熊 励，王 锟，许肇然

(上海大学 管理学院，上海 200444)

在互联网技术快速发展的今天，大数据、云计算、物联网等技术正逐渐广泛运用在社会各行业，不断支撑全球城市建设，提升城市竞争生态优势。目前利用互联网科技推动城市建设，已成为推动城市发展和能级提升的重要引擎。2017年9月17日的上海市市长国际企业家咨询会议以“迈向卓越的全球城市”为主题，着眼于上海2016-2040年建设全球卓越城市的长远规划，并指出互联网发展对上海未来建设卓越全球城市的促进作用。上海市委书记李强表示，上海的发展重在提升能级和核心竞争力，把功能做强，体现集聚辐射效应，迈向建设卓越全球城市的新征程。上海市市长应勇指出全球城市是世界城市网络的核心节点，并强调其在世界经济发展中的重要功能和作用，将深化上海市经济、金融、贸易、航运等功能建设，同时在互联网、信息技术创新基础上加强智慧城市建设，提升城市竞争力。

目前信息技术创新日益升温，以数字化、网络化、智能化为基础的信息技术不断促进经济发展，逐渐成为未来智慧城市发展的助推动力。早在2016年7月，中共中央办公厅、国务院办公厅印发《国家互联网发展战略纲要》，旨在以信息驱动现代化建设，运用互联网发展的潜能建设网络强国。以互联网技术促进经济、社会建设已成为必然趋势。互联网创新应用已经渗透到各行各业，改善原有创新环境，提升创新效率，助推技术创新、人才培养和经济增长，逐渐发展成为城市创新发展的一条重要路径。并且技术、资金和人才等创新要素逐渐从生产性要素转变为城市竞争力提升的重要资源。上海作为我国重要的经济、金融中心，对我国经济发展起到重要的影响作用和重要作用，随着全球化的深入，上海在全球的竞争力逐渐凸显，这对我国的经济发展和国际地位具有深远影响。目前在互联网技术的助推作用下，各要素的协同创新必然对上海城市竞争力具有重要的影响作用，因此有必要对互联网对上海城市竞争力的影响机制进行分析，并分析上海在全球城市范围内的竞争生态优势变化。

一、理论基础

(一)世界城市网络及城市竞争力研究现状

全球互联网发展为各国城市竞争力提升提供了良好的发展空间，同时也面临着前所未有的竞争压力。如何在经济、社会、科学技术以及相关产业快速发展的今天在全球环境下持续稳定地提升城市竞争力已成为理论和实践中的热点问题，国内外学者均对世界城市和城市竞争力进行了相关研究。

世界城市研究基于传统的单一城市研究逐渐发展形成，近年通过将网络模型和城市策略相结合，构建世界城市网络模型，分析城市的中心性和控制力，以及城市间的关联关系[1-2]。Friedmann通过分析世界城市案例，提出了世界城市假说，并随后提出了城市网络理论，为世界城市网络的研究奠定了基础[3]。Taylor 等为了判断世界各国之间的联系程度和对资源的控制程度，运用先进生产服务业的跨国企业信息构建世界城市网络，分析城市之间的交互关系[4]。在网络模型的基础上，节点的中心性和控制力逐渐被重视，这是判断城市的影响力和控制力的重要依据[5]。世界城市网络是研究世界城市交互关系和影响力的重要方法，也是研究城市竞争生态优势的基础。

城市竞争力理论起源于微观层面的竞争力理论，随着经济和社会的发展，逐渐运用到行业、地区甚至国家层面的管理决策和评估中。最初的竞争优势理论由迈克尔·波特提出，即钻石理论，阐述影响竞争力的要素，包括生产要素、需求条件、相关及支持产业和企业战略、结构和同业竞争[6]。倪鹏飞教授曾对城市竞争力进行了定义，认为城市竞争力是指城市能吸引、控制、转化资源，争夺、占领、控制市场，并创造价值和为其居民提供福利的能力[7]。社会层面的各要素逐渐成为衡量城市竞争力的标准，衍生的城市竞争力理论模型也在强调经济结构、人力资源、制度环境和区域禀赋协同作用[8]。随着经济的快速发展，社会多元化发展，城市竞争力研究的目标逐渐从单一的经济层面延伸到多因素协同提升。Zanakis对主要国家的竞争力进行测度，发现在传统的经济、政策、科研等支持的城市竞争的关键要素，计算机的广泛运用有助于驱动城市竞争力的提升[9]。郝寿义教授提出的城市竞争力理论模型中强调综合经济实力、资金实力、开放程度、人才及科技水平、管理水平和基础设施和住宅等六要素驱动提升城市竞争力[10]。程玉鸿等通过以竞合视角并运用主成分分析法测度珠江三角洲地区城市竞争力，从而判断内生、外生竞争力对城市竞争力贡献差异[11]。城市竞争力是城市快速发展的内生动力，是城市社会、经济、环境等综合发展的有力支撑。

