Transport Research >

2023 , Vol. 9 >Issue 6: 66 - 77

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2023.06.007

Technology Frontier

Visualization Analysis of Domestic Aviation Safety Research Status and Trend

  • WEN Jun , 1 ,
  • ZHU Lin 2 ,
  • LIUZHU Minne 1 ,
  • XIONG Yifu 1
Expand
  • 1 Airport College, Civil Aviation Flight University of China, Guanghan 618300, China
  • 2 College of Economic and Management, Civil Aviation Flight University of China, Guanghan 618300, China

Received date: 2023-10-11

  Online published: 2024-01-16

Fold

Abstract

In order to grasp the research status, hotspots and development trends of domestic aviation safety as a whole, 753 literatures included in CNKI(China National Knowledge Infrastructure) from 2000 to 2022 were taken as data sources, and visual analysis and statistical softwares such as CiteSpace, BICOMB and SPSS were used. Quantitative statistics and qualitative analysis were carried out on six aspects of the research literature: spatiotemporal distribution, core authors, institutional cooperation, keyword clustering, co-word network and keyword mutation. The results show that: ① the number of domestic aviation safety documents conforms to the Logistic growth curve, which can be divided into three stages: exploration period, development period and outbreak period; ② at present, domestic aviation safety research has formed a small number of core author cooperative sub-networks, which indicates that the internal cooperation of research institutions is relatively close, but the network density of the cooperation map between core authors and research institutions is less than 0.1, which indicates that the overall cooperation is loose and no extensive cooperation network has been formed; ③ domestic aviation safety research keywords can be clustered into 10 categories, covering 60.658% of information; the research mainly focuses on the three aspects of "man" "aircraft" and and "management", and the research on "aviation environment" should be strengthened in the future; ④"safety management engineering" is the frontier of aviation safety research, and how to achieve digital analysis and intelligent application of aviation safety is the future research trend.

Key words： aviation safety; knowledge map; co-word clustering; CiteSpace; scientometric visua-lization

Cite this article

WEN Jun , ZHU Lin , LIUZHU Minne , XIONG Yifu . Visualization Analysis of Domestic Aviation Safety Research Status and Trend[J]. Transport Research, 2023 , 9(6) : 66 -77 . DOI: 10.16503/j.cnki.2095-9931.2023.06.007

0 引言

安全是航空业的生命线，航空运行中任何环节都不容忽视。航空安全整体保障能力的提高需要综合考虑各个环节的因素，包含人、机械和环境等[1]。
航空安全的重要性激发了学术界的研究兴趣，众多学者对航空安全进行了大量深入研究，研究成果多集中于飞行安全、空管安全、机场安全等相关环节，涉及风险评估、设施优化、人员行为分析等方面。文献计量学的蓬勃发展促使学者开始重视航空安全的研究进展。王剑辉等[2]基于中国知网（CNKI）数据库中1999—2018年空中交通管理领域的文献进行了知识图谱研究，对该领域的核心作者、核心期刊群、研究前沿等进行了可视化分析。杨骁勇等[3]基于WOS数据库，对国际航空安全领域2001—2020年的文献进行了可视化研究，同时深度剖析了现象背后的原因。程程等[4]采用社会网络分析法对国内的航空安全管理体系相关文献进行了研究，研究目标主要集中于安全管理体系（Safety Management System, SMS）。这些学者对航空安全既有研究成果及未来发展趋势进行了多角度的探讨，为航空安全发展形势研究提供了新的思路和方法，但是文献分析的方法过于单一，研究成果仅为单一主题或单一类型的微观聚焦，呈碎片化，缺乏对航空安全整体研究议题的系统探讨和对文献的定量分析。因此，目前亟须对航空安全现状知识结构的宏观可视化分析。
现代科学计量法可以对海量的文献数据进行多元与多时的动态分析，知识图谱就是其中最重要的文献分析与计量可视化方法之一[5]。因此，为了更加全面清晰地梳理国内航空安全的研究热点和趋势，本文将以CNKI 2000—2022年检索的相关核心文献为数据源，采用文献关键词量化与共词网络可视化相结合的科学分析方法，对国内航空安全研究的知识结构、发展脉络、研究热点以及发展趋势进行全貌描绘，以期对国内航空安全研究的发展形成总体把握，为航空安全后续研究提供参考。

