基于文獻計量的國內交通大數據研究述評

王樂樂 陳加洲 高全義

(1.東北大學工商管理學院 遼寧 沈陽 110000；2.貴州大學 貴州 貴陽 550000；3.西安交通大學 陜西 西安 710000)

一、引言

“大數據”(Big Data)一詞最早由美國社會思想家阿爾文·托夫勒(Alvin Toffler)于1980年在《第三次浪潮》一書中提出，并稱頌它為“第三次浪潮的華彩樂章”[1]。2008年9月，《Nature》雜志推出“Big Data:Science in the Petabyte Era”封面專欄，大數據引起廣泛關注。2011年5月，麥肯錫全球研究院(MGI)發(fā)布《大數據：創(chuàng)新、競爭和生產力的下一個新領域》全方面介紹和展望大數據后，大數據這一概念因互聯網和信息行業(yè)的發(fā)展而快速傳播，并引起廣泛重視，2013年也因此被稱為中國“大數據元年”[2]。2014年3月，“大數據”首次出現在《2014年國務院政府工作報告》中，并開始在交通、政務、零售以及公共治理等各個領域進行探索與落地實踐，交通運輸行業(yè)是產生大數據的天然場所[3]。2017年國務院發(fā)布的《“十三五”現代綜合交通運輸體系發(fā)展規(guī)劃》明確提出推動大數據與交通運輸行業(yè)深度融合，實現基礎設施、載運工具與運營的數字化、智能化。目前我國交通運輸系統已積累了大量數據集，大數據在交通領域的研究與應用為解決交通擁堵、事故頻發(fā)等嚴重交通問題以及滿足快速、便捷、舒適、安全、綠色的出行需求提供巨大助力[4]，其發(fā)展必然性和所蘊藏的巨大價值已經得到業(yè)界的一致認可，越來越多的學者從不同方面、視角研究大數據在交通領域應用[5]。因此，如何正確評價大數據在交通領域的研究成果以及準確預測其未來發(fā)展方向成為一個重要而迫切的問題。鑒于此，本文基于Pajek、Vosviewer等軟件，采用文獻計量方法分析大數據在我國交通運輸領域研究熱點、熱門領域以及未來發(fā)展態(tài)勢，以期為今后交通大數據相關學術研究提供參考和引導。

二、數據來源及研究方法

(一)數據來源

本文以核心期刊、CSSCI、CSCD三大數據庫中的文獻為數據來源，采用高級檢索方式，以“主題”為檢索項，“交通”并含“大數據”為檢索詞，時間范圍為2012年至2019年，這是因為經檢索發(fā)現國內首次將大數據與交通行業(yè)聯系在一起的文獻是陳美于2012年12月在《圖書與情報》發(fā)表的《大數據在公共交通中的應用》一文。數據具體采集時間為2019年11月20號，剔除書評、會議通知、征稿通知、消息、公示等非學術類文章，經初步整理、篩選后得到253條有效文獻。

(二)研究方法

文獻計量分析是通過對某一研究主題的發(fā)文數量、關鍵詞、發(fā)文期刊、作者、機構、被引證文獻等信息進行描述、評價，并總結其研究現狀、熱點、發(fā)展歷程及未來發(fā)展態(tài)勢的重要工具[6]。因此本文使用文獻計量法對交通領域大數據相關文獻數量、關鍵詞、作者及研究機構并進行統計分析，以了解現階段該領域的研究現狀、特點及研究脈絡。在此基礎上，通過聚類分析和戰(zhàn)略坐標分析探尋我國交通領域大數據研究的主要領域、熱門領域以及未來發(fā)展態(tài)勢[7]。

三、分析結果

(一)發(fā)文數量分析

文獻數量是反映某一學科領域知識量的重要指標，同時文獻發(fā)表年代可以直觀反應該領域的發(fā)展規(guī)模、速度與趨勢。因此本文對253篇文獻進行數量統計(見圖1)，由圖1可知交通領域大數據相關文獻數量總體變化規(guī)律是先緩慢增長，后爆炸式增長，2012年僅發(fā)表1篇文獻，2013年也僅發(fā)表2篇文獻，而到2014年急劇增長到18篇文獻，是前兩年總發(fā)文量的6倍，隨后更是迅速增長，2017年、2018年和2019年三年平均發(fā)文量高達56篇。同時，累計發(fā)文數量曲線表達式為，其R2=0.9989，表明我國交通領域大數據相關文獻累計發(fā)文量呈多項式增長，同時結合我國交通強國戰(zhàn)略，預測未來幾年甚至十幾年國內交通領域有關大數據研究的文獻數量會繼續(xù)保持較大的上升態(tài)勢。

圖1 發(fā)文數量

(二)關鍵詞分析

1.關鍵詞共現分析

本文繪制的交通領域大數據關鍵詞知識圖譜(見圖2)，閾值選擇2，共出現93個關鍵詞，連線數為244條，總計連線強度為372。其中節(jié)點代表關鍵詞，節(jié)點越大代表關鍵詞出現的頻次越高，反之越低；節(jié)點間連線越粗代表關鍵詞間的共現程度越強，反之越弱；不同顏色代表不同的聚類。圖2中可以看出，以“大數據”為核心的“城市軌道交通”、“智能交通”、“交通大數據”、“智慧交通”“交通工程” 等是目前交通領域大數據研究的熱點內容。

