基于BB-VIKOR法的新型智慧城市建設(shè)質(zhì)量評價研究

王鐵旦，李詩瑤，彭定洪

(昆明理工大學(xué) a.管理與經(jīng)濟學(xué)院；b.質(zhì)量發(fā)展研究院，云南 昆明 650500)

一、文獻綜述與方法運用

(一)文獻綜述

國際商業(yè)機器公司(International Business Machines Corporation，IBM)于2008年提出智慧城市[1]的概念后，引起了美國、新加坡、日本等眾多國家的積極響應(yīng)[2-4]。我國在2013年首次進行智慧城市試點活動并于2016年提出新型智慧城市的概念，不同于國外的智慧城市理念重在對“物”的管理，我國的新型智慧城市建設(shè)核心是以“人”為本[5]。因此，如何從“人本”角度對新型智慧城市建設(shè)質(zhì)量進行評價成為當(dāng)前亟待解決的問題。截止2021年，中國有超過700個城市開展智慧城市建設(shè)，數(shù)量上是全球第一，然而“量”的增加并不等于“質(zhì)”的提升?？茖W(xué)合理的評價可以有效地反映出智慧城市建設(shè)質(zhì)量與運行效果，本文通過對前期建設(shè)經(jīng)驗進行總結(jié)和梳理，嘗試為后續(xù)管理和發(fā)展提供有益借鑒。

新型智慧城市建設(shè)質(zhì)量的精準(zhǔn)評價需要科學(xué)合理的方法和模型。目前，我國對智慧城市評價的相關(guān)研究主要有兩類：一是基于客觀數(shù)據(jù)的分析。劉笑音等[6]、胡軍燕等[7]分別采用主成分和面板數(shù)據(jù)對智慧城市發(fā)展?jié)摿椭腔鄱冗M行分析；隨后，客觀數(shù)據(jù)結(jié)合各類模型相繼被運用到智慧城市評價領(lǐng)域。陳莉等[8]采用熵權(quán)與云模型相結(jié)合的方法來評價我國的綠色智慧城市發(fā)展水平。鄒凱等[9]構(gòu)建了灰色關(guān)聯(lián)分析-反向傳播神經(jīng)網(wǎng)絡(luò)(Grey Relational Analysis-Back Propagation Neural Network，GRA-BPNN)智慧城市發(fā)展?jié)摿υu價模型。隨著城市發(fā)展趨勢由“物本”轉(zhuǎn)向“人本”，其關(guān)注的焦點從最初的“物”的發(fā)展落到“人”的感受上[10]，即智慧城市建設(shè)是以提升人民群眾的幸福感和滿意度為核心，因此，僅依據(jù)統(tǒng)計數(shù)據(jù)來衡量具有局限性。二是基于專家打分的主觀數(shù)據(jù)分析。項勇等[11]提出構(gòu)建智慧城市評價體系的網(wǎng)絡(luò)關(guān)系圖，再用逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution，TOPSIS)衡量城市的智慧程度。何琴[12]以層次分析法( Analytic Hierarchy Process，AHP)為基礎(chǔ)構(gòu)建了智慧城市建設(shè)水平評價模型。王楓等[13]利用概率語言評價從市民獲得感角度出發(fā)，對新型智慧城市建設(shè)的三個方面進行了評價。

城市發(fā)展質(zhì)量測評經(jīng)歷了由單一指標(biāo)測評向復(fù)雜指標(biāo)體系發(fā)展且在評價過程中越來越突出主觀評價的作用[14]。智慧城市建設(shè)方面的專家，作為“人”感受的評價者具有較高的權(quán)威性和代表性。由于個體差異性，專家在評價過程中難以達成共識，而基于聚合算子的信息聚合技術(shù)如等權(quán)的處理方法進行數(shù)學(xué)平均或少數(shù)服從多數(shù)等容易導(dǎo)致具有建設(shè)性的少數(shù)意見被忽視[15]。Peng J J等人也指出在評價決策領(lǐng)域處理評價信息時簡單的刪除重復(fù)值是不合理的，忽視重復(fù)值也可能造成部分決策者偏好信息的丟失[16-17]。本文選取Yager R R[18]提出的模糊包(Fuzzy bags)對專家意見進行整體表征，不僅可以解決專家意見不一致難以達成共識的問題，也可以有效對原始重復(fù)信息進行保留。

