王 丹，盛 武

(安徽理工大學 經濟與管理學院，安徽 淮南 213000)

0 引言

煤炭能源是我國最主要的能源，承擔能源安全壓艙石作用，但煤礦開采過程中造成的資源浪費、作業(yè)強度大、效率低、安全事故頻出等問題都給當前煤炭行業(yè)轉型升級造成巨大的沖擊[1]。煤礦開采要想實現安全高效，實現煤礦智能化是必經之路，是煤炭行業(yè)發(fā)展、轉型的核心技術支撐[1，2]。2020年2月，國家發(fā)展改革委、國家能源局等八部委聯合印發(fā)了《關于加快煤礦智能化發(fā)展的指導意見》一文中提出將先進智能技術與現代煤炭開發(fā)相融合，形成智能化運行體系，推動煤礦行業(yè)發(fā)展[3]。2020年底，國家發(fā)展改革委、國家能源局啟動了第一批71處國家智能化煤礦建設示范項目[4]。目前，我國智能化煤礦建設建立了良好的體系，確定了建設路徑和穩(wěn)定高效的開采模式[5]，并在構建智能化煤礦數字邏輯模型[6]、煤礦系統(tǒng)智能化架構和協同機制[7]、礦井4D-GIS地理信息系統(tǒng)系統(tǒng)[8]、 智能通風系統(tǒng)[9]、智能調度系統(tǒng)[10]、固定崗位無人值守系統(tǒng)[11]等方面取得較好的研究成果；美國、德國、澳大利亞等國家正以“智能化”為核心，探索實現工作面無人的智能化開采。煤礦智能化研究在國際學術界也引起很大關注，王國法、劉峰[12]等人對智能化發(fā)展進程進行系統(tǒng)描述，分析了煤礦智能化的理論基礎、關鍵技術、主題系統(tǒng)結構和主要技術路徑，并提出了我國煤礦智能化快速掘進的方向和技術路徑、現有生產礦井智能化改造等政策建議；葛世榮、郝尚清[13]等人介紹了采礦技術智能化的發(fā)展歷程，針對復雜條件下的智能化難題，提出精準定位、煤巖識別、智能支護、自主糾偏及智能煤流感控五項智能化技術和未來需提高智能開采的自主能力和適用范圍。張慶華、姚亞虎、趙吉玉[14]指出實現通風技術智能化的四大難題，進而提出解決難題的重要方向：智能感知、決策和控制，實現通風智能化和無人化。李首濱[15]提出智能化開采的主要制約因素，即裝備穩(wěn)定性、可靠性不強、技術適應度不高和開采思想、管理模式理念不牢固等。Ma Long[16]介紹了建設智能礦山的結構與必要性，并闡述了當前在智能礦山建設中廣泛應用5G通信技術，促進智能礦山的建設；Carly Leonida[17]提出需要利用先進的數據管理和通信基礎為礦業(yè)行業(yè)的數字化鋪平道路；Jane H. Hodgkinson、Marc Elmouttie[18]提出可以通過數字孿生技術增加采礦數字化和實時交互，通過對礦山同步數字孿生的潛力進行評估發(fā)現，數字孿生對采礦業(yè)務中期預測的價值可能是有限的。Gary Conway[19]提出目前自動駕駛汽車、人工智能和機器學習正在結合起來，創(chuàng)造一種新的工業(yè)4.0采礦方法，改變礦業(yè)對數字通信戰(zhàn)略重要性的看法。

隨著智能技術發(fā)展水平的升級，煤礦行業(yè)實現了從原始的人工作業(yè)階段到機械化階段再到數字化、自動化階段，最終逐步向智能化階段邁進。但現階段對于國內外煤礦智能化的研究現狀和未來發(fā)展前景進行全面、直觀、清晰的分析不多，由于科學知識圖譜可以將一個知識領域來龍去脈的演進歷程集中展現在一幅引文網絡圖譜上[20]，可以快速掌握研究對象的發(fā)展進程，因此本文利用CiteSpace軟件對煤礦智能化領域2007-2021年間國內外文獻進行可視化知識圖譜分析，揭示煤礦智能化領域研究熱點及研究趨勢，為煤礦智能化建設提供決策依據。

