國(guó)內(nèi)無(wú)人機(jī)領(lǐng)域算法研究進(jìn)展知識(shí)圖譜分析

羅軍華，李 威*，趙衛(wèi)權(quán)，孫小瓊，何秋葉

（1.貴州省山地資源研究所，貴州 貴陽(yáng) 550001；2.貴陽(yáng)市城鄉(xiāng)規(guī)劃設(shè)計(jì)研究院，貴州 貴陽(yáng) 550001）

無(wú)人機(jī)是一種通過(guò)無(wú)線電遠(yuǎn)程遙控或自備程序控制操縱的不載人飛機(jī)，集無(wú)線通信、飛行控制、衛(wèi)星導(dǎo)航等技術(shù)于一體[1]，自20 世紀(jì)初應(yīng)軍事需求問(wèn)世以來(lái)，應(yīng)用領(lǐng)域逐步擴(kuò)大至航拍、測(cè)量、植保、救援等民用領(lǐng)域。無(wú)人機(jī)執(zhí)行任務(wù)的實(shí)質(zhì)是軟件算法與硬件協(xié)同工作的典型體現(xiàn)，算法主要涉及航跡規(guī)劃、智能避障、飛控等方面，且隨著行業(yè)的發(fā)展，算法開發(fā)內(nèi)容一直處于快速更新迭代中，是行業(yè)內(nèi)的研究重點(diǎn)。20 世紀(jì)50 年代我國(guó)開始正式研制無(wú)人機(jī)，歷經(jīng)數(shù)十載，已積累圖像傳輸[2-4]、飛行控制[5-6]、航跡規(guī)劃[7-9]等大量研究成果；但算法復(fù)雜且形式多樣，目前國(guó)內(nèi)還沒(méi)有歸納與總結(jié)整個(gè)無(wú)人機(jī)算法研究歷程的學(xué)術(shù)成果。針對(duì)海量文獻(xiàn)目標(biāo)，傳統(tǒng)文獻(xiàn)計(jì)量方法則會(huì)暴露效率低、不夠客觀等缺點(diǎn)；而科學(xué)知識(shí)圖譜是現(xiàn)代文獻(xiàn)計(jì)量學(xué)中較出色的分析方法之一，兼有“圖”與“譜”的雙重特性，可直接、客觀地顯示知識(shí)網(wǎng)絡(luò)群體之間的交叉、演化或派生等復(fù)雜關(guān)系[10]。基于CiteSpace 與CNKI 中文數(shù)據(jù)庫(kù)，馬子涵[11]等梳理歸納了我國(guó)軍備保障效能領(lǐng)域的研究成果；陳磊[12]等對(duì)我國(guó)煤礦安全評(píng)價(jià)領(lǐng)域的發(fā)展態(tài)勢(shì)進(jìn)行了歸納、總結(jié)與可視化表達(dá)。鑒于此，為理清國(guó)內(nèi)無(wú)人機(jī)算法的發(fā)展趨勢(shì)、歷史研究熱點(diǎn)與迭代方向，以CNKI 數(shù)據(jù)庫(kù)中無(wú)人機(jī)算法相關(guān)文獻(xiàn)為數(shù)據(jù)源，借助CiteSpace可視化軟件，從發(fā)文類型與數(shù)量、發(fā)文作者、關(guān)鍵詞、研究前沿等角度出發(fā)，繪制了無(wú)人機(jī)算法領(lǐng)域知識(shí)圖譜，并梳理了整體發(fā)展脈絡(luò)，分析了歷年研究熱點(diǎn)，歸納了整體歷史走向，以期為后續(xù)研究提供參考依據(jù)。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

在CNKI 的高級(jí)檢索功能中，以“SU=‘無(wú)人機(jī)*算法’”為檢索式，期刊來(lái)源選擇SCI、EI、核心期刊、CSSCI、CSCD六類，其余文獻(xiàn)類型選擇碩、博士學(xué)位論文與會(huì)議論文3類，獲得有效檢索結(jié)果9 410條，檢索時(shí)間為2022-05-28。

1.2 研究方法與工具

基于已部署的本地JDK 運(yùn)行環(huán)境，在CiteSpace V5.8.R3操作界面中，時(shí)間序列設(shè)置為1996—2022年，時(shí)間切片設(shè)置為1 a，節(jié)點(diǎn)類型分別選擇為作者、關(guān)鍵詞和突現(xiàn)主題詞匯等，進(jìn)行全方位的知識(shí)圖譜共現(xiàn)分析與聚類分析。

