学术丨基于复杂网络分析的智慧政务信息协同结

　　原标题：学术丨基于复杂网络分析的智慧政务信息协同结构及特征研究——以深圳市为例

　　摘要：[目的/意义]探究政务信息协同结构及特征对于切实推进智慧政务建设具有重要意义。本研究以深圳市智慧政务信息协同结构分析为例，提出智慧政务信息协同结构的解析方法。[方法/过程]依据深圳市政务服务流程提取信息主体及信息链，基于业务流程解析其信息协同结构，构建信息协同网络，选取度、度分布、中心性、聚集系数、平均路径等分析指标解析网络拓扑结构及网络的无标度和小世界特征。[结果/结论]发现深圳市政务信息协同网络中主要存在两类信息主体，形成了以申请人、公安局、规划和国土资源部门为核心节点的政务信息协同结构，申请人作为网络中最为特殊的信息主体在信息协同网络优化过程中应被重点关注。基于具体政务业务流程数据，运用复杂网络分析方法，可以精确解析各个城市、区域的智慧政务信息协同结构及特征，为智慧政务的信息协同建设提供依据。

　　智慧城市建设的核心是智慧政府，在全国大力推进“互联网+政务”“政务云平台”“智慧政府”建设、倡导“智慧政务‘零跑动’”事项的背景下，人们反而越来越思考，无论是对智慧城市、智慧政府还是智慧政务，“智慧”的本质是什么，在智慧城市如火如荼的建设中，公众是否切实感受到了民生各项服务的智慧化。国家信息中心信息化研究部于施洋等认为，在智慧政府建设中，“智慧”代表着对事物能迅速、灵活、正确地理解和处理的能力，智慧政务是智慧政府的基础，没有实现智慧政务的智慧政府只是空中楼阁。我国目前大力推进的智慧政务“零跑动”事项，即是实现“政府迅速、灵活、正确地理解和处理”公众相关事项办理的范例。“零跑动”或者“一次跑动”事项是指公众或者企业无需或仅需一次到政府部门，就可以办理好相关事项，其背后是政府多部门数据和信息的高效协同。

　　政府的信息资源总量约占全社会信息资源总量的80%，所有公民的身份、信用、财务、教育、医疗等信息都掌握在政府手中，从数据关联与分析的角度来说，政府是最了解公民的组织，公民到政府办理的一切业务，其支撑和证明文件都在政府数据库中，只不过是因为政府功能部门相对独立组织的原因，将其割裂开来。在智慧政务建设中，要实现“迅速、灵活、正确”地理解公众需求，处理公众事务，就必须基于公众生命个体，针对具体事务，将割裂的公民数据重新关联起来，实现多部门协同服务。协同，是最基本的智慧，而我国大量智慧政府的建设，还没有很好地实现这种最基本的基于信息协同的智慧服务。要做好信息协同，首先需要解析具体城市的信息协同结构，这样才能清晰获得哪些数据需要关联，哪些部门之间需要协作，即根据解析出来的结构进行业务和信息协同，提高政务信息协同的效率，以实现智慧化。政务信息协同由政务服务中的各主体及其之间信息流实现，实质是以信息流联接各政府部门以及相关人员、机构的复杂的巨型网络。复杂网络分析方法可以实现对信息协同结构及其特征的解析。将信息主体抽象为节点，以信息流动情况为边，即构成静态有向信息协同网，通过复杂网络中的度、中心性、聚集系数等指标所反映出的各信息主体在网络中的角色功能和属性类别，能够分析信息协同网中的节点结构、链结构以及网络整体静态特征。通过复杂网络方法分析出信息协同网络结构及特征，实现对政务信息协同状态的抽象与量化，能够发现信息协同网络中重要的信息主体及各主体间的协同倾向，有利于政务信息协同的分级分步建设，促进实现政务信息高效协同推动政务服务智慧化。

