刘 学，孙泰森
（山西农业大学资源环境学院，山西 太谷 ０３０８０１）
摘要：改革开放以来，中国的城镇化进程快速推进，在城镇化快速发展的同时，也产生了诸多问题，城镇化质量状况逐渐受到高度重视。为探清中国城镇化质量状况，通过构建指标体系，应用ＢＰ神经网络方法，对中国３１个省级行政区（包括直辖市和自治区）的城镇化质量状况进行了差异研究和分析，并提出了具有针对性和可行性的建议。
教育期刊网 http://www.jyqkw.com
关键词 ：ＢＰ神经网络；城镇化质量；指标体系；建议；中国
中图分类号：Ｆ２９１．１文献标识码：A文章编号：0439－８114（２０15）01－0229-06
ＤＯＩ：１０．１４０８８／ｊ．ｃｎｋｉ．ｉｓｓｎ０４３９－８１１４．２０１５．０１．０60
Ｑｕａｌｉｔｙ Ｄｉｆｆｅｒｅｎｃｅ ｏｆ Ｕｒｂａｎｉｚａｔｉｏｎ ｉｎ Ｃｈｉｎａ ｂａｓｅｄ ｏｎ ＢＰ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ
ＬＩＵ Ｘｕｅ，ＳＵＮ Ｔａｉ－ｓｅｎ
（Ｃｏｌｌｅｇｅ ｏｆ ｒｅｓｏｕｒｃｅｓ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔ， Ｓｈａｎｘｉ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｔａｉｇｕ ０３０８０１， Ｓｈａｎｘｉ， Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ： Ｓｉｎｃｅ ｔｈｅ ｒｅｆｏｒｍ ａｎｄ ｏｐｅｎｉｎｇ ｕｐ， ｕｒｂａｎｉｚａｔｉｏｎ ｈａｓ ｂｅｅｎ ｐｒｏｃｅｅｄｉｎｇ ｒａｐｉｄｌｙ ｉｎ Ｃｈｉｎａ． Ｓｏｍｅ ｐｒｏｂｌｅｍｓ ｇｅｎｅｒａｔｅｄ ｄｕｒｉｎｇ ｔｈｉｓ ｐｅｒｉｏｄ ａｎｄ ｔｈｅ ｕｒｂａｎｉｚａｔｉｏｎ ｑｕａｌｉｔｙ ａｔｔｒａｃｔｅｄ ｇｒｅａｔ ａｔｔｅｎｔｉｏｎ． Ｔｏ ｃｌａｒｉｆｙ ｔｈｅ ｕｒｂａｎｉｚａｔｉｏｎ ｑｕａｌｉｔｙ ｉｎ Ｃｈｉｎａ， ｔｈｅ ｉｎｄｅｘ ｓｙｓｔｅｍ ｗａｓ ｂｕｉｌｔ， ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｗａｓ ｕｓｅｄ ｔｏ ｓｔｕｄｙ ｔｈｅ ｕｒｂａｎｉｚａｔｉｏｎ ｑｕａｌｉｔｙ ｉｎ ３１ ｐｒｏｖｉｎｃｉａｌ－ｌｅｖｅｌ ａｄｍｉｎｉｓｔｒａｔｉｖｅ ｒｅｇｉｏｎｓ ｉｎ Ｃｈｉｎａ， and ｓｕｇｇｅｓｔｉｏｎｓ ｗｅｒｅ ｐｕｔ ｆｏｒｗａｒｄ．
Ｋｅｙ ｗｏｒｄｓ： ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ； ｕｒｂａｎｉｚａｔｉｏｎ ｑｕａｌｉｔｙ； ｉｎｄｅｘ ｓｙｓｔｅｍ； ｓｕｇｇｅｓｔｉｏｎ；China
收稿日期：２０１４－０３－１８
作者简介：刘 学（１９８９-），男，河北秦皇岛人，在读硕士研究生，研究方向为土地利用与规划，（电话）１８２３４４８７３６４（电子信箱）１４５６２１４１６５＠ｑｑ．ｃｏｍ；
通信作者，孙泰森，教授，主要从事土地利用与规划研究，（电子信箱）ｓｕｎｔａｉｓｅｎ＠１６３．ｃｏｍ。