综上所述，基于世界城市网络的城市影响力研究有一定的研究基础，对于城市竞争力的研究多是基于静态的历史数据进行关键要素驱动作用分析，但将世界城市网络模型和城市竞争力分析结合预测分析城市竞争力的提升机制的研究较少，因此有必要将二者相结合细化预测分析上海全球城市竞争生态优势提升机制。

(二)互联网支撑的城市竞争生态优势提升研究现状

计算机技术的发展和互联网的普及使得互联网的作用逐渐在经济、社会及各行业运用中突显。互联网有助于人们充分利用信息技术、开发利用信息资源，促进信息交流和知识共享，提高经济增长质量，推动社会发展转型。目前互联网正快速发展，在带动城市经济发展，人才储备，技术创新，价值创造等方面充分发挥其先导作用，对城市竞争生态优势的提升起到助推作用。Paul Schreyer在通过分析信息技术对生产率的作用，发现信息技术的应用导致了生产率增长，有助于社会经济发展[12]。同时在微观层面，Bryniolfsson强调了信息技术对企业竞争能力提升的重要性[13]。许晶华运用新古典计量模型测算中国经济增长的动力，发现信息技术的投资加速，对经济增长的贡献率越大[14]。信息服务业是互联网的重要组成部分，对驱动城市结构调整和经济增长具有重要作用[15]。贺邵莉从资源配置、产业集聚和经济发展方式分析信息服务进行分析，发现信息服务业有助于产业融合升级和经济增长[16]。2017年11月在上海召开的全球城市信息化论坛以“智慧·创新·卓越”为主题强调互联网在城市信息化建设中的重要性[17]。互联网技术在城市经济发展和创新中起到了重要的作用，特别是智慧城市建设[18]，是城市竞争生态优势提升的有力支撑。

综上所述，世界城市网络研究具有一定理论基础，且国外学者对城市竞争力的研究较为成熟，充分说明城市竞争力提升的重要性，同时强调多要素如经济、科技、人才等协同促进城市竞争力提升。综上所述，信息技术的快速发展为生产率的增加和经济的发展起到助推作用，且随着全球互联网的发展趋势和智慧城市建设的需求，互联网在原始的城市竞争力要素基础上驱动着城市各方面的发展，目前的对城市竞争力的研究多基于静态分析，因此有必要对在目前的研究基础上，对互联网环境下城市竞争力的动态提升机制进行研究，从而分析互联网水平的提升对上海在世界城市网络中的全球竞争生态优势的作用。

文章针对互联网环境下上海在世界城市网络中竞争生态优势提升问题，构建互联网支撑的世界城市竞争生态网络计算城市中心性，分析上海的机遇与挑战。并以上海城市竞争力提升为研究目的，选取创新要素指标和互联网指标，建立相应的系统动力学模型，依据2010-2016年《上海统计年鉴的》数据对模型进行预测分析互联网发展对上海城市竞争力的影响作用。将城市竞争力提升机制辐射至世界城市竞争生态网络中，分析在互联网支撑下上海全球竞争生态优势提升机制。

二、互联网支撑的世界城市竞争生态网络构建及上海市机遇分析

(一)互联网支撑的世界城市竞争生态网络构建

世界城市研究相对于传统的单一城市研究具有一定的综合性和空间性，在经济全球化的过程中，世界各国城市具有频繁的经济、贸易、文化往来。各个城市在全球化环境中都发挥着自身的影响作用和控制作用，可通过构建网络结构发现和分析城市作用。目前，各城市在经济、人才、互联网的快速发展下不断提升国际影响力，逐渐构成了充满活力的竞争生态环境。因此构建世界城市竞争生态网络是了解和分析城市的中心性和控制力以及竞争生态优势的重要手段。文章通过UCINET平台构建在互联网、金融、人才视角下的世界城市竞争生态网络模型，计算城市中心性，判断世界城市的竞争优势，分析互联网支撑的上海市未来发展机遇。

