基于CiteSpace的煤矿智能化领域发展态势研究

王 丹，盛 武

(安徽理工大学 经济与管理学院，安徽 淮南 213000)

0 引言

煤炭能源是我国最主要的能源，承担能源安全压舱石作用，但煤矿开采过程中造成的资源浪费、作业强度大、效率低、安全事故频出等问题都给当前煤炭行业转型升级造成巨大的冲击[1]。煤矿开采要想实现安全高效，实现煤矿智能化是必经之路，是煤炭行业发展、转型的核心技术支撑[1，2]。2020年2月，国家发展改革委、国家能源局等八部委联合印发了《关于加快煤矿智能化发展的指导意见》一文中提出将先进智能技术与现代煤炭开发相融合，形成智能化运行体系，推动煤矿行业发展[3]。2020年底，国家发展改革委、国家能源局启动了第一批71处国家智能化煤矿建设示范项目[4]。目前，我国智能化煤矿建设建立了良好的体系，确定了建设路径和稳定高效的开采模式[5]，并在构建智能化煤矿数字逻辑模型[6]、煤矿系统智能化架构和协同机制[7]、矿井4D-GIS地理信息系统系统[8]、 智能通风系统[9]、智能调度系统[10]、固定岗位无人值守系统[11]等方面取得较好的研究成果；美国、德国、澳大利亚等国家正以“智能化”为核心，探索实现工作面无人的智能化开采。煤矿智能化研究在国际学术界也引起很大关注，王国法、刘峰[12]等人对智能化发展进程进行系统描述，分析了煤矿智能化的理论基础、关键技术、主题系统结构和主要技术路径，并提出了我国煤矿智能化快速掘进的方向和技术路径、现有生产矿井智能化改造等政策建议；葛世荣、郝尚清[13]等人介绍了采矿技术智能化的发展历程，针对复杂条件下的智能化难题，提出精准定位、煤岩识别、智能支护、自主纠偏及智能煤流感控五项智能化技术和未来需提高智能开采的自主能力和适用范围。张庆华、姚亚虎、赵吉玉[14]指出实现通风技术智能化的四大难题，进而提出解决难题的重要方向：智能感知、决策和控制，实现通风智能化和无人化。李首滨[15]提出智能化开采的主要制约因素，即装备稳定性、可靠性不强、技术适应度不高和开采思想、管理模式理念不牢固等。Ma Long[16]介绍了建设智能矿山的结构与必要性，并阐述了当前在智能矿山建设中广泛应用5G通信技术，促进智能矿山的建设；Carly Leonida[17]提出需要利用先进的数据管理和通信基础为矿业行业的数字化铺平道路；Jane H. Hodgkinson、Marc Elmouttie[18]提出可以通过数字孪生技术增加采矿数字化和实时交互，通过对矿山同步数字孪生的潜力进行评估发现，数字孪生对采矿业务中期预测的价值可能是有限的。Gary Conway[19]提出目前自动驾驶汽车、人工智能和机器学习正在结合起来，创造一种新的工业4.0采矿方法，改变矿业对数字通信战略重要性的看法。

随着智能技术发展水平的升级，煤矿行业实现了从原始的人工作业阶段到机械化阶段再到数字化、自动化阶段，最终逐步向智能化阶段迈进。但现阶段对于国内外煤矿智能化的研究现状和未来发展前景进行全面、直观、清晰的分析不多，由于科学知识图谱可以将一个知识领域来龙去脉的演进历程集中展现在一幅引文网络图谱上[20]，可以快速掌握研究对象的发展进程，因此本文利用CiteSpace软件对煤矿智能化领域2007-2021年间国内外文献进行可视化知识图谱分析，揭示煤矿智能化领域研究热点及研究趋势，为煤矿智能化建设提供决策依据。

1 研究工具和数据来源

1.1 研究工具

本文采用CiteSpace软件对煤矿智能化进行多方位研究[21]。CiteSpace软件基于Java环境开发和使用，融合共现分析和聚类分析，以图谱的形式对研究作者、机构、关键词、研究热点等方面进行可视化分析，具有准确、便捷、高效等特点[22]。