当前，在国家着力推进和实施城镇化战略的社会背景条件下，中国城镇化进程明显加快，到２０１１年末我国大陆总人口１３４ ７３５万人，城镇人口６９ ０７９万人，城镇人口占总人口的比重达５１．２７％，城镇化发展势头强劲，我国社会形态正在发生重大变化。然而，在城镇化快速发展的背景下，我国的城镇化进程中也出现了很多问题，主要表现在：城镇规模结构不尽合理，城镇对外辐射能力还比较弱；城镇宏观区域和内部空间布局等问题致使城镇盲目外扩，出现“城中村”等现象；城镇向农村转嫁环境污染，农村向城镇提供有害食品等生态环境问题；城乡差距不断加大，农民失地问题严重，基本公共服务未能实现均等化等一系列问题［１］。由此，为了探清我国城镇化质量状况，本研究从经济发展质量、环境质量、居民生活水平、公共交通水平、市政公用设施水平、城乡统筹水平６个方面，选取３６个指标对我国３１个省级行政区（包括直辖市和自治区，下同）的城镇化发展质量状况进行了差异研究，并根据研究结果，提出了具有针对性和可行性的建议。
１ 城镇化质量的内涵
关于城镇化质量的内涵，国内外学者给予了多种界定。其中，Ｓｏｒｏｋｉｎ等［２］侧重于认为城镇化质量是指人行为方式和价值观的转变状况。Ｓｃｈｎｏｒｅ［３］认为城镇化质量是对一个社会整体的生活质量和价值观的综合水平的反映。朱洪祥［４］认为城镇化作为一个系统，它的质量应包括四个最基本的内涵：推动城镇化系统发展的“动力因子”、认识城镇化系统差异的“公平因子”、度量城镇化系统水平的“质量因子”以及测度对资源能源消耗和生态环境影响的“集约因子”。何平等［１］认为城镇化质量是指城镇化发展的综合水平，同时还包括其发展的集约性、公平性（均等化）和可持续性。魏后凯等［５］认为城镇化质量是指在城镇化进程中与城镇化数量相对的反映城镇化优劣程度的一个综合概念，特指城镇化各组成要素的发展质量、协调程度和推进效率。由上述各种对城镇化质量内涵的界定可知，上述几种内涵界定的本质基本相同，综合比较上述几种界定，笔者认为，魏后凯等［５］在《中国城镇化质量综合评价报告》中对城镇化质量的界定更具有权威性和代表性。由此，基于城镇化质量的内涵，在城镇化质量评价研究中，不仅要考虑城市发展质量，还要考虑城乡协调程度；不仅要考虑城镇化带来的文明成果，还要考虑为此付出的社会、经济、环境等方面的代价。
２ 城镇化质量研究的必要性
２．１ 开展城镇化质量研究，提高城镇化质量是现阶段城镇化进程中的新主题
中央经济工作会议上提出，要积极稳妥推进城镇化，着力提高城镇化质量。要围绕提高城镇化质量因势利导，趋利避害，积极引导城镇化健康发展。要把有序推进农业转移人口市民化作为重要任务抓实抓好。要把生态文明理念和原则全面融入城镇化全过程，走集约、智能、绿色、低碳的新型城镇化道路。由此可以看出，提高城镇化质量是新型城镇化道路的必然要求。因此，开展城镇化质量研究已成为相关学者的神圣使命和历史责任。
２．２ 开展城镇化质量研究是转变传统理念的标志
多年以来，城镇化率一直是衡量各地城镇化水平的惟一标准；很多时候，不断上升的城镇化率被直接视为不断提高的城镇化水平。人口城镇化是城镇化的核心，但并不是城镇化的全部，城镇化是一个综合的概念，它包括人口城镇化、土地城镇化、经济产业结构城镇化以及生活质量的城镇化。在城镇化进程中，单纯地以人口城镇化状况来衡量各地城镇化水平，会导致各地盲目、热衷追求城镇化率，而忽略了城镇化的实质，可能会带来一系列的问题，因为城镇化率并不是越高越好，城镇化速度亦非越快越好。城镇化的速度要与经济发展阶段、工业化程度、资源环境承载力、吸纳人口就业能力等相适应，否则会带来很多社会问题。因此，将城镇化质量作为评判各地城镇化水平的重要指标，开展城镇化质量研究是转变传统理念的标志，具有科学性和必要性。