1 研究工具和數據來源

1.1 研究工具

本文采用CiteSpace軟件對煤礦智能化進行多方位研究[21]。CiteSpace軟件基于Java環(huán)境開發(fā)和使用，融合共現分析和聚類分析，以圖譜的形式對研究作者、機構、關鍵詞、研究熱點等方面進行可視化分析，具有準確、便捷、高效等特點[22]。

1.2 數據來源

本文以煤礦智能化領域相關文獻為研究對象，以CNKI中國知網和Web of Science數據庫為數據源，將文獻檢索時間范圍設置在2007-2021年區(qū)間，剔除與主題不符、重復、報告和通知等無效文獻，檢索到CNKI中國知網文獻2048篇，Web of Science文獻195篇，具體檢索情況見表1。

表1 數據來源及處理

2 數據結果分析

2.1 年度發(fā)文量分析

為了準確了解某一研究領域在某一時間段內的研究成果與發(fā)展趨勢，選擇對這一領域的發(fā)文量進行統(tǒng)計與分析[23]。利用EXCEL表格繪制2007-2021年間國內外煤礦智能化年發(fā)文量分布情況，如圖1所示。

從圖中可以看出，國內外煤礦智能化領域年發(fā)文數量隨著年份的增加整體呈現波動上升發(fā)展態(tài)勢，表示國內外學者對煤礦智能化的重視程度越來越高。并且近年來國內對煤礦智能化的關注程度遠遠高于國外，發(fā)文數量遠遠超過外文文獻。國內對煤礦智能化的研究大致可以分為3個階段：2007-2013年為起步探索階段，國內對煤礦智能化意識不強，且在2007-2008年出現輕微下降趨勢，發(fā)文量整體處于緩慢波動增長狀態(tài)，由2007年的年發(fā)文量18篇增長為2013年的年發(fā)文量66篇；2013-2017年為該領域的探索波動期，人們逐步踏入煤礦智能化時代，推動煤礦轉型，用智能化機器、智能化技術代替?zhèn)鹘y(tǒng)的人工作業(yè)方式，整個階段發(fā)文量相對平穩(wěn)，在2015年、2017年出現下降趨勢，但總體處于平穩(wěn)發(fā)展狀態(tài)；2017年以來，隨著人工智能、自動化、大數據等技術逐漸成熟，煤礦智能化開始快速發(fā)展，年均增長量超過70篇，在2020年達到最高，高出2019年近200篇，并在2021年達到最高，為523篇，這表明我國對煤礦智能化的研究越來越深入，智能化技術對我國煤礦事業(yè)的發(fā)展至關重要。與中文文獻相比，外文文獻發(fā)文量少于國內，在2007-2016年間發(fā)文量均較少，平均發(fā)文量保持在10篇以內，2016年之后開始呈現緩慢上升趨勢，這一階段正是大數據、物聯網、人工智能等新技術被廣泛應用于管理領域的關鍵時期，體現出隨著先進智能技術的發(fā)展，將新興智能技術應用于煤礦開采過程，促進煤礦行業(yè)智能化發(fā)展逐步引起了國際上的重視。

圖1 國內外煤礦智能化年度發(fā)文量分布圖

2.2 發(fā)文作者分析

通過對發(fā)文作者的分析，可以了解某領域的作者群體及其合作情況，較為精準的提煉出科學研究主體[24]。在CiteSpace軟件中選取“Author”，時間跨度定為“2007-2021年”，時間切片選擇“1”，并選中“Pathfinder”選項，點擊“Go”運行得到CNKI中國知網和Web of Science發(fā)文作者共現圖譜，如圖2、圖3所示。

