国内智能开采领域研究热点和发展趋势的知识图谱分析

吴骏一，王 冲，杨海江，倪雪松，4

(1.华北科技学院 计算机学院,北京 东燕郊 065201;2.燕山大学里仁学院 电气工程及自动化系,河北 秦皇岛 063500;3.华北科技学院 安全工程学院,北京 东燕郊 065201;4.华北科技学院 保卫处,北京 东燕郊 065201)

0 引言

煤炭作为我国的主体能源，不仅在能源结构中占有较大比重，而且非常符合我国的能源禀赋和进行现代化建设的可持续发展需求。近年来，虽然国内煤矿开采产能以超高速度提升，但是开采模式较粗放，工矿企业整体生产效率低、前沿技术应用少、信息流通速率慢、智能化水平低等问题也都一一显露了出来，具体表现为多种数据同步传输不可靠、部分采集数据不可信、远程控制实时性差和智能决策准确性低等问题[1]。随着数字化、信息化、机械化、自动化开采的步进，煤炭行业智能化开采的相关概念也日趋清晰；智能开采的必然要求是主要采煤系统具有智能感知与决策，自我学习和执行的能力。在信息技术更迭和行业间技术交叉融合的背景下，煤炭行业面临着巨大的竞争机遇和转型压力；发现亟需突破的先行核心技术并找到煤炭开采的发展方向，寻求一种更加高效、系统化、智慧化的发展模式成为当务之急，如何实现煤矿开采智能化、无人化一直是政府学界关注的重点问题。

立足于更好地进行智能开采学术研究的出发点，实现从对智能开采的理论研究向科研成果孵化的转化；这就需要对我国学术界既往的研究内容进行总结，总结归纳智能开采领域的现有研究成果。考虑到中国幅员辽阔，煤矿藏资源的分布具有区域性，那么专门从事于智能开采领域研究的高影响力科研机构具有什么样的空间分布特征？有关领域的专家学者对该领域的发展做出了什么样的贡献？产生了何种深远影响？这是本文首先思考的问题。紧接着，通过对智能开采领域的研究现状的分析研究，可以发现智能开采研究的焦点都有哪些，研究的主题是如何随着时间演进的；并施以系统分析，对未来的发展趋势做出大胆预测。

相较于已有研究成果，本文将通过对中国期刊网(CNKI)论文进行数据可视化来呈现当前中国学界对于智能开采的研究思路，总结智能开采领域研究的发展路径，从空间分布特征与时间序列两个角度探索新的研究焦点和预测未来的演进趋势，以期指导智能开采领域的学术性研究，并且有利于实现从理论向实践的转化。

1 数据来源与研究方法

1.1 数据来源

智能开采始于采掘机械和电液控制系统智能化研究，这是智能开采的底层支撑[2]。20世纪90年代，我国煤炭机械化已经经历了近十年的发展历程，基本实现综合机械化设备自研发，并开始投入研发电液控制系统[3, 4]；2020年是我国全面建成小康社会的关键节点，选用这三十年间的文献进行分析，在较大跨度的时间范围内广泛选取样本能保证数据分析的可靠性和可信性。作者着眼于中国国内智能开采领域的研究现状，于2020年12月31日登入中国期刊网(CNKI)数据库，采集并整理了智能开采领域的相关文献2228篇，数据的具体筛选条件见表1。中国期刊网(CNKI)是国内最具有权威性的科学技术文献索引工具之一，是用于国内文献计量研究的理想数据源。

表1 数据来源

智能开采实际上是一个广泛的主题，涉及到很多学科领域。单纯使用智能开采进行主题搜索，所搜索的智能开采文献的可能涉及范围小、相关系数低，事实上，没有一项研究本身能够解决智能开采研究主题的选择所带来的复杂性。因此本文通过在专业检索中构造逻辑表达式来进行研究。为尽可能全面地覆盖近年来智能开采研究领域，更好地追溯智能开采领域的发展轨迹，故选取专业检索的方式，时间范围均设置为1990年～2020年，最终确定了以上2228篇文献。

