基于VOSviewer和CiteSpace的空中交通流量管理研究综述

摘 要：以中国知网（CNKI）和Web of Science （WOS）数据库内的文献作为数据来源，以2013—2023年为检索年限，将CNKI中以“空中交通流量管理”为主题的956篇文献和WOS中以“air traffic flow management”为主题的379篇文献作为研究对象，使用VOSviewer和CiteSpace文献计量工具生成了作者合作网络图，研究机构共现图、关键词共现图以及关键词突变图，以此来了解并分析有关空中交通流量管理的研究内容。结果表明，对空中交通流量管理的研究关注度较高，发文量总体呈现上升趋势，研究机构大多集中在高校。关键词研究显示，空中交通流量管理研究的方向包括流量管理、深度学习等方面。结论为空中交通流量管理研究提供理论依据。

关键词：空中交通流量管理；空中交通管制；文献计量学；可视化分析

中图分类号：U8" " " " " " " " "文献标识码：A" " " " " "文章编号：1007-1199（2024）06-0027-07

0 引 言

在当今航空业快速发展背景下，空中交通流量管理（ATFM）成为保障航空运输系统安全、高效运行的关键环节之一。随着空中交通量的不断增加，对于如何有效管理、控制和优化航班之间的间隔与运行，以确保安全和效率，提出了新的挑战和机遇。空中交通流量管理的研究不仅涉及空中航线的安排与管理，更牵涉到航空公司、机场、空中交通管制部门等多个利益相关方的协同合作［1］。它需要综合考虑航空公司的运营需求、旅客需求、航空系统的容量、天气变化以及安全等多种因素，以保证飞行的安全性和效率性。过去几十年，随着技术和研究的不断进步，空中交通流量管理领域涌现了各种创新的方法和技术。例如，基于数据驱动的预测模型、智能化的决策支持系统以及优化算法的应用等。Francisco［2］等用机器学习模型对空中交通密度进行预测，通过该方法可以用来提高ATM系统的容量。王莉莉［3］等研究了将遗传算法（GA）、径向基（RBF）神经网络与改进Cao方法相结合的空中交通流量预测方法，该方法可以更好地解析系统的混沌特性，从而提高预测的精确度。张强［4］等通过对空中交通走廊容量评估的方法进行改进，提出了一种高效率高准确性的新型优化算法，该方法可以为空中交通管制人员进行流量优化分配提供参考。Yan Zhen［5］等提出了一种基于深度学习的新型框架，即机场交通流预测网络（ATFPNet），以捕捉机场历史交通流（出发和到达）的时空依赖关系，进行多步骤的情景（网络级）到达流量预测，该方法可以提高机场管理效率，实现高效的交通规划。Gui Guan［6］等利用分布式 ADS-B地面站和获取的 ADS-B信息组建了一个航空大数据平台，通过探索所构建的数据集并将提取的信息映射到航线上，可以统计和预测不同城市之间的空中交通流量，实现及时高效的空中交通流量管理。Mannino Carlo［7］等提出了一个MIP模型，该模型能够准确地定义当前的工作量，并对其进行扩展。为一组计划航班优化选择新的（延迟）起飞时间，以防止途中拥堵和减轻空中交通管制员的高工作量，同时最大限度地减少总延误。David García-Heredia［8］等提出了一种含有地面和空中延误、航空器的速度变化和备选航线等决策因素的模型。总之，学者们通过机器学习、算法改进和大数据运用等在空中交通流量管理领域取得了极大的研究成果，这些成果为提高空中交通管理的效率、减少拥堵和延误等目标提供了技术和理论支持。

文献综述（Literature Review）是学术研究中的一种关键性文体，它总结、评价和综合了关于特定研究主题或问题的现有文献。文献综述的目的是为读者提供关于研究领域已有工作的全面情况，并提供理论背景、研究问题的合理性和研究方法的选择支持。通过阅读大量文献发现一般的文献综述只是对研究对象进行总结和分析，鲜少有对作者、机构、关键词等内容的分析。科学知识图谱是一种基于图谱理论和技术的表示和组织科学知识的方法，它旨在通过将科学领域的各种实体（如学科、领域、学术论文、研究者等）和它们之间的关系以图谱的形式表达，从而更好地理解科学知识的结构、发展和关联。科学知识图谱在推动科研合作、促进学科发展、支持科学政策决策等方面具有潜在的重要价值[9]。通过阅读文献发现有很多学者研究空中交通流量管理的策略和应用等问题，很少有学者利用科学知识图谱的方法对空中交通流量管理方面进行文献综述研究。基于研究现状的不足，本研究通过知识图谱的分析方法对空中交通流量管理的文献进行全面的整理分析，从中发现一些关于空中交通流量管理研究的规律，以及未来研究的发展方向和潜在的创新点，为相关方面的研究提供一些参考。

