基于CiteSpace的煤矿安全风险识别知识图谱分析

江婷婷，盛 武

(安徽理工大学 经济与管理学院，安徽 淮南 232001)

0 引言

我国煤炭能源在生产与消费中长期占主导地位，根据中国工程院重点咨询项目《我国煤炭资源高效回收及节能战略研究》报告，2020年全国煤炭产能为44亿吨，2030年为38亿吨，2050年为30亿吨，因此在2050年以前，煤炭仍是我国的主要能源[1]。煤矿安全事故频繁发生，针对煤矿安全风险管理的研究受到广泛关注[2]。ZHOU Lujie(周鲁洁)等[3]研究与煤矿相关的职业安全卫生和风险控制技术，开发B/S模式系统软件，实现基于风险预警和动态监测的煤矿职业安全健康管理；RUBIN MARK等[4]对澳大利亚煤矿企业233名矿工进行调查，参与者年龄对安全感知标准是冒险频率的重要纵向预测因子，未来更有可能承担安全风险；张淑玲等[5]基于BP神经网络构建煤矿安全绩效评价模型，提出对策和建议；陈晁陶[6]运用双重预防机制，对煤矿开采中的安全风险进行分级管控；黄继广等[7]建立IAHP-SPA井工煤矿安全风险辨识数学模型，对煤矿系统安全风险因素进行综合评价；郜彤等[8]运用云模型理论和层次分析法，对煤矿安全风险评价提供新思路；谭章禄等[9]运用CiteSpace软件分析煤矿安全热点与趋势，分析出煤矿安全的前沿热点为安全生产、安全监察、煤矿事故、数据挖掘。

以上研究缺乏对煤矿安全风险的全面把握，作为科学计量学方法的知识图谱，具有直观地揭示研究动态与前沿趋势的分析技能[10]。本文运用CiteSpace可视化软件，从中国知网(CNKI)和Web of science中选取与煤矿安全风险相关文献为数据源，对国内外煤矿安全风险领域1997～2020年发表文献的研究作者、研究机构和关键词聚类等进行可视化，揭示国内外煤矿安全风险识别领域的研究现状和发展趋势。

1 研究工具及数据来源

1.1 研究工具

本文运用陈超美教授研发的可视化软件CiteSpace构建知识图谱，该软件是基于JAVA面向对象的程序设计语言，分析和检索在规定领域内的文献(集合)科学计量，研究该领域的关键路径以及知识拐点[10-11]。CiteSpace作为数据分析领域流行且具有影响力的一款软件，它是以文献数据为依据，挖掘数据的分布规律和特点，通过绘制可视化图谱、建立节点间的关联结构，分析研究对象的共现与共引关系等[12-13]。

1.2 数据来源

本文研究对象是国内外煤矿安全风险领域的相关文献，以CNKI和Web of science为数据源，检索时间设定为2020年，共检索CNKI文献867篇、Web of science文献387篇。剔除与研究主题不相符、作者或者刊名不健全等文献，共计CNKI文献756篇、Web of science文献358篇，时间段为1997～2020年。将所选取的有效文献按照CiteSpace所需参考文献格式导出并且转码，获取研究样本数据集。文献检索具体情况如表1所示。

表1 数据来源及处理

2 数据结果分析

2.1 年度发文量分析

经过文献数据分析，得到如图1所示的国内外煤矿安全风险发文数量时间序列分布。从文献的数量上可以看出中国对于煤矿风险管理领域的高度重视。中国对煤矿安全风险研究起步较早，第一篇关于煤矿安全风险的文献在1997年刊登，1997～2002年发表论文的数量较少，均在3篇以下；2003～2014年发表论文的数量逐渐增多，达到前所未有的高峰90篇，在2014年之后开始出现回落现象，直到2019年又在此达到高峰125篇。

图1 中外文煤矿安全风险年度发文量分布图

国外关于煤矿安全风险的文献研究基数较小，从2007年的6篇到2020年的95篇，年发文量约增长了15.8倍，文献数量一直呈上升趋势发展，表明煤矿风险管理在国外也逐年受到重视。可见，国内发文量是同期外文发文量的2.1倍，中文发文量波动大于外文，但中外文发文数量均呈现快速上升的趋势。

