基于多源數(shù)據(jù)和改進(jìn)鏈路預(yù)測的新能源汽車技術(shù)機(jī)會研究*

劉 娜 陸高潮 毛薦其,2 魏延輝

(1.山東工商學(xué)院工商管理學(xué)院 煙臺 264005;2.山東外事職業(yè)大學(xué) 乳山 264504)

0 引 言

近年來,中國順應(yīng)全球綠色低碳發(fā)展趨勢,積極推進(jìn)碳減排,積極謀劃實(shí)現(xiàn)碳中和。在通往低碳和無碳的道路上,以新能源汽車為代表的綠色低碳技術(shù)的突破被寄予厚望。新能源汽車發(fā)展已經(jīng)成為世界各國應(yīng)對能源短缺和環(huán)境問題的戰(zhàn)略重點(diǎn),也是我國汽車產(chǎn)業(yè)發(fā)展的必由之路。目前,新能源汽車的發(fā)展仍面臨出行里程焦慮、充電基礎(chǔ)設(shè)施不足、充電時間管理困難等問題,新能源汽車技術(shù)的突破是解決新能源汽車問題的關(guān)鍵。在綠色低碳發(fā)展時代背景下,本研究旨在挖掘新能源汽車領(lǐng)域的技術(shù)機(jī)會,為未來新能源汽車的技術(shù)研發(fā)與商業(yè)化方向提供借鑒參考,助力新能源汽車發(fā)展。

技術(shù)機(jī)會分析是技術(shù)預(yù)測的一種,通過挖掘已有技術(shù)的發(fā)展趨勢及相互作用關(guān)系,推斷未來可能出現(xiàn)的技術(shù)形態(tài)或熱點(diǎn)[1]。近年來,技術(shù)機(jī)會分析采用的方法主要包括專利地圖、形態(tài)分析、離群專利檢測、鏈路預(yù)測和復(fù)合型分析方法等[1, 2]。其中,鏈路預(yù)測突破了專利地圖等分析方法的明顯時滯性,通過分析已有技術(shù)網(wǎng)絡(luò)中尚未連邊的技術(shù)節(jié)點(diǎn)間未來潛在連邊的可能性,進(jìn)而識別未來技術(shù)機(jī)會[2]?，F(xiàn)有運(yùn)用鏈路預(yù)測方法識別技術(shù)機(jī)會的研究多基于文獻(xiàn)或?qū)＠膯卧磾?shù)據(jù)或兩者集成的雙源數(shù)據(jù),并且以兩個節(jié)點(diǎn)所形成的節(jié)點(diǎn)對的未來連接的可能性表示技術(shù)機(jī)會,研究結(jié)果對國家的技術(shù)導(dǎo)向和企業(yè)的技術(shù)研發(fā)活動等提供了指導(dǎo)[3-5]。然而,對單源數(shù)據(jù)或簡單整合的雙源數(shù)據(jù)挖掘所反映的技術(shù)機(jī)會層面較為單一,難以指導(dǎo)具體的技術(shù)活動;以“節(jié)點(diǎn)對”呈現(xiàn)的技術(shù)機(jī)會較為寬泛,預(yù)測結(jié)果不利于揭示具體明確的技術(shù)細(xì)節(jié)信息。

本研究在考慮新能源汽車領(lǐng)域基礎(chǔ)研究成果、技術(shù)的發(fā)展應(yīng)用現(xiàn)狀和市場的用戶需求的基礎(chǔ)上,搜集新能源汽車領(lǐng)域的論文、專利和用戶評論的多源異構(gòu)數(shù)據(jù),并引入三螺旋理論模型,通過多源數(shù)據(jù)間的關(guān)聯(lián)性及在技術(shù)機(jī)會分析中的交互作用完成三螺旋體鏈路預(yù)測結(jié)果的融合[6],以提升技術(shù)機(jī)會挖掘結(jié)果的全面性和客觀性。此外,本研究對傳統(tǒng)鏈路預(yù)測方法進(jìn)行改進(jìn),將對“節(jié)點(diǎn)對”連接的預(yù)測上升到“節(jié)點(diǎn)鏈”,以提升技術(shù)機(jī)會的明確性。本研究期望豐富技術(shù)機(jī)會識別方法,為新能源汽車領(lǐng)域未來技術(shù)方向提供借鑒。

