基于UCINET的智能叉車專利數(shù)據(jù)可視化分析

章梅 汪傳雷 梅帥 楊東祥 胡蕾

摘?要：?叉車作為物流業(yè)最基礎設施之一，其智能化對于物流業(yè)高質(zhì)量發(fā)展具有積極推動作用。運用UCINET可視化智能叉車專利文獻挖掘其創(chuàng)新特點，提出促進智能叉車發(fā)展策略。結果表明：智能叉車的技術發(fā)展不均衡，專利發(fā)明人子網(wǎng)絡之間缺乏合作，專利權人之間的合作松散，幾乎處于“孤島”狀態(tài)。

關鍵詞：?社會網(wǎng)絡分析；智能叉車；空間分布分析；UCINET

中圖分類號：?TB??????文獻標識碼：?A??????doi：10.19311/j.cnki.16723198.2023.06.105

0?引言

現(xiàn)代物流的發(fā)展離不開物流裝備的支撐，物流企業(yè)及其客戶對物流裝備技術運用提出更高要求。叉車又稱鏟車，作為一種用于裝卸、搬運、堆碼的物流功能的特種車輛，廣泛運用于各種場所場景，“十三五”期間也備受關注，如《特種車輛行業(yè)發(fā)展“十三五”規(guī)劃》《工程機械行業(yè)“十三五”規(guī)劃》等均有涉獵。隨著人工智能發(fā)展，叉車融合智能加速，而智能叉車的發(fā)展離不開技術進步，專利作為知識產(chǎn)權性文件，反映了技術創(chuàng)新能力，也是科技轉(zhuǎn)化為成果的重要形式。企業(yè)擁有專利的數(shù)量越多，從企業(yè)內(nèi)部抵抗科技風險的能力越強，在面對復雜多變的市場環(huán)境及供應鏈風險時能夠擁有更多的機會。2021年我國頒布了《知識產(chǎn)權強國建設綱要（2021-2035年）》《“十四五”國家知識產(chǎn)權保護和運用規(guī)劃》等政策文件對知識產(chǎn)權進行戰(zhàn)略部署，但我國智能叉車專利到底發(fā)展如何，特別是技術自立自強態(tài)勢如何，值得關注。本研究力圖借助專利文獻，分析智能叉車狀況，進而提出智能叉車高質(zhì)量發(fā)展之路。

1?數(shù)據(jù)來源與研究方法

1.1?數(shù)據(jù)來源

選取國家知識產(chǎn)權局專利檢索平臺（http：//pss-system.cnipa.gov.cn）作為文獻檢索平臺，在高級檢索功能中，默認發(fā)明名稱、摘要工具欄的數(shù)據(jù)，關鍵詞中填入“智能叉車”并進行檢索，選擇2012-2020年的樣本數(shù)據(jù)，得到150條數(shù)據(jù)。剔除以專利申請為題的無效專利文件后，在剩下文件中刪除摘要中無智能叉車或叉車字樣的專利文獻，最終得到75條與智能叉車相關的專利文獻作為研究樣本數(shù)據(jù)。

1.2?研究方法

本研究采用專利計量法、社會網(wǎng)絡分析、空間分析等方法，借助軟件UCINET及ARCGIS10.2將數(shù)據(jù)可視化以展示智能叉車專利的相互關系及空間分布格局。運用專利計量法對智能叉車專利文獻進行量化分析，可以把握智能叉車的發(fā)展狀況并對未來叉車技術發(fā)展提供建議。李俊借助可視化工具進行論文的專利挖掘；劉建明以區(qū)塊鏈專利文獻為數(shù)據(jù)源，運用專利計量法揭示區(qū)塊鏈領域的技術發(fā)展趨勢。

社會網(wǎng)絡分析是行動者之間關系的集合。社會網(wǎng)絡分析可以從多種角度進行分析，主要包括中心性分析、凝聚子群分析、密度分析等。張立光、張學艷等人利用社會網(wǎng)絡分析了金融空間關聯(lián)機制以及獨角獸企業(yè)的關系。

地理信息系統(tǒng)（GIS）主要是研究空間實體之間的相互關系，在計算機中對數(shù)據(jù)進行處理及可視化，其最大用途是空間分析。楊中楷通過空間分析了解我國有效專利分布的特征；阮沈勇將信息量模型與GIS系統(tǒng)結合，研究地質(zhì)災害危險性區(qū)劃的方法。

