市的18个指标值，得出的结论是，一些参数广泛尊重智慧城市条件（例如步行区和燃料），而另一些参数需要进一步努力（例如教育设施、健康状况和二氧化碳） 2）。图表直观、清晰，通常用于多指标分析和特性比较。此外，线图（Giffinger 等人，引文2007年；拉德等人，引文2018）和条形图（Carli 等人，引文2018年；李等人，引文2019）也用于展示和比较智慧城市的表现。

5.1.2. 半定量或定量分析
对于绩效评估，由于智慧城市评估是一项多维度的指标和衡量指标的多重任务，为了引入定量分析，需要讨论两个步骤：权重计算和综合评估。

确定权重最便捷的方法是简单的算术加权方法，将所有指标设置在同一维度，赋予相同的权重，ICF和欧洲中等城市排名均采用这种方法。然而，更多的研究考虑了指标的不同重要性，并通过应用层次分析法（AHP）、网络分析法（ANP）和模糊逻辑模型等主观方法，或熵权法等客观方法来区分其权重。 (EWM)、人工神经网络 (ANN)、主成分分析 (PCA) 和因子分析。其中，ANP比AHP更加复杂，模型假设较少，但更多地考虑网络系统中各因素之间的相互作用。一般来说，前三种都是涉及专家或法官对指标重要性的看法和意见，也被定义为半定量评价方法。采用EWM、ANN等定量方法，PCA和因子分析计算权重更加客观。而且，EWM、PCA和因子分析主要基于指标传达的信息，而ANN模型的权重是在设定学习规则或自组织后通过案例研究获得的。

另一方面，也可以利用上述方法综合评价指标。在绩效评估方面，AHP方法是应用最广泛的一种方法，ICF、IDC、IBM、韩国、日本、澳大利亚、住房和城乡建设部、上海浦东、南京等机构的评估均采用了AHP方法。斯坦科维奇等人。（引文2017）采用层次分析法确定标准的相对重要性，然后通过五个类别的26个指标评估23个欧洲城市的智慧表现。他们得出的结论是，最重要的标准是就业和金融，而最不重要的是环境，城市的最终排名反映了智能表现与生活满意度之间的弱关系。隆巴尔迪等人。（引文2012）构建ANP模型分析智慧城市背景下的公民社会、大学、产业和政府四个螺旋，讨论智慧城市四种政策原型（创业城市、先锋城市、宜居城市和互联城市）的优先顺序。此外，Rad 等人使用相同的模型。（引文2018）分配了智慧城市各个组成部分的权重，并通过决策试验和评估实验室（DEMATEL）方法汇总了专家的评估。通过计算泛在系数并比较相关计划，他们得出结论，首尔的智能状况比德黑兰更好。此外，拉扎罗尤和罗西亚（引文2012）应用模糊逻辑模型分配考虑指标的权重并评估意大利的智慧城市状况。他们发现，根据评委的意见，智慧城市评估与透明治理和信息通信技术基础设施可用性的相关性较小。在中国背景下，Shen 等人。（引文2018）将熵值法与理想解相似顺序偏好技术（TOPSIS）相结合，对44个智慧城市的整体智慧城市绩效进行了评估，突出了低水平、维度不平衡和区域异质的格局。李等人。（引文2019年）采用PCA-BP神经网络评估处理模型对我国35个智慧城市的发展模式进行了评估，明确了在技术创新、智慧经济、智慧服务、智慧基础设施、智慧出行和智慧环境指数等方面存在的不同差距城市之间。

此外，自组织图（SOM）分析是现代社会科学中日益流行的定量统计分析。它是一种特殊的无监督计算神经网络（Skupin & Agarwal，引文2008）结合了输入空间的数据投影和量化或聚类，而不会丢失有用信息，同时保留输出空间中的拓扑关系（参见 Colantonio 和 Cialfi，引文2016年；库尔蒂特等人，引文2012）。为了可视化和评估智慧城市的表现，Kourtit 等人。（引文2012）进行了PCA和SOM来呈现静态和动态结果，并相信大多数城市根据其智能性能数据随着时间的推移变得更加相似。然后，科兰托尼奥和夏尔菲（引文2016）从 SOM 分析中得出这样的见解：意大利北部地区可能会越来越多地被定义为“智能”。此外，智慧城市价值链（SCVC）模型（Liu et al.,引文2014），聚类分析（Manitiu & Pedrini，引文2016年；吴等人，引文2016）和 Hellwig 的综合指标（Hajduk，引文2018）有时也会在相关研究中进行，以评估和比较城市的智能绩效，而回归模型（Caragliu＆Del Bo，引文2012年；内罗蒂等人，引文2014）相关文献中有助于更好地理解表征智慧城市发展的变量的影响。

5.2. 风险评估
在智慧城市的风险评估中，定性方法占据主导地位。福泽等人。（引文2015）使用三种攻击模型（即直接攻击模型、间接攻击模型和群体模型）和元模型来分析信息安全心理和风险管理框架。

与智慧城市的绩效评估类似，相关研究不仅采用了定量方法（例如多标准方法和基于模糊逻辑的方法），而且还采用了多种混合（半定量）方法，并且在智慧城市领域具有重要意义。风险评估。例如，乌拉等人。（引文2018）采用线性逼近、层次模糊推理和混合方法计算权重，最终得出反映智慧城市地下风险的综合指数。此外，传统的失效模式和影响分析（FMEA）（Silva 等人，引文2014），聚类分析（Zou et al.,引文2016）和灰色 FMEA（Li 等人，引文2018）也用于智慧城市风险评估的研究。