　　为能够清晰揭示实际信息服务过程中的信息协同结构，需选取国内智慧政务建设的代表性城市，且具有较为完备的、公开的政务信息数据作为数据源。据德勤发布的《超级智能城市报告》显示，深圳市位居中国超级智能城市第一梯队首位，是全国智慧政务建设的示范城市，而且其智慧政务的建设为“智慧深圳”建设的核心一环，政务信息协同结构比较完善和稳定；深圳市政府网站依据生命周期梳理的包括线上、线下办理的全部政府服务事项，并提供了详尽的业务流程信息，除事项名称、所需材料及受理部门外，其各项材料的来源部门也有清晰标注，有利于刻画完整政务活动信息链构建信息协同复杂网络。因此以深圳市为例进行研究，解析其智慧政务信息协同结构，并得出对各城市信息协同结构及特征分析的普适性方法。

　　“协同”一词最早由德国物理学家H.Haken提出，他认为协同即系统的多个子系统在一定条件下，宏观尺度上表现出的有序现象，形成协同效应。信息协同是协同理论在信息科学中的典型应用，是指两个及两个以上参与者在一定时间内通过信息交流以满足自身信息需求和达成共同目标的一种信息活动。目前，智慧政务信息协同的相关研究虽仍未成体系，但已有其他诸多领域关注信息协同，如企业管理研究中，供应链信息协同的研究始终为一大热点，供应链协同的关键即高效利用信息资源完成的供应链条中各主体的协同，蔡淑琴等发现信息共享是供应链协同实现的必要但不充分条件，某些条件下，信息共享不能解决协同问题，相反还可能增大协同工作量，良好协同的实现需要合理的设计。在项目管理领域研究中，良好的信息协同是决策效率和质量的有效保障，结合信息交互和集成的BIM技术，促进加强项目管理过程中各主体之间的协同，使得项目成本、工期均得到明显改善，这对智慧政务信息协同研究也具有借鉴和指导意义。

　　其实，“协同政府”的理念早在1997年的英国政府改革中就已经提出，要求关注政府各部门之间的协同合作，而目政府部门智慧化建设如火如荼，信息量激增后却产生大量数据烟囱、信息孤岛问题，顶层设计与底层需求之间形成偏差，以当前信息协同结构难以满足现实协同需求，因此，学术界也逐步开始重视在城市管理、政务服务过程中信息协同的研究，宋懿等认为在政务信息资源跨部门共享的实现过程中，信息协同机制是地方政府调节“权力、权益与信息”三要素的各类管理行为的总称。可见，当下所言的政务信息协同并不局限于信息层面的协同，而是信息时代对早期协同政府的发展与完善。陈锐等对城市整体的信息协同模式和结构进行分析，明确大数据时代智慧城市运行管理过程中应具有的信息共享和实时感知两种信息流转模式，包含5类标准的信息协同标准体系，并基于模糊聚类方法测度智慧城市多源信息协同结构，依据某市物联网应用示范工程调研数据将城市管理大致划分为7个子群。现有研究对政府管理、服务中每个主体之间具体信息协同情况还没有充分揭示，政务服务信息协同结构及特征仍较为模糊。为清晰揭示政务服务过程中的的信息协同结构，向智慧政务信息协同建设提供依据，本文拟基于具体政务服务流程构建政务信息协同网络，采用复杂网络分析方法进行探究。

　　智慧政务信息协同研究的实质就是让政务信息网络中各节点达到最佳配合以实现政务服务的灵活和高效，从而实现智慧化，因此研究对象可视为政务信息协同网络。为能够量化分析信息协同网络的结构和特征，采用复杂网络分析方法。自欧拉创造性地以图论解决“七桥问题”以来，网络图成为解决各类现实问题的重要手段。复杂网络简而言之即呈现高度复杂性的网络，并非如网格图或随机图一般，而是具有一定的拓扑特性。目前诸多现实问题都可以网络形式刻画，许多现实网络都是复杂网络，如互联网、电网、交通运输网、生物神经网络、科研合作网络，等等，基于复杂网络分析方法中的度、度分布、中心性、聚集系数、平局路径等分析指标，能够对网络结构实现精准刻画和分析。例如，交通运输网的研究通常以站点、港口等为节点，以路段、航线等为网络联接边构建复杂网络；科研合作网一般以作者、主题、机构等为节点，以合作关系、关联关系等为联接边；国际贸易网络一般以国家为节点，以贸易流为联接边；人口流动网络一般以省市、乡镇等行政区划为节点，以人口流动强度为联接边；在信息网络中，通常以信息流为联接边，节点类型较为复杂，如卫星、城市、个体等，但其性质均为接收或发送信息的信息主体，因此可以认为信息网络一般以信息主体为节点以信息流为边构建复杂网络。