在世界城市网络模型中，中心度是判断城市所在节点的中心性和控制力的重要指标。其中，中心性评价世界城市网络节点地位，控制力主要指城市控制网络中资源流动的能力。从中心性分析的结果可以在一定程度上判断各个城市的地位和影响力，从而了解上海市在其中所处的位置，并判断其未来的发展机遇和面临的挑战，为后续的上海市城市竞争力的提升机制奠定基础。

通过运用UCINET软件在构建好的世界城市竞争生态网络基础上计算出反映每个城市中心性的点度中心度指标，其表示与城市节点直接相连的点的个数和。设世界城市网络G=(V,E)中共有N个节点和M条边，则城市i的点度中心度为：

软件计算出的中心度指标中包括绝对点度中心度(Degree)、相对点度中心度(NrmDegree)，从而综合判断各个城市的中心性和控制力。

(二)模型分析和上海市机遇判断

考虑到城市之间的关系，以及数据的易获取性和可靠性，文章选取《2017年科尔尼全球城市报告》中全球化排名前40的城市作为研究对象，从金融、互联网、人才等视角发现世界城市之间的关联关系进行世界城市竞争生态网络构建。从金融机构、互联网企业在全球城市分支机构设置情况，以及科技人才的分布和流动情况进行数据采集，并对节点之间关联关系进行赋值，构建关联矩阵。

其中，金融机构、互联网企业网络结构中节点关系赋值通过分支机构的级别确定，无分支机构时为0，一般分支机构时为1，总部职能机构时为2。科技人才网络结构中节点关系赋值方式为：主要城市为3，次要城市为2，其余或未提及城市为1。将构建好的矩阵导入UCINET软件中分别基于综合视角和互联网视角进行复杂网络建模和中心性分析，基于综合视角的世界城市竞争生态网络模型如图1所示：

从图1中可看出，在结合金融、人才、互联网的综合视角下的世界城市竞争生态网络中，数据可视化突出了影响力和控制力较强的城市，突显了其全球竞争生态优势。主要城市的中心性分析结果如表1所示：

表1 综合视角下的世界城市竞争生态网络中心性分析结果

从表1中可以看出，在金融、人才、互联网的综合视角下，绝对点度中心度和相对点度中心度排名靠前的城市主要是纽约、伦敦、北京、香港和巴黎，其中纽约和伦敦的绝对点度中心度分别为212和210，领先于其他城市，说明这两个城市的中心性和控制力很强，突出其全球竞争生态优势。上海在其中排名第八，其绝对点度中心度和相对点度中心度分别为165和52.885，在综合的全球竞争生态优势上和纽约、伦敦存在一定的差距。为细化分析，因此构建了基于互联网视角的世界城市竞争生态网络模型，如图2所示。

网络可视化分析结果显示，在互联网视角下，纽约、伦敦、东京、香港、北京等城市的竞争优势较为明显，城市中心性分析结果如表2所示。

从表2中可看出，在互联网视角下，绝对点度中心度和相对点度中心度排名靠前的城市主要是伦敦、纽约、香港、东京和北京等城市，其中伦敦和纽约的绝对点度中心度分别为71和70，领先于其他城市，说明这两个城市在互联网发展水平方面的中心性和控制力很强。上海在其中排名第十，其绝对点度中心度和相对点度中心度分别为51和43.59，在全球竞争生态优势上和其他国家还存在差距。

从基于不同视角的世界城市竞争生态网络模型以及城市中心性分析结果发现，上海市的综合竞争优势虽然和发达国家城市存在差距，但自身有较强的影响力和控制力。在互联网发展水平上，上海市的点度中心度排名下降了2名，虽然近年来上海市的互联网程度和互联网建设迅速加强，但和发达国家城市依旧存在差距，因此必须在经济、人才、科技的大环境中对上海市的互联网建设加以提升，强化上海市在国际上的综合影响力。文章通过选取了经济、人才、科技和互联网相关数据进行上海市城市竞争力系统动力学建模，模拟互联网环境下上海市城市竞争力提升机制。

图2 互联网视角下的世界城市竞争生态网络图

城市DegreeNrmDegreeshare伦敦7160.6840.044纽约7059.8290.043香港6353.8460.039东京6353.8460.039北京6152.1370.038巴黎5849.5730.036柏林5748.7180.035法兰克福5547.0090.034慕尼黑5345.2990.033上海5143.590.032莫斯科4941.880.03巴塞罗那4538.4620.028