2.2 发文作者分析

选择CiteSpace的节点类型为Author(作者)，时间跨度为1997～2020，时间切片为1year，TOPN=50，运行所得到的作者共现知识图谱如图2、图3所示。从合作角度来分析，图2中的节点数为453，连线数为258，网络密度为0.0025，可以看出作者间网络合作关系很少，合作强度很弱；图3中的节点数为373，连线数为418，网络密度为0.006，相比于图2中作者间网络合作较多，合作强度较大。从发文量角度分析，图2中发文数量最多的作者为宋学锋8篇、吴燕清8篇，刘海滨5篇、马汉鹏5篇等人位列其后。各个学者相互合作，在图谱中形成了几个作者子网络结构，较为显著的是以宋学锋、吴燕清为首的网络结构；图3中发文量最多的作者为WU CAI(蔡武)6篇，QIANG WU(武强)6篇、BAIQUAN LIN(林柏泉)5篇、J MALTI 5篇等人位列其后。形成以BAIQUAN LIN(林柏泉)、YUANPING CHENG(程远平)为首的网络结构。图2中的单节点比图3中单节点多。

图2 中文作者共现知识图谱

国内外学者存在共性问题：国内外作者共现知识图谱网络密度分别为0.0025、0.006，表明合作意识不强、缺乏跨单位和跨地区之间的合作，学术交流和合作关系有待提高。图3中外文发文量出现了大量的中国学者，体现了我国学者在国际煤矿安全风险领域有较高的参与度。

图3 外文作者共现知识图谱

2.3 发文机构分析

选择CiteSpace的节点类型为Institution(机构)，其余参数设置与作者参数一致，运行所得到的机构共现知识图谱如图4、图5所示。

字号大小决定发文量的多少，从图4中可以看出，发文量排在前四位的研究机构有中国矿业大学管理学院、中煤科工集团重庆研究院有限公司、中国矿业大学(北京)管理学院、安徽理工大学经济与管理学院，说明这四所机构在我国煤矿安全风险研究上学术科研能力较强。从图5中可以看出，发文量排在前四位的研究机构有China Univ Min & Technol(中国矿业大学)、China Univ Min & Technol Beijing(中国矿业大学(北京))、Shandong Univ Sci & Technol(山东科技大学)、NIOSH(美国联邦职业安全与卫生健康研究所)。在图5中字号最大最显著的是中国矿业大学，并且发文量排在前四位的机构，中国占据三位，说明中国是研究煤矿安全风险的主要研究国家。

从图4、图5得知，中国矿业大学和中国矿业大学(北京)发文量最多，国外NIOSH发文量最多。但是机构间连线较少，表明各机构单位合作意识不强，若各个机构之间能够开展合作，有利于煤矿安全风险领域研究更好发展。

图4 中文机构共现知识图谱

图5 外文机构共现知识图谱

2.4 研究热点分析

研究热点反映一个研究领域的研究重点及方向，对于理解和深入分析该领域的研究内容非常重要。本文采用关键词聚类分析法对煤矿安全风险的研究热点进行分析，来探索国内外煤矿安全风险研究热点的主题。

Modularity是判断网络模块化的标准，M越大，说明得到的聚类结果就越好。Q取值范围是[0，1]，若Q大于0.4时，则得到的聚类效果就比较明显。Q值的计算方法如下：

(1)

式中，aij为网络的邻接矩阵；pij为i与j两个节点之间连线数的期望值；Ci和Cj分别表示i节点和j节点在网络中所属的聚类。如果两个节点属于同一个聚类，则σ等于1；否则σ等于0。

Silhouette是衡量网络同性质性的指标，S越接近1，网络的同性质就越高。当S>0.7时，则聚类结果具有高可靠性；当S>0.5时，则聚类结果具有合理性。S值的计算方法如下[14]：

(2)