(二)方法運用

新型智慧城市建設(shè)質(zhì)量評價包含了多方面內(nèi)容，如城市經(jīng)濟、生活、環(huán)境等，其評價過程屬于典型的多屬性評價問題。對新型智慧城市建設(shè)質(zhì)量進行評價的目的是了解城市在建設(shè)中所處的階段和水平，而非擇優(yōu)，且城市在各方面建設(shè)過程中的表現(xiàn)參差不齊，所以選擇妥協(xié)評價方法更貼合實際情況。多準(zhǔn)則妥協(xié)解排序法(VlseKriterijumska Optimizacija IKompromisno Resenje，VIKOR)不僅能解決智慧城市評價指標(biāo)間的沖突問題，還可以通過最大化群體效用和最小化個體遺憾對有限決策方案進行折衷排序，尋求總體滿意度和個體滿意度之間的平衡，有效解決決策群體由于決策背景、決策偏好等差異造成的評價結(jié)果與集體利益相悖的問題[19]；同時，VIKOR法中雖提及負理想解，但它僅用于規(guī)范化距離分量而未作為評價參考，與實際運用中對建設(shè)質(zhì)量最差的城市關(guān)注度遠不及發(fā)展質(zhì)量最好的城市相符[20]。

綜上，本文綜合現(xiàn)有研究成果提出了一套符合我國新型智慧城市建設(shè)質(zhì)量評價的指標(biāo)體系，并同步構(gòu)建了基于模糊包的VIKOR方法(BB-VIKOR方法)用于我國新型智慧城市建設(shè)質(zhì)量評價。在評價過程中采用模糊包的形式對專家評價信息進行整體表征，并通過構(gòu)造模糊包線性偏好函數(shù)解決了兩個長短不一致的模糊包的大小比較問題，而改進的多屬性模糊包間的距離公式則能更好地將VIKOR方法運用在模糊包領(lǐng)域。

二、新型智慧城市建設(shè)質(zhì)量評價指標(biāo)構(gòu)建

IBM作為智慧城市概念的提出者，從城市服務(wù)、市民、商業(yè)、交通、通信、供水、能源7個方面制定了一套用于評價智慧城市建設(shè)質(zhì)量的指標(biāo)體系。此外，在國際上認可度較高的還有智慧社區(qū)論壇(Intelligent Community Forum, ICF)每年進行的“年度智慧社區(qū)”評選。該評選1999年開始從寬帶連接、知識勞動力、創(chuàng)新型、消除數(shù)字鴻溝、市場營銷和宣傳及2015年新加入的可持續(xù)性這幾項永久評選主題指標(biāo)進行評選。由于發(fā)展時間較長，它的評選標(biāo)準(zhǔn)及流程相對來說都比較完善。歐盟智慧城市研究自2007年開始以來，主要從智慧經(jīng)濟、智慧移動、智慧環(huán)境、智慧公民、智慧生活、智慧治理6個方面分別對歐洲中等規(guī)模城市進行評價分析[21-22]。國內(nèi)方面，我國2011年7月發(fā)布的《智慧城市指標(biāo)體系1.0》是首個評價智慧城市建設(shè)質(zhì)量的指標(biāo)體系，主要從智慧城市基礎(chǔ)設(shè)施、智慧城市公共管理服務(wù)、智慧城市信息服務(wù)經(jīng)濟發(fā)展、智慧城市人文科學(xué)素養(yǎng)、智慧城市市民主觀感知5個維度進行衡量。2016年，國家提出了新型智慧城市的概念，并設(shè)立了《新型智慧城市評價指標(biāo)體系3.0》，主要從惠民服務(wù)、精準(zhǔn)治理、生態(tài)宜居、智能設(shè)施、信息資源、網(wǎng)絡(luò)安全、改革創(chuàng)新和市民體驗8個方面進行考核。發(fā)改委、網(wǎng)信辦2018年聯(lián)合發(fā)布的《新型智慧城市評價指標(biāo)》則包含了惠民服務(wù)、精準(zhǔn)治理、生態(tài)宜居、智能設(shè)施、信息資源、創(chuàng)新發(fā)展、市民體驗7個方面[23]33-38。