1 文獻(xiàn)綜述

技術(shù)機(jī)會是技術(shù)進(jìn)步的可能性集合[2]。識別前沿且可行的技術(shù)機(jī)會是助力技術(shù)規(guī)劃和布局的一個重要方面[7]。技術(shù)機(jī)會識別或發(fā)現(xiàn)是未來技術(shù)機(jī)會分析的重要內(nèi)容。早期的技術(shù)機(jī)會研究主要建立在專家經(jīng)驗(yàn)的基礎(chǔ)上,如情景分析法、德爾菲調(diào)查法、層次分析法等方法,通過專家的主觀分析對技術(shù)機(jī)會做出綜合判斷[8]。為了克服專家意見的主觀性,學(xué)者提出了一系列客觀的定量方法,通過對技術(shù)活動產(chǎn)生數(shù)據(jù)的搜集、挖掘和分析等從中發(fā)掘有價值的技術(shù)機(jī)會,如文本挖掘、專利分析和網(wǎng)絡(luò)分析法等[2, 9]。不同技術(shù)交織形成的技術(shù)網(wǎng)絡(luò)提供了技術(shù)相互依存和交互作用的全面視圖。學(xué)者多基于技術(shù)網(wǎng)絡(luò)中現(xiàn)有的“節(jié)點(diǎn)”、實(shí)際存在的“連邊”,即已發(fā)生的技術(shù)關(guān)系,通過詞頻統(tǒng)計、聚類分析、關(guān)鍵網(wǎng)絡(luò)指標(biāo)計算以及網(wǎng)絡(luò)可視化等識別技術(shù)機(jī)會[10, 11]。鏈路預(yù)測的方法挖掘技術(shù)網(wǎng)絡(luò)中未存在連邊的“節(jié)點(diǎn)”未來發(fā)生潛在連邊的可能性,有助于突破預(yù)測的時滯性問題,而被廣泛應(yīng)用于各個領(lǐng)域的技術(shù)機(jī)會分析。

鏈路預(yù)測方法基于當(dāng)前網(wǎng)絡(luò)的結(jié)構(gòu)、節(jié)點(diǎn)和邊的信息,推斷尚未連邊的兩個節(jié)點(diǎn)之間未來可能發(fā)生連接的可能性[12]。鏈路預(yù)測的算法眾多,其中,基于網(wǎng)絡(luò)結(jié)構(gòu)相似性的鏈路預(yù)測因其計算復(fù)雜度較低并且魯棒性較強(qiáng),被廣泛應(yīng)用于技術(shù)領(lǐng)域的技術(shù)機(jī)會挖掘。結(jié)構(gòu)相似性預(yù)測通過計算網(wǎng)絡(luò)節(jié)點(diǎn)間的拓?fù)湎嗨菩宰鳛槲磥磉B接產(chǎn)生的概率,相關(guān)節(jié)點(diǎn)相似性指標(biāo)涉及CN、JC、RA等[13]。然而,現(xiàn)有鏈路預(yù)測結(jié)果多以兩個節(jié)點(diǎn)形成的“節(jié)點(diǎn)對(A-B)”的形式呈現(xiàn),如IPC對、主題詞對?！肮?jié)點(diǎn)對”所能代表的技術(shù)含義較為寬泛,不利用揭示具體和明確的技術(shù)細(xì)節(jié)信息。針對該問題,本研究擬改進(jìn)鏈路預(yù)測結(jié)果“節(jié)點(diǎn)對”太寬泛的弊端,在“節(jié)點(diǎn)對”的基礎(chǔ)上增加一個與其相連的節(jié)點(diǎn),預(yù)測三個尚未連接的節(jié)點(diǎn)形成的“節(jié)點(diǎn)鏈(A-B-C)”的可能性,增強(qiáng)鏈路預(yù)測結(jié)果的明確性和可讀性,解決預(yù)測技術(shù)機(jī)會不清晰不具體的問題。