２．３ 开展城镇化质量研究是解决城镇化进程中各类问题的需要
我国在城镇化战略推进过程中，遇到了多方面的问题。例如：大量农业转移人口难以融入城市社会，市民化进程滞后；土地城镇化快于人口城镇化；城镇规模结构不合理；“城市病”问题日益突出；体制机制不健全等。鉴于此，开展城镇化质量研究，查清各地在城镇化进程中所面临的突出问题，才能有针对性地采取措施来解决问题，引领各地城镇化健康发展，提高城镇化发展的综合水平。
３ 中国城镇化质量差异研究
３．１ 评价指标体系的构建
城镇化质量是一个综合的概念，是受多因素影响的系统工程，需要建立一套系统的指标体系来对其进行评价。构建指标体系时，要遵循相关性、主导性和可操作性原则，结合国内外相关研究成果［１，６，７］，本研究从经济发展质量、环境质量、居民生活水平、公共交通水平、市政公用设施水平、城乡统筹水平６个方面，选取３６个指标来构建评价指标体系，对我国３１个省级行政区的城镇化质量状况进行差异研究。城镇化质量评价指标体系见表１。
３．２ 评价方法的选取
本研究选用ＢＰ神经网络方法对３１个省级行政区的城镇化质量进行综合评价，ＢＰ神经网络方法的计算过程通过软件Ｍａｔｌａｂ７．０来协助实现。
３．３ ＢＰ神经网络方法的实现过程
ＢＰ神经网络是１９８６年由Ｒｕｍｅｌｈａｒｔ和ＭｃＣｅｌｌａｎｄ为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。ＢＰ神经网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。ＢＰ神经网络模型拓扑结构包括输入层、隐含层和输出层。ＢＰ神经网络具有良好的容错性，对于一个大规模的网络来说，个别节点和连接的损坏不会影响整体的结果；它具有很强的学习能力，网络可在学习过程中不断完善自己；它的结构简单明了，训练方法物理概念清楚， 通用性较强［８］。我国城镇化质量评价的ＢＰ神经网络模型是以ＢＰ神经网络为平台，以城镇化质量评价指标体系为核心的城镇化质量评价模型。建立我国城镇化质量评价模型包括评价模型网络结构的确定，评价模型激活函数和训练函数的选取，评价模型网络配置参数的设置，原始数据的归一化，归一化后数据的分等量化，网络训练并用训练好的模型进行仿真６个步骤。
３．３．１ 评价模型网络结构的确定 一个ＢＰ神经网络包括输入层、隐含层和输出层。网络结构的确定主要指输入层神经元个数、隐含层神经元个数和输出层神经元个数的确定。我国城镇化质量评价的ＢＰ神经网络模型的输入层神经元个数由城镇化质量评价指标体系所包含的指标个数来确定，输入层神经元个数本质上就是反映城镇化质量的因子个数，因而评价模型确定的输入层神经元个数为３６。评价模型的输出层神经元个数则由输出目标决定，模型期望输出的是我国３１个省级行政区的城镇化质量综合值，因此，确定输出层神经元个数为１。评价模型的隐含层神经元个数的确定影响网络的学习精度，一般而言，ＢＰ神经网络隐含层神经元个数越多，学习精度就越高，但是该网络推广（即将网络应用于未经学习的输入量）的能力也会越差，所以如果确定的隐含层神经元个数过多，就会影响学习速度与推广能力。通过参考相关书籍和文献，对于三层ＢＰ神经网络，隐含层神经元个数可由以下公式确定：