1.2 数据来源

本文以煤矿智能化领域相关文献为研究对象，以CNKI中国知网和Web of Science数据库为数据源，将文献检索时间范围设置在2007-2021年区间，剔除与主题不符、重复、报告和通知等无效文献，检索到CNKI中国知网文献2048篇，Web of Science文献195篇，具体检索情况见表1。

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

为了准确了解某一研究领域在某一时间段内的研究成果与发展趋势，选择对这一领域的发文量进行统计与分析[23]。利用EXCEL表格绘制2007-2021年间国内外煤矿智能化年发文量分布情况，如图1所示。

从图中可以看出，国内外煤矿智能化领域年发文数量随着年份的增加整体呈现波动上升发展态势，表示国内外学者对煤矿智能化的重视程度越来越高。并且近年来国内对煤矿智能化的关注程度远远高于国外，发文数量远远超过外文文献。国内对煤矿智能化的研究大致可以分为3个阶段：2007-2013年为起步探索阶段，国内对煤矿智能化意识不强，且在2007-2008年出现轻微下降趋势，发文量整体处于缓慢波动增长状态，由2007年的年发文量18篇增长为2013年的年发文量66篇；2013-2017年为该领域的探索波动期，人们逐步踏入煤矿智能化时代，推动煤矿转型，用智能化机器、智能化技术代替传统的人工作业方式，整个阶段发文量相对平稳，在2015年、2017年出现下降趋势，但总体处于平稳发展状态；2017年以来，随着人工智能、自动化、大数据等技术逐渐成熟，煤矿智能化开始快速发展，年均增长量超过70篇，在2020年达到最高，高出2019年近200篇，并在2021年达到最高，为523篇，这表明我国对煤矿智能化的研究越来越深入，智能化技术对我国煤矿事业的发展至关重要。与中文文献相比，外文文献发文量少于国内，在2007-2016年间发文量均较少，平均发文量保持在10篇以内，2016年之后开始呈现缓慢上升趋势，这一阶段正是大数据、物联网、人工智能等新技术被广泛应用于管理领域的关键时期，体现出随着先进智能技术的发展，将新兴智能技术应用于煤矿开采过程，促进煤矿行业智能化发展逐步引起了国际上的重视。

图1 国内外煤矿智能化年度发文量分布图

2.2 发文作者分析

通过对发文作者的分析，可以了解某领域的作者群体及其合作情况，较为精准的提炼出科学研究主体[24]。在CiteSpace软件中选取“Author”，时间跨度定为“2007-2021年”，时间切片选择“1”，并选中“Pathfinder”选项，点击“Go”运行得到CNKI中国知网和Web of Science发文作者共现图谱，如图2、图3所示。

图2 CNKI中国知网煤矿智能化领域发文作者共现图谱

图3 Web of Science煤矿智能化领域发文作者共现图谱

图2中节点数(Nodes)=478，连线(Links)=313、密度(Density)=0.0027，图3中节点数(Nodes)=326，连线(Links)=814、密度(Density)=0.0154，这表明国内外煤矿智能化领域样本中的研究学者基数较大，且国外作者间的连线与密度均大于国内，体现外文文献中作者间的合作关系强于中文文献。但由于国内外该领域作者合作密度均较低，所以国内外作者总体在煤矿智能化领域虽形成了一定的合作研究团体，但规模不大，可以加深作者间的合作，使其在煤矿智能化领域的研究更加深入。

节点大小与发文量成正比，选取CNKI中国知网样本中发文量前十的作者，见表2。

表2 煤矿智能化领域CNKI中国知网发文前十的作者名单

续表

国内发文量最多的作者是中国工程院王国法，发文量为23篇；其次是来自中煤科工开采研究院有限公司的任怀伟，发文量为14篇；其二人均在2018年首次发表煤矿智能化领域文章。天地科技股份有限公司的庞义辉，中国矿业大学(北京)的刘峰发文量均为10篇，国家能源集团煤炭运输部的丁震发文量为9篇，中煤科工开采研究院有限公司的赵国瑞发文量为8篇，中国矿业大学(北京)的葛世荣、陕西延长石油矿业有限责任公司的范京道、西安科技大学的曹现刚和中国神华神东煤炭分公司的王飞发文量均为7篇。由此可知，排名前十的学者发文量相对可观，但和检索的2007-2021年的1761篇文献相比还是较少，研究学者分布较广。从发文作者所在机构可以分析出，目前我国煤矿智能化领域研究主要分布在高校和研究院，存在明显的分布不均衡现象。通过在CNKI中国知网检索发现，王国法院士在2019年8月15日发表的《煤矿智能化(初级阶段)研究与实践》下载量及引用量高达5549次和310次，这说明王国法等人在煤矿智能化领域的研究成果参考价值很高，且2019年成为我国煤矿智能化领域研究的关键时间点。根据图3可知，Web of Science中发文量较多的作者有 Wang Guofa(18篇)、Yuan Liang(12篇)、Wu YQ(5篇)，发文量总体较少，且发文量较多的均是中国学者，体现了我国学者对煤矿智能化的研究在国际上提供了较高的学术参考价值。