1 数据来源与分析工具

1.1 数据来源

本文以中国学术期刊网络出版总库（CNKI的数据库之一）作为文献数据来源，选取的搜索主题词主要有“民航安全”“航空安全”“空管安全”“飞行安全”“机场安全”“航空运输安全”“航空维修安全”等，文献出版时间为2000—2022年。为确保文献质量，文献来源类别限制为SCI期刊、EI期刊、北大中文核心期刊、CSSCI期刊以及CSCD期刊，初步得到898篇文献，人工剔除检索结果中与航空安全研究无关的会议通知、书评、通知公告和声明等，最后得到753篇关于航空安全研究的有效文献。

1.2 分析工具

CiteSpace是由美国德雷塞尔大学陈超美教授基于JAVA语言开发的一款科学分析和发掘潜在知识进而可视化呈现知识结构、规律以及分布情况的分析软件[6]，用于揭示学科知识发展的热点及演化。随着大数据时代的快速发展，CiteSpace被广泛应用到不同学科领域的文献计量研究。
书目共现分析系统（Bibliography Item Co- Occurrence Matrix Builder, BICOMB）既是文本挖掘工具，也是数据挖掘工具。其可用于对中国知网、万方和爱思唯尔等多种文献数据库下载的自定义文本文档进行读取分析，提取文献中特定的字段，统计相应字段的出现频次并按照一定的阈值截取高频条目形成共现矩阵。
SPSS统计分析软件可用于对BICOMB生成的共现矩阵进行定量聚类分析或多维尺度分析，通过定量分析学科领域内研究主题或研究方向的专业术语同时出现的现象，反映目标学科领域内主题词之间的亲疏关系，展现学科领域的研究结构[7]。其假设条件为文献主题浓缩于文献关键词，有两个或以上相同关键词的两篇文献在研究主题的概念、理论和方法上相关。共词的文章数量越多，说明共词间的“距离”越近，通过聚类分析可以按“距离”将学科领域内的关键词进行分类，从而分析出学科领域内的研究现状。

2 航空安全领域文献特征

2.1 发文时间分布

论文的发文量是衡量研究领域发展态势的重要指标，同时也是预测未来趋势的参考。为了了解航空安全的研究现状，本文以年度文献数量作为参考指标，绘制该领域国内文献的年度发文量变化趋势，如图1所示。从图1可以明显看出，航空安全的发文量符合典型的Logistic生长曲线。结合历年发文量的变化情况可知，2008年和2014年是发文量变化幅度最大的两个年份，分别比上一年度增加69.23%和40.54%。
图1 2000—2022年国内航空安全发文量统计图
按照研究活跃程度可以将21世纪以来国内航空安全研究大致分为探索期、发展期和爆发期3个阶段。
1）探索期（2000—2007年）。21世纪初，国内航空安全的研究尚处于初级阶段，每年的发文量大多在个位数。受到国际国内航空环境变化的影响，特别是2002年大连“5·7”空难以后，航空安全更加受到国内学术界的重视，该领域内发文量出现缓慢增长态势。
2）发展期（2008—2013年）。2008年全球金融危机爆发后，发展中国家逐渐成为全球经济复苏的领军者[8]。伴随我国科学技术的发展与开放程度的加深，国内航空业进入快速发展阶段，学术界对于航空安全的研究亦逐渐升温。这一时期的发文量较上一时期显著增加，年发文量大致呈线性增长的趋势，同时研究内容开始趋于细化。
3）爆发期（2014—2022年）。由于世界各国间的经济依存关系愈发紧密，开放型经济成为当代世界经济发展的潮流。2013年，中国首次提出了“一带一路”倡议。将“一带一路”映射到航空业即为“空中丝绸之路”。同时，航空业多样化与交通一体化融合发展，新的市场需求为航空业带来了新的动力，国内航空业进入飞速发展时期，国内航空安全年平均发文量基本稳定在50篇左右，研究方向呈现多元化。