有學(xué)者對比了幾套評價指標(biāo)體系，指出歐盟的指標(biāo)體系相對來說最為完善[25-26],但歐盟和我國新型智慧城市發(fā)展的側(cè)重點不一致，且該套指標(biāo)體系確立較早，已不能包含現(xiàn)代城市發(fā)展的一些其它要求。新型智慧城市和傳統(tǒng)智慧城市最大的區(qū)別就是“人本主義”的突出體現(xiàn)，目的是使城市居民獲得更高的幸福感。從2017年以來的研究成果(見表1)可看出關(guān)于民生的衡量指標(biāo)越來越多，盡管指標(biāo)名稱不完全一致，但其內(nèi)涵都是對民生、市民感受等方面的評價。另外，隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，過去只單純考慮網(wǎng)絡(luò)覆蓋情況已不足以衡量城市的網(wǎng)絡(luò)智慧質(zhì)量?！盎ヂ?lián)網(wǎng)+”成為城市發(fā)展的主流，互聯(lián)網(wǎng)技術(shù)的應(yīng)用水平更能體現(xiàn)其智慧程度，如移動互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)等與現(xiàn)代制造業(yè)、政務(wù)服務(wù)、社會治理等方面的結(jié)合?；诖?，本文以歐盟指標(biāo)體系為基礎(chǔ)并結(jié)合國內(nèi)相關(guān)研究，在充分考慮新型智慧城市的建設(shè)目標(biāo)和特點后提出如表2所示的指標(biāo)體系，即從智慧經(jīng)濟、智慧環(huán)境、智慧設(shè)施、智慧公民、智慧生活、智慧治理、智慧互聯(lián)、智慧民生8個方面較為全面、系統(tǒng)地評價了新型智慧城市建設(shè)質(zhì)量。

表1 智慧城市評價指標(biāo)研究

表2 新型智慧城市評價指標(biāo)體系

三、 新型智慧城市建設(shè)質(zhì)量評價方法的構(gòu)建

新型智慧城市建設(shè)是一個長期且復(fù)雜的過程，其質(zhì)量評價涉及城市經(jīng)濟、環(huán)境、治理等方面的建設(shè)情況，屬于多屬性評價的范疇。在評價過程中，不同的指標(biāo)間、專家的評價結(jié)果中都可能出現(xiàn)沖突，VIKOR方法作為典型的妥協(xié)評價方法用于城市建設(shè)質(zhì)量評價中可以較好地解決該問題。專家作為“人”的代表，在新型智慧城市建設(shè)質(zhì)量評價時往往難以給出精準(zhǔn)的評價值，該過程充滿了模糊性和不確定性。為降低主觀偏見對評價結(jié)果的影響往往邀請多個專家對智慧城市建設(shè)質(zhì)量進行評價。由于多準(zhǔn)則決策中，共識過程繁瑣且難以達成，有效地考慮多專家的意見來表征群體意見至關(guān)重要。模糊包較之其它模糊集形式，不僅兼容了不可調(diào)和的觀點，其計數(shù)值也簡潔有效地對群決策中重復(fù)意見進行了保留。假設(shè)兩位專家對某一智慧城市經(jīng)濟方面進行評價，一位專家在0.5和0.6之間猶豫，另一位專家給出0.6的評價，則該方面的評價結(jié)果用模糊包A表示為A=[CountA(u/x)/(u/x)]=[1/0.5,2/0.6]。其中，u表示專家給出的隸屬度打分值，u∈[0,1]，CountA(u/x)表示打分值u出現(xiàn)的次數(shù)。

(一) 模糊包偏好函數(shù)及距離測度

將專家群體的評價信息用模糊包的形式表征后，采用VIKOR方法對新型智慧城市建設(shè)質(zhì)量進行排序。表征專家群體評價信息的模糊包的大小比較是選擇正、負理想解的關(guān)鍵，如何有效確定多個模糊包的優(yōu)劣是該方法應(yīng)用的關(guān)鍵。偏好關(guān)系，作為一種有效的決策信息表達方式，可以通過決策者針對評估對象進行兩兩比較得到相應(yīng)的決策信息[35]。假設(shè)有m個方案(j=1,2,…,m)，n個屬性(i=1,2,…,n)，Ci(x)，Ci(y)分別為方案的評價值，則優(yōu)等分數(shù)[36]143-162：