三、互联网环境下上海市城市竞争力系统动力学模型构建

(一)系统动力学和城市创新系统理论概述

系统动力学最初于1956年由麻省理工学院的Forrester教授提出，运用系统仿真的方法分析和解决管理问题[19],并运用在经济和企业管理中[20-21]。系统动力学对问题的理解是基于系统内部机制的紧密联系和相互作用实现的，且依赖于相应的数学模型进行仿真分析，从而在环环相扣的紧密结构中得出客观结论，发现蕴含规律[22-23]。随着管理的重要性日益显现，系统动力学也逐渐运用到各领域问题研究中。

目前系统动力学被广泛运用到社会经济问题研究中，通过系统构建和模拟仿真发掘经济、社会的运行规律，为管理者提出更加可靠的政策建议，特别是城市发展问题。Forrester教授应用系统动力学从宏观层面研究城市的兴衰问题[24]，Alfeld在此基础上对城市动力学模型进行了完善[25]。Moonseo以自给自足型城市为研究对象，构建基于服务、教育、企业、住宅、城市吸引力等因素进行城市系统动力学模型建模，分析城市发展动态[26]。基于系统理论，城市逐渐被看作是一个复杂、动态的非线性系统，各个子系统之间相互影响和依赖，我国学者赵黎明提出了城市创新系统理论[27]，并运用系统动力学方法进行城市的社会、经济系统仿真，发掘城市创新能力和区域竞争优势。文章针对城市竞争力的研究，运用系统动力学构建系统和模拟仿真，分析系统内因素之间的关系，同时预测城市竞争力未来的变化趋势，具有动态性和时效性。模型由变量、参数和函数关系组成，可通过因果回馈图和系统流程图来分析因素之间的关系和动态的变化趋势。

(二)互联网环境下上海市城市竞争力指标体系构建

通过对城市竞争力相关文献的分析，发现迈克尔·波特的竞争优势理论中，影响竞争力的要素有生产要素、需求条件、相关及支持产业和企业战略、结构和同业竞争。韦伯斯特提出了城市竞争力理论模型，强调经济结构、人力资源、制度环境和区域禀赋协同作用从而提升城市竞争力。Zanakis对主要国家的竞争力进行测度，发现在传统的经济、政策、科研等支持的城市竞争的关键要素，计算机的广泛运用有助于驱动城市竞争力的提升。

因此互联网环境下影响上海城市竞争力的主要因素包括资金、人力、技术以及部分外部影响因素，因此在指标的选取上遵从前人的研究，选择经济条件、人力资源、科研水平和互联网发展水平等为主要因素，并根据统计年鉴的相关统计数据项扩展二级、三级指标，构建互联网环境下上海市城市竞争力指标体系，如表3所示。

根据一级指标共扩展了13个二级指标和26个三级指标，通过运用AHP法确定部分指标权重，通过一致性检验(CI<0.1)，主要方程如下：

A1经济条件因子：包括生产总值和经济政策因子2个二级指标，从上海市生产总值和经济政策评估经济发展水平，近年来上海经济政策较好，生产总值提升明显，因此等比例划分变量系数。

A1=0.5B1+0.5B2

A2人力资源因子：包括人才政策因子、社会从业人数、人才素质等3个二级指标，通过分析人才政策对目前人力资源发展现状进行判断，从第三产业从业人数、人才素质综合判断目前的人力资源发展情况。

A2=0.1634B3+0.5396B4+0.297B5

A3科研水平因子：包括科研成果因子、科技活动人员、科研经费力度、科技政策因子等4个二级指标。由于科技发展是信息产业发展的重要支撑，互联网发展需科技创新支撑，因此通过分析科研成果情况，并结合科技政策的影响，判断科研水平的发展情况。

A3=0.4774B6+0.1283B7+0.2565B8+0.1378B9

(CI=0.0039<0.1)

A4互联网发展因子：包括互联网政策因子，信息传输、计算机服务和软件业经济基础，网络基础设施建设水平和信息服务业发展情况等4个二级指标，可判断出目前互联网发展的经济基础、业务发展情况，综合反映互联网的发展水平。

A4=0.2225B10+0.2463B11+0.3241B12+0.2463B13

(CI=0.0171<0.1)

