國內無人機領域算法研究進展知識圖譜分析

羅軍華，李 威*，趙衛權，孫小瓊，何秋葉

（1.貴州省山地資源研究所，貴州 貴陽 550001；2.貴陽市城鄉規劃設計研究院，貴州 貴陽 550001）

無人機是一種通過無線電遠程遙控或自備程序控制操縱的不載人飛機，集無線通信、飛行控制、衛星導航等技術于一體[1]，自20 世紀初應軍事需求問世以來，應用領域逐步擴大至航拍、測量、植保、救援等民用領域。無人機執行任務的實質是軟件算法與硬件協同工作的典型體現，算法主要涉及航跡規劃、智能避障、飛控等方面，且隨著行業的發展，算法開發內容一直處于快速更新迭代中，是行業內的研究重點。20 世紀50 年代我國開始正式研制無人機，歷經數十載，已積累圖像傳輸[2-4]、飛行控制[5-6]、航跡規劃[7-9]等大量研究成果；但算法復雜且形式多樣，目前國內還沒有歸納與總結整個無人機算法研究歷程的學術成果。針對海量文獻目標，傳統文獻計量方法則會暴露效率低、不夠客觀等缺點；而科學知識圖譜是現代文獻計量學中較出色的分析方法之一，兼有“圖”與“譜”的雙重特性，可直接、客觀地顯示知識網絡群體之間的交叉、演化或派生等復雜關系[10]?；贑iteSpace 與CNKI 中文數據庫，馬子涵[11]等梳理歸納了我國軍備保障效能領域的研究成果；陳磊[12]等對我國煤礦安全評價領域的發展態勢進行了歸納、總結與可視化表達。鑒于此，為理清國內無人機算法的發展趨勢、歷史研究熱點與迭代方向，以CNKI 數據庫中無人機算法相關文獻為數據源，借助CiteSpace可視化軟件，從發文類型與數量、發文作者、關鍵詞、研究前沿等角度出發，繪制了無人機算法領域知識圖譜，并梳理了整體發展脈絡，分析了歷年研究熱點，歸納了整體歷史走向，以期為后續研究提供參考依據。

1 數據來源與研究方法

1.1 數據來源

在CNKI 的高級檢索功能中，以“SU=‘無人機*算法’”為檢索式，期刊來源選擇SCI、EI、核心期刊、CSSCI、CSCD六類，其余文獻類型選擇碩、博士學位論文與會議論文3類，獲得有效檢索結果9 410條，檢索時間為2022-05-28。

1.2 研究方法與工具

基于已部署的本地JDK 運行環境，在CiteSpace V5.8.R3操作界面中，時間序列設置為1996—2022年，時間切片設置為1 a，節點類型分別選擇為作者、關鍵詞和突現主題詞匯等，進行全方位的知識圖譜共現分析與聚類分析。

2 研究結果與分析

2.1 發文數量時間分布特征

發文數量隨時間的變化趨勢可在一定程度上反映學術研究的整體發展歷程。1996—2021年該領域整體發文數量的變化情況見圖1 （其中2022-01-01—2022-05-28 的209 篇文獻未統計），可以看出，核心期刊占比為32.9%，碩士、博士學位論文占比分別為59.5%、5.1%，學術期刊的統計發文量低于碩士學位論文是由于文獻檢索時未考慮普刊、論壇匯報等雜志；1996—2003 年發文量較少，且1997 年、2000 年等無相關研究成果，該階段是國內無人機算法研究的萌芽時期，無人機剛進入民用行業，如何結合行業需求進行二次開發與生產應用，是該階段民眾與研究人員主要考慮的問題； 2004—2016 年發文量明顯增加，2016年碩士學位論文數量達到324篇，表明無人機算法的開發內容開始明確，行業應用需求逐步確定，該階段是國內研究的起步探索期；2017—2021年發文量快速增加，2020年碩士學位論文數量達到峰值（1 071篇），該階段是國內研究的快速發展期。