2 研究結(jié)果與分析

2.1 發(fā)文數(shù)量時(shí)間分布特征

發(fā)文數(shù)量隨時(shí)間的變化趨勢(shì)可在一定程度上反映學(xué)術(shù)研究的整體發(fā)展歷程。1996—2021年該領(lǐng)域整體發(fā)文數(shù)量的變化情況見圖1 （其中2022-01-01—2022-05-28 的209 篇文獻(xiàn)未統(tǒng)計(jì)），可以看出，核心期刊占比為32.9%，碩士、博士學(xué)位論文占比分別為59.5%、5.1%，學(xué)術(shù)期刊的統(tǒng)計(jì)發(fā)文量低于碩士學(xué)位論文是由于文獻(xiàn)檢索時(shí)未考慮普刊、論壇匯報(bào)等雜志；1996—2003 年發(fā)文量較少，且1997 年、2000 年等無(wú)相關(guān)研究成果，該階段是國(guó)內(nèi)無(wú)人機(jī)算法研究的萌芽時(shí)期，無(wú)人機(jī)剛進(jìn)入民用行業(yè)，如何結(jié)合行業(yè)需求進(jìn)行二次開發(fā)與生產(chǎn)應(yīng)用，是該階段民眾與研究人員主要考慮的問(wèn)題； 2004—2016 年發(fā)文量明顯增加，2016年碩士學(xué)位論文數(shù)量達(dá)到324篇，表明無(wú)人機(jī)算法的開發(fā)內(nèi)容開始明確，行業(yè)應(yīng)用需求逐步確定，該階段是國(guó)內(nèi)研究的起步探索期；2017—2021年發(fā)文量快速增加，2020年碩士學(xué)位論文數(shù)量達(dá)到峰值（1 071篇），該階段是國(guó)內(nèi)研究的快速發(fā)展期。

圖1 1996—2021年無(wú)人機(jī)算法研究發(fā)文數(shù)量隨時(shí)間變化趨勢(shì)圖

2.2 發(fā)文作者共現(xiàn)分析

利用CiteSpace對(duì)發(fā)文作者進(jìn)行共現(xiàn)分析，可識(shí)別出發(fā)文數(shù)量較多的核心作者與研究人員之間的相互合作關(guān)系。在軟件操作界面，節(jié)點(diǎn)類型選擇作者，剪枝網(wǎng)絡(luò)方式選擇最小生成樹，閾值設(shè)置為40，最終生成作者共引知識(shí)圖譜（圖2）與作者發(fā)文頻次排名表（表1），可以看出，圖譜中共有網(wǎng)絡(luò)節(jié)點(diǎn)589 個(gè)，網(wǎng)絡(luò)連接邊504條，網(wǎng)絡(luò)密度為0.002 9，圖中節(jié)點(diǎn)的大小與作者出現(xiàn)的頻率成正比，年輪不同的輪廓顏色表示不同的引用年份，參考色帶由淺灰色向紅色遞進(jìn)表示時(shí)間由遠(yuǎn)至近，而節(jié)點(diǎn)之間連接線條數(shù)量與粗細(xì)程度反映了作者之間的相互合作關(guān)系與合作強(qiáng)度，線條越細(xì)，數(shù)量越少，則表明節(jié)點(diǎn)之間的合作關(guān)系越弱；發(fā)文頻次最多的3 位作者分別為金國(guó)棟、譚力寧和代冀陽(yáng)，發(fā)文量50 篇以上的作者共計(jì)16 位?；谛藜艉喜⒕W(wǎng)絡(luò)算法優(yōu)化合作網(wǎng)絡(luò)，主要可分為4 大核心作者群，即火箭軍工程大學(xué)的金國(guó)棟、譚立寧、薛遠(yuǎn)亮等，南昌航空大學(xué)的代冀陽(yáng)、應(yīng)進(jìn)、王寧等，陸軍工程大學(xué)的李艾靜、王海等，南京航空航天大學(xué)的王磊、仲志偉、張俊杰等；圖譜中還存在部分節(jié)點(diǎn)頻次不高、連接較簡(jiǎn)單的合作網(wǎng)絡(luò)以及分散的獨(dú)立作者。整體看來(lái)，各大研究團(tuán)體之間的連線都比較稀疏、節(jié)點(diǎn)相互獨(dú)立，表明團(tuán)隊(duì)之間的學(xué)術(shù)互引關(guān)系較弱、強(qiáng)度較低，學(xué)科知識(shí)與研究成果的共享程度較差，不利于國(guó)內(nèi)無(wú)人機(jī)算法領(lǐng)域的可持續(xù)發(fā)展。

