Az ismert Helix modellek alapvetéséhez hasonlóan (Carayan-nis et al., 2013) a smart city-k esetében is az egyetemek, a kor-mányok, az ipar és a társadalom integrált együttműködése, illetve a természeti környezet szempontjainak figyelembevé-tele hozhatja létre azt a lokális erőteret, mely képes lehet arra, hogy választ adjon az urbanizáció – közel sem lokális – kihí-vásaira.
Az előzőek alapján indokoltnak tartom, hogy a városokra ne önálló entitásként – szigorúan a város közigazgatási hatá-ráig – tekintsek, hanem azokat regionálisan, az ingázó
öveze-tükkel1 együtt vizsgáljam. A lehatároláshoz az OECD és az
Európai Bizottság által definiált funkcionális városi területek (FUA) fogalmát használom, amely meghatározása szerint jellemzően egy sűrűn lakott városi központból és egy hozzá
1 Ingázó övezet: olyan helyi közigazgatási egységeket foglal magába, amelyek lakosságának legalább 15 százaléka regionális központokban dolgozik (OECD, 2019).
Hogyan mérhető az okosvárosok teljesítménye? 91 kapcsolódó ingázó övezetből áll (OECD, 2019). A vizsgálatom-ba bevont városok kiválasztásának kritériumai volt, hogy (1) legalább 100.000 lakossal, valamint (2) egyetemmel rendel-kezzen, így képes legyen betölteni a regionális tudáscentrum funkciót, emellett pedig (3) a minta legalább egy országból több várost is tartalmazzon. E szempontokat figyelembe véve összesen 18 európai várost választottam ki (3. ábra), melyek közül négy hazai (Budapest, Győr, Miskolc, Pécs). A városok kiválasztásának részletes leírását a „Där idéer blir verklighet – KPI alapú smart city vizsgálati modell” című TDK dolgoza-tom tartalmazza.
3. ábra. A vizsgálatba bevont városok
Forrás: saját szerkesztés
A városok kiválasztását követően az indikátoronként összegyűj-tött adatok alapján meghatároztam a dimenziónkénti, valamint az összesített eredményeket, majd rangsoroltam a vizsgált váro-sokat. A 2. táblázat tartalmazza a városok dimenziónként elért helyezéseit, valamint az összesített eredményeiket.
2. táblázat. A városok dimenziónként elért helyezései és pontszá-mai a KPI-modellben
Forrás: saját számítás alapján, saját szerkesztés
A városok az eredményeik alapján négy jól elkülöníthető cso-portra oszthatók (4. ábra).
Az észak-európai városok teljesítménye kiemelkedő, őket a nyugat-európai városok és a
balti államokat képviselő Kaunas követi. A két csoport kö-zött helyezkedik el Breda, amely az SCI és KI pontszáma alap-ján egyértelműen egyik előző csoportba sem sorolható.
A második csoportot kissé leszakadva követi a lényegesen ma-gasabb KI értékkel és alacsonyabb SCI-pontszámmal rendelkező Oviedo, Szczecin, Budapest csoport, míg a leggyengébben teljesí-tők közé az egykori vasfüggöny mögött fejlődő városok kerültek.
Hogyan mérhető az okosvárosok teljesítménye? 93 Az SCI-pontszám alapján a legjobb eredményt a svéd Lin-köping városa érte el, ezzel egyedüliként tudta elérni az álta-lam felállított Smart City klaszter kritériumait. A KPI-modell valamennyi dimenziójában átlagos érték feletti teljesítményt tudott felmutatni, az összképet csupán a „Környezet” dimenzi-óban elért eredményei rontják, amiért a zöldfelületek aránya, a légszennyezés, illetve a hulladékgazdálkodás alrendszerekben felmutatott teljesítménye okolható. Aarhus városa – bár nem érte el a Smart City kategóriát –, mindenképpen példaértékű, mivel a vizsgált városok közül összességében a legkiegyensú-lyozottabb teljesítményt nyújtotta és a vizsgálatban a második helyezést érte el. Kiemelkedőnek tekinthető Breda teljesítmé-nye is, amely egyedüliként tudott valamennyi dimenzióban át-lag feletti eredményt elérni, ugyanakkor a vizsgált északi váro-sokkal szembeni lemaradása ennek ellenére is jól érzékelhető.