互联网环境下城市竞争力评价系统将经济、人力、科研和互联网发展情况相结合，考虑到各因素均是上海市城市竞争力的重要组成部分，所以变量系数按等比例分：

城市竞争力=0.25A1+0.25A2+0.25A3+0.25A4

为了更加清晰地判断指标之间的关系，因此运用Vensim PLE软件建立互联网环境下上海市城市竞争力系统因果关系模型，如图3所示：

图3 互联网环境下上海市城市竞争力系统因果关系模型

因果关系模型中箭头从前一个节点指向后一个节点，表示节点之间因果关系，箭头上的“+”表示原因对结果有正向促进作用。反馈回路如下：

R1：经济条件→+城市竞争力水平→+经济政策因子→+生产总值→+经济条件。城市的经济发展水平有助于提升，在良好的社会环境下，有利于经济政策的完善，并作用于经济环境中，刺激经济增长，促进生产总值的增加，提高经济水平。

R2：人力资源因子→+城市竞争力水平→+人才政策因子→+社会从业人数→+人才素质→+人力资源因子。人力资源水平可提升城市竞争力，政府也会根据实际情况改善人才政策，刺激社会从业人数的增加，在公平竞争环境下不断提高对人才素质的要求，从而提高人力资源综合水平。

R3：互联网发展因子→+生产总值→+信息传输，计算机服务和软件业经济基础→+网络基础设施建设水平→+信息服务业发展情况→+互联网发展因子。互联网的快速发展有助于生产总值的增加，从而为信息传输、计算机服务业和软件业提供良好的经济基础支持，有助于完善网络基础设施建设水平，为信息服务业的发展提供支持，促进互联网发展。

R4：科研水平因子→+网络基础设施建设水平→+互联网发展因子→+城市竞争力水平→+科技政策因子→+科研水平因子。科研水平可间接提高网络基础建设水平，促进互联网的快速发展，提升城市竞争力水平，从而有必要出台更加完善的科技政策，促进科研水平的提高。

R5：城市竞争力水平→+经济政策水平→+人才政策因子→+社会从业人数→+人才素质→+信息服务业发展情况→+互联网发展因子→+城市竞争力水平。城市竞争力水平有助于促进经济政策的完善，在经济发展的需求下刺激人才政策的完善，在良好的政策条件下吸引更多人就业，提高对人才素质的需求，提升信息服务业的发展水平，促进互联网的发展，提高城市竞争力水平。

对指标间因果影响关系的分析是建立系统流量图的基础，因此根据指标间因果关系，建立系统流量图。并且根据指标体系将系统分为经济条件因子子系统，人力资源因子子系统，科研水平因子子系统和互联网发展因子子系统。并分别将第三产业生产总值，第三产业从业人数，科研成果数量和信息传输、计算机服务、软件业生产总值和城市竞争力水平设定为状态变量，政策性指标、人才素质和技术因子等影响因子设定为常量，在既定的状态变量基础上，通过调整人才素质，技术因子，政策影响等因素分析互联网发展水平变化趋势和城市竞争力的促进作用。

(三)模型构建

文章运用Vensim PLE软件建立互联网环境下的上海市城市竞争力系统动力学流程图，将指标运用到模型构建中，模拟时间设定为2011-2020年，形成如图4所示的系统动力学流程图，并假设系统内状态变量暂无流失，采集并计算相关数据进行模型模拟。

指标数据一部分来源于2010-2016年的《上海统计年鉴》，保证数据的可靠性和预测结果的准确性，部分数据通过统计年鉴数据计算得出，如第三产业生产总值增长率，信息传输、计算机服务和软件业生产总值增长率等。常数项指标通过专家打分法确定，指标的权重通过层次分析法计算得出，且通过一致性检，通过对数据的输入和方程式的编写，完成互联网环境下的上海市城市竞争力系统动力学模型变量和参数设定。

四、模型仿真模拟

(一)模拟场景设定

互联网环境下上海市城市竞争力受经济条件、人力资源、科研水平和互联网发展情况的影响，在模型中人才素质和科研水平因子同时影响互联网发展因子。因此，在调节互联网发展水平涉及的指标时，通过调整人才素质和技术因子参数值来判断其对城市竞争力的影响。并在此基础上通过调整经济、人才、科技、互联网政策的参数值，观察上海城市竞争力变化情况，模型中对各参数值调整的幅度均相等，分析其对上海市城市竞争力的影响。首先分析互联网发展因子对上海市城市竞争力的影响，与无互联网发展因子作用的情况对比分析如图5所示：