圖2 關鍵詞共現圖譜

2.關鍵詞演進分析

為清楚呈現國內交通領域大數據研究的整體脈絡，本文繪制了基于時間軸的交通領域大數據研究趨勢演進圖譜(見圖3)，可以看出該領域研究熱點總體上從宏觀的圍繞大數據的智能交通、公共交通研究逐步向交通工程、車聯網、交通規(guī)劃、交通數據挖掘、交通復雜網絡、交通治理、Spark大數據技術平臺與手機信令等細分領域研究拓展[9]。

圖3 研究趨勢演進圖譜

3.關鍵詞聚類分析

關鍵詞共現分析以及演進分析能夠直觀呈現目前交通領域大數據研究熱點內容以及脈絡，然而由于大數據與各行業(yè)深度融合是目前各個領域的研究熱點，尤其大數據在交通領域的相關研究與應用，造成該領域以大數據為核心的相關研究日益多元化、碎片化，研究的內容不僅繁多，而且比較分散，未形成系統、完整的研究框架。為此本文對統計的全部關鍵詞進行聚類分析，并根據各聚類關鍵詞的組成，總結出各聚類的名稱與研究內容，以梳理交通領域大數據研究的整體框架，探究目前交通大數據相關研究的主要領域，使其相關研究更加體系化、系統化，突顯交通大數據研究的熱門領域，也為預測未來交通大數據研究熱門領域奠定基礎。首先本文采用UltraEdit對關鍵詞去重，統一關鍵詞名稱，用Endnote軟件將數據格式轉換成RIS格式，然后通過Vosviewer軟件對關鍵詞進行聚類分析，閾值選擇為2，最終生成5個聚類(見表1)。

由表1可知，5個聚類分別由不同的研究內容組成，代表5種不同研究領域，即目前交通領域大數據的相關研究主要集中在 “城市交通復雜網絡”、“智能交通”、“基于云計算的城市軌道交通”、“大數據交通規(guī)劃”以及“智慧交通工程”五個領域。

(三)研究機構分析

通過研究機構共現圖譜(見圖4)，可以直接反映該領域的權威機構，有助于學者了解和把握該領域研究前沿及熱點問題。共現圖譜中節(jié)點代表研究機構，節(jié)點越大代表該機構發(fā)表論文數量越多，反之越少；節(jié)點間連線越粗代表機構間聯系越強，反之越弱[10]。本圖譜中節(jié)點數為240，連線為174，連線強度188，說明交通領域大數據研究的各個機構彼此間的合作不多，整體還是處于各自獨立的狀態(tài)。

同時為了更清楚地表現國內機構對交通領域大數據的研究情況，本文統計了發(fā)文量超過5篇的共13個機構。北京交通大學發(fā)表論文數量最多，為20篇，占整體發(fā)文量的7.905%；其次是武漢大學共發(fā)表論文12篇，占整體發(fā)文量的4.743%；清華大學和同濟大學緊隨其后，分別發(fā)表論文9篇、7篇，4家研究機構總體發(fā)文量占整體發(fā)文量的17.786%，是目前國內交通領域大數據研究的主要陣地。同時，中山大學與西南交通大學雖然僅發(fā)表5篇論文，但所發(fā)文章被引頻次/每年卻達到了驚人的84.5和45.75，對本領域相關研究具有重大、深遠的影響。與其他機構相比，以上6家機構對大數據在交通領域的應用與研究取得較為豐富的成果，是該領域今后重點關注的機構。另外，發(fā)文量超過5篇的13個研究機構僅占整體機構的5.417%，而且其中幾乎全部是國內重點高校，而實體交通企業(yè)僅一家，可見雖然交通領域大數據相關研究機構眾多，但取得一定研究成果的機構卻少之又少，而且各研究機構與實體交通企業(yè)缺乏合作，在理論落地應用與實踐方面還存在很大的缺陷與不足。

圖4 研究機構共現圖譜

(四)研究作者分析

對某一領域高產作者進行統計有利于準確把握該領域研究熱點和未來趨勢。本文繪制的作者共現圖譜(見圖5)中，高頻作者中出現了明顯的網絡特征，表明作者中初步形成了一些比較高產的研究團隊。最為突出的有以下團隊：①由陸化普、孫智源和屈聞聰構成的穩(wěn)定三角合作團隊；②由王少飛、楊知、李敏、劉良偉和譙志構成的網狀合作結構；③由周濤、陳先龍、溫慧敏、林濤、郭繼孚組成的網狀團隊；④由段宗濤、康軍、唐蕾、樊娜、李瑩、劉研組成的網狀團隊；⑤由郭鵬、黃天印、顧偉華、趙時旻組形成的四人團隊；⑥由張紅、朱昶勝、曹杰和王曉明構成的穩(wěn)定四人團隊。此外，還有部分一對一合作團隊表現也較為突出(如趙光輝和李玲玲，李欣和孟德友等)。