空間分布形態(tài)的判別一般采取最鄰近指數(shù)分析，最鄰近指數(shù)表示點狀要素目標在地理空間中相互之間距離。其公式為：R=?r-1?r-E??公式中：r-1?為平均實際最鄰近距離；r-E=?1?2?D??=?1?2?n/A??為理論最鄰近距離；A為區(qū)域面積，D為點的密度，n為點的個數(shù)。一般情況下，R<1時，呈集聚型分布；當R=1時，呈隨機型分布；當R>1時，呈均勻型分布。

2?智能叉車技術發(fā)展狀況

2.1?智能叉車申請趨勢分析

通過對國家知識產(chǎn)權局專利檢索平臺獲得的智能叉車數(shù)據(jù)的歸納，可見專利申請量的線性趨勢線呈現(xiàn)上升趨勢。根據(jù)專利申請數(shù)量在年份上的差異，初步將智能叉車技術發(fā)展分為兩個階段：第一個階段2012-2014年，這個階段智能叉車的每年專利申請量均未超過5個，叉車技術發(fā)展可能處于探索階段；第二個階段2015-2020年，叉車專利申請數(shù)量從2015年的5個增加到2019年的50個，雖然2020年申請量稍微有所下降，但總體趨勢還呈現(xiàn)上漲態(tài)勢，處于快速發(fā)展期。

2.2?智能叉車專利公開年度分析

根據(jù)智能叉車的有效專利，對比前面的叉車專利申請數(shù)據(jù)，可以發(fā)現(xiàn)專利申請成功率每年不同，但2017年后基本維持在50%左右，2012-2016年智能叉車的專利數(shù)量非常少，2013年甚至沒有有效叉車專利；2017年后專利數(shù)量猛增，2017年專利數(shù)量約是2016年的2.7倍，說明智能叉車行業(yè)發(fā)展加速，2019年達到26個專利，但2020年下降至16個，可能是受疫情影響的緣故。

2.3?專利空間結構分析

2.3.1?智能叉車專利權人總體分布

由專利總量的區(qū)域分布可見各個省市自治區(qū)的智能叉車技術的研發(fā)能力。通過整理專利文獻，獲得一系列專利權人地址，然后借助高德地圖API網(wǎng)站獲得專利權人地址的經(jīng)緯度，再借助GIS10.2中的ARCMAP10.2可見，專利權人主要分布在東部地區(qū)，其中北京、上海、江蘇、安徽、廣州等地居多，中部地區(qū)分布較散，西部地區(qū)只有一個專利權人地址，分布不均現(xiàn)象較嚴重。智能叉車專利權人多集中于珠江三角洲和長江三角洲地區(qū)分布，可能與地區(qū)的科技創(chuàng)新能力強有關。

2.3.2?空間結構分析

借助ArcGIS10.2代入公式計算出專利權人的最鄰近指數(shù)為0.993，該數(shù)值小于1，可知專利權人的地理位置在空間上屬于集聚型分布狀態(tài)，表明各個專利權人之間在地理空間上是有可能的。

核密度分析用于探索空間分布中的距離衰減效應。對專利權人地址做核密度分析，而新疆只有一個專利權人點位信息，不具備核密度分析的條件，故只選擇東部和中部的數(shù)據(jù)。由圖可知，智能叉車的專利權人分布不均，但各個專利權人地理位置較集中，主要圍繞廣東、北京、上海為核心圈層分布。表明智能叉車可能在一定程度上與社會經(jīng)濟的發(fā)展相關，北京、上海、廣州作為一線城市，其經(jīng)濟發(fā)展水平和資源獲得能力比二線城市高。東部地區(qū)的專利權人密度最高，其次是中部地區(qū)，中部地區(qū)與東部地區(qū)的密度最大相差1.746；總體布局較分散，東部地區(qū)只生成三個核密度區(qū)，中部地區(qū)分布較均勻但不集中。同時，可能由于受到物流發(fā)展和交通發(fā)達程度的影響，部分專利權人點位信息臨近交通主干道。

3?專利分類號分析

3.1?頻數(shù)統(tǒng)計及可視化分析

專利類型主要包括發(fā)明專利、實用專利和外觀設計專利，統(tǒng)計智能叉車的75條專利文獻，其中發(fā)明專利17項、實用專利53項、外觀設計專利4項。智能叉車專利數(shù)量涉及的專利分類號共72種、179個專利分類號。B66F9/075出現(xiàn)的頻率最高，達到44次，占總頻次179的24.58%。75條專利文獻中以B66F開頭的分類號達到102個，占總數(shù)的56.98%。