，式中， ｊ表示最终确定的隐含层神经元个数，ｍ表示输入层神经元个数，ｎ表示输出层神经元个数，ａ是取值在１～１０的常数［８］。由此可以确定隐含层神经元个数的取值范围为７～１６，对隐含层神经元个数分别取上述１０个值进行模拟学习训练，发现当隐含层神经元个数取１２时最合适。综上所述，我国城镇化质量评价的ＢＰ神经网络模型的拓扑结构如图１所示。
３．３．２ 评价模型激活函数和训练函数的选取 激活函数的选择是构建神经网络过程中的重要环节，即输入层、隐含层和输出层所需采用的传递函数，对于ＢＰ神经网络而言，常用的激活函数有３种：Ｓ形函数（Ｌｏｇ－ｓｉｇｍｏｉｄ）、双极Ｓ形函数（Ｔａｎ－ｓｉｇｍｏｉｄ）和线性函数（Ｌｉｎｅｒ）。Ｓ形函数和双极Ｓ形函数属于非线性函数，Ｓ形函数和双极Ｓ形函数主要区别在于函数的值域，Ｓ形函数值域是（０，１），而双极Ｓ形函数值域是（－１，１）。ＢＰ算法要求激活函数要可导，而Ｓ形函数和双极Ｓ形函数都是可导的，所以适合用在ＢＰ神经网络中。激活函数无论对于识别率或收敛速度都有显著的影响，在逼近高次曲线时，非线性函数的精度要比线性函数的精度高得多，因此输入层和隐含层多采用非线性函数；由于为了保持输出的范围，使得输出的结果分布在划定的范围内，所以，输出函数采用线性函数。综上所述，确定输入层和隐含层采用Ｓ形函数，输出层采用线性函数。
常用的训练函数有梯度下降ＢＰ训练函数（Ｔｒａｉｎｇｄ）和梯度下降自适应学习率训练函数（Ｔｒａｉｎｇｄｘ）。梯度下降ＢＰ训练函数的收敛速度慢，而相比之下，梯度下降自适应学习率训练函数的收敛速度较快，所以，评价模型的训练函数采用梯度下降自适应学习率训练函数。
３．３．３ 评价模型网络配置参数的设置 评价模型网络配置参数的设置包括学习速率、神经网络训练的目标误差、最大迭代次数和显示中间结果的周期４个方面的设置。学习速率参数设定时，不能选择太大，否则会出现算法不收敛，导致系统不稳定；也不能太小，否则会使训练时间过长。在一般情况下，倾向于选取较慢的学习速率，以保证系统的稳定性，学习速率的范围一般在０．０１～０．８０，本评价模型的学习速率选为０．０５。目标误差是模型运算结果与输入期望之间的差值。在网络误差大于目标误差时，网络会调整各层权值及其阈值，重新进行训练，直到网络误差小于设定的目标误差为止，本评价模型的目标误差选为０．００１。最大迭代次数的设定是保证网络在设定的最大次数内进行训练，使得目标误差达到设定值，本评价模型的最大迭代次数选为１ ０００，显示中间结果的周期选为５０。
３．３．４ 原始数据的归一化处理 采用Ｓｉｇｍｏｉｄ激励函数的ＢＰ神经网络的输入必须在［０，１］之间，才能达到较高的精度，否则网络的性能会很差。同时为了消除各特征分量幅度差异的影响，防止小数值信息被大数值信息淹没，有必要对各评价指标进行归一化处理。归一化处理的公式如下：
正向指标：
３．３．５ 归一化后数据的分等量化 我国城镇化质量评价的ＢＰ神经网络模型最终输出的是３１个省级行政区的城镇化质量综合值，对于输出的定量数据，模型选择某一定量数据所落入的区间为标准来分等评价。我国城镇化质量评价的ＢＰ神经网络模型将最终输出的３１个省级行政区的城镇化质量综合值分为６个等级，城镇化质量综合值分等情况见表２。