Si(x)=Card({y∈X/Ci(x)>Ci(y)}) (1)

式中：Ci(x)>Ci(y)表示在屬性i中方案x“擊敗”方案y。

當(dāng)對兩個長短不一的模糊包進行比較時，需要將其添零補齊或采取對元素按降序排列后補齊[37]。但是，該類方法存在一定缺陷，根據(jù)決策者的主觀偏好添加的數(shù)值不同排序結(jié)果也會不同。本文基于窮舉的思想，對模糊包內(nèi)元素進行逐一比較，根據(jù)線性準(zhǔn)則提出了如式(2)所示的模糊包線性偏好函數(shù)，用于比較兩個模糊包M、N的優(yōu)劣大小關(guān)系。M的長度為lM，N的長度為lN，則優(yōu)勢偏差函數(shù)為：

(2)

式中：i={1,2,…,lM}，j={1,2,…,lN}，Sn={1,2,…,lM·lN}，umax=max{u1,u2,…,ui+j}，umin= min{u1,u2,…,ui+j}。

計數(shù)值Count表示每個猶豫偏差可能出現(xiàn)的次數(shù)，由于在比較時窮舉了每一種可能，在專家權(quán)重一致的情況下，其作用等同于概率作用。用一個偏差值的計數(shù)除以該部分偏差的總計數(shù)值，就是此偏差值可能出現(xiàn)的概率。因此，通過偏差值和計數(shù)值的整合可以得到如式(3)所示的優(yōu)勢偏好函數(shù)。

(3)

在確定正、負理想解后，需要計算出各城市評價值與理想解的距離，從而確定城市建設(shè)質(zhì)量的優(yōu)劣情況。為充分利用決策信息，本文構(gòu)造各方案的多屬性模糊包，主要由三部分組成：初始評價模糊包(Bi)，指標(biāo)權(quán)重(Πi)和屬性(Ci)，避免了后續(xù)將權(quán)重與決策信息融合的問題。

MCFBj=[Bi/Πi/Ci]

=[(Count(ui)/ui)/Πi/Ci](i=1,2…n)

(4)

由于添加了指標(biāo)權(quán)重，其形式與規(guī)范模糊包形式存在差異，模糊包距離公式也不再適用。因此，本文對原有距離公式進行改進，提出了新的距離公式，如式(5)所示。設(shè)MCFB1,MCFB2為任意兩個多屬性模糊包，則其距離計算公式為：

(5)

(二) BB-VIKOR方法的具體步驟

步驟1:獲得初始決策矩陣。多名專家對不同的新型智慧城市建設(shè)質(zhì)量進行評價(本文假設(shè)專家權(quán)重相等)，得到模糊包矩陣D=(Bij)m×n。該模糊包矩陣含兩部分內(nèi)容，即除了專家評價的隸屬度值(uij)，還有每個隸屬度值出現(xiàn)的次數(shù)Count(uij)，而原始信息得以充分保留。

(6)

步驟2:確定不同城市在同一指標(biāo)下建設(shè)質(zhì)量的優(yōu)劣程度。根據(jù)式(2)可以得到同一指標(biāo)中城市Ai與其它城市相比建設(shè)質(zhì)量的優(yōu)勢偏差程度，式(3)則可以計算出城市的最終優(yōu)勢偏好值。S越接近1，表示城市Ai在該方面的建設(shè)質(zhì)量優(yōu)于其它城市的程度越高。

步驟3:根據(jù)同一指標(biāo)下的城市建設(shè)最終優(yōu)勢偏好值選出正、負理想點A+,A-。

A+={S1+,S2+,…,Sn+}={max(S11,S21,…,Sm1),max(S12,S22,…,Sm2),…,max(S1n,S2n,…,Smn)}

(7)

A-={S1-,S2-,…,Sn-}={min(S11,S21,…,Sm1),min(S12,S22,…,Sm2),…,min(S1n,S2n,…,Smn)}

(8)

步驟4:根據(jù)式(4)構(gòu)造多屬性模糊包。多屬性模糊包在本處作用是對同一城市的信息進行集結(jié)，包含多個指標(biāo)下的模糊包信息。由步驟3選擇的正、負理想解所對應(yīng)的模糊包可以確定正、負多屬性模糊包。