根據(jù)WIPO在2021年9月公布的分類號技術對照表，比對智能叉車的分類號，再結合頻數(shù)統(tǒng)計分析，發(fā)現(xiàn)智能叉車技術涉及種類較少，主要分布在機械工程和電氣工程。

通過COOC3.9軟件制作專利分類號共線表，將分類號共線表導入NETDRAW中，得到分類號關聯(lián)網(wǎng)絡圖。圖中節(jié)點大小表示該節(jié)點在網(wǎng)絡中的重要程度，連線表示兩個節(jié)點的合作次數(shù)。B66F9/075、B66F9/06、B66F9/12、B66F9/24的分類號周圍的連線比較粗，表示此幾個分類號出現(xiàn)于同一份專利文獻的次數(shù)較多。

3.2?中心性分析

專利共現(xiàn)分析是指一個專利同時擁有多個分類號，通過統(tǒng)計分類號進行可視化分析以發(fā)現(xiàn)技術領域的交叉情況。將分類號共線表導入UCINET進行數(shù)據(jù)處理，得到IPC分類號的中心度。中心性是衡量個體在整個網(wǎng)絡中的重要程度指標，主要包括度數(shù)中心度、接近中心度和中間中心度。度數(shù)中心度大于20的分類號有B66F9/075、B66F9/06、B66F9/12，除此之外還有3個節(jié)點的度數(shù)中心度是大于10的，表明這些分類號在專利文獻中的重要性較高。

接近中心度值越大，越說明該點非網(wǎng)絡的中心。表1顯示數(shù)值最大的是G06Q50/28，說明該分類號代表的電氣工程的數(shù)據(jù)管理方法技術非網(wǎng)絡的核心節(jié)點，應用較少。B66F9小類的接近中心度數(shù)值位居60-70之間，說明該技術在信息資源的權力以及影響力較強，該分類號對應的是機械工程大類的駕駛、操縱的技術說明智能叉車技術發(fā)展比較偏向駕駛操縱相關的技術。有7個分類號的中間中心度為0，說明這7個點均不能控制其他節(jié)點，處于網(wǎng)絡的邊緣。

整體上看，分類號的密度為0.275，密度值越接近0，關系越松散，說明智能叉車的技術發(fā)展不均衡。

3.3?凝聚子群分析

派系?（subgroup）?是社群中的一小群人關系特別緊密，以至于結合成一個次團體。社會網(wǎng)絡圖中一個派系至少包括三個行動者，且他們之間是直接關系；一旦派系形成，其他行動者就難以再融入該次團體。個體與網(wǎng)絡的關系越緊密，就越會受到網(wǎng)絡的影響，凝聚子群主要考察網(wǎng)絡中各個小團體之間的關系。凝聚子群主要包括派系、K-叢、K-核、LS集合和Lambda集合等，本研究從派系方面對智能叉車專利分類號和發(fā)明人的凝聚子群進行分析。

通過UCINET將分類號共線表的多值關系網(wǎng)絡轉(zhuǎn)化為二值關系網(wǎng)絡，再將二值關系網(wǎng)絡進行對稱處理，最后通過Cliques進行派系分析，派系能夠表明分類號之間的相互交錯的關聯(lián)結構，反映智能叉車分類號的內(nèi)在關聯(lián)。分類號分為5個派系，各個規(guī)模不同，最大派系包括6個分類號，其中LOC（12）Cl12-05、G05D1/02、B29C45/17?、G06Q50/28這四個分類號不屬于任何派系，是孤立的，也就是說智能叉車技術發(fā)展在儀器的控制裝置、機械工程的其他專用機器、電氣工程的管理數(shù)據(jù)方法技術發(fā)展相較于機械工程的操縱駕駛較緩，未形成自身的派系。B66F9/075、B66F9/06代表的技術是智能叉車中最為基礎的；G05D1/02、G06Q10/06代表智能叉車技術較深入。從聚類效果看，分類號的緊密程度不同。

4?發(fā)明人分析

4.1?頻數(shù)統(tǒng)計及可視化分析

發(fā)明人是專利核心。智能叉車專利的發(fā)明人總共有239名，通過歸納整理，阮清松、林偉加、劉妍華等出現(xiàn)的頻次并列最高，達到4次。而發(fā)明人出現(xiàn)頻數(shù)只有一次的達到138名，占總數(shù)的57%，說明大多數(shù)發(fā)明人只參與一次智能叉車的發(fā)明過程。發(fā)明次數(shù)較多的發(fā)明人可以聯(lián)合進行更多的技術創(chuàng)新。

