自動駕駛知識圖譜分析及其對智能人才培訓開發的啟示

向家民 楊安 楊劉一

摘要：自動駕駛隨著人工智能、互聯網等技術的產生和發展應運而生。本研究選擇可視化軟件 CiteSpace 作為分析工具，對文獻數據進行分析和處理，通過國內外組織承諾研究的關鍵詞、文獻共被引等信息在管理學、經濟學、心理學領域進行比較研究，為進一步了解和開展自動駕駛及其智能人才培訓開發研究提供依據。研究發現：（1） 雖然我國的自動駕駛研究遲于國際上的研究，但發展較快并在自動駕駛及其智能人才培訓開發生態環境研究取得了很多有價值的研究成果。（2） 現代自動駕駛領域的3個最主要影響自動駕駛智能人才培訓開發發展的因素可分自動駕駛相關技術、自動駕駛相關政策、自動駕駛市場中車企的競合三個方面。（3）研究趨勢為自動駕駛智能人才多樣化應用。如何制定多樣化智能人才培訓開發戰略，成為未來自動駕駛領域研究的重中之重。

關鍵詞：智能人才培訓開發;CiteSpace;知識圖譜

1.引言

隨著人工智能、互聯網等技術的產生和發展，自動駕駛技術變得越來越成熟起來，相關的人才也越來越多。另一方面，美國在2017年就有39141人在各種交通系統中喪生，37133人死于機動車碰撞，而其中94%涉及駕駛相關因素，如駕駛障礙、注意力分散、超速或非法駕駛。[1]自動駕駛技術則能很好的解決這類問題，還能解決包括像空氣污染問題、道路復雜等問題。2021年4月10 日，北京市政府正式批復相關文件，設立北京市智能網聯汽車政策先行區，為企業在京發展營造自動駕駛產業發展營商環境。[2]自動駕駛技術還未成熟，多點試營讓自動駕駛及其智能人才培訓開發快速發展，但是至今智能人才培訓開發還未發展成熟。那么，自動駕駛及其智能人才培訓開發研究是否值得進一步深入研究，存在哪些研究熱點和前沿，目前缺乏通過CiteSpace知識圖譜可視化軟件的文獻綜述研究成果。

2.研究設計

本研究選擇可視化軟件 CiteSpace 作為分析工具，對文獻數據進行分析和處理，通過國內外組織承諾研究的關鍵詞、文獻共被引等信息進行比較研究，為進一步了解和開展自動駕駛及其智能人才培訓開發研究提供依據。

本研究以“中國知網”和“Web of Science”為數據獲取平臺。中國知網的主題詞為“自動駕駛”，WOS的主題詞為“autonomous driving”。本文關注自動駕駛方面的經濟管理發展，研究樣本包括國內外期刊發布的對自動駕駛的研究，所以研究主要集中在管理學、經濟學、心理學領域。由于國內組織承諾公開發表論文始于2003年，因為增加國內外研究的對比性，文獻檢索時間限定為2003—2021年。由此CNKI精煉出1541篇文獻，WOS精煉出1617文獻。

3.知識熱點分析

3.1國內外發文量時間分析

自動駕駛及其智能人才培訓開發研究的發文數量經歷了3個階段，第一個階段（2003—2010），受當時互聯網技術發展水平以及理論認識水平的限制，自動駕駛的研究在較長的一段時間里發展停留在Level 1階段。第二個階段（2010—2015年），隨著相關技術的不斷發展，自動駕駛在經濟管理方面研究逐漸增多，自動駕駛正式進入Level 2階段。第三個階段（2015—2020），自動駕駛的經濟管理研究飛速發展，更是在2019年達到頂峰，自此自動駕駛進入Level 3探索過渡階段。因為受到新冠疫情等因素的影響，2019-2020年CNKI發文量減少。（根據國際汽車工程師協會的標準，將自動化駕駛階段分為Level 1警告階段DAS、Level 2輔助階段ADAS、高度自動化階段HAD、完全自動駕駛）。

3.2 國內外關鍵詞聚類分析

我們將CNKI和WOS文獻數據導入 CiteSpace 軟件，時間跨度設置為 2003—2021 年，CNKI統計得到475個節點和1342條連線，WOS統計得到 491個節點和1126條連線，將語義相同的關鍵詞處理后，得到頻次排名前8位的研究熱點如表1。將關鍵詞聚類處理后，其關系圖譜見圖2。圖中圓圈大小表示頻次，連線表示兩者的聯系。