图4 互联网环境下的上海市城市竞争力系统动力学流程图

图5 互联网发展因子对上海市城市竞争力的影响

图5中，在互联网发展因子作用下，上海市城市竞争力水平有所提高，说明互联网发展因子对上海市城市竞争力有积极正向作用，因此模拟场景在互联网发展因子作用下进行，如表4所示：

(二)模拟结果分析

通过调整相关指标，共设定6个模拟场景分析对互联网环境下上海市城市竞争力水平变化，前4个场景暂不考虑政策对各个因子的影响作用，主要针对人力资源因子、科研水平因子及受这两个因素影响的互联网发展因子，场景5、6考虑政策因素的作用，针对政策调控因素影响，观察上海城市竞争力的变化情况。模拟结果如图6所示：

表4 模拟场景设定

经济条件因子在2011-2012年呈上升趋势，2012年后增速下降，2014年后逐渐增加，说明上海的经济环境良好，未来经济水平会稳健提升。图(a)中经济条件因子在1～4场景下变化不大，在5～6场景下有所提升，说明政策调控有助于提升上海经济水平，改善经济环境。人力资源因子在2011-2013年呈上升趋势，在2013年后下降，2015年后回升，逐渐趋于稳定。图(b)中，在政策和人才素质的共同作用下，人力资源因子在原基础上有一定提升，也是互联网建设的关键，政策刺激有助于人力资源水平提升。数据显示科研经费逐年增加，但近年上海的科研成果和科技人员增加不明显，因此导致图(c)中科研水平因子曲线趋于水平，但在人才素质、技术因子和政策的影响下有了一定提升，其中人才素质和技术因子对其影响较大。互联网发展因子在图(d)中在2011-2020年的模拟区间里稳定增长，其水平间接受人才素质和技术因子影响，二者共同作用可使互联网发展因子提升，且互联网政策辅助也能促使其提升。

图6 各场景下影响因子变化情况

由于各场景变动的变量不同，上海市城市竞争力水平曲线呈现多种状态，如图7所示。场景1是原始曲线，场景5增加了政策因子，和场景1曲线对比不明显。通过对比场景2和场景3曲线发现，单独提升人才素质或技术因子使城市竞争力水平提升，技术因子对城市竞争力水平提升的促进作用更明显。在政策作用下，场景6城市竞争力水平较场景4有一定提升，在技术因子和人才素质的协同作用下，科研水平因子和互联网发展因子增加，间接使得城市竞争力水平有了显著提升。模拟结果具体数据如表5所示。

图7 各场景上海市城市竞争力水平模拟结果

从2011-2020年的模拟结果数据中分别截取了2011年、2014年、2018年和2020年的城市竞争力模拟结果数据，结合图形进行分析。根据模拟结果发现，2011年-2020年，互联网环境下的上海市城市竞争力水平逐渐提升，人才素质、技术因子和政策的提升均对其产生正向影响，其中技术因子和人才素质的影响较为明显，2011年的上海市城市竞争力水平在这两个因子的协同作用下从43.934单位提升至117.531单位，在预测的2018年末从58801.3单位提升至155150单位，政策因子的加强对上海市城市竞争力也有一定促进作用，说明互联网环境下的上海市城市竞争力受人才素质、技术的影响较明显，对于来自经济、人力资源、科技、互联网等方面的政策，有一定促进作用，但需要长时间的理论实践和社会环境的多方面作用才能看到明显成效。

表5 各场景上海市城市竞争力水平模拟结果数据

为判断模型模拟的准确性，通过计算模拟结果的相对误差和绝对误差来，由于状态变量在仿真时运用的数据为2010年-2014年的数据，因此将2015年的数据用来计算误差，结果如表6所示。

表6 模型的准确性评估

四个状态变量分别为第三产业生产总值、第三产业从业人数、科研成果数量、信息传输，计算机服务和软件生产总值，其相对误差分别为3.4%、8.8%、0.4%、6.2%，均小于10%，说明状态变量的仿真结果具有一定可靠性。

除状态变量外，模型的指标包括常数项和表函数，其中表函数由《上海统计年鉴》计算得出。上海城市竞争力由二、三级指标组成的方程式计算得出，指标权重通过一致性检验，计算结果具有一定可靠性。在此基础上，通过对常数项指标变动调节相同幅度，进行模型敏感性分析，判断模型的稳定性，分析结果如图8所示。