5.3. 施工能力评估
然而，用于评估智慧城市建设能力的方法还相对不足。仅举例来说，WEF（2001）采用AHP方法进行评估，而Zhang等人。（引文2017）选用Ward聚类方法和决策树C4.5算法建立施工能力评价模型。

6. 局限性和进一步研究方向
6.1. 局限性
现有的智慧城市评价框架尚未完善，应用中也出现了一些问题。一些值得注意的例子和考虑因素总结如下。

总体而言，对绩效评估的重视程度较高，而风险评估尤其是施工能力评估的缺失较为突出。

具体来说，评价智慧城市的绩效，首先涉及到指标问题。早期国家框架覆盖面窄，缺乏平衡主观指标和客观指标的能力，更多地依赖客观指标。此外，在机构和地方标准中，有的评价体系指标过多（如IDC智慧城市指数、安永智慧城市指数、ISO标准等），实用性差，有的评价体系因地方特色、通用性差而被诟病。详细指标（例如欧盟、上海浦东和南京的标准）（Wu et al.,引文2016）。相关研究还提出了其他局限性，例如其他评估的二手数据来源对SCW排名可靠性的影响和限制（Wu et al.,引文2016），台湾和ICF体系的指标概念比较粗略，难以进一步量化和分析（Gong，引文2014），以及由调查或专家的主观指标或权重引起的干预，特别是在AHP方法中（参见Li等，引文2014年；吴等人，引文2016）。除了指标多样化外，大多数框架和报告在发布时都没有给出指标权重，权重计算的不透明和异构也会降低评估结果的可比性。总而言之，这些呼应了谢里菲的主张（引文2019）指出，智慧城市评估工具在解决与环境敏感性、结果的呈现和沟通、不确定性管理、相互联系和可行性相关的标准方面取得了有限的成功。

对于智慧城市的风险评估和建设能力评估，国家框架的缺乏是明显的，因此特别是在机构和地方层面上应该给予更多的关注。此外，由于涉及基础设施和认知度指标，风险评估的指标覆盖范围优于建设能力评估，但两者现有的评估体系均需明确。此外，相关评估中的应用方法和实证分析还远远不够，因此更多的定性和定量方法，特别是风险预测和管理，有望在智慧城市的背景下得到应用。

6.2. 进一步研究方向
作为相对成熟的领域，智慧城市绩效评估的国家框架、制度标准和地方报告包含丰富的因素和指标，需要更好地平衡主、客观、软、硬指标，并进行更多的比较分析和讨论评价之间的可比性。从这个意义上说，未来的标准和研究需要更具包容性和可比性，指标体系全面但不复杂，数据标准化，指标和维度的计算和权重适用且明确。这些在中国2016年提出的评估框架中得到了部分考虑和实现。

在智慧城市的风险评估和建设能力评估方面，需要国家总体框架来更好地理解、参考和管理，因为这两类评估缺乏前者会造成经济损失，而对智慧城市的关注不够。后者可能会导致资源浪费和低效发展。此外，评估指标、数据来源和研究方法也可以扩展。例如，对于智慧城市地下设施的风险评估，所采用的方法可分为直接法和间接法。直接法包括目视检查，如摄像头、闭路电视、激光扫描、基于电磁辐射的设备、声学方法等。间接方法是基于水审计，引文2018年）。利用这样的技术和智能设施来记录风险，是扩展和补充进一步评估的具体指标的好方法。此外，一些广泛使用的风险管理方法，如简化风险分析过程、单次损失算法、安全属性评估方法、危害影响分析、概率风险评估（PRA）、Dempster-Schafer信念函数理论、风险评估可以将贝叶斯学习技术引入智慧城市的研究中。另一方面，施工能力考核所采用的指标过于粗略。除了国家评估标准外，还需要对此主题进行更详细的研究和有针对性的关注。衡量一个城市变得更加智慧的状态、特征和潜力，引文2012年；齐吉亚里斯,引文2013）。

七、结论
随着新技术创新（主要是信息通信技术）的发展，智慧城市的概念作为实现更高效和可持续城市的一种手段而出现（Monzon，引文2015）。在学术界，关于定义和评估智慧城市的研究一直在蓬勃发展。而在实践中，不仅是中国，全球许多经济体、国家、城市甚至地区都将智慧城市作为未来发展的核心方向和战略。为了制定合理的发展规划，更好地监测智慧城市的发展，建立评价体系是关键和基础的一步。本文对智慧城市评估的现有国家框架、机构标准、地方报告和研究进行了批判性且相对全面的回顾。本研究对绩效评估、风险评估和施工能力评估的详细评估体系和方法进行了总结和讨论。

得出的结论是，智慧城市评估的评估标准和研究大多侧重于绩效，需要更多地关注相关风险和建设能力的评估。更具体地说，在国家和制度框架中，大多数都是为了评估智慧城市的绩效而忽视了风险评估。此外，还需要明确现有风险和施工能力评价体系中的指标，并扩展数据来源和研究方法。这些也将促进相关研究的发展。目前智慧城市绩效评估研究中，指标类型和权重计算各不相同，导致评估的可靠性和可比性较差。将来