2. 华中师范大学 城市与环境科学学院, 武汉 430079
2. College of Urban & Environmental Sciences, Central China Normal University, Wuhan 430079, China
当前,中国城镇化进入下半场,城市发展水平不再简单以城市建设能力衡量[1],更需要重视城市治理能力。近年,我国城市治理能力持续提升的同时也暴露出一些问题。尤其是作为连接地方政府与普通市民最关键一环的基层日常治理,成为城市治理的软肋。如何做好城市微观单元的治理工作,消除“大城市病”,增强城市软实力,是摆在各级城市政府面前的紧迫任务,也成为人文地理学、城乡规划学、社会学等多学科关注的热点[2-7]。随着国家政务公开、信息公开的力度加大以及互联网的快速发展[8, 9],近年来城市治理的形式出现了新的变化[10]。一部分地方政府尝试整合各委办局行政资源搭建起能实时进行问题反映与咨询的官方在线政务平台。平台接到市民的留言后会迅速联系相关委办局进行处理,并在规定时间内给予答复,整个过程由平台记录、监督。目前,已有北京、上海、广州、武汉等地建立起留言板系统,并在国内大中城市中迅速普及。
留言板数据的产生为认知城市治理问题空间提供了新的路径。针对留言板及类似在线数据如热线数据(hotline),英文文献中已有一系列研究。最初的工作来自于美国和加拿大学者,基于311非紧急政府服务热线数据,开始关注社区失序与治理问题[11-13]。更多不同学科背景的研究者进入此领域,通过热线归属地的时空分析,对邻里自然生态失序、邻里冲突及政府治理活动的空间分布展开讨论[14-16]。英国和澳大利亚相继开展了类似研究,扩展了对城市问题空间及治理的认知[17, 18]。如Liu等超越邻里失序概念,基于Galster邻里效应(neighbourhood effects)理论,利用大尺度行政数据,检验澳大利亚邻里问题的现象产生和影响因素[19]。中文文献中,近年也出现了一些有价值的探索工作。如李少温基于人民网公众留言考察公众留言的主题、情感倾向以及政府回应率差异性,为我国电子政务建设提供问题反馈[20];张延吉采用留言板数据开展分析,发现市民的公众参与行为存在“差序圈层”[21]。但整体上看,以具体基层治理事件为分析对象的研究较少,缺少从地理空间的视角审视城市治理问题,对新数据、新方法的应用也处于起步阶段[22]。
2017年,武汉市通过集中各职能部门办理窗口,整合信访渠道,在线上开设“武汉城市留言板”(http://liuyan.cjn.cn/)。武汉城市留言板隶属于武汉市委网上群众工作部,是武汉市政府最主要的电子政务平台之一,具有代表性与典型性。在此背景下,本文运用自然语言处理技术实现留言文本信息与地理空间匹配,通过留言板的市民问题留言,识别城市治理问题的空间,考察其空间特征;以此为基础,建立多元线性回归模型,探究影响城市治理问题空间格局的社会、地理以及环境因素。
2 数据与研究方法 2.1 研究范围、数据来源与分类以武汉市都市发展区为研究范围①,涉及全市12个行政区和2个国家级开发区②,共下辖127个街道。街道是我国城市管理的基本行政单位,具备行政权和执法权,是处理城市治理问题的重要部门,也是产生、处理城市治理问题的基本空间。同时,街道边界清晰,管辖小区范围明确,因此将其作为此次分析的基本空间分析单元。
获取2019年1—12月武汉城市留言版文本数据,约10万条。依据网页标签,筛选涉及与城市治理相关且具有地理空间特征的179个标签文本作为分析基础。考虑到住建部、自然资源部发布的“城市体检指标体系”目的在于预防和诊治城市病,与留言板点对点发现和解决问题、完善城市治理体系目标一致,因此本文将“城市体检指标体系”(8大类、53中类)作为分类基础,选取其中与城市治理密切相关的指标,整合留言板179个问题标签,构建基于“城市安全”、“多元包容”、“生活舒适”、“生态宜居”及4大类、21中类、179小类的指标体系(图 1)。此外,本文定义,一条问题留言即代表一个独立的城市治理事件,通过分析治理事件的空间分布来刻画城市治理问题的空间。
调用“百度AI开放平台自然语言处理API”对武汉城市留言板的文本进行逐条分析,提取留言文本中涉及“地点”的关键词,并基于Python程序匹配至街道单元,实现“日常治理事件”在街道尺度的空间识别,操作步骤主要包括:数据预处理与空间识别(图 2)。
(1)数据预处理
① 数据准备和文档构建。获得城市留言板文本数据,每条留言文本包括标题、内容、问题归类(网页自动分类)、发布时间等信息,并根据179个小类、21个中类和4个大类进行文档构建。②根据武汉市住房保障和房屋管理局(http://fgj.wuhan.gov.cn/)的小区信息数据,确定各住宅小区标准名及所属街道,构建“街道—小区”标准名数据库。
(2)空间识别