(9)

(10)

步驟5:計算各多屬性模糊包與正、負理想多屬性模糊包的距離，能有效衡量各城市實際表現(xiàn)與理想點之間的偏離程度。

(11)

(12)

步驟6:根據(jù)利益比率值Qi的大小進行排序，判斷新型智慧城市建設(shè)的質(zhì)量情況。Qi值越小，表示城市建設(shè)質(zhì)量越好。

Sj=[d(MCFBj,MCFB+)/d(MCFB+,MCFB-)]

(13)

(14)

(15)

式中：v表示決策系數(shù)，且v∈[0,1]，取值根據(jù)決策者的偏好而定。為方便計算，本文取v=0.5。

四、實例驗證

隨著我國開放程度的進一步加大，邊境城市的重要性日益凸顯，云南省作為我國與東南亞連接的“窗口”，其城市智慧化建設(shè)發(fā)展具有重大意義。為對云南省新型智慧城市建設(shè)質(zhì)量進行評價，本文選取東部城市曲靖、省會城市昆明、中部城市玉溪、南部城市紅河州及普洱、西部城市大理以及北部城市昭通市在內(nèi)的7個城市(A=A1,A2,…,A7)為例，由3位專家(因各個專家知識背景不同，在評價中均具有其自身的優(yōu)勢，本文視各個專家為同等重要)從智慧經(jīng)濟、智慧環(huán)境、智慧設(shè)施、智慧公民、智慧生活、智慧治理、智慧民生、智慧互聯(lián)(C=C1,C2,…,C8)8個方面來進行智慧城市建設(shè)質(zhì)量評價。指標(biāo)權(quán)重值Π=(Π1,Π2,…,Π8)=(0.2,0.1,0.1,0.1,0.1,0.1,0.2,0.1)(權(quán)重通過AHP層次分析法獲得)。每位專家盡可能獨立地對城市建設(shè)質(zhì)量進行評價，評分值在[0,1]范圍內(nèi)，分數(shù)越高表示對智慧城市建設(shè)質(zhì)量越滿意。

第一步，將所有專家的評價信息進行集結(jié)，得到如下所示初始模糊包矩陣R=(rji)7×8，實現(xiàn)了對原始信息的充分保留。

第二步，在已知各屬性下的專家評價之后，獲得各屬性下不同方案的偏差程度以計算偏好值。以指標(biāo)C1為例(下同)，得到表3所示的模糊包偏差表。

表3 C1指標(biāo)下的模糊包偏差表

隨后，利用公式(3)對偏差矩陣進行處理，得到表4所示的模糊包偏好函數(shù)值。

表4 C1指標(biāo)下的各方案的偏好值

第三步，偏好值反映了同一指標(biāo)下方案的優(yōu)越性程度，對方案的優(yōu)劣比較具有重要作用，根據(jù)偏好值的大小選取正、負理想點，如下所示：

S1+=max(S11,S21,…,Sm1)=max(1.953,4.453,1.396,2.733,0.656,0.972,0)=4.453

S1-=min(S11,S21,…,Sm1)=min(1.953,4.453,1.396,2.733,0.656,0.972,0)=0

第四步，構(gòu)造各方案的多屬性模糊包，對現(xiàn)有信息進行融合，不需要再考慮如何選擇算子將權(quán)重整合的問題。以城市A1(曲靖)為例，構(gòu)造多屬性模糊包MCFB1，其余算法相同；同時，由于上一步確定了正、負理想點，據(jù)此可以確定出正、負多屬性模糊包(MCFBs)：

第五步，計算多屬性模糊包與正、負理想多屬性模糊包間的距離。以城市A1(曲靖)為例，其余算法相同。

=[0.12/0.2/C1;0.042/0.1/C2;0/0.1/C3;0/0.1/C4;

0.025/0.1/C5;0/0.1/C6;0/0.2/C7;0/0.1/C8]

=0.12×0.2+0.042×0.1+0×0.1+0×0.1+0.025×0.1+0×0.1+0×0.2+0×0.1=0.031

=0.467×0.2+0.355×0.1+0.267×0.1+0.308×0.1+0.367×0.1+0.375×0.1+0.475×0.2+0.533×0.1

=0.409

第六步，計算最大群體效益值Si和最小個體遺憾值Ri，由此可得到利益比率值Qi，并根據(jù)計算結(jié)果對新型智慧城市建設(shè)質(zhì)量進行排序，最終計算結(jié)果如表5所示。

