本发明属于智慧城市评价领域，具体地讲涉及一种智慧城市惠民服务水平评价方法。
背景技术：
自2012年12月住建部印发《国家智慧城市试点暂行管理办法》和《国家智慧城市(区、镇)试点指标体系(试行)》两个文件以来，截至目前，我国的智慧城市试点已接近300个。
智慧城市是运用信息和通信等技术手段感测、分析以及整合城市运行核心系统的各项关键信息，并根据所得信息对包括民生、环保、公共安全、城市服务、工商业活动在内的城市和居民的各种需求作出智能响应。智慧城市是落实国家新型城镇化发展战略，提升人民群众幸福感和满意度，促进城市发展方式转型升级的系统工程。其中，评价智慧城市建设成效是智慧城市建设中的一项重要工作。
对不同城市和地区的智慧城市建设进行评估，可以更好地了解我国智慧城市当前的发展状况，避免城市建设的盲目性，为未来科学、合理地制定智慧城市发展规划和政策提供理论依据，但是目前如何评价各地智慧城市建设成效及水平，尚缺乏一套一套完整、科学、系统的评价体系，无法准确、快速的得到智慧城市的评价结果。
技术实现要素：
根据现有技术中存在的问题，本发明提供了一种智慧城市惠民服务水平评价方法，该评价方法为一套完整、科学、系统的评价体系，能够准确、快速的得到每个待评价城市的惠民服务水平的评价得分，为每个待评价城市未来在惠民服务方面的决策提供依据。
为实现上述发明目的，本发明提供了一种智慧城市惠民服务水平评价方法，包括如下步骤：
s1，采集所有待评价城市的所有惠民服务评价指标的数据，根据评价指标的数据，得到各评价指标的分项指标数据；
s2，利用主成因分析法，先对所有待评价城市的分项指标数据进行标准化处理，建立因子载荷矩阵，确定主成分以及各因子的累计方差贡献率，得出每个待评价城市的各主成分得分，得到惠民服务水平评价模型，进而得到每个待评价城市的惠民服务水平的评价得分。
优选的，所述评价方法还包括有步骤s3，即根据每个待评价城市的惠民服务水平的评价得分，得到每个待评价城市的惠民服务水平的排名；通过每个待评价城市的各主成分得分，得到每个待评价城市的惠民服务水平的分析报告和改进意见。
进一步优选的，步骤s1中，采集的惠民服务评价指标的数据来源于政府公开数据，即各城市的统计年鉴和工作报告。
进一步优选的，所述惠民服务评价指标包括政务服务、交通服务、社保服务、医疗服务、教育服务、就业服务、城市服务、帮扶服务、电商服务九个评价指标；其中，政务服务包括电子证照使用率、一站式办理率、网上统一入口率三个分项指标，交通服务包括城市交通运行指数发布情况、公共汽电车来车信息实时预报率、公共交通乘车电子支付使用率三个分项指标，社保服务包括社保服务在线办理情况、社保自助服务开通率、社保异地业务联网办理情况三个分项指标，医疗服务包括二级以上医疗机构电子病历普及率、二级以上医疗机构预约诊疗率、二级以上医疗机构门诊健康档案调阅率三个分项指标，教育服务包括学校多媒体教室普及率、师生网络学习空间覆盖率、学校无线网络覆盖率三个分项指标，就业服务包括就业信息服务覆盖人群情况、就业服务在线办理情况两个分项指标，城市服务包括移动互联网城市服务提供情况、移动互联网城市服务公众使用情况、一卡通应用情况三个分项指标，帮扶服务包括困难户电子信息档案建档率、互联网残疾人无障碍访问情况两个分项指标，电商服务包括网上商品零售占比、跨境电商交易占比两个分项指标。
更进一步优选的，步骤s2的具体步骤如下：