　　智慧政务信息协同网络可视为以信息流联接各政务信息主体形成的网络，呈现出一定复杂性并具备独特的拓扑结构。政务信息协同过程中，信息协同网络拓扑结构对于协同过程最终产生的效能有着决定性的影响。以信息流构建起的网络，够直观地描述出政府每个部门间的实际政务服务过程，基于复杂网络分析中的度、中心性等指标，能够完成对政务信息协同结构的多维立体分析，网络无标度及小世界性质的分析可发现网络的宏观特征。

　　智慧政务信息协同可视为在政务服务过程中，两个或两个以上信息主体之间在一定时间内根据政务服务流程通过信息交流以满足自身信息需求，灵活、高效地完成政务服务目标的信息活动。可简化为信息供给主体向信息需求主体提供信息的过程，从而抽象得到以信息主体为节点，以信息流为联接边的信息协同网络。

　　政务服务的三大基本要素为“人”“事件”“信息”，在政务信息协同过程中，“人”作为信息主体的主要组成部分存在，完成信息的提供和接收。依据全生命周期框架下的“事件”要素，基于公开的服务流程，能够基本梳理出每一项具体政务服务事项中的信息供给主体、信息需求主体以及信息流向情况，完成对“信息”要素状态的表达，构建出政务服务信息协同网络，过程如图1所示。进一步基于复杂网络分析方法，通过度、度分布、中心性等指标分析，以及无标度、小世界网络特征分析，结合政务服务实际情况，从而能够揭示信息协同网络结构及其特征。

　　为了验证上文智慧政务信息协同结构构建思路，需要选取具体城市进行分析。考虑到深圳市智慧政务建设具有代表性且政务网上大厅信息完备，本研究以深圳市为案例，解析其政务信息协同结构。

　　选取深圳市政府网站作为数据来源。深圳市政府网站已公开每一项政务服务详细的办理流程，包含办理事项的实施部门、事项名称、所需信息材料以及每种信息来源渠道等，内容示例如表1所示。总共采集722项服务事项，所需材料2917类，实施部门及来源渠道共632类。

　　由表1可知，每项服务事项对应多类所需材料，即每项业务的实施需要多类信息支撑，每一类信息均有对应来源渠道，因此可将来源渠道视为信息供给主体，将实施部门视为信息需求主体，同一事项对应的信息需求主体和信息供给主体之间应存在信息流，故从表格中采集实施部门和来源渠道两列，分别作为信息的需求主体和供给主体。

　　根据信息的流动情况，对多部门均可提供同一信息的情况进行拆分，完成需求主体和供给主体一一对应，以信息主体为节点，主要包括申请人、政府部门、企业等相关机构，根据政府服务事项流程中的既定规则，以各主体之间的存在的信息流为联接边，通过Gephi软件实现可视化表达，采用YifanHu’s Multilevel算法布局，结果如图2所示。

　　由图2可知，不同节点的度大小悬殊，存在大量仅与一个节点相连的节点，即对于某一信息主体有且只有另一主体与之相连。由于大量利用率极低的主体存在，导致出现诸多孔雀尾型结构，但这与现实情况显然不符，一个机构只面向一个机构提供或索取数据的现象不应大量出现，经分析发现，出现大量节点的度为1的原因是由于部门级别不够统一，主体名称混乱导致的，孔雀尾结构中存在大量节点实为同一部门和机构却不同称呼，因此通过政府、企业等部门的机构设置进一步调查，访谈政务相关工作人员，结合实际情况和对信息主体名称进行规范化处理，名称对应情况示例如表2所示。最终将637类主体划归为35类，包括公安、财税等政府各职能部门25类，以及申请人，第三方机构，医疗机构，学校，部队，企业，金融系统，媒体报刊，测绘单位，共计9类，及事项中存在诸如申请人单位、用地单位等需视情况而定的非特定主体归为1类，称为非特定机构，具体如表3所示。