1.2 研究方法

继2003年科学知识图谱这一概念首次提出，美国德雷赛尔大学的陈超美教授于2005年推出运行在JVM虚拟机上的免费开源软件——CiteSpace——被广泛地用于知识映射和文献共被引研究，通过CiteSpace的将引文数据可视化为若干图表，而在文献计量学中把这类图看作科学知识图谱[5, 6]。我选用CiteSpace(5.6.R3 SE 64位)就智能开采研究文献进行机构作者的空间分布特征绘图和关键词的共词分析以及聚类分析。本文借助以上制图实现对智能开采领域潜在演化机制的分析，并找出可以作为关键节点的文献，研究智能开采领域当前的热点和发展趋势。

本文通过从国内 CNKI 数据库中采集到的数据，首先研究了智能开采领域研究机构和个人的合作特征，然后通过图谱分析得到智能开采领域的研究主题、演进趋势及研究热点，最后梳理和掌握该领域在国内的发展路径及未来方向，为国内智能开采领域研究提供新思路。

2 智能开采研究领域的空间特征分布

2.1 高影响力机构的空间特征分布

跟踪重要团队的研究方向是该领域得以发展的重要导向。通过对发文机构的分析可以得出国内各机构在智能开采领域的贡献及影响力。通过数据分析发现智能开采领域发文量前10的机构如表2所示。

表2 高影响力机构排序表

由表2可以发现，发文量最多的是中国矿业大学( 北京) 31篇，明显高于其他机构，说明该机构在智能开采研究领域贡献较大，该机构的“矿业工程”专业处于世界一流学科水平，在智能开采研究领域处于领先位置，其研究成果众多，具有较大的影响力。由图1可知中国矿业大学(北京)与煤炭科学研究院、天地科技公司、北京大学有合作关系且共现关系显著;其余研究机构组成相对零散的网络，没有明显显示出与其他机构存在跨机构合作关系，表明以机构独立研究为主。

2.2 重要发文作者分布特征

研究领域内优秀作者的存在则是该领域发展的根本动力。通过作者合作网络(图2)可以发现国内智能开采领域存在一个合作高度紧密、极具有影响力的科研合作团体。主要成员由王国法、范京道、庞义辉、任怀伟、毛善军等学者组成。王国法院士于20世纪90年代初，主持创新研发了新型低位放顶煤液压支架等关键技术装备；首次提出了液压支架与围岩的“三耦合”原理和设计方法；首次实现煤矿常态化工作面有人巡视、无人操作的智能综采；主持建立了中国综采和液压支架技术标准体系，是我国采煤成套技术实现完全国产化的领军人物。

图1 高影响力机构合作网络

图2 重要发文作者合作网络

追踪重要作者并结合表3可以发现排名前十的作者大部分隶属于企业，发文被引量明显领先其他作者的是任怀伟、王国法、袁亮等学者。任怀伟发文量上处于领先位置并在煤矿综采装备系统、工作面智能化控制和智能矿山关键技术研究上有重要贡献[7, 8]；袁亮院士在瓦斯抽采、共采等方面的研究颇有建树[9, 10]。上述三位学者的贡献对煤矿智能开采领域相关研究有着非常深远的影响。在合作网络图谱中，结点越大说明出现频次越多，连线越粗说明合作关系越密切。

表3 重要发文作者排序表

进一步挖掘重要作者信息并结合图1可以发现，以王国院士法为核心，包括范京道、赵国瑞等数位作者的共现合作关系显著且合作关系密切，组成一个最大的作者共现合作网络团队，该团队主要关注领域是煤炭综采理论与技术实践、先进装备研发以及体系建设。