图8 敏感性分析结果

从图8中可发现，在常数项指标中，除人才素质和科研成果因子外，其余的指标变动对城市竞争力水平的影响较小，说明模型具备一定的稳定性，但是互联网环境下，人才素质和科研成果因子的敏感性较大，也说明这人才和科技对互联网环境下上海市城市竞争力提升具有重要作用。

五、互联网支撑上海全球城市竞争生态优势提升

在互联网环境的作用下，上海市城市竞争力具有一定的提升效果，可将其带入世界城市竞争生态网络模型中进行分析，计算上海市的城市点度中心度，从而分析互联网支撑的上海全球城市竞争生态优势提升机制。在上海市城市竞争力系统动力学模型中，科研水平因子分别促进人力资源因子和互联网发展因子的提升，其中对互联网发展因子提升的作用较大。

表6 2018年末的人力资源因子和互联网发展因子

从表6可以看出，人力资源因子提升幅度为5.2%，而互联网发展因子在科研水平因子的影响下，提升了55.7%。弗里德曼定义中心城市的作用为：能量积聚和能量辐射，因此将模拟的2018年末的人力资源因子和互联网发展因子提升效果辐射到世界城市竞争生态网络模型中。根据辐射断裂点理论，辐射效果会随城市间距增加而减弱，因此假设辐射效果只在 [0, 50%]区间，且上海与各城市间距不同，辐射效果会有差异，因此折中考虑，假设在不受其他因素影响下，在上海市城市竞争力提升的系统动力学模型基础上，上海市城市竞争力影响因子提升对相关企业在全球的机构设置和影响程度具有提升幅度的30%的辐射率。因此在人才、互联网的世界城市网络模型中，将网络矩阵中上海对各城市的关系值，即影响程度，分别乘以人力资源因子与互联网发展因子提升幅度的30%，再将互联网、人才、经济三个网络综合在一起计算中心性，结果如图9所示。

图9中反映出互联网水平提升后的世界城市生态竞争网络分布，中心性计算数据如表7所示。

图9 互联网水平提升后世界城市竞争生态网络(综合视角)

城市DegreeNrmDegreeshare纽约212.38168.0710.04伦敦210.38167.4300.039北京18960.5770.035香港186.38159.7370.035巴黎181.38158.1350.034柏林177.36556.8480.033东京17154.8080.032上海168.37453.9660.032新加坡159.38151.0840.03慕尼黑15148.3970.028苏黎世14546.4740.027日内瓦14245.5130.027

从表中可发现，排名靠前的依旧是纽约、伦敦等城市，上海市位列第八，但绝对点度中心度和相对点度中心度有了一定的提高。基于互联网的视角构建互联网水平提升后的世界城市生态竞争网络模型，如图10所示。

图10中反映出互联网水平提升后的基于互联网视角的世界城市生态竞争网络分布，上海依旧具有一定的影响力和控制力。具体的中心性计算数据如表8所示。

从表10中可发现，在互联网发展水平上，排名靠前的是伦敦、纽约、香港、东京等城市，上海在互联网水平提升后，排名从原来的第十名上升到第八名，绝对点度中心度和相对点度中心度有了一定的提高，分别为57.183和48.874。说明在人才、科技、互联网发展水平提升的动力机制作用下，上海市在互联网视角下的全球城市竞争生态优势有所突显。具体的分析结果如表9所示。

图10 互联网水平提升后世界城市竞争生态网络(互联网视角)

城市DegreeNrmDegreeshare伦敦71.33460.9690.044纽约70.33460.1150.043香港63.33454.1320.039东京63.33454.1320.039北京6152.1370.038巴黎58.33449.8580.036柏林57.33449.0040.035上海57.18348.8740.035法兰克福5547.0090.034慕尼黑5345.2990.033莫斯科49.33442.1660.03马德里48.16741.1680.03

表9 结果分析

通过运用系统动力学模型模拟上海市城市竞争力提升机制，并将提升机制辐射至世界城市竞争生态网络中，发现上海市在世界城市网络中的全球城市综合竞争生态优势和互联网视角下的全球城市竞争生态优势有了一定的提升，互联网视角下其绝对中心度从51提升至57.183，综合视角下其绝对中心度从165提升至168.374。说明互联网的支持对上海在全球城市竞争生态优势的提升具有促进作用。但上海市的互联网发展水平以及在全球的竞争生态优势和世界其他城市存在一定差距，需要不断改善提升。在系统动力学模型中，通过对科技、人才、政策、互联网发展水平进行模拟提升可有效促进上海市城市竞争力的提升。但将其提升机制辐射至世界城市生态竞争网络中时，竞争力虽然有一定提高，互联网发展的影响力和控制力有所提升，但由于人才、经济等多种因素的影响，其全球城市竞争生态优势和发达国家城市还存在一定差距，但对于上海未来的全球城市竞争生态优势提升有一定参考和学习价值。