　　根据复杂网络的特点和分析思路，将上述信息主体抽象为节点，依据服务事项列表，以各主体之间的存在的信息流为联接边构成深圳市政务信息协同网络。

　　1）网络节点设定：根据信息流向，设定信息供给主体为，设定信息需求主体为。

　　2）网络联接边设定：根据服务事项一一对应信息供给主体和信息需求主体，将二者之间的信息流作为复杂网络的联接边，方向从信息供给主体指向信息需求主体，将两端节点完全相同的联接边出现的次数作为的值。

　　3）构建信息协同矩阵：根据、及建立协同矩阵，并通过Gephi实现政务信息协同网络可视化，结果如图3所示。

　　将信息主体抽象为节点，基于复杂网络分析中节点的度分析，发现信息主体的重要程度，反映信息协同网络的节点结构。网络中一个节点的度就是与该节点连接的边数，反映的是网络中各节点的重要性程度，节点的度越大，则该节点在某种程度上越重要。本文研究的信息协同网络中的节点为信息协同主体的抽象，节点的度即反映各主体在信息协同过程中的重要程度。根据复杂网络分析软件Gephi统计，得到各节点的出度与入度，如图4、图5所示，取重要度最高前10位如表4所示。

　　由图4、图5可以看出，具有出度的节点较多，而具有入度的节点较少，即在信息协同过程中，信息供给主体类别多于信息需求主体，存在很多只作为信息供给方的主体，如申请人、学校、医疗机构、企业等，结合其具体所涉事项分析发现，政府部门需要与大量非政府机构对接获取信息，来办理相关事务，而此类主体在政务服务过程中通常仅作为信息供给方。值得关注的是，所有具有入度的节点均具有出度，而并非所有具有出度的节点均有入度，这表明所有信息需求主体均在一定程度上向网络中其他主体提供信息，而信息供给主体却不一定有信息需求。

　　另外，网络中存在大量具有较高自环的节点，即该节点在一次信息协同活动中同时作为信息的供给方和需求方，此类信息协同主要为同一主体的内部协同，存在这类现象的主体大多为政府各职能部门。

　　结合表4进一步分析发现，出入度均较大的有规划和国土资源部门、公安局、市场和质检部门及司法，出度入度均位列前10，此类主体在信息协同过程中，既是重要的信息供给方也是重要的信息需求方；出度较大而入度较小的有申请人、非特定机构、党政机关、第三方机构、医疗机构，此类主体在信息协同过程中，是重要的信息供给方；入度较大出度较小的有交通运输部门、人社部门、住建部门、城市管理部门、经信部门、卫计部门，此类部门主要为信息需求方。结合主体自身特征分析，大多数非政府部门的信息主体以及政府中的核心管理主体倾向于信息的供给方，而大多数具有专项职能的政府部门倾向于既作为信息需求方又作为信息供给方的第二类，第二类节点又包含两种，一种入度较大而出度较小的信息主体偏于信息需求倾向，另一种出入度较为平衡为信息需求供给兼顾。

　　申请人只有出度没有入度，总度却排名第一，这表明申请人的出度极大，经统计发现，申请人的出度约占总出度的45%，这表明需要申请人提供的信息量约占整体个协同网络中信息供给总量的近一半。

　　信息协同需由多主体参与，为了更好地发现各部门之间的协同关联，以各主体之间信息流量为权重构建权重网络，权重为节点到的信息流量，由于信息协同网络是有向网络，因此通常情况下，节点大小由自身度值大小决定，边粗细及边标签颜色深度由边权重决定，建立权重网络模型如图6所示。

　　节点的度即与该节点连接的边数，因此权重网络中各节点度值大小反映与每一节点相连的主体数量，由图6知权重网络中度最大的节点并非申请人，而是公安局，可见在信息协同过程中申请人需要提供大量的信息，但信息流向相对集中于某一部分主体，公安局在协同过程中与最多主体相连，信息流向相对分散。根据权重网络度值统计结果，另有规划和国土资源部门、市场和质检部门、人社部门等主体的度值较高。