2.2 核心作者分布

下面，本文将对航空安全研究领域的作者分布情况、核心作者的发文量及合作情况进行分析，以挖掘出具有学术影响力的作者及合作团队。
利用CiteSpace进行作者共现分析。由于时间跨度超过20年，为保证结果的准确性与科学性，将时间切片设置为1年，最终形成如图2所示的作者合作图谱。作者合作图谱共有节点494个，连线355条，网络密度为0.002 9，网络节点大小和字体大小反映了作者发文量的多少，节点的年轮对应文献的发表年度，年轮的厚薄代表对应年度发文量的多少，年轮颜色随年份的增长而逐渐扩散变浅。节点间连线表示作者间有合作，连线越粗表示作者之间合作次数越多。
图2 航空安全研究领域的作者合作图谱
由图2可以看出，作者两两之间连线较少，说明国内研究航空安全的作者间合作联系较为松散，研究内容与研究方向较为广泛，仅有少部分学者间有合作，形成了小部分独立群体；存在节点较少、连接简单的合作网络以及分散的独立作者，说明国内航空安全研究领域的作者还没有形成联系紧密的合作网络。
某个研究领域核心作者的发文量遵循普赖斯定律[9]，即：
m = 0.749 n m a x
式（1）中： m为核心作者发文量： n m a x为发文最多作者的发文量。
由此可计算出航空安全领域核心作者发文量 m ≥ 6。经统计，2000—2022年有18名核心作者，共发文190篇。
国内航空安全研究领域作者的合作情况显示，同一院校师生间的局部合作较多，分别形成了以徐浩军、王永刚为核心的作者合作子网络。空军工程大学的徐浩军、李颖晖、刘东亮、周莉、李哲等人组成了最大子网络，该子网络的发文时间呈现前后两个阶段。徐浩军（29篇）、李颖晖（9篇）和刘东亮（7篇）等致力于结冰对飞行安全的危害[10⇓⇓-13]、诱发飞行事故的风险评估[14]以及飞行安全预测预防[15-16]等议题。刘东亮等学者发文时间集中在2009—2013年，主要是定量评估飞行环节的安全风险，与这一时期的突变词“风险管理”相契合。李颖晖等学者的研究稍晚一些，集中在2016—2022年，侧重于解决飞机结冰中的安全工程问题。以王永刚为核心，中国民航大学的陈芳、刘玲莉等人组成了第二大子网络。王永刚（24篇）和陈芳（13篇）主要研究航空业中人的因素[17-18]与航空公司安全绩效影响因素[19-20]。这一子网络中发文时间较为平均，从2012年开始，持续活跃于航空安全领域的相关研究，其研究重点与“航空公司”“航空运输”的突变时间契合。

2.3 研究机构分布

CiteSpace中，节点类型选择为机构，时间切片设置为1年，利用Pathfinder算法剪枝，得到如图3所示的航空安全研究机构合作分布图谱。研究机构分布的可视化分析有助于了解航空安全主要的研究力量和实际贡献，直观展示研究机构的科研水平和彼此间合作强度。
图3 航空安全研究机构合作图谱
从图3可以发现，航空安全已经形成以中国民航大学为核心的研究机构合作网络。研究机构合作图谱中有节点386个，连线208条，网络密度达到0.002 8（小于0.100 0），研究团体之间的连线稀疏，说明研究机构之间的交流合作有所欠缺。站在网络分析的角度，中心度指标能够衡量一个人或者组织在所处网络中的重要性[21]。中心度算法一般有中介中心性、度数中心性和亲近中心性等指标。CiteSpace使用中介中心性指标。中介中心性主要表征的是网络中节点与节点之间的联系程度。某个节点的中介中心性越高，表明其在网络中越重要。
航空安全研究领域发文量最多的机构是中国民航大学，其下属的研究机构之间联系紧密，共发文263篇，达到总发文量的34.93%，在航空安全领域最为活跃，是研究航空安全的主力，尤其空中交通管理学院和飞行技术学院是其近年来最活跃的下属机构。发文量排名第二的是中国民用航空飞行学院（96篇），其与中国民航大学、南京航空航天大学（33篇）之间在“空中管理安全”研究方向存在合作关系，民航安全工程学院与空中交通管理学院是其研究主力。发文量排名第三的是空军工程大学（84篇），其以飞行安全事故与装备维修安全等为主要研究方向。中国民用航空飞行学院、空军工程大学与南京航空航天大学均是研究航空安全的主要机构，但中介中心性均小于关键节点标准0.100 0，说明文章影响力尚待提高。同一研究机构之间作者合作发文较多，但跨机构合作发文短缺，长久以来容易形成学术壁垒，不利于国内航空安全研究的可持续发展。