由圖2可知，“智能網汽車” 為CNKI文獻數據的最大關鍵詞節點，呈中心輻射連接眾多的關鍵詞，形成復雜的網絡結構，主要由 “無人配送車”、“互聯網公司”等 8個方面展開。 “autonomous vehicle”為WOS文獻數據的最大關鍵詞節點，呈中心輻射連接眾多的關鍵詞，形成復雜的網絡結構，主要由“safety”、“neural networks”等8個方面展開。

以上說明自動駕駛研究已形成了一定的內容體系。再進行精細化處理之后，得到3個最主要影響自動駕駛及其智能人才培訓開發的因素。

（1）自動駕駛相關技術

像傳感器、大數據等技術影響到自動駕駛及其智能人才培訓開發發展的根本因素。含關鍵詞：人工智能、駕駛技術、design等，其中代表文獻：如文獻[3]對國內車載傳感器企業的發展現狀進行了研究，針對其發展現狀，對車載傳感器企業未來的發展方向提出了建設性意見;如文獻[4]對自動駕駛車輛進行安全性能統計比較，計算了相關的自動駕駛汽車的安全里程，提供清晰的統計數據;如文獻[5]為了確定舒適駕駛策略，進行了模擬機研究，給出一個自動駕駛風格的建議，對參與者的性格對自動駕駛的影響相關性進行了研究。

（2）自動駕駛相關制度政策

國家政策和相關法律影響了自動駕駛及其智能人才培訓開發生態環境的形成。含高頻關鍵詞：智能網聯汽車、汽車制造商、model、system等，其中代表文獻：如文獻[6]談到李彥宏和李書福根據“十三五”提出，應對自動駕駛對交通等多個方面有重要意義，應盡早完善相關的法律法規;如文獻[7]應用創新政策分析模型進行分析，歸納了當前與自動駕駛汽車相關的政策存在的主要問題，并給出了相關建議。文獻[8]分析了自主駕駛的個人利益與社會目標之間的潛在沖突，最后給出了政策建議。

（3）自動駕駛市場中車企競合

多個車企在自動駕駛行業的競爭和合作使得自動駕駛行業發展迅速。含關鍵詞：新能源汽車、特斯拉、汽車制造商、performance等，其中代表文獻：如文獻[9]談到自動駕駛市場涵蓋車輛質量或使用性能、售后服務體系以及充電基礎設施建設三大方面，分析了多個汽車制造商使得市占率較高的原因;如文獻[10]談到消費者的購買意愿一定程度上促進了自動駕駛技術研發， "無人駕駛"汽車已經從被媒體關注的熱點，轉到各大車企競相布局的重點領域。

CNKI的中心性最高的點是人工智能，代表文獻[11]談到自動駕駛汽車已經成為現代汽車工業發展變革的新突破點，人工智能技術決定著自動駕駛汽車行業的發展，更決定著整個道路交通效率的提升和能耗的降低。

WOS的中心性最高的點是model，代表文獻[12]談到，在交通道路相關建設時，自動交通標志檢測識別在自動駕駛系統等專家系統中起著至關重要的作用，并且提出了一種新的檢測方法。

3.3 國內外文獻作者群體分析

通過作者共現分析，能夠識別出一個學科或領域的核心作者及其之間的合作強度和互引關系。使用CiteSpace對發文作者進行分析得到共引作者圖譜。發文量排名前8位的作者見表2，作者之間的相互關系見圖3，圖3中節點大小表示發文量。

由表2和圖3可知，CNKI文獻統計共有303位作者，75條連線，網絡密度為0.0016。由此得到合作率約為25%，合作廣泛程度較低，但形成了欒群、張全思為中心的高產作者合作群體，他們的研究領域集中在自動駕駛特區建設和法規政策方面。WOS文獻統計共有363位作者，296條連線，網絡密度為0.0045。由此得到合作率約為82%，合作廣泛程度較高。形成了KRISHNAMURTHY， STEWART BIRRELL為中心的高產作者合作群體，他們的研究領域集中在自動駕駛技術和市場搭建方面。