4. ábra. Az egyes városok eredményei az SCI-mátrixban
Forrás: saját szerkesztés
A második csoportból Kaunas és Magdeburg eredményét tartom fontosnak kiemelni. Bár ezek is a „keleti blokk” váro-sai voltak egykor, mégis egészen más fejlődési pályát írtak le a Szovjetunió felbomlása óta, mint a többi – általam vizsgált – ke-let-európai város. Magdeburg fejlődését egyértelműen meghatá-rozta, hogy az 1990-es német egyesítést követően a kormányzat, valamint az Európai Unió 2014-ig összesen mintegy 560 milliárd eurót fordított a gazdasági infrastruktúrájában elmaradott keleti régió fejlesztésére (Greive, 2014). Ugyanakkor Kaunas – és a Balti-államok városainak – viszonylag erős konvergencia teljesítmé-nyét az EKB az intézmények minőségének jelentős javulásával magyarázza, amelyet a Világbank által jegyzett WGI2 adatai tá-masztanak alá (European Central Bank, 2017).
A harmadik csoportból Budapest helyzete emelendő ki. A magyar városok közül a legmagasabb SCI-pontszámot érte el a legalacsonyabb KI érték mellett, ugyanakkor ez az ered-mény közel sem tekinthető kedvezőnek, hiszen a kutatásban egyedüli fővárosként szerepelt. Az Eurostat adatai alapján a kelet-európai régióban erősen fővárosokra koncentrált a GDP területi megoszlása, így különösen aggasztó a magyar főváros vizsgált nyugati városoktól mért távolsága.
A „koordinálatlan fejlődés” kategóriába eső negyedik cso-port teljesítményében viszonylag homogénnek tekinthető, az eredmény harmonizál az Európai Unió régiók fejlettségére vonatkozó vizsgálatainak eredményeivel. Minden ide sorolt város része annak a 47 lemaradó régiónak – jellemzően ma-gyar, román, bolgár, olasz és spanyol területek –, amelyek fel-zárkóztatására az Európai Bizottság 2017-ben fejlesztési aján-lásokat fogalmazott meg (European Commission, 2017).
2 WGI (Worldwide Governance Indicator): a mutató hat dimenzióban (elszámoltatha-tóság, politikai stabilitás, közszektor minősége, kormányzati szabályozás minősége, rule of law minősége, korrupció mértéke) méri a kormányzat minőségét (Tóth, 2014).
Hogyan mérhető az okosvárosok teljesítménye? 95 Az előzőekben bemutatott KPI-modell egy a korábbiaknál egyszerűbb, könnyebben alkalmazható értékelési keretrend-szert biztosít a városok részére. Rangkorrelációs mutatószám-mal igazolható, hogy a KPI-modell (19 kemény indikátor) alap-ján felállított rangsor nagymértékben megegyezik (ρ = 0,77) a leggyakrabban hivatkozott Giffinger-modell
(74 kemény és puha indikátor) által meghatározott sor-renddel azon városok esetében, amelyek mindkét modellben megtalálhatóak.
Összefoglalás
Kutatásomban egy olyan smart city modellt dolgoztam ki, amely hatékonyan kezeli a vizsgált modellek korlátait, ugyan-akkor megőrzi azok számos előnyös jellemzőjét; lehetővé teszi a városok teljesítményének térbeli és időbeli összehasonlítá-sát és azok vizsgálati szempontonként történő értékelését. Az általam kialakított KPI-modell mindössze 19 kemény indiká-tor segítségével öt különböző dimenzióban értékeli és teszi összehasonlíthatóvá a vizsgálatba bevont városok teljesítmé-nyét. A modell széleskörű, nemzetközi alkalmazhatósága fel-színre hozhatja a városok közötti különbségeket, versenyhely-zetet teremthet, lehetőséget biztosíthat a városi menedzsment számára a jó gyakorlatok átvételére, valamint hozzájárulhat a fenntartható városfejlesztést célzó politikák eredményességé-nek javításához is.