關(guān)于數(shù)據(jù)源的選取,絕大多數(shù)學(xué)者基于單一數(shù)據(jù)源或簡單集成的雙源數(shù)據(jù)開展技術(shù)機(jī)會分析,少有學(xué)者對多源數(shù)據(jù)進(jìn)行融合分析?；谡撐臄?shù)據(jù)的分析,有利于探索基礎(chǔ)研究機(jī)會。如任海英等(2018)將鏈路預(yù)測的方法應(yīng)用于單詞級別的科學(xué)知識網(wǎng)絡(luò),挖掘科學(xué)研究機(jī)會[14]。Lee等(2021)將鏈路預(yù)測的方法應(yīng)用于專利分類號共現(xiàn)網(wǎng)絡(luò),識別出實(shí)用性和有發(fā)展前景的技術(shù)機(jī)會[15]。黃璐等(2019)將鏈路預(yù)測方法與神經(jīng)網(wǎng)絡(luò)算法相結(jié)合,基于專利數(shù)據(jù),識別新興技術(shù)主題[16],雖然該方法提高了預(yù)測結(jié)果的準(zhǔn)確程度,但未考慮市場需求對于技術(shù)機(jī)會的影響。相較于多源數(shù)據(jù),單源數(shù)據(jù)只能從科學(xué)、技術(shù)或商業(yè)單個層面反映未來技術(shù)機(jī)會,研究維度較為單一,研究結(jié)果也是單一層面的結(jié)果。部分學(xué)者采用雙源數(shù)據(jù)進(jìn)行技術(shù)會聚分析。Jeong等(2021)基于商標(biāo)和專利數(shù)據(jù),綜合深度鏈路預(yù)測及競爭情報分析,實(shí)現(xiàn)了商業(yè)多元化機(jī)會的分析[17];張洋等(2021)融合了專利和論文數(shù)據(jù),并結(jié)合技術(shù)生命周期理論,提出了基于鏈路預(yù)測算法的技術(shù)預(yù)測改進(jìn)方法[18],但鏈路預(yù)測結(jié)果仍以“節(jié)點(diǎn)對”的形式展現(xiàn),且對不同數(shù)據(jù)的融合性考慮不夠。還有研究直接將關(guān)于電動汽車充電樁的論文、專利、新聞及評論多源文本數(shù)據(jù)簡單綜合成一個數(shù)據(jù)源,借助鏈路預(yù)測方法挖掘潛在技術(shù)機(jī)會[19],但缺乏考慮將論文、專利、新聞及評論多源數(shù)據(jù)融合的理論支撐。

2 研究方法與過程

首先,數(shù)據(jù)采集,通過相應(yīng)檢索式完成論文、專利以及用戶評論數(shù)據(jù)的下載和爬取,并對采集的數(shù)據(jù)進(jìn)行去重等清洗工作;其次,共現(xiàn)網(wǎng)絡(luò)構(gòu)建,通過用戶詞典對多源文本數(shù)據(jù)進(jìn)行關(guān)鍵詞分詞,構(gòu)建關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò),基于專利IPC分類號構(gòu)建IPC共現(xiàn)網(wǎng)絡(luò);再次,鏈路預(yù)測,通過改進(jìn)的鏈路預(yù)測分別對論文關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)和用戶評論關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)進(jìn)行鏈路預(yù)測,借助“論文-專利-科技輿情”三螺旋模型,對多源數(shù)據(jù)鏈路預(yù)測結(jié)果進(jìn)行融合分析,得出新能源汽車領(lǐng)域技術(shù)機(jī)會。關(guān)鍵技術(shù)與步驟如圖1所示。