3 航空安全关键词聚类分析

3.1 高频关键词预处理

本文利用BICOMB对2000—2022年发表的753篇关于航空安全的有效文献的关键词进行数据统计，共得到3 525个关键词。国内关于航空安全的研究中，关键词使用还不够规范[22]，因此需要将意思相近或相同的关键词统一，如：将“民用航空”“民航”统一为“民航”；将“空中交通”“空管”“空中交通管理”“ATM（ Air Traffic Management）”统一为“空中交通管理”，等等。剔除对反映主题没有实际意义的“影响因素”“实证研究”“文献综述”等关键词，按照出现频次排序后截取阈值大于等于6的词作为高频关键词，得到如表1所示的50个高频关键词。这些在航空安全研究领域出现频次较高的关键词，在一定程度上反映了该领域的研究热点[23]。
表1 航空安全高频关键词
序号 关键字段 频次 序号 关键字段 频次
1 飞行安全 129 26 安全风险 13
2 航空安全 73 27 风险管理 12
3 安全管理工程 43 28 安全评估 12
4 民航安全 29 29 机场安全 11
5 安全工程 28 30 安全评价 11
6 安全 23 31 QAR 11
7 层次分析法 23 32 碰撞风险 10
8 安全管理 22 33 安全管理体系 10
9 民航 21 34 不安全事件 9
10 飞行员 20 35 机务维修 8
11 空中交通管理 19 36 不安全行为 8
12 飞机结冰 19 37 飞行事故 8
13 机场 19 38 集对分析 8
14 风险评估 18 39 人为差错 7
15 模糊综合评价 17 40 ADS-B 7
16 风险评价 16 41 神经网络 7
17 空中交通管制 16 42 人为因素 7
18 安全绩效 16 43 演化博弈 7
19 无人机 16 44 熵权法 7
20 航空运输 15 45 航空 7
21 结构方程模型 15 46 风险分析 6
22 系统动力学 15 47 进近着陆 6
23 航空公司 15 48 飞行数据 6
24 贝叶斯网络 14 49 主成分分析法 6
25 通用航空 14 50 机组资源管理 6
本研究统计了50个高频关键词的共词频次，形成50×50的高频关键词共词矩阵。为消除共词差异影响，对高频关键词共词矩阵中的每个元素进行运算：
r i j = c i j / c i i c j j
式（2）中： r i j为高频关键词相关系数； c i j, c i i, c j j均为高频关键词共词矩阵中的元素，其中 c i i和 c j j为高频关键词共词矩阵对角线上的元素（ i=1, 2, …, 50; j=1, 2, …, 50）。
利用统计软件SPSS计算得到高频关键词的相关系数矩阵，作为共词聚类定量分析的基础。

3.2 共词聚类分析

本研究利用SPSS软件对航空安全高频关键词相关系数矩阵进行因子分析，选择主成分分析法作为抽取方法，协方差矩阵作为分析对象，最大方差法作为旋转方法，选择回归因子得分方法，由此得到如表2所示的高频关键词因子数与涵盖的信息量。
表2 航空安全高频关键词因子数与涵盖的信息量
因子数 初始特征值 提取载荷平方和 旋转载荷平方和
总计 方差百分比（%） 累积百分比（%） 总计 方差百分比（%） 累积百分比（%） 总计 方差百分比（%） 累积百分比（%）
1 0.144 12.824 12.824 0.144 12.824 12.824 0.110 9.815 9.815
2 0.112 9.975 22.799 0.112 9.975 22.799 0.088 7.873 17.688
3 0.083 7.413 30.212 0.083 7.413 30.212 0.070 6.233 23.921
4 0.080 7.094 37.305 0.080 7.094 37.305 0.071 6.344 30.265
5 0.070 6.228 43.533 0.070 6.228 43.533 0.074 6.562 36.827
6 0.062 5.554 49.087 0.062 5.554 49.087 0.066 5.863 42.690
7 0.052 4.626 53.713 0.052 4.626 53.713 0.057 5.080 47.770
8 0.048 4.251 57.964 0.048 4.251 57.964 0.051 4.586 52.355
9 0.041 3.658 61.622 0.041 3.658 61.622 0.049 4.371 56.727
10 0.036 3.193 64.815 0.036 3.193 64.815 0.044 3.932 60.658
11 0.034 3.054 67.869 0.034 3.054 67.869 0.051 4.539 65.198
12 0.031 2.781 70.650 0.031 2.781 70.650 0.043 3.854 69.052
13 0.030 2.688 73.338 0.030 2.688 73.338 0.041 3.665 72.717
因子分析法提出的公因子需要至少覆盖60%的变量信息[24]。由此得出，累计方差百分比大于60%时，含有10个公因子，涵盖信息量达到60.658%。以因子分析结果为依据，对航空安全研究的高频关键词进行聚类分析时，至少需要将其分为10类。进一步对航空安全高频关键词进行共词聚类分析，利用SPSS对高频关键词相关矩阵选择系统聚类分析，结合因子分析法的结果选择聚类10~15，聚类结果以水平树状图呈现。在航空安全关键词聚类分析中，聚类方法选择组间联接，将平方欧式距离作为度量标准，得到如图4所示的高频关键词聚类分析树状图。该图中，聚类分析中每一个类的聚类合并情况是通过躺倒树的形式展示，并在图中近似地展示了聚类合并的过程。结合因子分析和共词聚类分析的结果，可以将航空安全的研究热点划分为10类，以图中红线与躺倒树分支相交点划分区域，这也是后文航空安全研究热点中共词聚类网络图谱聚类范围的理论基础。根据该项数据结果可以得出，共词聚类网络图谱的聚类范围划分为10类最为合理，能够涵盖足够的航空安全研究的信息量。
图4 航空安全高频关键词聚类分析树状图