　　经统计权重网络中具有35个节点，共268条边，按照权重值由小到大排序后的边权重分布如图7所示，可见存在大量权重较低的边，高权重边较少且分布较为离散，说明深圳各信息主体之间连接较为紧密，整体来看具有一定协同能力但对协同渠道的利用效率不足。

　　权重网络平均边权值为23.25，即平均每条信息链的信息承载量为23.25，共有46条边其权值高于平均水平，涉及22个信息主体，其中最高边权值为772，由申请人指向规划和国土资源部门。过滤掉权值较小边后，信息协同网络主干部分如图8所示。分析发现，网络主干部分大致以申请人、规划和国土资源部门、公安局为三大主要节点，人社部门、市场和质检部门、住建部门同时与三大节点协同密切，民政局、司法、卫计、交通部门与申请人、公安局两大节点有较高协同度，教育局与学校二者之间协同度较高，而二者与其他主体之间协同度较低，构成一条独立的协同链。特别需要关注的是，以申请人为其中一个边节点的全部边的权值均远超平均水平，最低边权值为91，由于申请人仅作为信息供给主体，表明申请人在与其他信息主体协同过程中均需提供大量的信息。

　　复杂网络分析中节点的中心性分析一般包括对点度中心性、接近中心性、介数中心性和特征向量中心性的分析，能够反映出节点在网络中的相对重要性。其中点度中心性就是节点直接相连的其他节点的个数，点度中心性的分析与前文分析所得结果相一致，故未做探讨，主要探究接近中心性、介数中心性和特征向量中心性。

　　1）接近中心性。接近中心性反映节点的离中趋势，以接近中心度为指标，某一节点与网络中其他节点之间的距离都比较短，则该节点的接近中心度越高，即该节点的离中趋势越强对网络中各节点的接近中心度依值大小排序，结果如图9所示，网络中绝大多数节点的接近中心度大于0.4，有三分之一节点的接近中心度大于0.6，并且存在接近中心度很高的节点，网络整体紧密度较好。接近度中心性最高的节点为申请人，达到95.8%，即申请人与网络中心的接近度达到95.8%，是信息协同网络中能够以最短“距离”接触到其他各主体的节点。政府各部门中紧密度较高的有公安局、市场和质检等部门，与信息协同网络中其他主体的联系较为紧密。档案局、气象局的接近中心度较低，结合具体所涉事项分析，发现政务服务过程中这两类部门的信息供给主要指向自身，如档案局所提供的信息多与查档工作有关，其接受部门也为档案部门；在政务服务活动中，气象部门所提供信息多与气象活动、气象装置设置等事项有关，因此其信息需求部门也为气象相关部门。由此可知，接近度中心性可作为各部门信息协同程度的一项参照性指标。

　　中介中心性反映节点在网络中所起到的“中介”作用的强度，以中介中心度为指标，中介中心度越高的节点作为其他节点“中介”的作用越强。各节点的中介中心度依值大小排序结果如图10所示，网络中各节点的中介中心度普遍较低，存在一半以上节点的中介中心度为零，平均中介中心度值为0.014，中介中心性最高节点公安局的值为0.236，可见公安局在信息协同网络中是连接各信息主体的核心节点，但其对整个网络的连通作用仍较为有限。除公安部门外，另有规划和国土资源部门具有较高的中介作用，影响协同网络的连通度，但网络总体连通性不足。图10 中介中心性分布曲线）特征向量中心性。

　　特征向量中心性反映节点与重要节点之间的紧密程度，它首先指派给每个节点一个相对得分，对某个节点分置的贡献中，连到高分值节点的连接比连到低分值节点的连接大。在协同网络中，高分值节点往往相对低分值节点更为重要，因此与高分值节点联接更为密切的节点在协同网络中的相对重要性更强，特征向量中心性反映的是节点向重要节点的趋向程度。各节点的特征向量中心度依值大小排序结果如图11所示，网络中各节点的特征向量中心度普遍较低，存在三分之一的节点特征向量中心度为零，但特征向量中心度的分布不均衡，仍然存在中心度很高的节点。规划和国土资源部门的特征向量中心度值达到1，与网络中各重要节点之间联系最为紧密，其次为公安局及交通运输部门。结合各节点的边的指向情况分析，特征向量中心性低的节点一般指向集中，或为出度或入度值较低的情况。