圖1 關(guān)鍵技術(shù)與步驟

2.1 基于用戶詞典的文本分詞

首先,利用KNIME軟件對新能源汽車論文、專利及評論的文本數(shù)據(jù)進(jìn)行刪除標(biāo)點(diǎn)、數(shù)字過濾、去除停用詞、大小寫轉(zhuǎn)換等預(yù)處理;其次,利用Amazon Comprehend API自然語言處理服務(wù),使用機(jī)器學(xué)習(xí)對預(yù)處理的文本進(jìn)行關(guān)鍵詞提取,并采用Sci2Tool軟件且輔之以手工處理完成同近義詞形式的統(tǒng)一,形成關(guān)鍵詞構(gòu)成的用戶詞典;再次,檢索文本數(shù)據(jù),若出現(xiàn)了用戶詞典中的關(guān)鍵詞,則保存下來,否則刪除,由此實(shí)現(xiàn)基于用戶詞典的文本數(shù)據(jù)分詞。

2.2 改進(jìn)的鏈路預(yù)測

為了解決傳統(tǒng)鏈路預(yù)測方法以“節(jié)點(diǎn)對”呈現(xiàn)預(yù)測結(jié)果較為寬泛的局限性,本研究對鏈路預(yù)測進(jìn)行優(yōu)化,預(yù)測時在原有節(jié)點(diǎn)對基礎(chǔ)上添加一個節(jié)點(diǎn),預(yù)測三個尚未連接節(jié)點(diǎn)的形成“節(jié)點(diǎn)鏈”概率。舉例來講,extended kalman filter+brushless dc motor是以“節(jié)點(diǎn)對”的形式來表示技術(shù)機(jī)會,認(rèn)為擴(kuò)展卡爾曼濾波觀測器有助于減少無刷直流電機(jī)的損耗;extended kalman filter+brushless dc motor+core losses是以節(jié)點(diǎn)鏈的形式來表示技術(shù)機(jī)會,認(rèn)為通過使用擴(kuò)展卡爾曼濾波器來估計電機(jī)系統(tǒng)的狀態(tài),從而減少無刷直流電機(jī)中鐵芯的損耗。“節(jié)點(diǎn)對”只能揭示到直流電機(jī)層面,而“節(jié)點(diǎn)鏈”可以揭示到直流電機(jī)中的鐵芯層面,揭示的技術(shù)機(jī)會更加明確。如此改進(jìn),使得鏈路預(yù)測所揭示的技術(shù)機(jī)會更具針對性和細(xì)節(jié)化,從而提高其在實(shí)際應(yīng)用中的參考價值。