利用百度自然语言处理API中命名实体识别(named entity recognition,NER)进行地点关键词的提取;使用Py‐ thon程序将提取到的地点关键词与“街道—小区”标准名数据库进行匹配,实现街道尺度的城市治理事件的位置识别(表 1)。经多次试验,相似度设置为60%,能够实现匹配准确性与数据损耗间的平衡。
空间自相关指邻近位置的空间变量值可能相似且具有潜在依赖的现象[23]。本研究利用全局Moran's I指数,描述城市治理问题的空间聚类特征,公式如下:
(1) |
式中,xi和xj分别为街道i和街道j的治理问题计数;n为街道总数;x为武汉市各街道治理问题总和的平均值;Wij为街道i和j间的空间权重。
2.2.3 影响因素分析:变量选取与方程建立本文采用Galster研究邻里问题的分析框架,探究城市治理问题空间格局的影响因素。Galster从社会交互机制、地理机制、环境机制和制度机制四方面分析邻里效应和地方问题[24]。考虑到社会交互机制、地理机制与环境机制已被广泛用于解释城市内部问题空间的形成[19],且数据在街道尺度上可获取,因此本文从此三方面入手分析影响城市问题空间格局的因素。其中,社会交互机制作为邻里问题的内生性社会过程,一定程度上受邻里内部居民年龄和受教育程度的影响[24]。本文选取街道儿童人口(0—14岁)占比、老年人口(60岁以上)占比和学历水平三个变量,考察不同年龄段人群及不同教育程度人群对城市治理问题空间的影响。地理机制指能够影响居民生命历程(life-course)的空间区位属性,比如区位差异引发的享受公共服务的不平等,一定程度上受邻里密度、距中心区距离和规模影响[24]。本文选取街道常住人口密度、街道距市中心距离和街道面积三个变量,考察邻里的地理特征对城市治理问题空间的影响。环境机制指能够直接影响居民心理或生理健康的自然或人工地方空间属性,其一定程度上受城市再开发影响[24]。本文选取街道建设强度变量,考察开发建设对城市治理问题空间的影响。解释变量的指标及描述见表 2。
(2) |
(3) |
式中,y为因变量,服从参数为μ的泊松分布。x为各解释变量,β0为常数项,β为待估计系数。经检验,各因变量的条件方差远大于条件均值,不符合泊松分布,存在过离散现象, 需使用负二项回归模型,公式如下:
(4) |
式中,参数μ表达式与式(3)一致。Γ为Gamma积分,α为Gamma分布的方差参数。当α趋向为0时,负二项模型转退为泊松模型。
3 武汉城市治理问题空间识别与特征分析基于确定的空间识别技术路线,开展武汉城市治理问题的空间识别。约10万条留言文本数据参与计算,识别出55726条留言的空间位置,识别率为59%,匹配至都市发展区范围内街道109个,方法具有可行性。由此获得包含街道信息的55726件城市治理事件,将其按街道行政单元计数,并可视化(图 3)。结果显示,武汉城市治理问题高值区主要位于城市都市发展区以内的西北片区(三环线以外)以及东南片区(三环线周边)。开展空间自相关分析,结果显示,莫兰指数(Moran's I)为0.16,Z值为2.96,P值小于0.01,说明城市治理事件的空间分布呈集聚趋势。结合冷热点分析(图 4),武汉城市治理问题存在两处热点区域,为“东西湖东—盘龙城”区域和“白沙洲—南湖—光谷南”区域,其表现出两点特征。第一,热点地区包含东湖高新区(光谷)与盘龙城经济开发区(黄陂)的部分街道,反映出城市开发区是日常治理事件较多发生的地区。猜测其原因,一是开发区生产活动频繁,容易造成工业生产与居民生活的矛盾,二是开发区仍处于发展扩张阶段,不可避免造成日常治理问题的增多。第二,热点地区还包含东西湖东与白沙洲的部分街道。前者位于武汉市东西湖、黄陂、江汉、江岸四个行政区交界处,处于城市人口向北疏解的主通道上;后者则位于武汉市武昌、洪山、江夏三个行政区的交界处,同样处于城市人口沿江疏解的主通道上。可见,处于人口疏解通道的新旧城区交界区更容易产生城市治理问题。其原因推测与该类地区人口规模处于快速增长期但软硬件设施建设尚未完善有关。同时,结果显示存在一处冷点区域,即被城市一环线、二环线、建设大道和友谊大道围合的区域。该区域包括了汉口核心区、汉阳核心区以及武昌古城的大部分街道,以上区域为城市发展成熟、高度商业化地区,在城市治理上具有优势。
分别针对城市安全类问题、多元包容类问题、生活舒适类问题和生态宜居类问题进行空间识别,考察其空间特征。结果显示(图 5),四类城市治理问题空间皆呈现出集聚趋势(莫兰指数依次为0.18、0.27、0.15、0.15,Z值依次为3.27、4.72、2.83、2.89,P值小于0.01)。对于城市安全类问题,热点区域出现在临空港开发区以及光谷南,前者是武汉市物流仓储产业中心,后者是通讯制造产业集聚地。对于多元包容类问题,热点区域集中在洪山区与光谷接壤地区,该区域大学、科研院所、高新技术企业集聚,是城市人口迁移最频繁地区,呈现出较多对外来人口、弱势群体服务问题。相比较,汉口核心区与汉阳核心区呈现该类问题的冷点区域。对于生活舒适类问题,热点区域与冷点区域同时较大面积出现,热点集中在城市南三环与北三环周边,是城市重要的新增居住区。冷点则处于汉口核心区、汉阳核心区以及武昌古城。对于生态宜居类问题,热点区域集中位于东湖、南湖与汤逊湖围合的光谷地区,反映出居民在享受丰富湖泊资源的同时也面临较多的生态问题。由以上分析可知,城市治理问题的空间分布存在一定规律:四类问题的热点区域同时出现在洪山区、光谷接壤处,一定程度上说明人口流动与经济活跃区域会出现更多的城市治理问题;其中,多元包容类与生活舒适类问题具有冷点区域,空间上集中在老城核心区,考虑到这两类问题主要涉及对人的服务,反映出老城街道在人性化服务上的优势。