表1 1996—2022年發(fā)文數(shù)排名前20位的作者及其機(jī)構(gòu)名稱

圖2 國(guó)內(nèi)無(wú)人機(jī)算法領(lǐng)域1996—2022年發(fā)文作者共引知識(shí)圖譜

由表1 可知，火箭軍工程大學(xué)學(xué)術(shù)團(tuán)隊(duì)總發(fā)文量占排名前20位作者總發(fā)文量的26.1%，南昌航空大學(xué)學(xué)術(shù)團(tuán)隊(duì)占13.05%，陸軍工程大學(xué)學(xué)術(shù)團(tuán)隊(duì)占6.49%，南京航空航天大學(xué)學(xué)術(shù)團(tuán)隊(duì)占22.47%，合計(jì)68.11%，表明除主要研究團(tuán)隊(duì)外，國(guó)內(nèi)該領(lǐng)域分散作者同樣較多，研究成果豐富、層次鮮明、角度多樣；但核心作者的研究成果奠定了學(xué)科基礎(chǔ)，初次開展無(wú)人機(jī)算法研究的外部學(xué)者可著重關(guān)注4 大作者群的研究成果，進(jìn)行系統(tǒng)性學(xué)習(xí)。

2.3 關(guān)鍵詞共現(xiàn)分析

本文將節(jié)點(diǎn)類型設(shè)置為關(guān)鍵詞，網(wǎng)絡(luò)優(yōu)化方式設(shè)置為尋徑算法，節(jié)點(diǎn)閾值設(shè)置為100，計(jì)算歷年關(guān)鍵詞網(wǎng)絡(luò)節(jié)點(diǎn)的中心度，獲取關(guān)鍵詞共引知識(shí)圖譜（圖3）與中心度大于0.05的歷年關(guān)鍵詞排序表（表2），可以看出，圖譜中共有網(wǎng)絡(luò)節(jié)點(diǎn)774 個(gè)，連接邊1 996 條，網(wǎng)絡(luò)密度為0.006 7，節(jié)點(diǎn)之間連接緊密，網(wǎng)絡(luò)密度較高，具有明顯的主題演化路徑；圖譜中除出現(xiàn)“無(wú)人機(jī)”“UAV”“四旋翼”等飛行器詞條外，還有“航跡規(guī)劃”“航路規(guī)劃”“路徑規(guī)劃”“任務(wù)規(guī)劃”等一系列用于實(shí)現(xiàn)飛行器自主導(dǎo)航、自主作業(yè)、運(yùn)動(dòng)控制的核心算法詞匯，以及“三維重建”“數(shù)據(jù)融合”“圖像拼接”“特征提取”等無(wú)人機(jī)數(shù)據(jù)采集后處理的關(guān)鍵技術(shù)名詞；網(wǎng)絡(luò)節(jié)點(diǎn)中心度常用于衡量與該節(jié)點(diǎn)直接聯(lián)系的個(gè)體數(shù)目，中心度越大，表明該節(jié)點(diǎn)在共現(xiàn)網(wǎng)絡(luò)中的受關(guān)注程度越高[13]，在整個(gè)無(wú)人機(jī)算法發(fā)展歷程中，中心度在0.15 以上的除“遺傳算法”“路徑規(guī)劃”“航跡規(guī)劃”等涉及無(wú)人機(jī)飛行方案、模式的詞條外，還有“三維重建”“協(xié)同控制”“特征匹配”“圖像分割”“遙感”等有關(guān)無(wú)人機(jī)數(shù)據(jù)采集后處理的重要內(nèi)容。從研究?jī)?nèi)容與應(yīng)用成果的角度出發(fā)，1996—2007年無(wú)人機(jī)是以飛控、航跡與路徑規(guī)劃等基礎(chǔ)算法開發(fā)為主要研究?jī)?nèi)容，如pid 控制算法、滑?？刂疲ǘApid）等都是無(wú)人機(jī)飛控開發(fā)中的常見算法，而BP神經(jīng)網(wǎng)絡(luò)被用于協(xié)助pid算法對(duì)無(wú)人機(jī)動(dòng)力裝置進(jìn)行控制、牽引，dsp 架構(gòu)被學(xué)者引入無(wú)人機(jī)領(lǐng)域作為飛控系統(tǒng)設(shè)計(jì)的基礎(chǔ)框架，遺傳算法則被用于無(wú)人機(jī)各類航跡、航路、任務(wù)規(guī)劃中；2008—2014年無(wú)人機(jī)在基礎(chǔ)航飛與航路執(zhí)行等功能得到保障后，國(guó)內(nèi)研究重點(diǎn)開始轉(zhuǎn)向行業(yè)應(yīng)用，并針對(duì)部分特定功能展開進(jìn)一步算法研究，如“三維建?！薄皵z影測(cè)量”“編隊(duì)控制”“圖像拼接”“集群”等，同時(shí)“避障”詞條的出現(xiàn)表明學(xué)者開始進(jìn)行無(wú)人機(jī)避障功能的算法研發(fā)；2015—2019年學(xué)者開始將無(wú)人機(jī)算法開發(fā)與人工智能技術(shù)相結(jié)合，如“圖像分割”“機(jī)器學(xué)習(xí)”“變化檢測(cè)”“語(yǔ)義分割”“視覺檢測(cè)”等都屬于人工智能的技術(shù)范疇，在該研究階段無(wú)人機(jī)技術(shù)結(jié)合智能識(shí)別算法已實(shí)際運(yùn)用于電網(wǎng)的巡檢工作中；隨著5G 通信、光通信技術(shù)的發(fā)展推廣，2020—2022 年出現(xiàn)了“物聯(lián)網(wǎng)”“智能檢測(cè)”“巡檢”等詞條，表明在快速、高效通信技術(shù)的加持下，學(xué)者正逐步考慮將無(wú)人機(jī)納入物聯(lián)網(wǎng)系統(tǒng)中，利用無(wú)人機(jī)靈活性高、響應(yīng)速度快、活動(dòng)范圍廣等優(yōu)勢(shì)，實(shí)現(xiàn)無(wú)人機(jī)的分布式監(jiān)控與全自主無(wú)人化飛行管理等。綜上所述，可將無(wú)人機(jī)算法領(lǐng)域的研究歷程分為基礎(chǔ)算法開發(fā)期（1996—2007年）、行業(yè)應(yīng)用拓展期（2008—2014年）、人工智能發(fā)展階段（2015—2019 年） 和物聯(lián)網(wǎng)展望階段（2020—2022年）。