圖1 1996—2021年無人機算法研究發文數量隨時間變化趨勢圖

2.2 發文作者共現分析

利用CiteSpace對發文作者進行共現分析，可識別出發文數量較多的核心作者與研究人員之間的相互合作關系。在軟件操作界面，節點類型選擇作者，剪枝網絡方式選擇最小生成樹，閾值設置為40，最終生成作者共引知識圖譜（圖2）與作者發文頻次排名表（表1），可以看出，圖譜中共有網絡節點589 個，網絡連接邊504條，網絡密度為0.002 9，圖中節點的大小與作者出現的頻率成正比，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表示時間由遠至近，而節點之間連接線條數量與粗細程度反映了作者之間的相互合作關系與合作強度，線條越細，數量越少，則表明節點之間的合作關系越弱；發文頻次最多的3 位作者分別為金國棟、譚力寧和代冀陽，發文量50 篇以上的作者共計16 位?；谛藜艉喜⒕W絡算法優化合作網絡，主要可分為4 大核心作者群，即火箭軍工程大學的金國棟、譚立寧、薛遠亮等，南昌航空大學的代冀陽、應進、王寧等，陸軍工程大學的李艾靜、王海等，南京航空航天大學的王磊、仲志偉、張俊杰等；圖譜中還存在部分節點頻次不高、連接較簡單的合作網絡以及分散的獨立作者。整體看來，各大研究團體之間的連線都比較稀疏、節點相互獨立，表明團隊之間的學術互引關系較弱、強度較低，學科知識與研究成果的共享程度較差，不利于國內無人機算法領域的可持續發展。

表1 1996—2022年發文數排名前20位的作者及其機構名稱

圖2 國內無人機算法領域1996—2022年發文作者共引知識圖譜

由表1 可知，火箭軍工程大學學術團隊總發文量占排名前20位作者總發文量的26.1%，南昌航空大學學術團隊占13.05%，陸軍工程大學學術團隊占6.49%，南京航空航天大學學術團隊占22.47%，合計68.11%，表明除主要研究團隊外，國內該領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科基礎，初次開展無人機算法研究的外部學者可著重關注4 大作者群的研究成果，進行系統性學習。

2.3 關鍵詞共現分析

本文將節點類型設置為關鍵詞，網絡優化方式設置為尋徑算法，節點閾值設置為100，計算歷年關鍵詞網絡節點的中心度，獲取關鍵詞共引知識圖譜（圖3）與中心度大于0.05的歷年關鍵詞排序表（表2），可以看出，圖譜中共有網絡節點774 個，連接邊1 996 條，網絡密度為0.006 7，節點之間連接緊密，網絡密度較高，具有明顯的主題演化路徑；圖譜中除出現“無人機”“UAV”“四旋翼”等飛行器詞條外，還有“航跡規劃”“航路規劃”“路徑規劃”“任務規劃”等一系列用于實現飛行器自主導航、自主作業、運動控制的核心算法詞匯，以及“三維重建”“數據融合”“圖像拼接”“特征提取”等無人機數據采集后處理的關鍵技術名詞；網絡節點中心度常用于衡量與該節點直接聯系的個體數目，中心度越大，表明該節點在共現網絡中的受關注程度越高[13]，在整個無人機算法發展歷程中，中心度在0.15 以上的除“遺傳算法”“路徑規劃”“航跡規劃”等涉及無人機飛行方案、模式的詞條外，還有“三維重建”“協同控制”“特征匹配”“圖像分割”“遙感”等有關無人機數據采集后處理的重要內容。從研究內容與應用成果的角度出發，1996—2007年無人機是以飛控、航跡與路徑規劃等基礎算法開發為主要研究內容，如pid 控制算法、滑?？刂疲ǘApid）等都是無人機飛控開發中的常見算法，而BP神經網絡被用于協助pid算法對無人機動力裝置進行控制、牽引，dsp 架構被學者引入無人機領域作為飛控系統設計的基礎框架，遺傳算法則被用于無人機各類航跡、航路、任務規劃中；2008—2014年無人機在基礎航飛與航路執行等功能得到保障后，國內研究重點開始轉向行業應用，并針對部分特定功能展開進一步算法研究，如“三維建?！薄皵z影測量”“編隊控制”“圖像拼接”“集群”等，同時“避障”詞條的出現表明學者開始進行無人機避障功能的算法研發；2015—2019年學者開始將無人機算法開發與人工智能技術相結合，如“圖像分割”“機器學習”“變化檢測”“語義分割”“視覺檢測”等都屬于人工智能的技術范疇，在該研究階段無人機技術結合智能識別算法已實際運用于電網的巡檢工作中；隨著5G 通信、光通信技術的發展推廣，2020—2022 年出現了“物聯網”“智能檢測”“巡檢”等詞條，表明在快速、高效通信技術的加持下，學者正逐步考慮將無人機納入物聯網系統中，利用無人機靈活性高、響應速度快、活動范圍廣等優勢，實現無人機的分布式監控與全自主無人化飛行管理等。綜上所述，可將無人機算法領域的研究歷程分為基礎算法開發期（1996—2007年）、行業應用拓展期（2008—2014年）、人工智能發展階段（2015—2019 年） 和物聯網展望階段（2020—2022年）。