2.3 技術(shù)機(jī)會預(yù)測的三螺旋模型

王興旺(2019)將大學(xué)-產(chǎn)業(yè)-政府創(chuàng)新三螺旋理論引入新興技術(shù)預(yù)測領(lǐng)域,構(gòu)建了“論文-專利-科技輿情”三螺旋理論模型,通過科技輿情、論文與專利信息之間的關(guān)聯(lián)性及其在技術(shù)預(yù)測中的交互作用完成鏈路預(yù)測結(jié)果的融合[6]。論文傾向于基礎(chǔ)研究,而專利更多的反映應(yīng)用技術(shù),科技輿情體現(xiàn)的是用戶對包含相關(guān)技術(shù)的產(chǎn)品的需求反饋;基礎(chǔ)研究為技術(shù)導(dǎo)向的應(yīng)用創(chuàng)新提供了基石,科技輿情為技術(shù)的商業(yè)化提供了可供參考的方向[20]。因此,本研究對比分析基于科技論文數(shù)據(jù)的鏈路預(yù)測結(jié)果鏈與專利共現(xiàn)網(wǎng)絡(luò)中的節(jié)點(diǎn)鏈,若只在前者出現(xiàn),則視為未來的技術(shù)研發(fā)機(jī)會。在時間的即時性上,科技論文和專利的出版具有一定的滯后性,容易造成預(yù)測結(jié)果時效性不夠的問題,采用即時性較強(qiáng)的商業(yè)評論數(shù)據(jù)進(jìn)行技術(shù)預(yù)測可以作為論文和專利數(shù)據(jù)的有益補(bǔ)充[21]。因此,本研究對比分析基于用戶評論數(shù)據(jù)的鏈路預(yù)測結(jié)果鏈與科技論文及專利共現(xiàn)網(wǎng)絡(luò)中的節(jié)點(diǎn)鏈,若只出現(xiàn)在前者,則視為未來的技術(shù)需求機(jī)會。綜上,本研究將多源數(shù)據(jù)進(jìn)行融合對比分析,從技術(shù)研發(fā)機(jī)會和技術(shù)需求機(jī)會兩個維度揭示了新能源汽車技術(shù)機(jī)會,結(jié)論突破傳統(tǒng)單一維度的限制,具體如圖2所示。

圖2 基于論文-專利-用戶評論的技術(shù)機(jī)會分析

3 實(shí)證研究

3.1 數(shù)據(jù)采集

新能源汽車用戶評論信息采集,借鑒Kim(2019)對汽車評論網(wǎng)站的選擇,選取Edmunds網(wǎng)站(Edmunds.com)作為評論數(shù)據(jù)的來源[21]。Edmunds擁有50多年的經(jīng)驗(yàn),集汽車銷售和汽車資訊服務(wù)為一體,具有全球最新的汽車專家及用戶的評論,涵蓋了純電動、混合動力和燃料電池等多種類型的新能源汽車。為了獲得盡可能全面的評論信息,我們在爬取過程中不僅關(guān)注了所有新能源汽車品牌及其各個車型的評論數(shù)據(jù),同時還關(guān)注了主要非新能源汽車品牌中具有新能源車型的評論信息,運(yùn)用Python爬蟲技術(shù)批量爬取這些網(wǎng)址中的新能源汽車評論信息,獲取的評論信息較為全面地反映了新能源汽車用戶的各個方面。對于論文數(shù)據(jù)的采集,選取Web of Science中的SCIE數(shù)據(jù)庫;對于專利數(shù)據(jù)的采集,選取德溫特專利數(shù)據(jù)庫。借鑒李國秋等(2017)關(guān)于新能源汽車檢索式[22],并進(jìn)一步豐富和完善,形成最終檢索式如表1所示。數(shù)據(jù)檢索時間為2022年5月17日,時間跨度為全時段,最終得到10 025條評論,32 297篇論文數(shù)據(jù),458 504項(xiàng)專利數(shù)據(jù)。

表1 新能源汽車領(lǐng)域論文和專利檢索式

3.2 數(shù)據(jù)預(yù)處理

由于網(wǎng)絡(luò)平臺的開放性,采集到的評論會出現(xiàn)一些無效評論。無效評論主要包括以下三類:重復(fù)評論;僅有評級而無內(nèi)容的評論;無用的評論信息,如顧客在評論信息中僅輸入了“Great car”或者“Luxury car”等詞匯,這類信息只能反映用戶對新能源汽車整體的評價,卻未體現(xiàn)用戶對技術(shù)的態(tài)度或需求。對無效評論數(shù)據(jù)的清洗,首先利用Excel中的“排序和篩選”及“刪除重復(fù)項(xiàng)”等功能,實(shí)現(xiàn)第一二類無效評論的清洗;其次,結(jié)合文本分詞構(gòu)建的新能源汽車技術(shù)詞典,清洗第三類無效評論。通過Python編程實(shí)現(xiàn)爬蟲的評論數(shù)據(jù)亂碼、特殊符號等批量替換;針對SCI-E數(shù)據(jù)庫中早期論文數(shù)據(jù)未形成統(tǒng)一規(guī)范、存在關(guān)鍵詞缺失問題,本研究使用基于用戶詞典的方法補(bǔ)齊文獻(xiàn)缺失的關(guān)鍵詞;對專利文本進(jìn)行去重、去停用詞等預(yù)處理。運(yùn)用自然語言處理的方法實(shí)現(xiàn)有價值關(guān)鍵詞的提取,完成用戶詞典的構(gòu)建,通過用戶詞典完成多源文本數(shù)據(jù)的分詞。