s21，采集p个待评价城市的24个分项指标的数据，即以公民身份号码或法人和其他组织统一社会信用代码为唯一标识的电子证照使用率、一站式办理率、网上统一入口率、城市交通运行指数发布情况、公共汽电车来车信息实时预报率、公共交通乘车电子支付使用率、社保服务在线办理情况、街道社区社保自助服务开通率、社保异地业务联网办理情况三个分项指标、二级以上医疗机构电子病历普及率、二级以上医疗机构预约诊疗率、二级以上医疗机构门诊健康档案调阅率、学校多媒体教室普及率、师生网络学习空间覆盖率、学校无线网络覆盖率、就业信息服务覆盖人群情况、就业服务在线办理情况两个分项指标、移动互联网城市服务提供情况、移动互联网城市服务公众使用情况、一卡通应用情况、困难户电子信息档案建档率、互联网残疾人无障碍访问情况、网上商品零售占比、跨境电商交易占比共24个分项指标的数据，并设i为按照前述顺序排列的第i个分项指标的数据，i＝1,2,3,…24，得到一个24×p阶的原始变量矩阵x：
即p个城市的24个分项指标的数据表示为xi,j，xi,j表示第j个城市的第i个分项指标的数据，其中i＝1,2,3,…24，j＝1,2,3,…p；
s22，对原始变量矩阵x进行标准化处理，消除量纲和数量级影响，得到标准化矩阵z，标准化矩阵z的公式如下：
其中,
则标准化矩阵z表示如下：
其中，zxij表示标准化矩阵z的第i行、第j列的数据；
s23，根据标准化矩阵z，计算相关系数矩阵r：
zt为标准化矩阵z的转置矩阵，针对标准化矩阵z，记其变量指标为zx1,zx2,…,zxp，其中zx1＝(zx11,zx21,…,zx24,1)t，zx2＝(zx12,zx22,…,zx24,2)t，…，zxp＝(zx1p,zx2p,…,zx24,p)t，则rab(a,b＝1,2,…,p)为标准化矩阵z的变量指标的相关系数，rab的计算公式如下：
其中，zxka为标准化矩阵z的第k行、第a列的数据，zxkb为标准化矩阵z的第k行、第b列的数据；
s24,通过相关系数矩阵r的特征方程|r-λi＝0，其中λ为特征方程的特征根，i为单位矩阵，求出所有特征根λc(c＝1,2,…,p)，并按从大到小排序为λ1≥λ2≥…≥λp≥0；
s25，根据累计方差贡献率计算公式，得到第f个因子的累计方差贡献率αf：
根据累计方差贡献率αf≥0.85，得到主成分个数为m，分别记为主成分f1,f2,…,fm，得到主成分f1,f2,…,fm对应的m个特征根，将m个特征根由大到小排列，即λ1≥λ2≥…≥λm>0；
s26，针对原始变量矩阵x，若记原变量指标为x1,x2,…,xp，其中x1＝(x11,x21,…,x24,1)t，x2＝(x12,x22,…,x24,2)t，…，xp＝(x1p,x2p,…,x24,p)t，设降维后的新变量为z1,z2,…,zm(m≤p)，则
其中，lgh为相关系数矩阵r的m个较大特征根的值所对应的特征向量，
其中，λg为相关系数矩阵r特征方程的m个较大的特征根，
通过lgh得到因子载荷矩阵l：
s27，将lgh与标准化矩阵z相乘，得到主成分f1,f2,…,fm的表达式：
将lgh代入到降维后的新变量z1,z2,…,zm(m≤p)的公式中，得到各主成分f1,f2,…,fm的得分：
s28，以m个主成分所对应的特征值λg(g＝1,2,…,m)占所有主成分的特征值之和的比例作为权重，得到评价模型f：
更进一步优选的，根据每个待评价城市的惠民服务水平的评价得分，评价得分由大到小相对应的城市即为惠民服务水平的先后排名；通过每个待评价城市的各主成分得分，找出每个待评价城市的有利于惠民服务水平和不利于惠民服务水平的对应的分项指标，为每个待评价城市未来在惠民服务方面的决策提供依据。
本发明的有益效果在于：