2.3 研究机构分析

对某领域研究机构分布及合作关系进行分析，可以得出该领域的核心机构分布情况。在CiteSpace软件中选择“Institution”，时间跨度、时间切片等变量选取与发文作者一致。得到2007-2021年CNKI中国知网和Web of Science发文机构共现图谱，如图4、图5所示。从图4中可以看出，CNKI中国知网中共有417个(Nodes=417)研究机构参与煤矿智能化领域研究，其中发文量最多的是天地(常州)自动化股份有限公司，为35篇；位居第二的是中煤科工集团常州研究院有限公司，发文量为25篇；中煤科工集团重庆研究院有限公司发文量为22篇，位居第三。其他发文较多的机构有煤炭科学研究总院开采研究分院、天地科技股份有限公司开采设计事业部、煤炭科学研究总院及中国矿业大学信息与电气工程学院等，从研究机构的分布可以看出，国内研究院、高校和企业越来越关注对煤矿智能化领域的研究。图5中Web of Science中共有153个(Nodes=153)研究机构参与研究，其中发文量最多的是China Univ Min & Technol，为43篇；位居第二的是Xian Univ Sci & Technol，发文量为15篇；China Univ Min & Technol Beijing发文量为13篇，位居第三。Anhui Univ Sci & Technol、Shandong Univ Sci & Techno、Liaoning Tech Univl及Henan Polytech Univ发文量也较多。从中发现位居第一的是中国机构，且发文量较多的机构主要来自中国，说明我国众多机构高度重视对煤矿智能化领域的研究，且引起了国际上的高度关注。同时，图4中各机构间的连线有174条(Links=174)，密度为0.002(Density=0.002)；图5中各机构间的连线有163条(Links=163)，密度为0.014(Density=0.004)，说明国内外该领域研究机构较为分散，虽存在一定的合作关系，但团队规模有限。可以加深机构间合作交流频率，推动煤矿工业智能化改革进程。

图4 CNKI中国知网煤矿智能化领域研究机构分布及合作情况共现图谱

2.4 研究热点分析

2.4.1 关键词共现图谱分析

研究某一领域的研究热点就是研究分析此领域中心度和频次高的关键词，即在一段时间内研究者共同关注的问题[25]。本文利用CiteSpace软件选取“Keyword”节点类型，对煤矿智能化领域进行热点主题分析。时间跨度、时间切片等变量不变，运行得到CNKI中国知网和Web of Science关键词共现图谱分析(图6、图7)。

图6 CNKI中国知网煤矿智能化领域关键词共现图谱

图7 Web of Science煤矿智能化领域关键词共现图谱

其中，在关键词共现图谱中，节点越大，表示关键词出现的次数越多。同时，生成表3对CNKI和Web of Science中高频关键词进行分析。

表3 国内外煤矿智能化领域高频关键词

从图6、表3中可以看出，目前国内煤矿智能化研究领域研究热点主要分布在“智慧矿山”、“煤矿”、“智能化”、“物联网”、“智能矿山”等方面；说明“智慧矿山”、“智能矿山”等的建设和物联网、智能控制、大数据、人工智能等先进智能技术融合进当前煤矿开采环境是煤矿智能化未来的发展前景。由图7、表3可知，目前国外煤矿智能化研究主要重视对“coal mine(煤矿)” 、“system(系统)”、“coal mining(煤矿开采)”、“model(模型)”、“algorithm(算法)”等方面进行分析。对比图6、图7和表2中的高频关键词可知，目前国内外对煤矿智能化的研究侧重点不同，国内主要研究智能化技术如何更好的融入当前煤矿大环境，当前阶段更多的研究体现在理论层面；国外主要对煤矿智能化技术进行深入研究与探索，较重视实践层面。