在Stata 16.0中构建负二项回归模型,从社会交互、地理和环境三方面,探究武汉城市治理问题空间格局的影响因素。模型1检验各变量对城市治理问题空间格局的整体影响,模型2—5分别探究各变量对城市安全、多元包容、生活舒适和生态宜居四类城市治理问题空间格局的差异影响。五个模型中,VIF均小于<3.5,不存在多重共线问题。模型均通过似然比检验(p<0.001),且Alpha系数均不为0(p<0.001),适宜使用负二项回归。回归结果显示,五个模型均体现出社会交互因素和地理因素对城市治理问题空间格局的影响,但均未呈现出环境因素的影响(表 3)。
社会交互因素中,儿童人口占比、老年人口占比和学历水平对武汉城市治理问题空间格局有较好解释。一般认为,儿童和老年群体在话语行使过程中处于相对弱势地位。然而,模型结果揭示了两个群体在互联网时代行使话语、参与城市日常治理的差异表现。首先,儿童占比与城市治理问题产生正向联系,街道儿童占比越高,其治理问题也相应增多,主要涉及城市安全、多元包容以及生活舒适三类问题。与传统城市治理参与状况类似,互联网时代儿童的权利由其监护人代为行使,其治理诉求也由监护人代为发声。虽然儿童存在的问题诉求与其监护人代之提出的诉求可能存有偏差,但基于留言板的城市日常治理并未加剧儿童话语剥夺。与之相对,老年人口占比与城市治理问题产生负向联系,即街道老年人口占比越高,反映出的治理问题随之减少,且该趋势在所有四类子问题空间格局中保持一致。笔者认为该结果并不代表老年人口对城市治理问题的发生产生抑制,“互联网时代”老年群体话语权的持续丧失是更合理的解释。老年人不擅长电脑或手机操作,或是没有渠道了解城市留言板的功能和作用,导致其无法通过城市留言板有效参与基层治理活动,老年群体话语权的“线上”行使受到较大阻碍。此外,虽然学历水平未对城市治理问题整体空间格局产生显著影响,但与多元包容问题呈现正向联系(p<0.01),表现为街道高学历人口占比越多,多元包容性问题越明显。该结果可能与较高学历群体更重视归属感和社会认同感体验有关,他们更愿意融入本地生活,从而重视此类问题的表达。
4.2 地理因素地理因素方面,街道常住人口密度和街道面积在一定程度上对当前城市治理问题空间格局做出了解释。模型结果表明,不同于“高密度带来更多城市问题”的一般认知,人口密度与治理问题存在负向联系,表现为街道人口密度越高,其整体及子类别治理问题越少。同时,面积作为地理因素的另一解释变量,与城市治理整体问题,及多元包容、生活舒适、生态宜居三类子问题存在正向联系,表现为大面积街道出现更多的治理问题,小面积街道治理问题则较少。由于武汉市高密度街道多呈现面积较小特点,人口密度与面积变量的模型结果合理。究其原因,第一,武汉市高密度街道多位于老城核心区,该类街道硬件设施完善,社区管理成熟,治理问题较少。与之相对,武汉市低密度街道多位于城市开发区与向外拓展区,处于成长扩张阶段,治理能力相对较弱,更容易出现治理问题。第二,街道面积越大,其辖区内潜在的复杂性和异质性越高,治理难度增加。与之相对,面积较小的街道内部同质性较高,便于精准化管理。由此,可以得出一重要推论,即人口密度的增加并不必然导致城市治理问题的增加。这与传统认识——高密度城市容易引发诸如交通拥堵、社区环境恶化等大城市病不同[25-27],为高密度城市实现高质量治理提供了依据。此外,距市中心距离未对城市治理问题的整体空间格局产生显著影响,但与生态宜居子问题存在负向联系(p<0.05),即街道越靠近城市中心,生态宜居问题愈发明显,街道距市中心越远,生态宜居问题越少。该结果可能与城市活动的空间不均衡有关。在城市中心区,交通、商业等城市活动集聚,汽车尾气、噪声、灯光污染等问题较为严重;边缘地区城市活动相对较少,植被覆盖率高,生态宜居问题相对较少。
4.3 环境因素在环境因素方面,城市建设强度未能对城市治理问题的空间格局做出有效解释(p>0.05)。笔者认为原因之一在于十九大以来我国城镇化发展进入新阶段,由追求城市硬件建设,转向重视城市“软实力”提升,使得建设强度与治理问题不再是简单的线性关系,而是呈现出更复杂的类型差异。举例来说,建设强度较低的街道,房屋、设施老旧问题经常发生,如“……家属区房屋较老,房屋样式繁多,老年人较多,都无电梯,老年人生活不便,水管下水道老化,长期停水,……希望政府部门进行三旧改造时可以考虑改造”(留言11154)以及“……因房屋年限已很长,村里也不让重建,现在居住条件实在有限……如果拆迁的话大概会在什么时候”(留言2575)。而在建设强度较高的街道,则容易因城市建设引起不便,如“……幼儿园院墙外一处工地施工引起很大灰尘,严重影响小朋友的身体健康”(留言14314)以及“……签订了拆迁协议,目前我们原有房屋的位置已经做了过江隧道,……后期小孩上学学校要求的房产证和户口对应问题如何解决”(留言14006)。