圖2 CNKI中國知網煤礦智能化領域發(fā)文作者共現圖譜

圖3 Web of Science煤礦智能化領域發(fā)文作者共現圖譜

圖2中節(jié)點數(Nodes)=478，連線(Links)=313、密度(Density)=0.0027，圖3中節(jié)點數(Nodes)=326，連線(Links)=814、密度(Density)=0.0154，這表明國內外煤礦智能化領域樣本中的研究學者基數較大，且國外作者間的連線與密度均大于國內，體現外文文獻中作者間的合作關系強于中文文獻。但由于國內外該領域作者合作密度均較低，所以國內外作者總體在煤礦智能化領域雖形成了一定的合作研究團體，但規(guī)模不大，可以加深作者間的合作，使其在煤礦智能化領域的研究更加深入。

節(jié)點大小與發(fā)文量成正比，選取CNKI中國知網樣本中發(fā)文量前十的作者，見表2。

表2 煤礦智能化領域CNKI中國知網發(fā)文前十的作者名單

續(xù)表

國內發(fā)文量最多的作者是中國工程院王國法，發(fā)文量為23篇；其次是來自中煤科工開采研究院有限公司的任懷偉，發(fā)文量為14篇；其二人均在2018年首次發(fā)表煤礦智能化領域文章。天地科技股份有限公司的龐義輝，中國礦業(yè)大學(北京)的劉峰發(fā)文量均為10篇，國家能源集團煤炭運輸部的丁震發(fā)文量為9篇，中煤科工開采研究院有限公司的趙國瑞發(fā)文量為8篇，中國礦業(yè)大學(北京)的葛世榮、陜西延長石油礦業(yè)有限責任公司的范京道、西安科技大學的曹現剛和中國神華神東煤炭分公司的王飛發(fā)文量均為7篇。由此可知，排名前十的學者發(fā)文量相對可觀，但和檢索的2007-2021年的1761篇文獻相比還是較少，研究學者分布較廣。從發(fā)文作者所在機構可以分析出，目前我國煤礦智能化領域研究主要分布在高校和研究院，存在明顯的分布不均衡現象。通過在CNKI中國知網檢索發(fā)現，王國法院士在2019年8月15日發(fā)表的《煤礦智能化(初級階段)研究與實踐》下載量及引用量高達5549次和310次，這說明王國法等人在煤礦智能化領域的研究成果參考價值很高，且2019年成為我國煤礦智能化領域研究的關鍵時間點。根據圖3可知，Web of Science中發(fā)文量較多的作者有 Wang Guofa(18篇)、Yuan Liang(12篇)、Wu YQ(5篇)，發(fā)文量總體較少，且發(fā)文量較多的均是中國學者，體現了我國學者對煤礦智能化的研究在國際上提供了較高的學術參考價值。

2.3 研究機構分析

對某領域研究機構分布及合作關系進行分析，可以得出該領域的核心機構分布情況。在CiteSpace軟件中選擇“Institution”，時間跨度、時間切片等變量選取與發(fā)文作者一致。得到2007-2021年CNKI中國知網和Web of Science發(fā)文機構共現圖譜，如圖4、圖5所示。從圖4中可以看出，CNKI中國知網中共有417個(Nodes=417)研究機構參與煤礦智能化領域研究，其中發(fā)文量最多的是天地(常州)自動化股份有限公司，為35篇；位居第二的是中煤科工集團常州研究院有限公司，發(fā)文量為25篇；中煤科工集團重慶研究院有限公司發(fā)文量為22篇，位居第三。其他發(fā)文較多的機構有煤炭科學研究總院開采研究分院、天地科技股份有限公司開采設計事業(yè)部、煤炭科學研究總院及中國礦業(yè)大學信息與電氣工程學院等，從研究機構的分布可以看出，國內研究院、高校和企業(yè)越來越關注對煤礦智能化領域的研究。圖5中Web of Science中共有153個(Nodes=153)研究機構參與研究，其中發(fā)文量最多的是China Univ Min & Technol，為43篇；位居第二的是Xian Univ Sci & Technol，發(fā)文量為15篇；China Univ Min & Technol Beijing發(fā)文量為13篇，位居第三。Anhui Univ Sci & Technol、Shandong Univ Sci & Techno、Liaoning Tech Univl及Henan Polytech Univ發(fā)文量也較多。從中發(fā)現位居第一的是中國機構，且發(fā)文量較多的機構主要來自中國，說明我國眾多機構高度重視對煤礦智能化領域的研究，且引起了國際上的高度關注。同時，圖4中各機構間的連線有174條(Links=174)，密度為0.002(Density=0.002)；圖5中各機構間的連線有163條(Links=163)，密度為0.014(Density=0.004)，說明國內外該領域研究機構較為分散，雖存在一定的合作關系，但團隊規(guī)模有限?？梢约由顧C構間合作交流頻率，推動煤礦工業(yè)智能化改革進程。