2.4.2 关键词共现图谱的聚类分析

聚类分析是深入剖析研究热点的有效方式，可以更好的判断国内外煤矿智能化的研究热点领域[26]。本文采用CiteSpace软件中关键词聚类分析法生成聚类分析图谱(如图8、图9所示)，列出不同聚类模块的聚类规模，对煤矿智能化领域的研究热点进行探索。通过聚类分析得到两个重要指标：Q值(聚类模块值)和S值(平均轮廓值)，Q值范围一般在0～1之间，一般认为Q>0.3则表示聚类结构效果显著；S>0.5时，一般认为聚类合理，若S>0.7，则意味着聚类效果高[27]。

图8中，Q=0.6643，S=0.8613，说明CNKI中国知网煤矿智能化领域关键词聚类结构效果显著且聚类效果高效。图8中选取的前10个关键词分别为：智能矿山、煤矿、管理创新、智能化、智能、创新、工作面、应用、煤矿安全和Plc。这10个关键词诠释了国内煤矿智能化领域的研究主要基于煤矿、智能、创新等方面开展，推动煤矿行业改革。

图8 CNKI中国知网煤矿智能化领域关键词聚类图谱

图9中，Q=0.8379，S=0.9402，意味着Web of Science中对煤矿智能化研究热点聚类结构明显且聚类高效。从图9的标签可以看出选取的前十个关键词分别是：feature extraction(特征提取)、emergency rescue(应急救援)、risk assessment(风险评估)、analytic hierarchy process(层次分析法)、disaster warning(灾害预警)、unconfined compressive strength(无侧限抗压强度)、cloud computing(云计算)、coal mining(煤矿开采)、nox(氮氧化物)和ground well(地面井)。据此可知与国内相比，国外更侧重于实践探究，应用智能化技术推动煤矿转型。

图9 Web of Science煤矿智能化领域关键词聚类图谱

3 研究发展趋势分析

3.1 时区图研究

识别煤矿智能化领域关键词的演变趋势有助于了解此领域研究热点的演进情况[28]。在CiteSpace软件中选取“Keyword”，在可视化面板中的Control Panel操作面板中选择“Layout”，并将Visualizations选项中调整为“Timezone View”，运行得到CNKI中国知网和Web of Science关键词时区图聚类图谱(如图10、图11所示)，深层次分析煤矿智能化领域的发展历程。

图10中，结合时代大环境背景，可以将煤矿智能化领域的演变历程大致划分为3个阶段。2007-2011年为第一阶段，学者在此阶段主要集中于对“煤矿”、“智能”、“智能化”、“智慧矿山”、“物联网”“煤矿开采”等关键词的研究，对煤矿智能化的理论研究和研究方向逐渐形成和完善；第二阶段是2012-2016年，学者在此阶段的研究热点较第一阶段有减少，研究细化程度提高，研究热点大多聚集在“数字矿山”、“人工智能”、“信息化”“云计算”等方面，将煤矿智能化的研究与技术建立紧密联系；2017年以来，是煤矿智能化领域研究的上升爆发期，随着近年来科学技术的迅速发展，“智慧煤矿”、“智能煤矿”、“开采技术”、“智能管控”等成为煤矿智能化领域研究的热点关键词，煤矿行业逐步进入数字化、信息化、自动化、智能化的时代，不断创新改革推进煤矿行业发展。

由图11可知，2009-2012年期间，主要集中于对“neural network(神经网络)”、“prediction(预测)”、“coal mining(煤矿开采)”、“expert system(专家系统)”等研究方向的探索；2013-2018年期间，国外对煤矿智能化的关注度特别高，此阶段内涌现了众多热点关键词，如“model(模式)”、“coal mine(煤矿)”、“machine learning(机器学习)”、“system(系统)”等，表明国外对此领域的研究内涵更为丰富，角度更为扩展；2019年以来，研究热点逐渐减少，主要对“intelligent mining(智能采矿)”、“identification(识别)”、“deep learning(深度学习)”等进行钻研，意味着国外对煤矿智能化领域的研究进入智能技术应用研究阶段。