5 结论与讨论 5.1 结论传统城市治理研究更多是在理论层面对治理的体制机制进行探讨,很少以具体治理事件为切入点,也较少从地理空间的角度去审视城市治理问题。信息技术和移动设备的发展为实现公众参与城市治理提供了新路径,由此产生的电子政务用户数据也赋予了我们认知城市治理空间的新途径[14-18]。本文专注于空间,一方面,基于留言板数据提出了城市治理问题空间的识别方法,实现了日常治理事件在街道尺度上的精准识别;另一方面,开展武汉市治理空间的识别工作,进一步证实了城市治理问题在空间上存在规律,并从社会交互因素、地理因素以及环境因素三方面对出现的空间格局进行解释,是对城市治理空间规律的一次有益探索。
本文在街道尺度识别日常治理事件55726件,整体上集聚。热点地区位于“东西湖东—盘龙城”和“白沙洲—南湖—光谷南”;冷点地区主要集中在城市环线与主干路围合区域。研究发现,四类城市治理问题(即城市安全、多元包容、生活舒适和生态宜居)的空间分布存在以下特征:第一,四类问题的热点区域均出现在人口流动频率高、经济活跃的洪山区与光谷接壤处;多元包容类与生活舒适类问题具有冷点区域,空间上集中在老城核心区,反映出老城街道在社会公共服务上的优势。
本文还发现社会交互因素和地理因素对城市治理问题空间格局形成发挥了重要影响。社会交互因素上,儿童群体和老年群体在互联网日常治理的话语行使具有差异,前者未经历明显话语剥夺,其日常诉求可由监护人代为发声,但后者存在严重“失语”现象;而高学历群体更重视多元包容类问题的表达。地理因素上,人口密度增加并不必然导致城市治理问题的增加,为高密度城市实现高质量治理提供了依据;由于城市活动的空间不均衡性,城市活动集聚的城市中心区域更容易产生生态宜居问题,在城市边缘地区该类问题则相对较少。环境因素上,城市建设强度与治理问题不再是简单线性关系,而是呈现出更复杂的类型差异。
5.2 讨论基于Galster邻里效应的理论框架[24],本文从社会交互、地理和环境三方面探讨了武汉市治理空间格局的影响因素。在Liu、Wang和Cheshire开展的澳大利亚昆士兰案例中,社会交互因素中的年龄变量,以及地理因素中的面积、人口密度和距市中心距离变量均未对邻里问题产生影响[19]。但本文发现这些变量与我国城市日常治理问题空间格局有紧密联系。在社会交互方面,街道治理问题数量与老年占比呈现负向联系,与以往研究中老年群体在互联网时代话语权丧失的结果一致[28]。在地理方面,大面积低密度街道的治理问题更多,小面积高密度街道的治理问题反而较少,为城市密度与城市管理关系的长期辩论提供了新的样本[25-27]。本文将邻里效应分析框架引入到中国城市语境,扩展了其适用性,为理解中国基层空间治理问题提供了新路径,也丰富了国际邻里问题比较样本。
基于以上分析,本文尝试提出以下城市空间治理建议。考虑到城市治理问题具有一般性规律,该建议一定程度上可扩展至其他同类型地区。第一,重视城市问题热点地区的城市治理。分析显示,热点地区主要分布在处于扩张阶段的城市开发区以及城市老城与新城人口疏解通道上,建议对以上街道加大基层治理的财政及人员投入。第二,对于特定地区、特定问题应采取差异化措施。如城市安全类问题容易出现在生产活跃的开发区,多元包容性问题较多在外来人口主要流入地发生,生活舒适类问题多集中于成规模的新建住区,生态宜居问题往往在水域或山体周边高频率出现,需要各街道、委办局针对性处置,不宜一刀切。第三,重视老年群体在互联网时代的“失语”问题。当前,老年人在城市治理中的“失语”并未因互联网的便利而消失。建议在进一步完善电子政务平台的同时,也要保留传统基层问题反馈的渠道。
本文也存在几点局限性。第一,数据问题。原始数据的获取会造成一定数据损失,同时自然语言处理和地理位置匹配会再次造成部分数据损失,因此最终的治理问题空间格局会与真实情况存在一定误差。在当前数据环境与技术条件下,这一误差很难减小,需要后续的数据填报优化与技术更新。第二,城市治理事件的分类问题。本文采取的分类是以武汉城市留言板为基础,其分类本身存在一定交叉,且居民线上填写时也会出现误填、错填,导致结果可能出现部分偏差。需要后续研究根据居民所填内容进行校对或者等待留言板系统分类进一步优化。第三,重复留言问题。研究将“一条问题留言”定义为“一个独立的城市治理事件”,不可避免出现多条留言指向同一治理事件的情况。笔者随机选取了部分街道人工测试了留言板的问题重复频率,发现频率较低,但仍可能在小范围内影响空间分析结果,需要后续研究在数据筛选上进一步优化。
注释:
① 武汉市都市发展区:为武汉市城市总体规划确认的城市建成区。其中包含少量未完成“镇改街”、“村改居”的镇及城中村,但考虑到其已深植于城市内部,属于城市空间的重要组成部分,因此适用于城市治理问题范畴。
② 武汉市行政区包括江岸、江汉、硚口、汉阳、武昌、青山、洪山7个中心城区以及蔡甸、江夏、黄陂、新洲、东西湖5个新城区;开发区分别为武汉经济技术开发区(沌口)和东湖新技术开发区(光谷)。中心城区主要部分位于城市三环线以内;开发区及新城区主要部分位于城市三环线以外。
[1] |
郭文. 空间认同: 城市空间研究转向中的知识前沿、趋势与启发[J]. 地理科学, 2019, 39(4): 587-595. [Guo Wen. Spatial identity: Knowledge frontiers, trends and enlightenment of urban space research[J]. Scientia Geographica Sinica, 2019, 39(4): 587-595.] |
[2] |
叶超, 于洁, 张清源, 等. 从治理到城乡治理: 国际前沿、发展态势与中国路径[J]. 地理科学进展, 2021, 40(1): 15-27. [Ye Chao, Yu Jie, Zhang Qingyuan, et al. From governance to urban and rural governance: International frontier, development trend and China's path[J]. Progress in Geography, 2021, 40(1): 15-27.] |
[3] |
刘志敏, 叶超. 社会-生态韧性视角下城乡治理的逻辑框架[J]. 地理科学进展, 2021, 40(1): 95-103. [Liu Zhimin, Ye Chao. The logical framework of urban and rural governance from the perspective of social-ecological resilience[J]. Progress in Geography, 2021, 40(1): 95-103.] |
[4] |
方亚琴, 申会霞. 社区社会组织在社区治理中的作用[J]. 城市问题, 2019(3): 77-83. [Fang Yaqin, Shen Huixia. The role of community social organization in community governance[J]. Urban Problems, 2019(3): 77-83.] |
[5] |
Liu T, Wang Y, Li H, et al. China's low-carbon governance at community level: A case study in Min'an community, Beijing[J]. Journal of Cleaner Production, 2021, 311: 127530. https://www.sciencedirect.com/science/article/abs/pii/S0959652621017492. doi: 10.1016/j.jclepro.2021.127530.
|
[6] |
Ye C, Liu Z M. Rural-urban co-governance: Multi-scale practice[J]. Science Bulletin, 2020, 65(10): 778-780. DOI:10.1016/j.scib.2020.02.021 |
[7] |
Ansell C, Gash A. Collaborative governance in theory and practice[J]. Journal of Public Administration Research and Theory, 2008, 18(4): 543-571. |
[8] |
王波, 卢佩莹, 甄峰. 智慧社会下的城市地理学研究: 基于居民活动的视角[J]. 地理研究, 2018, 37(10): 2075-2086. [Wang Bo, Lu Peiying, Zhen Feng. Urban geography research in the e-society: A perspective from human activity[J]. Geographical Research, 2018, 37(10): 2075-2086.] |
[9] |