圖4 CNKI中國知網煤礦智能化領域研究機構分布及合作情況共現圖譜

2.4 研究熱點分析

2.4.1 關鍵詞共現圖譜分析

研究某一領域的研究熱點就是研究分析此領域中心度和頻次高的關鍵詞，即在一段時間內研究者共同關注的問題[25]。本文利用CiteSpace軟件選取“Keyword”節(jié)點類型，對煤礦智能化領域進行熱點主題分析。時間跨度、時間切片等變量不變，運行得到CNKI中國知網和Web of Science關鍵詞共現圖譜分析(圖6、圖7)。

圖6 CNKI中國知網煤礦智能化領域關鍵詞共現圖譜

圖7 Web of Science煤礦智能化領域關鍵詞共現圖譜

其中，在關鍵詞共現圖譜中，節(jié)點越大，表示關鍵詞出現的次數越多。同時，生成表3對CNKI和Web of Science中高頻關鍵詞進行分析。

表3 國內外煤礦智能化領域高頻關鍵詞

從圖6、表3中可以看出，目前國內煤礦智能化研究領域研究熱點主要分布在“智慧礦山”、“煤礦”、“智能化”、“物聯網”、“智能礦山”等方面；說明“智慧礦山”、“智能礦山”等的建設和物聯網、智能控制、大數據、人工智能等先進智能技術融合進當前煤礦開采環(huán)境是煤礦智能化未來的發(fā)展前景。由圖7、表3可知，目前國外煤礦智能化研究主要重視對“coal mine(煤礦)” 、“system(系統(tǒng))”、“coal mining(煤礦開采)”、“model(模型)”、“algorithm(算法)”等方面進行分析。對比圖6、圖7和表2中的高頻關鍵詞可知，目前國內外對煤礦智能化的研究側重點不同，國內主要研究智能化技術如何更好的融入當前煤礦大環(huán)境，當前階段更多的研究體現在理論層面；國外主要對煤礦智能化技術進行深入研究與探索，較重視實踐層面。

2.4.2 關鍵詞共現圖譜的聚類分析

聚類分析是深入剖析研究熱點的有效方式，可以更好的判斷國內外煤礦智能化的研究熱點領域[26]。本文采用CiteSpace軟件中關鍵詞聚類分析法生成聚類分析圖譜(如圖8、圖9所示)，列出不同聚類模塊的聚類規(guī)模，對煤礦智能化領域的研究熱點進行探索。通過聚類分析得到兩個重要指標：Q值(聚類模塊值)和S值(平均輪廓值)，Q值范圍一般在0～1之間，一般認為Q>0.3則表示聚類結構效果顯著；S>0.5時，一般認為聚類合理，若S>0.7，則意味著聚類效果高[27]。

圖8中，Q=0.6643，S=0.8613，說明CNKI中國知網煤礦智能化領域關鍵詞聚類結構效果顯著且聚類效果高效。圖8中選取的前10個關鍵詞分別為：智能礦山、煤礦、管理創(chuàng)新、智能化、智能、創(chuàng)新、工作面、應用、煤礦安全和Plc。這10個關鍵詞詮釋了國內煤礦智能化領域的研究主要基于煤礦、智能、創(chuàng)新等方面開展，推動煤礦行業(yè)改革。