3.3 驗(yàn)證集與預(yù)測集的構(gòu)建

圖3為新能源汽車專利年度分布曲線。依據(jù)該技術(shù)成熟度曲線,我們將多源數(shù)據(jù)分別劃分為兩個子集,將2013年之前的數(shù)據(jù)作為驗(yàn)證集,對2013年及以后的新能源技術(shù)機(jī)會進(jìn)行預(yù)測,并用2013-2022年的數(shù)據(jù)來驗(yàn)證2013年之前的數(shù)據(jù)集預(yù)測結(jié)果的準(zhǔn)確性,依次判斷研究方法的可行性。在預(yù)測結(jié)果準(zhǔn)確性高的基礎(chǔ)上,采用2013-2022年的數(shù)據(jù)預(yù)測未來的新能源汽車技術(shù)機(jī)會。

圖3 新能源汽車專利年度分布

3.4 驗(yàn)證集數(shù)據(jù)新能源汽車鏈路預(yù)測結(jié)果分析

采用COOC軟件構(gòu)建驗(yàn)證集的論文關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)和評論關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò),并通過隨機(jī)抽樣的方法對每項(xiàng)共現(xiàn)網(wǎng)絡(luò)存在的連邊按照9∶1比例劃分訓(xùn)練集和測試集,計算CN、RA、Jaccard三種鏈路預(yù)測指標(biāo)的AUC值,結(jié)果如表2所示?？芍?對于驗(yàn)證集論文關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)和用戶評論關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò),準(zhǔn)確程度最高的鏈路預(yù)測指標(biāo)均是RA指標(biāo),因此,我們采用RA指標(biāo)進(jìn)行鏈路預(yù)測,并通過三螺旋模型將多源鏈路預(yù)測結(jié)果進(jìn)行對比融合,形成最終的驗(yàn)證集新能源汽車技術(shù)機(jī)會。

表2 驗(yàn)證集鏈路預(yù)測各指標(biāo)的AUC值

具體而言,先基于論文關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)進(jìn)行鏈路預(yù)測,并將預(yù)測的技術(shù)機(jī)會鏈與專利關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)和IPC共現(xiàn)網(wǎng)絡(luò)中的技術(shù)鏈進(jìn)行比對,若預(yù)測的技術(shù)機(jī)會鏈既不存在于專利關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中又不存在于專IPC共現(xiàn)網(wǎng)絡(luò)中,則視為技術(shù)研發(fā)機(jī)會。其次,我們使用戶評論關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)進(jìn)行鏈路預(yù)測,將預(yù)測的技術(shù)機(jī)會鏈與論文關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)和專利關(guān)鍵詞及IPC共現(xiàn)網(wǎng)絡(luò)分別進(jìn)行比對,若預(yù)測的技術(shù)鏈僅出現(xiàn)在用戶評論關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)中,則視為技術(shù)需求機(jī)會。驗(yàn)證集預(yù)測得到的新能源汽車技術(shù)機(jī)會如表3所示,其中,前20個基于論文數(shù)據(jù)預(yù)測到的技術(shù)研發(fā)機(jī)會,后18個是基于用戶評論預(yù)測得到的技術(shù)需求機(jī)會,加粗的記錄代表預(yù)測的技術(shù)機(jī)會在2013年之后的技術(shù)共現(xiàn)網(wǎng)絡(luò)中出現(xiàn)了。在給出的38項(xiàng)驗(yàn)證集預(yù)測的技術(shù)機(jī)會中,共有33項(xiàng)在2013年之后的數(shù)據(jù)中出現(xiàn),未出現(xiàn)的有5項(xiàng),說明預(yù)測結(jié)果的準(zhǔn)確度為86.4%,表面了本研究方案的可行性。