表5 Si,Ri,Qi結(jié)果

S1=d(MCFB1(Cj),MCFB+(Cj))/d(MCFB+(Cj),MCFB-(Cj))

=0.031×c0.409=0.076

=max(0.257,0.118,0,0,0.068,0,0,0)

=0.257

通過分析可得出新型智慧城市建設(shè)質(zhì)量排名為A2>A1>A3>A6>A4>A5>A7，即由高到低依次是昆明、曲靖、玉溪、大理、紅河州、普洱、昭通。

為驗證該方法的有效性，將其結(jié)果與采用Rebai A提出的BB-TOPSIS方法[36]143-162的結(jié)果進行比較，結(jié)果如表6所示。

表6 兩種不同方法評價結(jié)果

兩種方法所得的智慧城市建設(shè)質(zhì)量排名一致性較高，差別在于第4名和第5名排序不同。造成這種差異的主要原因是采用BB-VIKOR方法中排名第5的紅河州在智慧環(huán)境和智慧互聯(lián)方面表現(xiàn)較差，從而導(dǎo)致個體遺憾值偏大，最終排名靠后。實際情況中，高質(zhì)量智慧城市需要城市在各方面都表現(xiàn)優(yōu)秀，任意一方面出現(xiàn)短板都會影響城市的建設(shè)和發(fā)展，所以紅河州排名應(yīng)在大理之后，與本文方法所得結(jié)論一致。

從評價結(jié)果看，昆明作為云南省的省會城市，在城市建設(shè)各方面都表現(xiàn)較好。曲靖市在許多方面得分值較高，但由于經(jīng)濟和環(huán)境相對昆明來說差距較大，導(dǎo)致曲靖最終利益比率值高于昆明。普洱市在智慧環(huán)境和智慧民生方面的建設(shè)存在不足，導(dǎo)致其個體遺憾值Ri較大，影響了排名。昭通作為云南省北部發(fā)展較快的城市，雖然在智慧環(huán)境等方面有優(yōu)勢，但在智慧經(jīng)濟、智慧互聯(lián)等方面還有較大的提升空間?？傮w來看，云南省新型智慧城市建設(shè)仍然呈現(xiàn)出地域差異，省會城市及靠近省會的城市集群建設(shè)成效更好；同時，距離昆明較遠的大理及紅河州的快速發(fā)展也為其它城市的建設(shè)提供了參考。綜上，各城市應(yīng)該結(jié)合自身特點，吸收借鑒其它城市建設(shè)經(jīng)驗以實現(xiàn)城市高質(zhì)量發(fā)展。

五、結(jié)論

本文從“人本”角度出發(fā)，基于主觀數(shù)據(jù)對我國新型智慧城市建設(shè)質(zhì)量進行評價。首先，對國內(nèi)外政府部門發(fā)布的文件和近幾年相關(guān)學(xué)者的研究進行梳理，以歐盟指標(biāo)體系為基礎(chǔ)，結(jié)合研究熱點構(gòu)建了智慧經(jīng)濟、智慧環(huán)境、智慧設(shè)施、智慧公民、智慧生活、智慧治理、智慧民生、智慧互聯(lián)8個維度的評價指標(biāo)體系。隨后，提出BB-VIKOR方法用以評價新型智慧城市建設(shè)質(zhì)量。采取模糊包的形式對專家意見進行整體表征，不僅考慮了決策過程中的重復(fù)信息，也對少數(shù)群體性意見進行了保留，使決策更加科學(xué)合理。另外，通過構(gòu)造模糊包線性偏好函數(shù)解決了長短不一致的兩個模糊包的大小比較問題，避免了添值和排序的影響，更有效地反映出其優(yōu)勢程度；同時，改進的多屬性模糊包的距離公式有效衡量了各城市實際表現(xiàn)與理想點之間的偏離程度，解決了BB-VIKOR方法在應(yīng)用中的距離計算問題。最后，以我國云南省部分城市為例，驗證了方法的可用性，所得結(jié)論與實際情況相符。