六、研究结论与对策建议

文章通过构建互联网支撑的世界城市竞争生态网络并进行城市中心性分析，分析上海的国际竞争生态优势及其面临的机遇与挑战。以上海城市竞争力提升为研究目的，搜集互联网环境下影响上海城市竞争力的主要指标因素进行分析，并建立了互联网环境下的上海城市竞争力系统动力学模型，通过调整人才、技术、政策等因素进行城市竞争力提升机制仿真模拟预测。将提升机制辐射至世界城市竞争生态网络中，分析在互联网支撑上海全球城市竞争生态优势提升机制，并得出以下结论：

第一，通过分别构建在综合视角和互联网视角下的世界城市生态竞争网络，并对各城市进行中心性分析发现，在综合视角下，上海的绝对点度中心度和相对点度中心度分别为165和52.885，排名第八，而在互联网视角下，上海的绝对点度中心度和相对点度中心度分别为51和43.59，排名第十。说明上海在国际上具有一定竞争生态优势，但在互联网发展水平上和发达国家城市存在差距。上海在未来可在逐渐完善信息技术基础设施的基础上，加强对信息技术的创新，加大对互联网发展的支持力度，使得互联网发展促进其竞争力提升。

第二，在人力、资本、技术等创新要素的基础上，通过对指标因素的采集和归纳发现，经济条件、人力资源、科研水平和互联网发展积极正向促进上海市城市竞争力的提升。且指标因素在系统动力学因果关系图中存在相互影响和作用的关系，并形成闭环回路。子系统之间存在因果关系，系统内外部的指标因素之间也相互作用影响。上海市在未来的发展里，在建设智慧城市的趋势里，需要更加深化的互联网技术在各行业中的创新应用，需重视人才、科研、经济、互联网的作用，并结合智慧城市发展的目标以及国际经济形势统筹规划，不断提升上海市城市竞争力。上海城市竞争力水平是多因素相互作用的结果结合实际发展情况把握因素之间的实际作用关系，从细节因素抓起，并且做好相应规划，为城市竞争力提升提供一个较为完善和稳定的社会大环境。

第三，互联网发展因子有助于上海城市竞争力提升，在其作用下，对人才素质、技术因子和政策因子进行提升后，经济条件、人力资源、科研水平和互联网发展4个因子均有了一定的提升，并积极正向作用于上海城市竞争力，其中人才素质和技术因子的协同作用对上海竞争力提升作用明显，政策因子的提升作用需要时间周期和社会环境等多方面因素共同作用才会有明显效果。在实际情况中，人才、科技、互联网直接作用于城市竞争力，在宏观层面上，相关的经济、科技等政策则起到相应的调控作用，需要一定的经济周期运作，所以政府在鼓励人才、科技、互联网方面的建设，在提供政策支持的基础上，应根据国际形势和城市发展需求及时调整更新政策，关注长远的发展目标，从根本上稳定提升上海市城市竞争力。

第四，在互联网支撑的上海市城市竞争力提升机制基础上，将提升机制以辐射至世界城市竞争生态网络中，并计算城市中心性，发现在世界城市网络中的综合视角和互联网视角下，上海全球城市竞争生态优势有了一定的提升，互联网视角下其绝对中心度从51提升至57.183，排名从第十提升至第八，综合视角下其绝对中心度从165提升至168.374，排名为第八。说明互联网发展水平的提升对上海在全球城市的竞争生态优势具有促进作用，但是竞争生态优势还取决于金融、科技、人才等诸多方面的作用。在互联网视角下，上海在全球城市中竞争生态优势有所突显，但上海市的互联网发展水平以及在综合视角下的全球城市竞争生态优势和世界其他城市存在一定差距，因此还需要分析发达国家的城市互联网、经济、政治建设和人才培养机制，在保证可持续发展的基础上借鉴学习，逐步提升上海市互联网建设水平，并考虑金融、人才、科技等多因素的协同作用，不断改善提升以增强上海在国际上的竞争优势。