　　度分布是网络无标度特征的重要考察指标，由于网络较小，故采用度的累积概率分布来描述信息协同网的宏观统计特征。对35个节点的累积度分布进行统计发现其大致呈幂函数形态，通过幂函数拟合得到分布函数

　　如图12所示，说明网络的度累积分布概率与度数呈现一定的幂率关系，且指数2.7552，信息协同网络具有明显的无标度特征。

　　结合度值统计如图13所示，不同节点度的差异性非常大，只有少量节点具有极高度值，而大部分节点的度值较低，节点度分布不均衡，导致高度值节点在网络中的影响作用较强。深圳市信息协同网络呈现以申请人、公安局、规划和国土资源部门高度值主体为主导的形态，面对随机事件能够及时调整，以保证信息协同顺利完成，但由于高度值节点的协同压力过大，导致面对高度值节点遭受针对性冲击时，整体协同结构脆弱性偏高。

　　小世界网络是常见的复杂网络的之一，是指复杂网络大量节点间的平均路径长度较短，并且具有较大的聚类系数的网络，在小世界网络中，平均路径较短，因此信息传递效率较高，聚类系数较高，因此局部聚集性强，少量改变几个联接就能够对网络的性能产生显著影响。因此通过将平均路径长度和平均聚集系数作为小世界特征对深圳市信息协同网络进行考察，能够发现深圳市信息协同网络中信息的传递效率及局部聚集性。为能够更清晰地分析深圳市信息协同网络小世界特征的显著性，生成了与深圳市协同网络性质相同的随机网络，其相关指标分析如表5所示。

　　深圳市政务信息协同网平均聚集系数为0.406，高出随机网络近一倍，网络平均距离为1.79，即平均需要完成与1.79个主体的信息联接，但网络直径同样为4的随机网的平均路径长度仅1.56，低于信息协同网平均水平，因此深圳市信息协同网不具有较短平均路径，但局部聚集性较好。这表明，深圳市信息协同结构目前不具有显著的小世界特征，信息的传递效率较低，但能够通过信息协同结构的微小调整而实现信息协同网络整体的显著优化。5 结论与展望

　　本文以深圳市智慧政务服务流程数据为例，提取信息主体及信息链，构建信息协同网络，以复杂网络分析方法分析深圳市信息协同网络结构及静态特征，通过分析深圳市智慧政务服务信息协同网络中特殊节点，发现政府虽拥有大量高质的信息资源，但并未有效发挥其价值，政务服务过程中仍然依赖公众提供大量信息；各部门间的信息协同程度存在较大差异，但在政府各部门智慧政务建设过程中应当正确对待此类差异，信息协同的实现并非是追求网络连通性达到极致，实现全部门之间信息互通，而是依据政务服务中各部门实际的信息协同需求和角色属性等特征，制定优化方案。

　　本文提出在获取城市政务服务流程数据基础上，根据政务服务流程数据的内在信息流和节点关系，构建政务服务信息协同网络，运用复杂网络中的度、度分布、中心性、聚集系数、平均路径等分析指标，具体解析网络拓扑结构及静态特征，可用于精确解析各个城市、区域的政务信息协同结构及特征，从而为目标城市或区域的政务数据集成、“零跑动”业务开发、云政务平台开发等智慧政务建设提供依据。

　　通过对目标城市政务服务流程数据的分析，可以解析其信息协同网络的结构和特征，但静态数据的分析无法进一步揭示城市智慧政务信息协同网络的演化和发展，因此，计划仍以深圳市为例，研究如何进一步跟踪城市政务服务流程改革进程，以期揭示智慧政务信息协同网络的演变，发现智慧政务信息协同建设的动态演化特征；另外，将进一步采集其它地区的智慧政务业务流程数据，逐步实现区域性信息协同状态及发展情况的综合性分析，并检验复杂网络分析方法对于信息协同状态分析的适用性，逐步完善形成信息协同的分析和评价机制。微信公众号：