同时，经上述归一化处理后的城镇化质量评价各项指标在作为学习样本输入时也要进行分等，这样才能与城镇化质量综合值等级区间配伍，被ＢＰ神经网络所接受。归一化处理后的城镇化质量评价各项指标的分等量化方法为：首先，计算出归一化后各项指标的平均值来作为三等和四等的分界值。其次，采用公式：
Ａｉ＝Ａｉ－１＋ｉ×０．２×（１－Ａ１）／ｉ＋１（２≤ｉ≤３）
计算出一等和二等、二等和三等的分界值。最后，采用公式：Ａｉ＝Ａｉ－１－ｉ×Ａｉ－１×（１－Ａ１）／ｉ＋１（２≤ｉ≤３）计算出四等和五等、五等和六等的分界值［９］。至此，城镇化质量评价的学习样本与输出期望值均予以确定，具体见表３。
３．３．６ 网络训练并仿真 综上所述，在ｍａｔｌａｂ７．０中输入相关命令进行网络训练，当网络训练次数达到９５次时，其训练误差小于０．００１，达到所期望的精度要求，并停止训练。输入命令使用网络进行仿真，得到城镇化质量实际输出的分界值分别为５．０１７ ２、３．９９１ ５、２．９７９ １、２．０２２ １、０．９８９ ６，与期望分界值相当接近。
３．４ 省域城镇化质量综合值的确定与分等
利用已经建立好的ＢＰ神经网络，对表２中３１个省级行政区归一化后的指标值均进行仿真，得到３１个省级行政区城镇化质量的综合值，见表４。
按上述等级划分标准，对３１个省级行政区的城镇化质量进行等级划分，等级划分结果见表５。
３．５ 评价结果分析
１）北京市的城镇化质量最高。北京市在影响城镇化质量的经济发展质量、环境质量、居民生活水平、公共交通水平、市政公用设施水平、城乡统筹水平６个方面均表现较好，城镇化质量最高。
２）上海市、天津市、广东省和海南省４个省级行政区的城镇化质量较高。上海市除城乡统筹水平外，其他５个方面均表现较好，在城乡统筹水平方面，上海市要注重增加对农村的投资，不断缩小与城镇投资的差距；天津市除公共交通水平和城乡统筹水平外，其他４个方面均表现较好，天津市公共交通整体水平较低，今后应该注重提高，同时，天津市的城镇固定资产投资与农村的比值最高，今后要更加注重增加对农村的投资；广东省各个方面的表现均较好；海南省同样应注重提高公共交通水平，同时，海南省的污水处理率和工业烟尘去除率较低，今后应该采取相应措施加以改善。
３）内蒙古、青海、广西、云南、宁夏、贵州６个省级行政区的城镇化质量较低。其在影响城镇化质量的６个方面均表现相对较差，今后要着重提高区域经济发展质量，与此同时，青海省还应注重改善环境质量和公共交通水平，广西还应注重提高居民生活水平和改善公共交通水平，云南省还应注重提高居民生活水平，宁夏还应注重改善公共交通水平，贵州省除环境质量外，其他方面都应该注重提高。
４）西藏和甘肃的城镇化质量最低，各方面均表现很差，城镇化建设方面依然任重道远。
５）总体看来，我国城镇化质量表现出比较显著的地区特征，东部地区的城镇化质量显著高于东北、中部和西部地区，这与我国各地区经济发展水平基本相符，即经济发展水平高的地区往往城镇化质量也较高，经济发展相对落后的地区城镇化质量也较低。
４ 对策与建议
基于城镇化质量的评价结果及分析，结合现阶段我国城镇化进程所遇到的问题，为提高我国城镇化质量，现提出以下建议。
４．１ 坚持以经济建设为中心，提高经济发展质量是提高城镇化质量的根本手段