圖5 作者共現圖譜

其中王少飛和趙光輝兩位發(fā)文最多(6篇)，王少飛主要關注智慧高速、全息交通等[11-14]，趙光輝主要關注基于大數據的交通市場監(jiān)管以及大數據與交通行業(yè)的融合等方面[15-18]。依據普萊斯定律的計算方法，X=0.749，(Y代表單個作者最多發(fā)文數量)，可確定核心作者群體[19]。根據各作者發(fā)表論文數量的統計結果，王少飛和趙光輝各發(fā)表6篇論文，是目前該領域發(fā)表論文最多的學者，故m=1.835，因此，發(fā)表2篇及以上論文的作者就是交通大數據領域的核心作者。通過數據統計與分析，該領域共有47位核心作者，共發(fā)表94篇學術論文，占整體的37.154%，遠低于普萊斯定律50%的標準，由此可見目前交通領域大數據研究未形成穩(wěn)定的核心作者群。同時陸化普雖發(fā)文量不是最多的(5篇)，然所發(fā)文章被引頻次/每年達到驚人的48.25[20,21]，是所有作者中最高的，因此對本領域的影響也是不容忽視的，以上3位作者很可能成為本領域未來的領跑者。

(五)戰(zhàn)略坐標分析

本文以各細分領域研究密度為橫軸，研究向心度為縱軸，以全部細分領域向心度與密度平均值(0.477，2.885)為坐標原點，繪制交通大數據研究細分領域戰(zhàn)略坐標圖，探究目前交通大數據研究的熱門領域以及未來熱門領域，使5個細分研究領域分別落入不同的象限(見圖6)，圖中每個散點代表一個細分研究領域。

圖6 戰(zhàn)略坐標圖

從四個象限的分布情況看，領域4“大數據交通規(guī)劃”位于第一象限，該象限為熱門領域，其代表的研究內容具有高頻次與高中心度特點，表明基于大數據的交通規(guī)劃、調查是目前交通大數據研究的熱門與重要領域，且與其他研究領域具有較高的關聯度。領域2“智能交通”位于第二象限，該象限為高潛熱門領域，其代表的研究內容具有低頻次、高中心度特點，表明智能交通是未來研究的熱門領域；領域1“城市交通復雜網絡”位于第三象限，該象限為孤島領域，代表的研究內容既不具備高頻次，也不具有高中心度，表明該領域并不是交通大數據研究的核心內容，相關研究比較少并且未形成完整的研究體系。但應區(qū)別對待，該研究領域部分研究點可能處于交通大數據研究的邊緣，如“節(jié)能減排”等，其他研究點如“軌跡大數據”、“復雜網絡”“信息共享”等有可能發(fā)展為交通大數據的研究熱點；領域5“智慧交通工程”位于第四象限，該象限為邊緣領域，其代表的研究內容具有高頻次、低中心度特點，說明該領域也是目前交通大數據研究的熱門領域，但與其他研究領域的關聯度不高；領域3“基于云計算的城市軌道交通”的密度和中心度接近原點，表明雖然該領域不是當前研究的核心內容，但相關理論、技術和框架正逐步走向成熟，具有較好的發(fā)展趨勢，將會成為該領域未來研究的熱門領域。

四、結論與展望

(一)結論

依目前的增長態(tài)勢以及國家交通強國戰(zhàn)略，預測在未來幾年甚至十幾年國內該領域相關研究的文獻數量仍會呈現出強烈的上升趨勢；從研究熱點和熱門領域來看，目前交通大數據領域研究熱點主要集中在城市軌道交通、智能交通、交通工程、智慧交通、云計算、交通規(guī)劃等方面；智能交通和基于云計算的城市軌道交通建設是該領域未來研究熱門與核心領域。總體上來說，目前國內對交通大數據的研究還處在初步探索階段，未形成核心研究群體，相關研究文獻較少，其中高水平的研究文獻更少，而且這些文獻大多處于理論探索階段，缺乏足夠的實踐支持。為此，未來對交通大數據的研究需立足理論實踐，加強科研機構與實體交通企業(yè)的合作，不斷加強理論落地、應用和實踐。

(二)展望

本文也存在一定局限性。首先，未對交通領域大數據發(fā)文期刊分布情況進行統計，未來可對其進行深入統計、分析，有利于快速、準確查找對該領域有重要價值和影響的文獻資料；其次，未對交通領域大數據發(fā)文地區(qū)分布情況進行統計分析，未來研究可以對發(fā)文地區(qū)分布進行分析，能夠明確目前各地區(qū)對該領域研究內容及數量的差異，為促進各研究機構的跨地域合作、交流提供指引和方向；最后，本文僅對核心期刊、CSSCI、CSCD數據庫中的文獻做統計與分析，未來研究可以對國內全部中文數據庫中該領域的文獻進行統計與分析，進一步增強研究結論的說服力。