借助COOC3.9軟件得到專利發(fā)明人共線表，將發(fā)明人共線表導入NETDRAW得到圖3。將共線圖中的43個發(fā)明人當作整個網(wǎng)絡的節(jié)點，節(jié)點之間連線表示各個發(fā)明人之間的合作關系，將圖中節(jié)點大小顯示設置為表示中心度大小，可見發(fā)明人的合作網(wǎng)絡比較分散，沒有形成整體的合作網(wǎng)絡，各個子網(wǎng)絡之間是孤立的缺乏合作。馮麗霞、陳英、徐明、駱小鋒在網(wǎng)絡圖中呈現(xiàn)單個節(jié)點，與其他人無合作關系。度數(shù)中心度大于10的李想等8人的子網(wǎng)絡圖中連線較多，合作較緊密。

4.2?中心性分析

借助COOC3.9版本軟件，將頻數(shù)設置為大于等于2，得到智能叉車專利發(fā)明人共線表。將表導入UCINET中，進行數(shù)據(jù)分析，得到發(fā)明人的中心度，并對此進行點度中心度分析。呂恩利、劉妍華、阮清松、曾志雄、林偉加、羅毅智、郭嘉明、韋鑒峰的中心度最高，達到11；呂恩利、劉妍華、阮清松、曾志雄、林偉加、羅毅智、郭嘉明的連線粗，表明這些發(fā)明人處于核心地位，合作聯(lián)系也較密切。但從整體看，發(fā)明人之間密度為0.24，屬于合作關系松散。

4.3?凝聚子群分析

通過UCINET將發(fā)明人共線表的多值關系網(wǎng)絡轉(zhuǎn)化為二值關系網(wǎng)絡，再進行對稱處理，最后通過UCINET的NETWORK進行派系分析。智能叉車發(fā)明人涉及8個派系，其中最小的派系涉及3個人，且胡海軍、馮麗霞、費后昌、程英、郭曉麗、楊寧寧、徐明、馬浩杰、錢永強、段偉、駱小鋒、楊光明、李瀟波不屬于任何派系。各個派系內(nèi)部的聯(lián)系較緊密，派系與派系之間的聯(lián)系較分散。

5?專利權人分析

整理智能叉車專利文獻的專利權人總共有79個，繪制頻數(shù)≥2的專利權人頻次表，可見華南農(nóng)業(yè)大學的頻數(shù)最高，達到4次，擁有專利較多。徐明、馮麗霞作為個人專利權人各出現(xiàn)2次，在叉車行業(yè)中資歷較深。借助COOC3.9，將頻數(shù)設置為大于等于1，得到專利權人共線表。可見專利權人的合作網(wǎng)絡較分散，沒有形成整體的合作網(wǎng)絡，大部分專利權人是單獨的個體，不屬于網(wǎng)絡，與其他專利權人沒有合作關系。子網(wǎng)絡有三個，較大的網(wǎng)絡只有三家公司構成，分別是北京京東世紀貿(mào)易有限公司、北京京東尚科信息技術有限公司且該網(wǎng)絡是單向網(wǎng)絡，其次是杭叉集團與杭叉智能科技的合作。從整體密度看，密度值僅為0.002，接近于0，說明專利權人之間的合作關系非常松散。

6?研究結論及建議

6.1?結論

以智能叉車75條專利文獻為數(shù)據(jù)來源，借助UCINET社會網(wǎng)絡分析工具進行可視化分析，同時運用ARCGIS空間分析軟件、COOC軟件等分析智能叉車專利權人的地理空間分布。研究結論如下：

（1）智能叉車專利雖起步較晚，但正處于快速發(fā)展階段。智能叉車的專利申請數(shù)量逐年遞增，專利申請獲批率維持在50%上下。雖然2020年有效專利數(shù)量有所下降，但總體仍然處于上升狀態(tài)。

（2）智能叉車專利權人布局屬于集聚型，東部地區(qū)專利權人密度較高。專利分布圖和專利核密度圖顯示，智能叉車有效專利權人點位多數(shù)集中在北京、上海、廣州等一線城市，東部地區(qū)智能叉車的專利權人密度遠高于中部地區(qū)，西部地區(qū)智能叉車專利權人點位較少，部分專利權人的點位信息居交通主干線。