4 航空安全研究热点与前沿分析

4.1 共词网络分析

通过关键词的聚类分析可以快速挖掘出航空安全的研究热点，同时，在直观程度上共词网络分析优于共词聚类分析，能够更加形象地展示关键词以及各个主题之间的亲疏程度、学科结构和热点分布。
本文利用CiteSpace，将节点类型选择为关键词，剪枝算法选择最小生成树，时间切片设置为1年，结合共词聚类分析得出聚类范围划分为10类的结果，由此形成如图5所示的共词聚类网络图谱。
图5 航空安全共词聚类网络图谱
该图谱利用Patifinder算法形成了582个节点，638条连线，网络密度为0.003 8，网络模块值Q=0.9147（大于临界值0.300 0），说明聚类网络的结构显著，聚类效果较好。平均轮廓值S=0.9640（大于临界值0.500 0），说明聚类内部具有较好的同质性，聚类结果合理[25]。聚类的区域面积代表了聚类的规模，能够正向反映同质性关键词数量和聚类主题的受关注度。结合共词聚类分析和共词网络分析可以得出，航空安全研究主要从以下3个方面展开。
1）航空安全人为因素研究。对应聚类#0航空安全、#6交通运输工程、#7不安全事件、#8人为差错，对应高频关键词“飞行员”“人为因素”“机务维修”等。探索期（2000—2007年），研究成果主要集中在人为因素导致危害航空安全的行为，如：学者车彤[26]对非法干扰行为进行了界定，同时对航空安全责任进行了研究和界定。发展期（2008—2013年），研究成果主要集中在人为差错相关理论与模型，如：向维等[27]、孙瑞山等[28]对比分析了人为差错模型，并应用不同的模型从各层级对航空不安全事件进行了研究，同时针对主要事故链计算得出预防航空不安全事件的最优方案，为后续研究打下了坚实基础。这一时期，对于空管[29]、机务[30]、机场[31]及机组人员等的安全风险研究也有了不同程度的进展。爆发期（2014—2022年），学者对于航空安全人为因素的研究更加细化。这一时期的研究发现，疲劳[32]、注意力[33]、工作负荷[34]、工作环境[35]等是导致航空安全人因失误的主要原因。
2）航空安全航空器设施因素研究。对应聚类#1飞行安全、#3安全管理工程、#9空中交通管理，对应高频关键词“飞机结冰”“QAR（Quikly Acsass Recoder）”“碰撞风险”“进近着陆”等。航空系统主要包含机场、航司、空管等多个运行主体，各个主体均服务于飞机的运行，因此航空安全中航空器因素的研究重点一直在于保障飞行安全的能力、运行以及新技术的应用。这一聚类的研究主要集中出现于2014年之后的爆发期，得益于计算机技术以及大数据技术的飞速发展。这方面的研究主要体现在3个环节。其一是以张彤、徐浩军、李哲等[36-37]学者为核心的基于飞行环节的安全研究。研究者利用仿真、模型与机器学习对飞机结冰、飞行装备、飞行事故与飞行品质等进行了定量分析与评估。其二是针对空中交通管理系统的空管自动化辅助能力的研究。如唐家文等[38]、梁曼[39]等基于空管运行的特点，对影响空管设施、设备系统安全的因素进行了深入分析，对空管运行风险进行综合评估，查找安全隐患以及事故征候的原因，对空管安全系统提出改进措施与建议，旨在提高空管信息系统的安全性。其三是航空运行地面安全保障能力[40]的相关研究，特别是对机场跑道与飞行器进近着陆的安全研究[41]。
3）航空安全管理发展水平研究。对应聚类#2风险评价、#4民航安全、#5安全管理，对应高频关键词“风险评估”“贝叶斯网络”“通用航空”“安全评价”“演化博弈”等。航空业的快速发展促进了航空安全理念的更新。同时，为了消除航空安全隐患，国内的航空安全管理已经完成了从事后管理到事前管理的转变。航空安全管理水平的评价研究中，部分学者应用灰色区间层次[42]、贝叶斯网络[43]、变权综合法[44]、区间层次分析法[45]和可拓评价[46]等方法对航司、机务、机场、航路和航空器运行个体的微观安全管理水平进行了研究，以提高评价工作的效率和准确性，为运行个体制定安全措施提供科学依据。部分学者从政策制度的宏观角度对航空安全管理进行了深入分析[47⇓⇓-50]，为国内航空安全制度颁布、体制建设、系统完善和信息沟通提供了参考。