张姗琪, 甄峰, 秦萧, 等. 面向城市社区规划的参与式感知与计算——概念模型与技术框架[J]. 地理研究, 2020, 39(7): 1580-1591. [Zhang Shanqi, Zhen Feng, Qin Xiao, et al. The conceptual model and technical framework of participatory sensing and computing for urban community planning[J]. Geographical Research, 2020, 39(7): 1580-1591.] |
[10] |
秦萧, 甄峰, 魏宗财. 未来城市研究范式探讨——数据驱动亦或人本驱动[J]. 地理科学, 2019, 39(1): 31-40. [Qin Xiao, Zhen Feng, Wei Zongcai. The discussion of urban research in the future: Data driven or human-oriented driven[J]. Scientia Geographica Sinica, 2019, 39(1): 31-40.] |
[11] |
O'Brien D T, Gordon E, Baldwin J. Caring about the community, counteracting disorder: 311 reports of public problems as expressions of territoriality[J]. Journal of Environmental Psychology, 2014, 40: 320-330. |
[12] |
O'Brien D T. Custodians and custodianship in urban neighborhoods: A methodology using reports of public problems received by a city's 311 hotline[J]. Environment and Behavior, 2015, 47(3): 304-327. |
[13] |
Minkoff S L. NYC 311:A tract-level analysis of citizen-government contacting in New York city[J]. Urban Affairs Review, 2016, 52(2): 211-246. |
[14] |
O'Brien D T, Sampson R J, Winship C. Ecometrics in the age of big data: Measuring and assessing "broken windows" using large-scale administrative records[J]. Sociological Methodology, 2015, 45(1): 101-147. |
[15] |
Legewie J, Schaeffer M. Contested boundaries: Explaining where ethnoracial diversity provokes neighborhood conflict[J]. American Journal of Sociology, 2016, 122(1): 125-161. |
[16] |
Brazil N. The unequal spatial distribution of city government fines: The case of parking tickets in Los Angeles[J]. Urban Affairs Review, 2020, 56(3): 823-856. |
[17] |
Solymosi R, Bowers K J, Fujiyama T. Crowdsourcing subjective perceptions of neighbourhood disorder: Interpreting bias in open data[J]. The British Journal of Criminology, 2018, 58(4): 944-967. |
[18] |
Liu Y, Cheshire L, Wang S, et al. A socio-spatial analysis of neighbour complaints using large-scale administrative data: The case in Brisbane, Australia[J]. Cities, 2019, 90: 168-180. |
[19] |
Liu Y, Wang S, Cheshire L. The problems with neighbors: An examination of the influence of neighborhood context using large-scale administrative data[J/OL]. Urban Affairs Review, 2021: 10780874211042811. https://journals.sagepub.com/doi/10.1177/10780874211042811.