图10 CNKI中国知网煤矿智能化领域关键词时区图图谱

图11 Web of Science煤矿智能化领域关键词时区图图谱

3.2 突现词研究

为了更清晰了解煤矿智能化领域的新兴研究热潮，可通过CiteSpace软件对关键词图谱进行突现词探测，衡量前沿性研究价值[29]。基于关键词图谱，在Selection Criteria中选择“Top N”，点击“Go”运行。在Burstness中点击“Refresh”，调整相关指数，点击“View”，得到关键词突现图谱，如图12、图13所示。

图12 CNKI中国知网煤矿智能化领域关键词突现图谱

图13 Web of Science煤矿智能化领域关键词突现图谱

从突现强度分析，CNKI中国知网检索文献中“智慧矿山”、“智能化”突现强度较高，高达16.42和16.4，这表明在2019-2021年期间，国内学者在对煤矿智能化研究中，对“智慧矿山”、“智能化”等方式关注热度较高，实现煤矿智能化最好的方式是建设“智慧矿山”。Web of Science中突现强度最高的是“regression(回归)”，但仅有1.78，且研究热度仅持续一年，说明国外学者在研究过程中发现其并不是未来发展热点。根据突现时间分析，国内研究中，虽然“智慧矿山”、“智能化”、“大数据”、“关键技术”、“智能开采”、“智慧煤矿”、“智能煤矿”、“无人驾驶”、“智能装备”、“管理创新”、“采煤机”等关键词出现时间较晚，均于2019年出现，但研究热度一直高涨，且是现阶段和未来煤矿行业发展的重点。国外研究中，“neural network(神经网络)”、“longwall mining(长壁采煤法)”等词突现时间持续较长，但在近几年，没有再深入研究，说明国外近些年对煤矿智能化的研究方向有所转移。近些年，国外对煤矿智能化领域的研究热点主要集中在“seam(煤层)”、“behavior(行为)”、“classification(分类)”、“channel wave(巷道变形)”等方面。

对比分析国内外突现词发现其对煤矿智能化领域研究热点各有侧重，但总体都是以煤矿行业当前环境背景与先进技术相融合为目标，增进煤矿行业走向智能化进程。

4 结论

(1) 中外文献在发文量方面整体趋势一致，呈现波动上升态势，且中文文献发文量多于外文文献，国内增长趋势优于国外，体现国内外在煤矿智能化领域重视程度不断提高。

(2) 国内外作者、机构间在该领域的研究形成一定的研究群体，但群体间合作不多，合作关系较为松散，团队规模较小。国内合作主要集中在科研企业、科研院所、高校之间，与外界合作不多，外文文献作者、研究机构主要来自于中国，体现我国学者对煤矿智能化领域的研究做出了巨大的贡献，对于煤矿智能化领域的研究在国际上学术参考价值较高。

(3) 在研究热点方面，对中外文献进行分析，得出国内外学术研究关注的重心有所不同。国内更注重技术与环境的融合，从理论出发，国外则更偏向实践角度，对技术的研究占比较高。国内主要侧重研究将物联网、大数据、智能控制、人工智能、智能装备等新兴智能技术与煤矿开采技术相融合，国外主要侧重于远程控制、无人监测、系统性等相关智能化技术的研究，促进煤矿智能化发展。但整体来说，国内外研究大方向基本一致，均旨在实现煤矿行业转型，使智能化技术在煤矿行业的应用不断加深。

(4) 对于煤矿智能化领域研究重点和研究方向上，国内外虽然侧重点有所不同，国内前期更多注重“智慧矿山”、“智能化”的理论研究，对大数据、智能开采、智能装备等先进智能化技术的的研究出现较晚，但这是未来研究趋势；国外近些年则一直重视对先进智能化技术的探索，推动煤矿智能化转型。

(5) 当前，数字化、信息化、自动化、智能化发展日益加快，煤矿智能化开采成为煤炭工业技术革命和升级发展的必然选择。在数字经济背景下，煤矿智能化研究需要多角度、多学科探索，进行知识的再整合，进而构建新的煤矿智能化管理体系。该领域各方研究者和研究机构应加强合作交流，扩大团队合作规模，构建成熟的合作关系网络，共同推动煤矿智能化研究的发展。