1 方法与数据来源

本研究应用CiteSpace和VOSviewer文献计量工具对空中交通流量管理相关的文献进行研究和分析。CiteSpace是一款由清华大学研究团队开发的学术可视化工具，旨在帮助研究人员理解学术文献之间的关系、研究领域的演变以及学术合作网络［10］。VOSviewer最初是由荷兰莱顿大学的Nees Jan van Eck和Ludo Waltman开发，是一种用于可视化科学文献计量分析的软件工具，它主要用于探索和分析大规模数据库中的学术研究领域、学者和文章之间的关系，现在已经成为学术界广泛使用的计量工具[11]。

本研究的文献来自中国知网（CNKI）和Web of Science （WOS）数据库。在CNKI数据库中以“空中交通流量管理”为主题进行检索，发现近十年（2013—2023年）的期刊文献，总库中一共有995篇结果。一般某个研究领域很多重要文献都发布在核心期刊，但是该主题词在高级检索中选择核心期刊后仅剩100篇左右的文献，这样数据量较少不利于后续分析，所以没有将文献来源限制为核心期刊；然后主动筛选一些相关度比较低的文献，选择所需文献后将目标文献导出、保存，再在CiteSpace软件中对文献进行梳理和去重，最终研究的文献一共956篇。在WOS数据库中，选取“air traffic flow management”为检索主题，检索时间为2013—2023年，共有395篇文献，去除会议、条款和文件等文章，最终有效文章共379篇。

2 研究结果

2.1 研究基本情况分析

2.1.1 期刊发文量分析

由于2013—2017年在WOS数据库中没有收录关于空中交通流量管理相关的文章，因此只分析CNKI数据库中这几年来的期刊发文量情况。2013年以来国内外关于空中交通流量管理的研究年度发表文献量均在50篇以上，这说明国内外对空中交通流量管理的研究已经呈现出规模化。2014年、2015年以及2017年发文量均在100篇以上，在2017年达到峰值115篇，说明这几年国内外研究者对空中交通流量管理领域的研究关注度比较高。2017—2023年期间，WOS收录的关于空中交通流量管理相关的文献数量整体上保持增长的趋势，并且每年的发文量均在30篇以上。但是在CNKI收录的文献数量与前几年的发文量相比有下降的趋势。2017年以前的文献数量增长反映了该领域的饱和和成熟，即已经涵盖了许多基础和关键问题。在这种情况下，后续的研究可能更侧重于细化和优化现有的理论和方法，而不是提出全新的概念。此外，空中交通流量管理属于综合性研究和跨学科合作，涉及多个学科领域，包括航空和计算机科学等。过去的研究可能更侧重于特定领域的问题，而近年来研究者可能更倾向于进行综合性研究和跨学科合作，这可能导致文献数量减少，但是关于空中交通流量管理研究期刊发文量总体上还是呈现上升趋势。

2.1.2 研究作者共现分析

本研究通过CiteSpace和VOSviewer软件生成了空中交通流量管理研究领域的作者合作网络图谱，如图1所示，CNKI文献中作者合作网络图中共形成了61个节点13个连接，其中作者名字显示的越大代表发文量越多，本研究摘录了发文量前10的作者如表1所示。节点之间的连线代表不同作者之间有合作关系，由图可以看出作者合作网络较为稀薄，主要形成了田勇、万莉莉、李永庆，赵嶷飞、张勰、王红勇、侯盾和王莉莉、王航臣三组研究合作网络。但是总体上来看，研究者之间较为分散，并没有形成明显的合作网络，这也说明各位研究者之间的合作需要进一步加强。表2为WOS文献作者发文量前10排名表。根据洛卡特定理，发文量≥8篇的作者被视为该研究领域的核心作者。由表2可知该领域的核心作者为xu，yan（发文量9篇）和itoh，eri（发文量8篇）。

2.1.3 研究机构共现分析

运用CiteSpace和VOSviewer软件生成了关于空中交通流量管理相关的研究机构共现图谱，图2为CNKI文献研究机构共现图。考虑到可视化图片的布局，所以筛选出来了发表文章在2篇及以上的研究