式中，a为i节点与其他节点的平均距离；b为与i点最接近各节点的平均距离。

选择CiteSpace的节点类型为Keyword(关键词)，其余参数设置均与作者参数相同，运行所得到的关键词聚类知识网络图谱如图6、图7所示。

图7 外文关键词聚类知识图谱

图6中呈现出Q=0.8634，说明聚类效果显著，S=0.9601，说明聚类结果具有合理性。将Show Clusters by IDs设为“0-8”，选取出前9个关键词主题，分别是：安全评价、安全生产、煤矿企业、风险识别、事故树、小煤矿、煤矿安全管理、安全风险、煤矿安全，揭示我国煤矿安全风险领域的研究热点主题。图7中呈现出Q=0.818，说明聚类效果显著，S=0.9072，说明聚类结果具有合理性。同样选取出前9个关键词主题，分别是：occupational accident(职业灾害)、coal mine(煤矿)、coal mining(煤炭开采)、fly ash(粉煤灰)、coal and gas outburst(煤与瓦斯突出)、energy absorbing bolt(吸能螺栓)、risk matrix(风险矩阵)、coal spontaneous combustion(煤炭自燃)、silica sol(硅溶胶)，揭示国外煤矿安全领域的研究热点主题。为了进一步了解煤矿安全风险领域的发展趋势，下面采取关键词网络时间线知识图谱进行分析。

2.5 演进趋势分析

关键词时间线聚类知识图谱能够反应热点关键词首次出现的年份、热点关键词突现的状况以及主题热点演进趋势。

选择CiteSpace的节点类型为Keyword(关键词)，其余参数设置均与作者参数相同，对2015～2020年关于煤矿安全风险领域的文献进行关键词时间线聚类分析，运行所得到的关键词时间线聚类知识图谱如图8、图9所示。

在图8和图9中，关键词被分为10大主题，每个主题中含有若干关键词，突现出近六年来国内外在煤矿安全风险领域的热点主题演进趋势。图8中截止到2020年节点大的主题关键词有安全生产、安全生产标准化、安全管理、物联网、安全评价、风险预控，是我国最近几年在该领域的演进趋势；图9中截止到2020年节点大的主题关键词有coal mining(煤炭开采)、thermomechanic(热力机械)、risk(风险)，是国外最近几年在该领域的演进趋势。

图8 中文关键词时间线聚类知识图谱

图9 外文关键词时间线聚类知识图谱

将中外文关键词时间线聚类知识图谱中每年首次出现的关键词绘制成表格如表2所示。2015年首次出现的关键词是煤矿安全风险领域中的核心词，说明国内外学者们开始研究煤矿安全风险的核心领域；2016～2019年首次出现的关键词选为节点较大的前十个，2016～2019年出现的关键词颇为丰富，是在2015年核心关键词的基础上延伸的，并且更加细化的表现出来。截止到2020年首次出现的关键词，表明国内外煤矿安全风险领域又更一步深化发展。

表2 2015～2020年国内外关键字对比

2.6 研究前沿分析

运用CiteSpace软件中突现词的检测功能，对国内外煤矿安全风险的研究进程和发展趋势进行分析，得到如图10和图11所示的关键词突现图。

图10显示了国内突现强度(Strength)较高，具有较强代表性的有14个关键词。强度最大的关键词是安全评价，Strength为13.8，这说明在2004～2012年间，国内学者对安全评价研究的热度颇高；从突现时间来看，安全风险、隐患排查治理、风险管控、双重预防机制、安全生产标准化突现时间较晚，但研究热度并未衰退，代表我国煤矿安全风险领域最新研究前沿。图11显示了国外具有代表性的3个关键词Seam(层)、coal mine(煤矿)和China(中国)。因国外发文量较少，关键词分布不集中，体现不出国外在煤矿安全风险领域的研究前沿。

图10 中文关键词突现知识图谱

图11 外文关键词突现知识图谱

从关键词突现中可以看出，我国学者对煤矿安全风险领域的关注度比国外高。由于我国是使用煤炭能源大国，不断地开采煤炭才能补给需求，在开采煤炭中会出现各种风险，因此国内学者对煤矿风险领域的研究高度重视。

3 结论

(1) 国内外研究作者和研究机构间连线较少，几乎都是同一单位、同一院校之间的合作，缺乏合作意识。学术界在煤矿安全风险领域研究合作水平不高，需要加强不同地区、不同单位、不同学者之间的相互交流与合作。

(2) 国内和国外在煤矿安全风险领域研究热点上各有侧重，国内倾向于研究领域的多元化，国外倾向于人的职业健康安全。

(3) 随着科学技术的不断发展，煤矿安全风险运用大数据分析减少事故发生。通过关键词研究热点和演进趋势的变化对煤炭安全风险进行研究，发现目前存在且亟待解决的问题。

(4) 抓取国内外文献的关键词时，未能体现出智能技术、机器学习、5G等现代风险管理信息技术手段，可能存在一定的见刊周期滞后性，但这是未来发展的趋势。