圖8 CNKI中國知網煤礦智能化領域關鍵詞聚類圖譜

圖9中，Q=0.8379，S=0.9402，意味著Web of Science中對煤礦智能化研究熱點聚類結構明顯且聚類高效。從圖9的標簽可以看出選取的前十個關鍵詞分別是：feature extraction(特征提取)、emergency rescue(應急救援)、risk assessment(風險評估)、analytic hierarchy process(層次分析法)、disaster warning(災害預警)、unconfined compressive strength(無側限抗壓強度)、cloud computing(云計算)、coal mining(煤礦開采)、nox(氮氧化物)和ground well(地面井)。據此可知與國內相比，國外更側重于實踐探究，應用智能化技術推動煤礦轉型。

圖9 Web of Science煤礦智能化領域關鍵詞聚類圖譜

3 研究發(fā)展趨勢分析

3.1 時區(qū)圖研究

識別煤礦智能化領域關鍵詞的演變趨勢有助于了解此領域研究熱點的演進情況[28]。在CiteSpace軟件中選取“Keyword”，在可視化面板中的Control Panel操作面板中選擇“Layout”，并將Visualizations選項中調整為“Timezone View”，運行得到CNKI中國知網和Web of Science關鍵詞時區(qū)圖聚類圖譜(如圖10、圖11所示)，深層次分析煤礦智能化領域的發(fā)展歷程。

圖10中，結合時代大環(huán)境背景，可以將煤礦智能化領域的演變歷程大致劃分為3個階段。2007-2011年為第一階段，學者在此階段主要集中于對“煤礦”、“智能”、“智能化”、“智慧礦山”、“物聯網”“煤礦開采”等關鍵詞的研究，對煤礦智能化的理論研究和研究方向逐漸形成和完善；第二階段是2012-2016年，學者在此階段的研究熱點較第一階段有減少，研究細化程度提高，研究熱點大多聚集在“數字礦山”、“人工智能”、“信息化”“云計算”等方面，將煤礦智能化的研究與技術建立緊密聯系；2017年以來，是煤礦智能化領域研究的上升爆發(fā)期，隨著近年來科學技術的迅速發(fā)展，“智慧煤礦”、“智能煤礦”、“開采技術”、“智能管控”等成為煤礦智能化領域研究的熱點關鍵詞，煤礦行業(yè)逐步進入數字化、信息化、自動化、智能化的時代，不斷創(chuàng)新改革推進煤礦行業(yè)發(fā)展。

由圖11可知，2009-2012年期間，主要集中于對“neural network(神經網絡)”、“prediction(預測)”、“coal mining(煤礦開采)”、“expert system(專家系統(tǒng))”等研究方向的探索；2013-2018年期間，國外對煤礦智能化的關注度特別高，此階段內涌現了眾多熱點關鍵詞，如“model(模式)”、“coal mine(煤礦)”、“machine learning(機器學習)”、“system(系統(tǒng))”等，表明國外對此領域的研究內涵更為豐富，角度更為擴展；2019年以來，研究熱點逐漸減少，主要對“intelligent mining(智能采礦)”、“identification(識別)”、“deep learning(深度學習)”等進行鉆研，意味著國外對煤礦智能化領域的研究進入智能技術應用研究階段。

圖10 CNKI中國知網煤礦智能化領域關鍵詞時區(qū)圖圖譜

圖11 Web of Science煤礦智能化領域關鍵詞時區(qū)圖圖譜

3.2 突現詞研究

為了更清晰了解煤礦智能化領域的新興研究熱潮，可通過CiteSpace軟件對關鍵詞圖譜進行突現詞探測，衡量前沿性研究價值[29]?；陉P鍵詞圖譜，在Selection Criteria中選擇“Top N”，點擊“Go”運行。在Burstness中點擊“Refresh”，調整相關指數，點擊“View”，得到關鍵詞突現圖譜，如圖12、圖13所示。