结合表2、图3分析智能开采领域发展现状可以看出重要作者及团队的研究方向对智能开采领域研究热点的探索十分具有前瞻性。结合表2可以得出重要发文作者的所属机构与发文机构的发文量有较强关联，例如隶属于中国煤炭科工集团的王国法院士团队、安徽理工大学的袁亮院士团队、天地科技股份有限公司的任怀伟团队的发文量都占各自机构发文量的很大比重，说明机构中的重要作者对机构在该领域的发展起正向作用，同时也反映出机构的研究力量较为集中，形成了稳定的、突出的核心研究群体，各机构将来可以从多方面、多角度来进行研究人才的培养。通过分析重要作者合作关系及团队研究领域发现智能开采领域研究集中于煤矿安全、煤矿生产技术及管理、煤矿综采装备与智能控制等方面。

3 研究热点与前沿

3.1 国内智能开采领域的研究主题

国内智能开采领域所涉及的研究主题十分丰富，但是真正反映文献关注点与思维角度的关键词一般只有3～5个。对于选自智能开采这一特定领域的若干文献：提取其核心内容的词频分布，对关键词进行共现，找到智能开采领域的研究热点问题。通过构建共词网络，可以清晰地体现学科结构的数据集中程度：智能开采领域的关键词结点用一个彩色圆表示，彩色圆环由若干圈彩色年轮组成，被引用的次数越多绘制出的结点就越大。年轮的颜色代表结点的出现年代，有助于分析研究领域热点问题和演进趋势；年轮的厚度代表结点的中介中心度，年轮层越厚这个节点的中介中心度就越高，结点就越重要[11]。

在关键词共现网络中(图3)共被引频次较高的20个关键词如表4所示。从表4可以看出最重要的五个关键结点分别是“煤矿”、“智能”、“采煤机”、“应用”和“物联网”。这说明在国内智能开采研究领域，以上五个领域是主要的研究主题；位于可视化的图谱右侧，集中程度高。图3中存在“智能”、“智能开采”或“智能化开采”等含义相近的关键词，可以归结为“智能化”是最常见的关键字，因为煤炭开采本就是一个包含着巨大信息体量的行业，在项目施工及管理过程中会产生大量的信息。在关键词的频次上可以看出，与智能化和管理相关的关键词都有着较高的被引频次，在产生大量信息和文档的项目管理过程中实现高效的数据交换和信息管理是智能开采的理念之一。

表4 关键词词频排序表

关键词共现网络是在静态空间中绘制的，但事实上国内智能开采领域关键词共现网络是基于1990年～2020年的时间线连续绘制的，对于关键词的分析需要考虑所选取数据的时间特性，虽然不能直观地看出智能开采领域研究主题的具体集中情况和演进趋势，但是依据关键词共现网络所呈现的信息还是可以间接地辅助决策。每两个具有共被引关系的关键词结点在网络中都由一根线联结，线的颜色表示他们联结的时间，与关键词结点外部圆环的颜色类似，可以用来分析联结出现的先后顺序。

“智能”是贯穿始终的研究主题，不论是早期采煤机、液压支架的研制，还是之后电液控制系统、监控系统的设计与应用，实现“智能化”一直是智能开采领域的研究主题。在信息化的背景下，传统的 “管理”，“采煤机”和“煤矿”等关键字很自然地过渡到了“人工智能”，“物联网”，“云计算”和“大数据”等新兴计算机技术。这种现象产生的原因主要是当今世界前沿交叉学科融合发展已经成为了时代主题，智能开采将煤炭综采与新兴技术相结合，以促进更便捷的信息传输与交换，“物联网”、“云计算”、“人工智能”和“大数据”等计算机技术不仅极大提升生产力水平大提升，而且具有较高可靠性，采煤技术和新兴技的结合必然是智能开采领域的新趋势。

图3 国内智能开采领域关键词共现网络

图4 国内智能开采领域关键词聚类网络

图5 国内智能开采领域时间线聚类网络

3.2 演进趋势

科学知识图谱进行数据统计和数据可视化常常采用聚类分析进行知识发现和统计数据，根据术语的相对相关程度，聚类分析可以将大量的研究数据分类为不同的单元，从大量信息中抽取出共性这有助于确定智能开采的研究主题，演进趋势及其相互联系[12]。通过聚类算法生成的关键词聚类网络可以很好地将数据以可视化的形式展示出来。