表2 1996—2022年各年份關(guān)鍵詞中心度排序表

圖3 國(guó)內(nèi)無(wú)人機(jī)算法領(lǐng)域1996—2022年關(guān)鍵詞共引知識(shí)圖譜

2.4 關(guān)鍵詞聚類分析

基于關(guān)鍵詞可視化分析結(jié)果開展進(jìn)一步的聚類計(jì)算，聚類算法選擇LLR，主題數(shù)量設(shè)置為10，最終生成關(guān)鍵詞聚類圖譜（圖4）與關(guān)鍵詞時(shí)區(qū)分布圖譜（圖5）。通過(guò)圖譜可獲知該領(lǐng)域排名前10位的研究主題，并通過(guò)查閱各聚類節(jié)點(diǎn)的詳細(xì)信息，找出各詞條引用數(shù)量最多的關(guān)鍵文獻(xiàn)（表3）；還可剖析各主題的詳細(xì)發(fā)展路徑。以“圖像拼接”為例，該主題的子詞條首次出現(xiàn)于2007—2010 年，包含“廣逆性”“魯棒性”“SIFT”等以概念性為主的內(nèi)容，并于2010—2013年涌現(xiàn)“圖像融合”“圖像配準(zhǔn)”“影像匹配”等大量技術(shù)名詞，在后續(xù)發(fā)展進(jìn)程中，“云計(jì)算”“作物遙感”“監(jiān)督分類”“水稻”等詞匯的出現(xiàn)，也表明“圖像拼接”主題的研究?jī)?nèi)容開始轉(zhuǎn)向數(shù)據(jù)計(jì)算、遙感應(yīng)用等方向。

表3 LLR聚類算法下各研究主題引用數(shù)量最多的關(guān)鍵文獻(xiàn)