3.4 國內外發文機構分析

使用CiteSpace對發文機構進行分析，發文量排名前8位的機構見表3，發文排名前10%的機構之間的相互關系見圖4，圖中節點大小表示發文量。

由表3和圖4可知，CNKI文獻統計共有179個研究機構， 機構節點生成0條連線，網絡密度為0，這表明研究機構間沒有合作聯系。WOS文獻統計共有291個研究機構，機構節點生成了202條連線，網絡密度為0.0048，這表明機構間合作關系一般，形成了Delft Univ Technoldunhao為中心，包括Univ New South Wales、Tianjin Univ等的高產機構合作群體。

4.未來發展趨勢預測

分別運用Citespace軟件生成CNKI和WOS關于Level 2階段（2010年-2021年）的突現詞圖譜和時區圖譜。突現詞分析中，CNKI文獻和WOS文獻各有10個突現詞，由此可清晰看出現代產業領域研究熱點的持續時間和演化趨勢。

由圖5和圖6可知，在2010年到2021年強度最高的突現詞是汽車制造商和駕駛技術，最高強度的突現詞則是設計和巡航控制。究其原因，自動駕駛發展水平全面步入Level 2階段以后，世界各地就開始對自動駕駛及其智能人才培訓開發研究如雨后春筍一般野蠻“生長”。

由此自動駕駛及其智能人才培訓開發研究階段可分為三個階段：

第一，探討研究階段。這個階段的研究熱點主要為駕駛模式。如文獻[13]爭對頻頻出現的事故，認為主動和被動安全技術發展再迅猛，也無法替代駕駛員的安全意識，對技術對安全而言，在很長一段時間內仍將扮演"配角"。

第二，市場爭奪階段。這個階段研究的熱點是汽車制造商、互聯網公司、零部件企業、汽車內飾。多個行業的企業看到了自動駕的市場后，紛紛進行了自動駕駛市場的布局。如文獻[14]談到為了更好的占有自動駕駛市場，大眾集團旗下的奧迪將在法蘭克福車展中宣布與競爭對手戴姆勒和寶馬結盟，共同開發高級自動駕駛系統。

第三，多樣化發展階段。這個階段的研究熱點是示范運營、干線物流等。像引言中提到的北京智能駕駛政策先行區這樣示范運營的例子在中國已經不再少數。自動駕駛技術在干線物流上大放異彩，如文獻[15]研究了自動車輛存儲和檢索系統，通過仿真研究了主要設計權衡，并提出了一個設計框架，幫助物料搬運供應商開發新的方案。

WOS這個階段最獨特的研究熱點——根據消費者偏好培訓智能人才（消費者情景模擬），如文獻[16] 采用汽車技術接受模型，在多個城市實施了在線調查，對自動駕駛車輛的態度、性能期望、安全感和社會影響方面，與消費者使用意圖關聯性研究。

5.研究結論與展望

本文通過CiteSpace軟件分別對CNKI和WOS文獻針對自動駕駛Level 2和Level 3兩個重要階段進行了發文量年度分析，關鍵詞分析，作者分析，機構分析， 突現詞分析，時區圖分析，比較了不同時期的研究熱點，動態顯示領導力研究前沿隨時間變化的發展歷程，隨后基于突現詞和時區圖分析預測該領域未來研究趨勢，結合對該領域既往經典文獻、近期前沿文獻的定性綜述，提出以下研究結論，以推動自動駕駛研究的進一步發展。

5.1研究結論

（1）雖然我國的自動駕駛研究遲于國際上的研究，但發展較快并在自動駕駛及其智能人才培訓開發生態環境研究取得了很多有價值的研究成果。通過對CNKI文獻和WOS文獻比較分析，我們發現國際上對于自動駕駛的研究是比我國的要早的，但在進入Level 2我國的自動駕駛近乎于和國際上同步了，并且國內對于自動駕駛及其智能人才培訓開發生態環境研究更是碩果累累。

（2）現代自動駕駛領域的3個最主要影響自動駕駛及其智能人才培訓開發的因素可分自動駕駛相關技術、自動駕駛相關政策、自動駕駛市場中車企的競合三個方面。自動駕駛技術正逐漸成為變革未來交通的關鍵一環[17]。為加速自動駕駛汽車技術研發和商業化進程，歐美日等國家或地區開展了路徑不一的探索工作，為我國創新相關管理制度提供借鑒。[18]

（3）研究趨勢為智能人才多樣化應用。自動駕駛已經運用到了很多行業，例如出租車，景點的試用車以及物流快遞的無人車等。多地的試點也促成了自動駕駛在這些行業的應用。[19]如何根據消費者偏好培訓智能人才也是未來自動駕駛研究的一大趨勢。