在本文中，通过K-core算法确定了 17个共被引聚类，在K核心算法中生成的聚类的质量高，类内关联性高，类间关联程度低，这种高内聚特性使得分析过可以避免异常数据带来的极大影响[12]。采用对数似然比(Logarithm Likelihood Ratio，LLR)算法根据每个群集中引用的文档的关键字，从唯一类别和覆盖范围两个角度为每个群集选择一个标签。聚类标签的质量取决于文章中关键词的术语集的多样性、广度和深度[11]。对数似然比(LLR)为：

(1)

也称为对数似然比统计量(Logarithm Likelihood Ratio Statistic，LLRS)，其中为对数似然函数。群集的生成的标签表示群集的焦点。考虑时间对聚类分析结果的影响，这是基于关键词聚类分析的另一种形式，它可以显示每个聚类的发展。从图4中可以看出，文献首先集中在#4和#11这两个主要类别中，然后发展到#0、#1、#5、#12、#14和#15，最后为#2、#3，#6、#7、#8、#9 和#10。此外，该图还显示了每个群集中出现重要结果的时间节点，例如顶部的群集0代表的域，范围从1995年～2020年。其中，2001年和2007年之间有一系列重要的里程碑热点。

本文宏观地给出了17个类别集群(图4)，这些数字显示了智能开采领域研究的跨学科性和高度信息化要求。根据聚类标签颜色变化我们也能知道各个聚类标签在智能开采领域的发展时间。不同颜色对应1990年～2020年之间的不同年份，冷色调代表距离现在较远的时间，暖色段代表距离现在较近的时间。

(1) 智能开采研究的初级阶段(1990年～2000年：#1、#6)主要发表了两类主题的文献：“采煤机”和“工作面”。

改革开放后，我国大规模地引进采煤机械，逐渐由传统的人工采煤、炮采演进到普采、综采。20世纪90年代以来，我国采煤机械的自主研发初具规模，自行设计制造的大功率综采成套机械设备均符合标准化、通用化、系列化；我国不同类型矿区就复杂煤层赋存条件采用具有针对性的技术和装备，并针对不同倾角的煤层条件开发特殊类型液压支架，逐步形成新的理论体系；这一阶段不仅实现了量大而广的普采设备向成套综采设备的更新，还开展了综采设备电气化的研究[3, 4, 7]。

与此同一时期，具有高可靠性、采用大功率综采装备的高效集约化综采模式在西方先进采煤国家开始出现，大功率机械使得综采工作面的产量与效率大幅提高；我国的工业基础积贫积弱，国产装备的生产能力和可靠性均不及进口装备，设备制造技术以及检验标准等方面均远落后于西方发达国家，德国DBT、美国JOY等国外煤机企业长期垄断我国高端综采装备市场；从1995年起神东矿区通过大量引进国外高端综采成套设备实现了工作面的高产高效开采，我国科研人员奋起直追，在提高设备自研发能力的基础上为了实现综采工作面的自适应控制，引入了电液控制系统[7]。

(2) 智能开采研究的二阶段(2000年～2010年：#0、#2、#3、#5和#7)主要发表了五种主题的文献：“智能化”、“远程控制”、“自动化”、“智能矿山”和“应用”。

步入21世纪，对于煤矿智能化开采以及智能矿山的建设提上议程，并快速发展。电液控制系统作为采煤工作的底层设备是这一阶段的研究重点。

北京天地科技股份有限公司于2001年7月和德国Maco公司联合创办北京天地玛珂电液控制系统有限公司，天地玛珂成立之初仅是充当外国公司的售后支持，显然科研人员并不满足于此，于2005年自主研发了电控系统控制器，2008年开发的具有自主知识产权的成套电液控制系统通过了工业性试验的鉴定；从1991年我国独立自主研发出第一套实验性电液控制系统后，四川神坤装备股份有限公司与2007年完成了十五米工业实况电液控制系统的项目验收，郑州煤机集团于2009年完成了电液控制系统的井下工业性实验，并通过了技术鉴定[2]。