机构，本研究摘录了CNKI文献发表量排名前十的研究机构，如表3所示。图中节点字体的大小表示机构发文量的多少，由图可知Nanjing University of Aeronautics and Astronautics排在第一名。此外，从文献归属来看，很大一部分都来自中国民航地区管理局和一些高校，行政机构和其他单位合作较少，这一现象反映了当前空中交通流量管理的研究现状。表4为WOS文献期刊发文量前十的机构。无论是国内还是国外，高产机构多集中在高等院校。原因如下：一是学术研究需求。高校作为学术研究的中心，拥有丰富的研究资源和专业知识。空中交通流量管理是一个复杂的研究领域，涉及多个学科交叉，高校拥有跨学科的研究环境，能够容纳不同领域的专家和研究者，从而促进空中交通流量管理的综合研究。二是人才培养。在空中交通管理领域，需要具备深厚的专业知识和研究能力的人才，高校是培养未来专业人才的重要场所［12］。三是政府支持与监管。民航地区管理局通常是与政府紧密合作的机构，负责制定和执行相关政策、规定。在一些国家，政府会直接资助或委托高校和地区管理局进行空中交通流量管理方面的研究，以提高空中交通系统的效率和安全性。四是实际应用需求。民航地区管理局负责实际的空中交通流量管理工作，因此具有更直接的实际应用需求。高校的研究可以为地区管理局提供先进的理论和技术支持，而地区管理局的实践经验和需求也可以为高校的研究提供实际问题和场景，促使研究更贴近实际应用。总体而言，高校和民航地区管理局的合作为推动空中交通流量管理的研究提供了有力的支持，既有助于学术研究的发展，也能够更好地满足实际应用的需求。此外，随着人们对空中交通流量管理的重视，行政机构和其他单位也逐渐开始参与相关研究。

2.2 研究主题和热点分析

2.2.1 关键词共现分析

关键词是作者对文章内容的高度凝练和总结，能够反映出来文献的核心内容。本研究通过CiteSpace选取每个时间切片（1年）中出现次数前10%的关键词绘制共现图谱，CNKI文献关键词共现如图3所示［13］。在该图谱中共有65个节点56个连接，节点字体的大小表示关键词的频次的高低。其中流量管理、空中交通、地面等待以及交通流量构成的空中交通流量管理研究框架关联性比较强。本研究摘录了CNKI出现频次排名前10的关键词，如表5所示；WOS文献出现频次排名前10的关键词，如表6所示。

2.2.2 关键词聚类分析

关键词聚类可以表明该领域的不同研究关注点［14］。表7是CNKI文献关键词聚类，表中一共有3个不同的标签，代表着有3个聚类，每个聚类的标签都是共现网络中的关键词，聚类的序号是#0-#2，聚类序号的数字越大说明该聚类中包含的关键词越少，反之，序号的数字越小，说明该聚类中的关键词越多[15]。#0代表流量管理聚类，其中包含的主要关键词有航班延误、流量管理、协同式、关键技术、交通管制等。随着航班数量的不断增加，空中的交通管理往往又会受到多种因素的影响，常常造成航班延误的现象，因此有不少学者研究关于空中交通流量管理的策略和优化等。姜依静在协同决策理论的基础上提出了空中交通流量管理模型，该模型不仅能够满足空管系统中不同业务领域提出来的不同数据需求和传输模式，而且还能够对数据进行优化处理，从而提高空中交通流量管理的效率［16］。此外还有其他学者开展对协同式空中交通流量关键技术的研究。#1代表交通流量聚类，其中包含的主要关键词有空中交通、交通流量、交通管理、人工智能、仿真系统等。随着科技的发展，计算机技术被应用到多个领域，人工智能技术推动着航空业的发展，提高了空中交通流量管理的技术。熊洛和李毅将分布式人工智能Multi-Agent的理论和方法应用到空中交通流量管理领域中，提出了基于Multi-Agent的空中交通流量仿真方法，为实际空中交通流量管理系统的建设提供了重要的参考［17］。#2代表空域聚类，其中包含的主要关键词有地面等待、空域、容量和仿真等。如何进行高效的空中交通流量管理以及充分利用空域容量是航空业目前面临的紧迫问题，张秀明和张亮试将PBN和ATFM技术融合来增加运行容量，探讨应用前景［18］。

表8呈现的是WOS文献关键词聚类情况，包含8个不同的标签。众所周知，空中交通流量管理是一个跨多学科的领域，涉及到多个相互关联的方面，这些聚类间也存在着多维度的联系。例如，空中交通流量管理需要处理航班轨迹、气象数据等海量的数据，深度学习算法凭借其强大的特征提取和模式识别能力，可以对这些数据进行深度挖掘，通过分析采集的多源数据，构建出更加准确的延误预测模型，从而为空中交通管理部门提供决策支持，优化流量分配。此外，深度学习在轨迹预测方面也具有独特的优势。