5.2未來研究展望

（1）關注相關技術的發展，自動駕駛技術是影響自動駕駛及其智能人才培訓開發的根本因素。培訓技術型人才影響著整個自動駕駛行業的發展，只有把自動駕駛技術做好，自動駕駛行業及其智能人才培訓開發才能做好。

（2）研究角度的豐富，未來自動駕駛智能應用是多方面的，智能人才會出現在不同的行業。在不同的行業我們都能看見自動駕駛及其智能人才的發展，要考察不同行業自動駕駛智能人才應用來整體或者局部的分析研究。

（3）注重市場生態環境的變化。不斷的有新的企業進入，市場環境是瞬息萬變，對于智能人才的培訓也要與時俱進。國家對于行業的政策法律還沒有完善，新發布的政策也能直接影響到整個市場的生態環境。所以注重市場生態環境的變化，可以說是未來研究的一大熱點。

根據IHS預測數據，2035年中國自動駕駛汽車有望達到570萬輛將超越美國成為全球最大的自動駕駛技術應用市場。同時波士頓咨詢公司也認為中國將在15年內成為最大自動駕駛車輛市場。[20]面對如此龐大的市場，如何制定多樣化智能人才培訓開發戰略，成為未來自動駕駛領域研究的重中之重。

參考文獻：

[1]US Department of Transportation.Preparing for the future of transportation： automated vehicles 3.0[EB/OL]. （2018-10-04）.

[2]劉通.北京設立智能網聯汽車政策先行區[J].汽車縱橫，2021，（05）：93-94.

[3]李驥馳，王建海，宋瑞.國內智能網聯汽車傳感器企業發展現狀研究[J].汽車與配件，2020（11）：60-63.

[4]Kalra， Nidhi.Driving to safety： How many miles of driving would it take to demonstrate autonomous vehicle reliability？[J].TRANSPORTATION RESEARCH PART A-POLICY AND PRACTICE，2016.09.010.

[5]Bellem， Hanna.Comfort in automated driving： An analysis of preferences for different automated driving styles and their dependence on personality traits[J].TRANSPORTATION RESEARCH PART F-TRAFFIC PSYCHOLOGY AND BEHAVIOUR，2018.02.036.

[6]彭斐.加快無人駕駛、自動駕駛法規建設[J].汽車與配件，2016，（11）：6.

[7]李朋林，鄧小芝，張宇，楊壯.我國智能網聯汽車政策環境研究[J].時代汽車，2018（06）：173-178.

[8]Kolarova， Viktoriya.Assessing the effect of autonomous driving on value of travel time savings：A comparison between current and future preferences[J].TRANSPORTATION RESEARCH PART A-POLICY AND PRACTICE，2019.08.011.

[9]新聞[J].汽車與配件，2019（17）：16-21.

[10]張碩.自動駕駛成敗關鍵[J].經營者（汽車商業評論），2016（01）：190-196.

[11]冼毅瑤.自動駕駛汽車發展現狀與形態預測[J].中阿科技論壇（中英阿文），2019（01）：1-4+105-109.

[12]Berkaya，Selcan Kaplan.On circular traffic sign detection and recognition[J].EXPERT SYSTEMS WITH APPLICATIONS，2015.11.018

[13]南辰.“無人駕駛”不是“車禍終結者”[J].汽車與安全，2016（11）：45.

[14]石彩云.未能看到的新結盟[J].經營者（汽車商業評論），2019（10）：78-79.

[15]Marchet，Gino.Development of a framework for the design of autonomous vehicle storage and retrieval systems[J].INTERNATIONAL JOURNAL OF PRODUCTION RESEARCH，2013.778430.

[16]Abe，Ryosuke.Introducing autonomous buses and taxis： Quantifying the potential benefits in Japanese transportation systems[J].TRANSPORTATION RESEARCH PART A-POLICY AND PRACTICE，2019.06.003.

[17]吉菁菁.自動駕駛，締造未來之車[N].北京科技報，2021-04-26（014）.

[18]申楊柳，朱一方.國外自動駕駛汽車準入管理探索與實踐[J].汽車與配件，2021（07）：41-43.

[19]夏熊飛.多地試點讓自動駕駛從夢想走進現實[N]. 中國青年報，2020-10-30（002）.

[20]Google Self-Driving Car Project[EB/OL].[2017-01-20].