表3 驗(yàn)證集技術(shù)機(jī)會

3.5 預(yù)測集數(shù)據(jù)新能源汽車鏈路預(yù)測結(jié)果分析

在驗(yàn)證本研究設(shè)計方案可行性的基礎(chǔ)上,我們使用預(yù)測集2013-2022年的數(shù)據(jù)預(yù)測未來的新能源汽車技術(shù)機(jī)會。預(yù)測集鏈路預(yù)測算法各指標(biāo)AUC值如表4所示。我們選取RA鏈路預(yù)測指標(biāo)對論文關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)進(jìn)行鏈路預(yù)測,選取Jaccard鏈路預(yù)測指標(biāo)對用戶評論關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)進(jìn)行鏈路預(yù)測,并將預(yù)測的技術(shù)鏈結(jié)果進(jìn)行多源數(shù)據(jù)的比對分析,預(yù)測集得到的技術(shù)機(jī)會如表5所示。

表4 預(yù)測集鏈路預(yù)測算法各指標(biāo)AUC值

表5 預(yù)測集技術(shù)機(jī)會

由表5可知,我們展示了預(yù)測集技術(shù)機(jī)會共35項(xiàng),可以概括為八大方面:一是技術(shù)的交叉涌現(xiàn),有些技術(shù)不僅出現(xiàn)在驗(yàn)證集技術(shù)機(jī)會中,而且出現(xiàn)在預(yù)測集技術(shù)機(jī)會中,說明這些技術(shù)元對新能源汽車發(fā)展尤為重要,比如動態(tài)無線充電技術(shù)等。二是新能源汽車的驅(qū)動技術(shù),比如反向旋轉(zhuǎn)活塞發(fā)動機(jī)的數(shù)字信號故障檢測技術(shù)、基于擴(kuò)展卡爾曼濾波器電機(jī)控制技術(shù)減少鐵芯損耗、利用碳化硅材料對感應(yīng)電機(jī)性能進(jìn)行改進(jìn)研究、混合動力技術(shù)等。三是電池技術(shù),比如基于沖擊電離模型解決甲醇燃料電池的碰撞電離問題,實(shí)現(xiàn)甲醇燃料電池的技術(shù)進(jìn)步;通過導(dǎo)電聚合物、壁碳納米管、金屬氫化物等電池材料與光催化、復(fù)合陰極等相結(jié)合,實(shí)現(xiàn)電池技術(shù)的進(jìn)步。四是制氫與車載儲氫技術(shù)的結(jié)合。五是光纖傳感器等各部件的建模仿真技術(shù),比如通過建模仿真技術(shù)實(shí)現(xiàn)車輛整體外觀、光纖傳感器、軟開關(guān)以及充電器等各個部件的設(shè)計。六是新能源汽車的安全性技術(shù),比如輔助駕駛、自適應(yīng)巡航與防撞技術(shù)的結(jié)合、盲點(diǎn)監(jiān)控與制動技術(shù)的結(jié)合等。七是一些提升用戶體驗(yàn)的智能技術(shù),比如遠(yuǎn)程啟動與無感車鑰匙的結(jié)合等。八是智能充電與智能電網(wǎng)技術(shù)的結(jié)合,實(shí)現(xiàn)電網(wǎng)穩(wěn)定與電車充電的智能一體化。