经过不懈努力，基本实现了采煤机、刮板运输机、带式运输机等传统综采工作面机械设备由手动操作向自动控制的升级，大幅提升了这些单机设备的集控水平，远程控制、智能控制以及自动化技术与采煤技术逐渐深度融合，综采自动化工作面已经初具雏形。

(3) 智能开采研究的现阶段(2010年～2020年：#4、#8和#9)主要发表了三种主题的文献：“5g”、“人工智能”和“计算机技术”。

第三阶段主要的研究热点在于以人工智能、5G技术为导向的计算机技术。5G即是指第五代移动通信技术( The fifth Generation Mobile Communication Technology，5G)，其中的海量机器通信(Massive Machine Type Communications，mMTC)可以为物联网系统采集多种数据提供技术支撑，超可靠低时延( Ultra Reliable Low Latency Communications，urLLC)可以有效满足智能联网环境下端设备间的通信保障[1]。人工智能技术可以充分发挥物联网、大数据等技术的优势形成泛在智能，提供智能开采过程中的自我预测和自行决策[13-15]。可以说近10年来，现代化采煤作业与物联网、大数据、人工智能、云计算、智能机器人等技术深度融合，煤炭工业由高速发展转向高质量发展，前沿交叉技术呈井喷式出现。

2014年陕西黄陵煤矿率先启用SAM型综采工作面智能控制系统进行智能开采，自2014年以来，巴彦高勒煤矿进行煤层大采高智能化开采应用，采用国产成套设备使得高危环境作业人数减少60%，2017年红柳煤矿把智能开采技术应用于中厚煤层这一复杂地质条件。

现如今，已基本实现煤矿企业信息系统的普及应用，开始朝着互联网新兴技术的集成应用发展。各项代表性技术开始应用于煤矿开采，国内学者对这些技术的研究工作也开始慢慢突显。在图5的三阶段中，可以直观地看到各项技术的名称及它们所对应的标签。随着这些技术在与智能开采交汇融合的同时，国内讨论智能开采的理念的声音开始放大，智能开采的理论也随着底层技术的发展达到了一个新的高度。

智能开采首先通过机械化研究开始，再到自动化、远程控制，最后到智能监测、智能调度和智能识别。各个聚类标签中突现出该学科领域的技术为其所用，例如：计算机技术、物联网、人工智能等。可以表现为智慧建造领域包含着管理、计算机、互联网、土木工程等多学科的技术集成应用。再结合各个标签领域的主题，可以理解为：智能开采由工程管理信息化逐步发展而来，数字化是其手段，智能化发展是第一要义。

4 结论

(1) 对2228篇智能开采领域的相关文献进行分析发现，科研机构普遍开设在主要产煤地，各机构之间有比较紧密的合作关系，中国矿业大学处于核心地位；全国范围内形成了较多紧密合作的科研群体，以王国法院士所领导的科研团队最为突出。目前的研究热点多元化，可以归纳为综采技术与装备智能化、智能机器人、智能控制、智能视频、智能识别、智能调度、智能监测及智能放煤8个方面主题。在对现有文献使用计量科学进行分析基础上，结合煤炭开采的实际需求和我国智能开采水平仍然处于初级阶段的现状，不难看出：当前的技术方向是谋求实现矿井固定岗无人值守，采掘、运输、分选等环节可以智能感知和自动执行，秉持煤能源绿色环保清洁的可持续发展道路。

(2) 智能开采以实际工程需求为背景，在工程项目建设过程中充分利用自动化、物联网和无线通讯等技术将工程信息数字化，再通过大数据、人工智能和云计算等信息技术建立多学科交叉集成式智能系统，可以提高整个煤炭行业的智能化程度和管理能力。

(3) 智能化开采将变革传统生产方式，把煤炭工人从恶劣的工作环境中解脱出来；煤炭行业也就可以成为年轻人喜爱的职业，提升工作的体面感、尊严感，因为科技发展的唯一目的就是解放和发展生产力，将从根本上改变煤炭产业传统粗放型的开采、管理模式，实现煤炭开采智能化。