2.2.3 研究热点分析

图4为CNKI文献关键词突变图，图中显示了时隙分配、进场排序、空域等17个关键词。从2013—2015年这一阶段来看，学者们关注点集中于时隙分配、进场排序、空域、遗传算法等方面，这一现象反映出当时对空中交通流量管理基础设施和基本概念的重视。时隙分配与进场排序在本质上直接关联着飞机的进出场流程，是空中交通流量管理中基础且关键的环节；而遗传算法作为一种优化问题解决方法，被应用于该领域，表明当时的研究侧重于利用算法工具来优化这些基础环节中的相关问题。

在2015—2020年期间，学者们的关注焦点转移至关键技术、管理以及策略等方面。这一转变意味着研究范畴从基础部分扩展到了整个空中交通流量管理系统的综合研究层面。在此期间，航班延误、复杂网络和危险天气等关键词的出现，进一步表明研究关注点开始朝着系统的可靠性、安全性以及对不确定性因素的管理方向转变。这是由于随着空中交通流量管理系统的发展，单纯关注基础环节已不足以应对系统运行中的各种挑战，需要从整体系统的角度出发，综合考虑系统的各个方面，尤其是可靠性和安全性等核心要素，同时要应对诸如天气等不确定性因素带来的影响。

2020年至近期，流量控制和延误预测成为学者们关注的重点。这一转变体现出随着空中交通系统日益复杂和繁忙，对于更具针对性、实时性的管理工具和技术的研究需求不断增加。流量控制是应对空中交通拥堵、确保飞行秩序的关键手段，而延误预测则有助于提前规划和调整，从而提高整个空中交通流量管理的效率。这种关注点的演变整体上反映出空中交通流量管理领域的动态发展过程，即从对基础设施和基本概念的关注，逐步发展到全面的系统管理，进而发展到对满足复杂性和不确定性需求的实时工具的探索，这一过程体现了学者们对空中交通流量管理问题的认识随着时间推移不断深入，关注点也随之不断演变。

图5为WOS文献关键词突变图，图中显示了ground holding problem、time、performance、trajectory prediction等17个关键词，2017—2020年期间，学者们关注ground holding problem、time、performance等关键词。这一时期的研究关注点广泛涉及空中交通流量管理的多个方面。其中，ground holding problem和flow management体现了对空中交通流量管理中地面等待问题以及整体流量管理的重视，这是空中交通流量管理运行中的重要部分，涉及如何合理安排飞机在地面的等待时间，以优化整个流量管理流程；trajectory prediction、conflict detection和numerical simulation则涉及飞行过程中的关键技术研究，飞行轨迹预测有助于提前规划飞机飞行路径，冲突检测能够保障飞行安全，数值模拟方法为相关研究提供了有效的技术手段；air pollution这一关键词的出现表明学者们开始关注空中交通对环境的影响，这反映出随着社会发展，人们对环境保护意识的增强，空中交通领域也开始重视自身活动对环境的影响。

2020年至近期，学者们开始关注emissions、prediction等关键词。这一转变表明学者们对空中交通环境方面的关注度显著增加。emissions和fine particulate matter反映出学者们对空中交通产生的排放物以及微粒物质的担忧，这与当前全球对环境保护、空气质量改善的关注相契合；prediction和weather意味着对于预测技术以及天气对流量管理影响的研究，天气状况对空中交通流量管理有着重要影响，准确的天气预测有助于提前规划和调整流量管理策略；capacity则表示对交通系统容量的研究，这是空中交通流量管理中的一个基本问题，涉及如何在有限的空域资源下容纳更多的航班，提高交通系统的运行效率。总体而言，这两个时期的关键词变化反映出研究者们从关注运行性能、轨迹预测等基础问题，逐渐转向更加注重环境影响、排放物、天气等方面。这种转变是社会和技术发展的必然结果，体现了社会对可持续性和环保的关切，也表明空中交通流量管理领域的研究在不断适应社会发展的需求并与时俱进。

3 结 论

本研究利用CiteSpace和VOSviewer软件将空中交通流量管理方面的文献进行可视化分析，以CNKI数据库和WOS数据库中的文献为数据来源，分析了空中交通流量管理方面的研究现状和研究主题及热点问题，得到了以下结论：

从时序产出分布来看，CNKI中近十年空中交通流量管理研究领域的发文数量在2013—2017年较多，随后几年有些许减少；WOS文献发文量从2017年开始呈现上升趋势，发文量总体上呈现上升趋势；国内外空中交通流量管理领域的研究机构很大一部分集中在高校，并且各个机构之间的合作有待加强；从关键词来看，空中交通流量管理研究内容和热点主要集中于流量管理、分配和机器学习方面。

参考文献

［1］张琦.基于管制间隔运用的管制运行效率研究［D］.中国民航大学，2015：74.