圖12 CNKI中國知網煤礦智能化領域關鍵詞突現圖譜

圖13 Web of Science煤礦智能化領域關鍵詞突現圖譜

從突現強度分析，CNKI中國知網檢索文獻中“智慧礦山”、“智能化”突現強度較高，高達16.42和16.4，這表明在2019-2021年期間，國內學者在對煤礦智能化研究中，對“智慧礦山”、“智能化”等方式關注熱度較高，實現煤礦智能化最好的方式是建設“智慧礦山”。Web of Science中突現強度最高的是“regression(回歸)”，但僅有1.78，且研究熱度僅持續(xù)一年，說明國外學者在研究過程中發(fā)現其并不是未來發(fā)展熱點。根據突現時間分析，國內研究中，雖然“智慧礦山”、“智能化”、“大數據”、“關鍵技術”、“智能開采”、“智慧煤礦”、“智能煤礦”、“無人駕駛”、“智能裝備”、“管理創(chuàng)新”、“采煤機”等關鍵詞出現時間較晚，均于2019年出現，但研究熱度一直高漲，且是現階段和未來煤礦行業(yè)發(fā)展的重點。國外研究中，“neural network(神經網絡)”、“l(fā)ongwall mining(長壁采煤法)”等詞突現時間持續(xù)較長，但在近幾年，沒有再深入研究，說明國外近些年對煤礦智能化的研究方向有所轉移。近些年，國外對煤礦智能化領域的研究熱點主要集中在“seam(煤層)”、“behavior(行為)”、“classification(分類)”、“channel wave(巷道變形)”等方面。

對比分析國內外突現詞發(fā)現其對煤礦智能化領域研究熱點各有側重，但總體都是以煤礦行業(yè)當前環(huán)境背景與先進技術相融合為目標，增進煤礦行業(yè)走向智能化進程。

4 結論

(1) 中外文獻在發(fā)文量方面整體趨勢一致，呈現波動上升態(tài)勢，且中文文獻發(fā)文量多于外文文獻，國內增長趨勢優(yōu)于國外，體現國內外在煤礦智能化領域重視程度不斷提高。

(2) 國內外作者、機構間在該領域的研究形成一定的研究群體，但群體間合作不多，合作關系較為松散，團隊規(guī)模較小。國內合作主要集中在科研企業(yè)、科研院所、高校之間，與外界合作不多，外文文獻作者、研究機構主要來自于中國，體現我國學者對煤礦智能化領域的研究做出了巨大的貢獻，對于煤礦智能化領域的研究在國際上學術參考價值較高。

(3) 在研究熱點方面，對中外文獻進行分析，得出國內外學術研究關注的重心有所不同。國內更注重技術與環(huán)境的融合，從理論出發(fā)，國外則更偏向實踐角度，對技術的研究占比較高。國內主要側重研究將物聯網、大數據、智能控制、人工智能、智能裝備等新興智能技術與煤礦開采技術相融合，國外主要側重于遠程控制、無人監(jiān)測、系統(tǒng)性等相關智能化技術的研究，促進煤礦智能化發(fā)展。但整體來說，國內外研究大方向基本一致，均旨在實現煤礦行業(yè)轉型，使智能化技術在煤礦行業(yè)的應用不斷加深。

(4) 對于煤礦智能化領域研究重點和研究方向上，國內外雖然側重點有所不同，國內前期更多注重“智慧礦山”、“智能化”的理論研究，對大數據、智能開采、智能裝備等先進智能化技術的的研究出現較晚，但這是未來研究趨勢；國外近些年則一直重視對先進智能化技術的探索，推動煤礦智能化轉型。

(5) 當前，數字化、信息化、自動化、智能化發(fā)展日益加快，煤礦智能化開采成為煤炭工業(yè)技術革命和升級發(fā)展的必然選擇。在數字經濟背景下，煤礦智能化研究需要多角度、多學科探索，進行知識的再整合，進而構建新的煤礦智能化管理體系。該領域各方研究者和研究機構應加強合作交流，擴大團隊合作規(guī)模，構建成熟的合作關系網絡，共同推動煤礦智能化研究的發(fā)展。