1)本发明通过采集所有待评价城市的所有惠民服务评价指标的数据，根据评价指标的数据，得到各评价指标的分项指标数据；利用主成分分析法，先对所有待评价城市的分项指标数据进行标准化处理，建立因子载荷矩阵，确定主成分以及各因子的累计方差贡献率，得出每个待评价城市的各主成分得分，得到惠民服务水平评价模型，进而得到每个待评价城市的惠民服务水平的评价得分；最后根据每个待评价城市的惠民服务水平的评价得分，得到每个待评价城市的惠民服务水平的排名；通过每个待评价城市的各主成分得分，得到每个待评价城市的惠民服务水平的分析报告和改进意见。本发明的评价方法通过主成分分析法确定每个待评价城市的主成分，得出每个待评价城市的各主成分得分，再得到惠民服务水平评价模型，进而得到每个待评价城市的惠民服务水平的评价得分。根据每个待评价城市的惠民服务水平的评价得分，评价得分由大到小相对应的城市即为惠民服务水平的先后排名；通过每个待评价城市的各主成分得分，找出每个待评价城市的有利于惠民服务水平和不利于惠民服务水平的对应的分项指标，为每个待评价城市未来在惠民服务方面的决策提供依据。
附图说明
图1为本发明评价方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，一种智慧城市惠民服务水平评价方法，包括如下步骤：
s1，采集所有待评价城市的所有惠民服务评价指标的数据，根据评价指标的数据，得到各评价指标的分项指标数据；
具体的，采集的惠民服务评价指标的数据来源于政府公开数据，即各城市的统计年鉴和工作报告。
依据国家发改委2016年11月22日最新发布《关于组织开展新型智慧城市评价工作务实推动新型智慧城市健康快速发展的通知》(发改办高技[2016]2476号)，确定智慧城市惠民服务水平评价指标及分项指标，如表1所示。
如表1所示，所述惠民服务评价指标包括政务服务、交通服务、社保服务、医疗服务、教育服务、就业服务、城市服务、帮扶服务、电商服务九个评价指标；其中，政务服务包括电子证照使用率、一站式办理率、网上统一入口率三个分项指标，交通服务包括城市交通运行指数发布情况、公共汽电车来车信息实时预报率、公共交通乘车电子支付使用率三个分项指标，社保服务包括社保服务在线办理情况、社保自助服务开通率、社保异地业务联网办理情况三个分项指标，医疗服务包括二级以上医疗机构电子病历普及率、二级以上医疗机构预约诊疗率、二级以上医疗机构门诊健康档案调阅率三个分项指标，教育服务包括学校多媒体教室普及率、师生网络学习空间覆盖率、学校无线网络覆盖率三个分项指标，就业服务包括就业信息服务覆盖人群情况、就业服务在线办理情况两个分项指标，城市服务包括移动互联网城市服务提供情况、移动互联网城市服务公众使用情况、一卡通应用情况三个分项指标，帮扶服务包括困难户电子信息档案建档率、互联网残疾人无障碍访问情况两个分项指标，电商服务包括网上商品零售占比、跨境电商交易占比两个分项指标。
表1：
s2，利用主成因分析法对所有待评价城市的分项指标数据进行标准化处理，建立因子载荷矩阵，确定主成分以及各因子的累计方差贡献率，得出每个待评价城市的各主成分得分，得到惠民服务水平评价模型，进而得到每个待评价城市的惠民服务水平的评价得分；具体步骤如下：
s21，采集p个待评价城市的24个分项指标的数据，即以公民身份号码或法人和其他组织统一社会信用代码为唯一标识的电子证照使用率、一站式办理率、网上统一入口率、城市交通运行指数发布情况、公共汽电车来车信息实时预报率、公共交通乘车电子支付使用率、社保服务在线办理情况、街道社区社保自助服务开通率、社保异地业务联网办理情况三个分项指标、二级以上医疗机构电子病历普及率、二级以上医疗机构预约诊疗率、二级以上医疗机构门诊健康档案调阅率、学校多媒体教室普及率、师生网络学习空间覆盖率、学校无线网络覆盖率、就业信息服务覆盖人群情况、就业服务在线办理情况两个分项指标、移动互联网城市服务提供情况、移动互联网城市服务公众使用情况、一卡通应用情况、困难户电子信息档案建档率、互联网残疾人无障碍访问情况、网上商品零售占比、跨境电商交易占比共24个分项指标的数据，并设i为按照前述顺序排列的第i个分项指标的数据，i＝1,2,3,…24，得到一个24×p阶的原始变量矩阵x：