［2］FRANCISCO M P，FERNANDO V C G，RAQUEL J D，et al.Methodology of air traffic flow clustering and 3-D diction of air traffic density in ATC sectors based on machine learning models［J］.Expert Systems With plications，2023，223-253.

［3］王莉莉，赵云飞.基于GA、RBF和改进Cao方法的空中交通流预测方法［J］.交通信息与安全，2023，41（1）：115-123.

［4］张强，曹义华，陈勇.民用机场及附近空域空中交通流量优化［J］.行力学，2007（1）：84-88.

［5］YAN ZHEN，YANG HONGYU，LI FAN，et al.A deep learning approach for short-term airport traffic flow prediction［J］.Aerospace，2021，9（1）：11-18.

［6］GUI GUAN，ZHOU ZIQI，WANG JUAN，et al.Machine learning aided air traffic flow analysis based on aviation big data［J］.IEEE Transactions on Vehicular Technology，2020，69（5）：1-6.

［7］MANNINO CARLO，NAKKERUD ANDREAS，SARTOR GIORGIO.Air traffic flow management with layered workload constraints［J］.Computers and Operations Research，2021，127；105159.

［8］DAVID GARCÍA-HEREDIA，ANTONIO ALONSO-AYUSO，ELISENDA MOLINA.A combinatorial model to optimize air traffic flow management problems［J］.Computers and Operations Research，2019，112：104768.

［9］杜丽华.基于知识图谱的国内知识库研究现状与前沿分析［J］.时代人物，2022（29）：35-37.

［10］曹永强，齐静威，王菲.基于CiteSpace的水安全研究现状与热点分析［J］.水利经济，2019，37（6）：8-17.

［11］VAN ECK N J，WALTMAN L.Citation-based clustering of publications using CitNetExplorer and VOSviewer［J］.Scientometrics，2017，111（2）：1053-1070.

［12］杜文博，徐桢，刘凯.空中交通管理专业研究型人才培养的探索研究［J］.教育教学论坛，2017（45）：2-6.

［13］禹玲，何宁星，李稻学.国内近十年大学英语教材中文化内容研究综述：基于CiteSpace知识图谱分析［J］.当代教育理论与实践，2023，15（2）：63-69.

［14］姚海燕，向晴，罗志宏.基于文献计量的国内健康信息行为研究现状与热点分析［J］.预防医学情报志，2021（3）：7-9.

［15］邱文洁，王小娟.“双碳”背景下我国环境绩效的研究现状与发展趋势：基于CiteSpace的可视化分析［J］.武汉商学院学报，2023，37（5）：59-66.

［16］姜依静.同决策在空中交通流量管理中的应用［J］.中国航务周刊，2023（23）：70-72.

［17］熊洛，李毅.基于Multi-Agent的空中交通流量仿真研究［J］.航空计算技术，2013，43（5）：31-35.

［18］张秀明，张亮.PBN程序与空中交通流量管理融合前景研究［J］.航空科学技术，2014，25（8）：14-17.

责任编校：杜晚霞，罗 红

A Review of Air Traffic Flow Management Research Based on VOSviewer and CiteSpace

SI Qingmin，LI Junyan，ZHAO Yonghang

（School of Civil Aviation of Zhengzhou University of Aeronautics，Zhengzhou 450046，China）

Abstract：In this study，the literature in China Knowledge Network （CNKI） and Web of Science （WOS） databases is used as the data source，and the search years of 2013-2023 are used as the search years，and the 956 documents with the theme of \"air traffic flow management\" in CNKI and the 956 documents with the theme of \"air traffic flow management\" in WOS are used as the search years.We used VOSviewer and CiteSpace bibliometric tools to generate author cooperation network diagrams，research organization co-occurrence diagrams，keyword co-occurrence diagrams and keyword mutation diagrams to understand and analyze the literature on the topic of \"air traffic flow management\" in CNKI and WOS.Keyword mutation maps were generated to understand and analyze the international research on air traffic flow management.The results of the study show that the international research on air traffic flow management has a high degree of concern，the overall trend of the number of articles issued is increasing，most of the research institutions are concentrated in universities，and the keyword study shows that the direction of air traffic flow management research includes traffic management，deep learning and other aspects.The conclusions of the study provide a theoretical basis for air traffic flow management research.

Key" words：air traffic flow management; air traffic control; bibliometrics; visual analysis