表2 1996—2022年各年份關鍵詞中心度排序表

圖3 國內無人機算法領域1996—2022年關鍵詞共引知識圖譜

2.4 關鍵詞聚類分析

基于關鍵詞可視化分析結果開展進一步的聚類計算，聚類算法選擇LLR，主題數量設置為10，最終生成關鍵詞聚類圖譜（圖4）與關鍵詞時區分布圖譜（圖5）。通過圖譜可獲知該領域排名前10位的研究主題，并通過查閱各聚類節點的詳細信息，找出各詞條引用數量最多的關鍵文獻（表3）；還可剖析各主題的詳細發展路徑。以“圖像拼接”為例，該主題的子詞條首次出現于2007—2010 年，包含“廣逆性”“魯棒性”“SIFT”等以概念性為主的內容，并于2010—2013年涌現“圖像融合”“圖像配準”“影像匹配”等大量技術名詞，在后續發展進程中，“云計算”“作物遙感”“監督分類”“水稻”等詞匯的出現，也表明“圖像拼接”主題的研究內容開始轉向數據計算、遙感應用等方向。

表3 LLR聚類算法下各研究主題引用數量最多的關鍵文獻

圖4 國內無人機算法研究領域關鍵詞聚類知識圖譜

圖5 國內無人機算法研究領域關鍵詞時區分布圖譜

2.5 階段性研究前沿突現分析

將聚類詞的類型設置為突發聚類，對研究領域歷年的研究熱點進行突現分析，并將發文量較少的年限（1996—2002 年）合并為1 個時間單元，獲得排名前10位的突發關鍵詞統計結果（表4）。研究前沿是指學科領域中正在探索和研究，并即將發生的代表性科學問題。國內突現度最高的關鍵詞為“無人機”，突現年限為1996—2007 年，突現度為25.936 1，表明該時段內無人機興起并被國內學者廣泛提及，為該學科的研究前沿。相同詞條出現在關鍵詞表中的時間要早于突發聚類詞表，表明新研究前沿的出現，研究人員通常需經過一段時間的探索后才能成為下個階段的重點研究對象。

表4 國內1996—2022年無人機算法研究領域前10突發聚類關鍵詞

3 結 語

本文以CNKI 核心文獻數據庫為基礎數據源，基于CiteSpace V5.8.R3可視化軟件與Excel統計工具，結合文獻計量法與知識圖譜分析法，從發文數量、發文作者、歷年關鍵詞、關鍵詞聚類和研究前沿等角度出發，回顧與總結了國內無人機算法領域的發展歷程。

1）國內有關無人機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，碩士與博士學位論文的發文數量較多，占比分別為59.5%和5.1%。根據發文數量，可將該領域的發展進程劃分為無人機算法研究的萌芽時期（1996—2003 年）、起步探索時期（2004—2016年）和快速發展期（2017—2021年）。

2）國內該領域研究主要分為火箭軍工程大學、南昌航空大學、陸軍工程大學和南京航空航天大學4個核心作者群。各學術團隊之間的連線較稀疏，表明團隊之間的學術互引關系較弱、強度較低，學科知識與研究成果的共享程度較差，不利于國內無人機算法領域的全面發展。

3）從歷年研究熱點的角度來看，該領域的發展歷程可分為基礎算法開發期（1996—2007年）、行業應用拓展期（2008—2014 年）、人工智能發展階段（2015—2019年）和物聯網展望階段（2020—2022年）。

4）在文獻數據的預處理階段，無論基于何種檢索方法都會存在數據搜集不全或數據冗余的情況，導致可視化結果存在一定的偏差與誤判，這是知識圖譜研究的難點，也是未來重點的突破方向。