即p个城市的24个分项指标的数据表示为xi,j，xi,j表示第j个城市的第i个分项指标的数据，其中i＝1,2,3,…24，j＝1,2,3,…p；
s22，对原始变量矩阵x进行标准化处理，消除量纲和数量级影响，得到标准化矩阵z，标准化矩阵z的公式如下：
其中,
则标准化矩阵z表示如下：
其中，zxij表示标准化矩阵z的第i行、第j列的数据；
s23，根据标准化矩阵z，计算相关系数矩阵r：
zt为标准化矩阵z的转置矩阵，针对标准化矩阵z，记其变量指标为zx1,zx2,…,zxp，其中zx1＝(zx11,zx21,…,zx24,1)t，zx2＝(zx12,zx22,…,zx24,2)t，…，zxp＝(zx1p,zx2p,…,zx24,p)t，则rab(a,b＝1,2,…,p)为标准化矩阵z的变量指标的相关系数，rab的计算公式如下：
其中，zxka为标准化矩阵z的第k行、第a列的数据，zxkb为标准化矩阵z的第k行、第b列的数据；
s24,通过相关系数矩阵r的特征方程|r-λi＝0，其中λ为特征方程的特征根，i为单位矩阵，求出所有特征根λc(c＝1,2,…,p)，并按从大到小排序为λ1≥λ2≥…≥λp≥0；
s25，根据累计方差贡献率计算公式，得到第f个因子的累计方差贡献率αf：
根据累计方差贡献率αf≥0.85，得到主成分个数为m，分别记为主成分f1,f2,…,fm，得到主成分f1,f2,…,fm对应的m个特征根，将m个特征根由大到小排列，即λ1≥λ2≥…≥λm>0；
s26，针对原始变量矩阵x，若记原变量指标为x1,x2,…,xp，其中x1＝(x11,x21,…,x24,1)t，x2＝(x12,x22,…,x24,2)t，…，xp＝(x1p,x2p,…,x24,p)t，设降维后的新变量为z1,z2,…,zm(m≤p)，则
其中，lgh为相关系数矩阵r的m个较大特征根的值所对应的特征向量，
其中，λg为相关系数矩阵r特征方程的m个较大的特征根，
通过lgh得到因子载荷矩阵l：
s27，将lgh与标准化矩阵z相乘，得到主成分f1,f2,…,fm的表达式：
将lgh代入到降维后的新变量z1,z2,…,zm(m≤p)的公式中，得到各主成分f1,f2,…,fm的得分：
s28，以m个主成分所对应的特征值λg(g＝1,2,…,m)占所有主成分的特征值之和的比例作为权重，得到评价模型f：
s3，根据p个待评价城市的惠民服务水平的评价得分，得到p个待评价城市的惠民服务水平的排名；通过p个待评价城市的m个主成分得分，得到p个待评价城市的惠民服务水平的分析报告和改进意见。
综上所述，本发明的评价方法通过主成分分析法确定每个待评价城市的主成分，得出每个待评价城市的各主成分得分，再得到惠民服务水平评价模型，进而得到每个待评价城市的惠民服务水平的评价得分。根据每个待评价城市的惠民服务水平的评价得分，评价得分由大到小相对应的城市即为惠民服务水平的先后排名；通过每个待评价城市的各主成分得分，找出每个待评价城市的有利于惠民服务水平和不利于惠民服务水平的对应的分项指标，为每个待评价城市未来在惠民服务方面的决策提供依据。该评价方法能够准确、快速的得到智慧城市惠民服务水平的评价结果和改进意见。