依据评价结果可以看出，经济发展水平高的地区往往城镇化质量也较高，经济发展落后的地区城镇化质量也较低，由此可见，经济发展水平对城镇化质量起决定性作用。经济建设是兴国之要，是解决我国所有问题的关键，经济持续健康发展是开展各方面工作的物质基础，而提高经济发展质量是现阶段经济建设的核心任务，这也就要求各省级行政区要有效地实施经济结构的战略性调整，全面推进科技进步和创新，将保障和改善民生作为经济发展的最高目标，大力提倡建设资源节约型、环境友好型社会，如此才能不断提高区域城镇化质量。
４．２ 科学制定城镇化发展战略规划，为城镇化发展指明方向
城镇化要有科学的规划，各省级行政区要在国家城镇化战略的指导下，结合区域城镇化发展规律，科学、合理地制定长远的城镇化发展规划。区域城镇化发展规划要与本地区的经济社会发展规划、主体功能区规划、土地利用总体规划、生态环境保护规划、人口发展规划等相衔接，要把教育、医疗、文化、社会保障等配置好，做到公共服务的均等化。产业发展所需的基础设施、公共服务配套得好，就能创造更多的就业机会，吸引更多的人才。产业集聚和人口集聚有机结合的城镇化，质量会比较高，最终将促进经济社会的发展。
４．３ 打破城乡二元体制障碍，促进城乡一体化发展
城乡二元经济结构是我国在经济结构上存在的突出矛盾，也是我国相对贫困和落后的重要原因，打破城乡二元体制障碍，促进城乡一体化发展是提高我国城镇化质量的重要措施。由此，各省级行政区需要不断推进土地、户籍、财税、行政管理等各方面体制机制改革，为城镇化健康有序发展提供保障。比如：要创新农业人口有序转移机制，努力实现基本公共服务和社会保障全覆盖；创新农业转移人口承包土地和宅基地流转机制，积极破解城乡二元结构和城镇内部二元结构；创新资金多元筹措机制，尽量满足农村转移人口市民化的资金需要。
教育期刊网 http://www.jyqkw.com
参考文献：
［１］ 何 平，倪 苹．中国城镇化质量研究［Ｊ］．统计研究，２０１３， ３０（６）：１１－１８．
［２］ ＳＯＲＯＫＩＮ Ｐ Ａ， ＺＩＭＭＥＲＭＡＮ Ｃ Ｃ．Ｐｒｉｎｃｉｐｌｅｓ ｏｆ Ｒｕｒａｌ－Ｕｒｂａｎ Ｓｏｃｉｏｌｏｇｙ［Ｍ］． Ｎｅｗ Ｙｏｒｋ：ＨｅｎｒｙＨｏｌｔ，１９２９．
［３］ ＳＣＨＮＯＲＥ Ｌ Ｆ． Ｕｒｂａｎｉｚａｔｉｏｎ ａｎｄ ｅｃｏｎｏｍｉｃ ｄｅｖｅｌｏｐｍｅｎｔ： Ｔｈｅ ｄｅｍｏｇｒａｐｈｉｃ ｃｏｎｔｒｉｂｕｔｉｏｎ［Ｊ］． Ａｍｅｒｉｃａｎ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｓｏｃｉｏｌｏｇｙ，１９６４，２３（１）：３７－４８．
［４］ 朱洪祥．山东省城镇化发展质量测度研究［Ｊ］．城市发展研究，２００７，１４（５）：３７－４４．
［５］ 魏后凯，王业强，苏红键，等．中国城镇化质量综合评价报告［Ｊ］．经济研究参考，２０１３（３１）：３－３２．
［６］ 陈 明，张云峰．城镇化发展质量的评价指标体系研究［Ｊ］．城市理论前沿，２０１３（２）：１６－２４．
［７］ 郝华勇．基于主成分分析的我国省域城镇化质量差异研究［Ｊ］．青岛行政学院学报，２０１１（５）：２７－３０．
［８］ 谭术魁，游和远．基于ＢＰ神经网络的湖北省城市土地可持续利用评价［Ｊ］．科技进步与对策，２００６（１０）：１４７－１５０．
［９］ 周利娴．基于ＢＰ神经网络的汝城县土地资源可持续利用评价研究［Ｄ］．长沙：湖南师范大学，２０１２．
（责任编辑 昌炎新）