|
[20] |
李少温, 卢会林. 差异性视角下公众行为特征对政府回应的影响研究——基于人民网地方政府留言板的实例分析[J]. 统计与管理, 2021, 36(4): 76-81. [Li Shaowen, Lu Huilin. Research on the influence of characteristics of public behavior on government responses from a differentiated perspective: Based on the case study of the local government message board on the People's Daily Online[J]. Statistics and Management, 2021, 36(4): 76-81.] |
[21] |
张延吉. 公众规划价值观的差序格局——基于城市规划领域中公众留言的内容分析[J]. 城市规划, 2019, 43(8): 108-116. [Zhang Yanji. Grade structure of public planning values: Based on content analysis of public messages in the field of urban planning[J]. City Planning Review, 2019, 43(8): 108-116.] |
[22] |
于怡鑫, 申峥峥, 郝琦. 我国当前城市治理问题的研究主题及其研究进展——基于文献计量法的分析[J]. 上海城市管理, 2014, 23(6): 53-59. [Yu Yixin, Shen Zhengzheng, Hao Qi. Research topics and research progress of urban management in China[J]. Shanghai Urban Management, 2014, 23(6): 53-59.] |
[23] |
Overmars K P, De Koning G H J, Veldkamp A. Spatial autocorrelation in multi-scale land use models[J]. Ecological modelling, 2003, 164(2/3): 257-270. |
[24] |
Galster G C. The mechanism(s) of neighbourhood effects: Theory, evidence, and policy implications[M]//Ham M, Manley D, Bailey N, et al. Neighbourhood Effects Research: New Perspectives. Dordrecht: Springer, 2012: 23-56.
|
[25] |
Cheshire L, Fitzgerald R, Liu Y. Neighbourhood change and neighbour complaints: How gentrification and densification influence the prevalence of problems between neighbours[J]. Urban Studies, 2019, 56(6): 1093-1112. |
[26] |
McFarlane C. De/re-densification: A relational geography of urban density[J]. City, 2020, 24(1/2): 314-324. |
[27] |
Chen H Y, Chowdhury R, McFarlane C, et al. Introduction: Rethinking urban density[J]. Urban Geography, 2020, 41(10): 1241-1246. |
[28] |
张博, 邓浩坤, 安宁, 等. 大数据背景下国内人文地理研究进展与方法审视[J]. 人文地理, 2019, 34(3): 14-21, 90. [Zhang Bo, Deng Haokun, An Ning, et al. The re-examination of human geography research and the research methods in the context of big data[J]. Human Geography, 2019, 34(3): 14-21, 90.] |