4 結(jié)論與展望

技術(shù)的演化軌跡和發(fā)展趨勢是其知識基礎(chǔ)、技術(shù)性能與技術(shù)所處環(huán)境協(xié)調(diào)演化的結(jié)果。綜合考慮技術(shù)的演化發(fā)展能夠更加客觀的分析其技術(shù)機(jī)會。因此,本研究基于新能源汽車領(lǐng)域的基礎(chǔ)研究、應(yīng)用研究及商業(yè)化階段的論文數(shù)據(jù)、專利數(shù)據(jù)與用戶評論數(shù)據(jù),通過Amazon Comprehend服務(wù)實(shí)現(xiàn)用戶詞典的構(gòu)建,將多源文本數(shù)據(jù)進(jìn)行分詞,構(gòu)建多個共現(xiàn)網(wǎng)絡(luò),采取改進(jìn)的鏈路預(yù)測方法實(shí)現(xiàn)新能源技術(shù)機(jī)會的預(yù)測,采用三螺旋理論將多源數(shù)據(jù)鏈路預(yù)測結(jié)果進(jìn)行融合,得出主要結(jié)論與啟示如下所示。

當(dāng)前新能源汽車領(lǐng)域潛在的技術(shù)機(jī)會可以歸納為:一、動態(tài)無線充電技術(shù)、磁懸浮技術(shù)與自動駕駛技術(shù)的結(jié)合實(shí)現(xiàn)電動汽車駕駛及充電的自動化;二、通過碳化硅材料及其他方面對驅(qū)動技術(shù)進(jìn)行改進(jìn)的驅(qū)動技術(shù);三、通過碳納米管等電池材料、光催化等對現(xiàn)有電池進(jìn)行改進(jìn)的電池技術(shù);四、制氫與車載儲氫技術(shù)等相關(guān)技術(shù);五、對車輛整體外觀、傳感器等各部件進(jìn)行設(shè)計的建模仿真技術(shù);六、智能輔助駕駛與防撞技術(shù)結(jié)合的新能源汽車安全技術(shù);七、無感車鑰匙與遠(yuǎn)程啟動等提升用戶體驗(yàn)的智能技術(shù);八、智能電網(wǎng)與智能充電技術(shù)的結(jié)合。我們查閱了2022年世界新能源汽車研究報告、2022年中信證券及海通證券等證券公司的財報等,本研究預(yù)測結(jié)果與這些研究報告給出的未來新能源汽車的前沿技術(shù)及重點(diǎn)研究領(lǐng)域基本一致,該結(jié)果進(jìn)一步驗(yàn)證了本研究設(shè)計方法的有效性。未來新能源汽車技術(shù)不斷向安全、高效、低碳、智能的方向邁進(jìn)。

本研究為技術(shù)機(jī)會預(yù)測提供了一種新的思路與方法。在模型構(gòu)建層面,針對論文和專利數(shù)據(jù)對于技術(shù)鏈路機(jī)會預(yù)測研究存在時滯性的局限,將用戶評論數(shù)據(jù)融入論文和專利數(shù)據(jù),構(gòu)建了“論文—專利—科技輿情”三螺旋模型,克服了論文和專利數(shù)據(jù)進(jìn)行技術(shù)機(jī)會挖掘的局限,拓展了研究思路,擴(kuò)大了信息利用范圍。此外,在鏈路預(yù)測方面,以節(jié)點(diǎn)鏈的形式展現(xiàn)預(yù)測結(jié)果,使得預(yù)測結(jié)果更加豐富、細(xì)化。未來研究可以從以下兩方面進(jìn)行深入探索:第一,在考慮技術(shù)機(jī)會的基礎(chǔ)上,進(jìn)一步融合概率模型,計算出未來技術(shù)機(jī)會涌現(xiàn)的概率;第二,基于多源論文—專利—科技輿情數(shù)據(jù)構(gòu)建的多層次創(chuàng)新網(wǎng)絡(luò),融合多個指標(biāo)進(jìn)行新能源汽車技術(shù)機(jī)會預(yù)測。