圖4 國(guó)內(nèi)無(wú)人機(jī)算法研究領(lǐng)域關(guān)鍵詞聚類知識(shí)圖譜

圖5 國(guó)內(nèi)無(wú)人機(jī)算法研究領(lǐng)域關(guān)鍵詞時(shí)區(qū)分布圖譜

2.5 階段性研究前沿突現(xiàn)分析

將聚類詞的類型設(shè)置為突發(fā)聚類，對(duì)研究領(lǐng)域歷年的研究熱點(diǎn)進(jìn)行突現(xiàn)分析，并將發(fā)文量較少的年限（1996—2002 年）合并為1 個(gè)時(shí)間單元，獲得排名前10位的突發(fā)關(guān)鍵詞統(tǒng)計(jì)結(jié)果（表4）。研究前沿是指學(xué)科領(lǐng)域中正在探索和研究，并即將發(fā)生的代表性科學(xué)問(wèn)題。國(guó)內(nèi)突現(xiàn)度最高的關(guān)鍵詞為“無(wú)人機(jī)”，突現(xiàn)年限為1996—2007 年，突現(xiàn)度為25.936 1，表明該時(shí)段內(nèi)無(wú)人機(jī)興起并被國(guó)內(nèi)學(xué)者廣泛提及，為該學(xué)科的研究前沿。相同詞條出現(xiàn)在關(guān)鍵詞表中的時(shí)間要早于突發(fā)聚類詞表，表明新研究前沿的出現(xiàn)，研究人員通常需經(jīng)過(guò)一段時(shí)間的探索后才能成為下個(gè)階段的重點(diǎn)研究對(duì)象。

表4 國(guó)內(nèi)1996—2022年無(wú)人機(jī)算法研究領(lǐng)域前10突發(fā)聚類關(guān)鍵詞

3 結(jié) 語(yǔ)

本文以CNKI 核心文獻(xiàn)數(shù)據(jù)庫(kù)為基礎(chǔ)數(shù)據(jù)源，基于CiteSpace V5.8.R3可視化軟件與Excel統(tǒng)計(jì)工具，結(jié)合文獻(xiàn)計(jì)量法與知識(shí)圖譜分析法，從發(fā)文數(shù)量、發(fā)文作者、歷年關(guān)鍵詞、關(guān)鍵詞聚類和研究前沿等角度出發(fā)，回顧與總結(jié)了國(guó)內(nèi)無(wú)人機(jī)算法領(lǐng)域的發(fā)展歷程。

1）國(guó)內(nèi)有關(guān)無(wú)人機(jī)算法的重要研究最早可追溯至1996 年，在近25 年的研究歷程中，碩士與博士學(xué)位論文的發(fā)文數(shù)量較多，占比分別為59.5%和5.1%。根據(jù)發(fā)文數(shù)量，可將該領(lǐng)域的發(fā)展進(jìn)程劃分為無(wú)人機(jī)算法研究的萌芽時(shí)期（1996—2003 年）、起步探索時(shí)期（2004—2016年）和快速發(fā)展期（2017—2021年）。

2）國(guó)內(nèi)該領(lǐng)域研究主要分為火箭軍工程大學(xué)、南昌航空大學(xué)、陸軍工程大學(xué)和南京航空航天大學(xué)4個(gè)核心作者群。各學(xué)術(shù)團(tuán)隊(duì)之間的連線較稀疏，表明團(tuán)隊(duì)之間的學(xué)術(shù)互引關(guān)系較弱、強(qiáng)度較低，學(xué)科知識(shí)與研究成果的共享程度較差，不利于國(guó)內(nèi)無(wú)人機(jī)算法領(lǐng)域的全面發(fā)展。

3）從歷年研究熱點(diǎn)的角度來(lái)看，該領(lǐng)域的發(fā)展歷程可分為基礎(chǔ)算法開發(fā)期（1996—2007年）、行業(yè)應(yīng)用拓展期（2008—2014 年）、人工智能發(fā)展階段（2015—2019年）和物聯(lián)網(wǎng)展望階段（2020—2022年）。

4）在文獻(xiàn)數(shù)據(jù)的預(yù)處理階段，無(wú)論基于何種檢索方法都會(huì)存在數(shù)據(jù)搜集不全或數(shù)據(jù)冗余的情況，導(dǎo)致可視化結(jié)果存在一定的偏差與誤判，這是知識(shí)圖譜研究的難點(diǎn)，也是未來(lái)重點(diǎn)的突破方向。