（3）智能叉車專利不均衡，存在“偏科”現(xiàn)象?；诜诸愄柕纳鐣W(wǎng)絡分析，發(fā)現(xiàn)智能叉車的技術發(fā)展不均衡，主要集中在機械工程叉車駕駛及操縱相關技術，少數(shù)涉及電氣工程的數(shù)據(jù)處理方法和儀器的控制，而化學及其他領域尚未涉及。

（4）智能叉車專利發(fā)明人之間總體上合作較少，大的子網(wǎng)絡內(nèi)部合作較密切。智能叉車專利發(fā)明人各個子網(wǎng)絡之間聯(lián)系空白，且子網(wǎng)絡所含節(jié)點較??；專利權人之間合作更加松散，幾乎處于“孤島”狀態(tài)。

6.2?建議

（1）智能叉車作為物流業(yè)之基礎，發(fā)展水平日益成為體現(xiàn)綜合國力之標志，關聯(lián)企業(yè)應該充分把握物流業(yè)發(fā)展態(tài)勢和前沿，抓住機遇，迎接挑戰(zhàn)，推動智能叉車的高質(zhì)量發(fā)展。

（2）智能叉車專利權人空間分布呈現(xiàn)集聚型態(tài)勢，地理分布不均，應提高東部地區(qū)特別是長三角、珠三角的連通性和協(xié)同率，沿著長江經(jīng)濟帶推進，以帶動中部地區(qū)、西部地區(qū)智能叉車技術發(fā)展。

（3）智能叉車技術發(fā)展不均衡，涉及儀器控制類的技術專利文獻較少，但儀器控制類的技術及與電氣工程相關的技術是未來智能叉車的發(fā)展方向，應加強新理論、新技術、新工具、新工藝在智能叉車領域的運用，且強化關鍵節(jié)點即駕駛操縱相關技術之間的聯(lián)系，固牢技術優(yōu)勢。

（4）發(fā)明人之間、專利權人之間的合作較少，尤其是專利權人之間的關系基本處于隔絕狀態(tài)，應加強專利權人之間的聯(lián)系和發(fā)明人之間的溝通，消除專利權人子網(wǎng)絡、發(fā)明人子網(wǎng)絡之間的隔絕狀態(tài)；同時結合專利權人的點位較集中特點，促進點位相近的專利權人之間開展合作。

參考文獻

[1]李俊，王夢媛.國內(nèi)外專利挖掘研究的可視化分析[J].高校圖書館工作，2019，39（02）：712.

[2]劉建明，顏學明.基于專利計量的區(qū)塊鏈技術發(fā)展現(xiàn)狀及關鍵技術分析[J].科技管理研究，2021，41（16）：3744.

[3]朱慶華，李亮.社會網(wǎng)絡分析法及其在情報學中的應用[J].情報理論與實踐，2008，（02）：179183+174.

[4]張立光，滕召建.我國區(qū)域金融風險的空間關聯(lián)與傳染機制研究——基于社會網(wǎng)絡分析法和區(qū)域數(shù)據(jù)的實證[J].金融發(fā)展研究，2021，（11）：4855.

[5]張學艷，周小虎，王僑.基于社會網(wǎng)絡分析的獨角獸企業(yè)關系網(wǎng)絡研究[J].領導科學，2021，（24）：6468.

[6]陳軍，趙仁亮.GIS空間關系的基本問題與研究進展[J].測繪學報，1999，（02）：411.

[7]柏延臣，李新，馮學智.空間數(shù)據(jù)分析與空間模型[J].地理研究，1999，（02）：7479.

[8]楊中楷，沈露威.基于GeoDAGIS的我國有效專利空間分異研究[J].圖書情報工作，2011，55（10）：6973.

[9]阮沈勇，黃潤秋.基于GIS的信息量法模型在地質(zhì)災害危險性區(qū)劃中的應用[J].成都理工學院學報，2001，（01）：8992.

[10]朱磊，胡靜，周葆華，等.區(qū)域旅游景點空間分布格局及可達性評價——以皖南國際文化旅游示范區(qū)為例[J].經(jīng)濟地理，2018，38（07）：190198+216.

[11]焦利民，李澤慧，許剛，等.武漢市城市空間集聚要素的分布特征與模式[J].地理學報，2017，72（08）：14321443.

[12]錢振華.國內(nèi)科技哲學領域合著者派系分析與可視化研究——基于社會網(wǎng)絡分析法[J].北京科技大學學報（社會科學版），2011，27（04）：7885.