4.2 关键词突变分析

研究前沿是指在学科的发展与演进的过程中最新出现的学术研究情况或者未来最具有发展潜力的研究主题，是学术研究中的关键性拐点。从海量的文献数据中探寻代表该领域学术研究新热点或新方向的研究前沿，可以找到学术研究的突破口，具有重大意义。在知识图谱中，关键词词频增长率的显著变化即为研究前沿。CiteSpace软件可以通过检测关键词突增和突减的趋势实现对研究前沿的探测。对2000—2022年发表的753篇航空安全研究文献的关键词进行突变词分析，结果如表3所示。由表3可以看到2000—2022年8个关键词的突变强度和突变持续时间。其中，红色区域代表该关键词在该时间段为突现词，时间越接近2022年，表明围绕该关键词的相关学术研究前沿趋势越明显；中间色区域表示该关键词在对应时间内为非关键词，但是学术界仍然在进行相关研究；最浅色区域表示该时间段学术界尚未有该关键词的相关研究。
表3 航空安全研究关键词突变分析
按照航空安全研究活跃度阶段划分，探索期（2000—2007年）受到航空安全发文量少和研究较为分散的综合影响，未探测到突变词。发展期（2008—2013年）“民用机场”“风险管理”“航空公司”等关键词频繁出现，是该时期的研究热门词汇，并且热度一直在持续。其中，国内航空市场强劲的发展势头促进了国内机场数量的持续增长，突变词“民用机场”的突变强度最高，分值达到了6.960 0，说明这一时期学者们逐渐聚焦于民用机场的优化部署、进近跑道、人为因素等相关的安全研究。同时，“航空公司”的突变从2010年持续到2016年，突变强度为3.950 0，突变持续时间最久。爆发期（2014—2022年），“安全工程”“安全绩效”“航空运输”“安全管理工程”“通用航空”成为热门词汇。2016—2019年，研究方向转向航空运输的网络抗毁性和复杂性，“航空运输”受到研究者的青睐，突变强度为3.250 0。通用航空的蓬勃发展吸引了研究者的关注，“通用航空”的突变强度为3.250 0，其研究热度在2019年有所减弱，但仍是未来值得持续关注的研究内容。随着大数据时代的来临和计算机技术的发展，更多学者投入航空器技术的研究，“安全工程”在2014—2018年间成为突变词，突变强度为4.340 0。另外，突变词“安全管理工程”从2017年开始成为研究热门词汇，突变强度为5.680 0，且热度持续存在，是国内航空安全领域学者关注的研究热点。

5 结束语

21世纪以来，国内关于航空安全的研究不断深入，经历了探索期、发展期和爆发期3个阶段，研究成果丰硕。
1）从发文量来看，国内航空安全文献数量整体呈波动上升趋势，学者越来越重视对航空安全的研究，且研究进展与航空市场发展形势密切相关。
2）从作者和机构分布来看，核心作者发文数量与质量均较高，已经形成了以徐浩军和王永刚为核心作者的子网络，但是整个航空安全研究的合作网络较为分散，中国民航大学、中国民用航空飞行学院和空军工程大学是主要的研究机构，各机构内部之间合作较为紧密，但跨机构合作较为缺乏，容易形成学术壁垒。
3）从共词聚类和共词网络分析来看，“飞行安全”“航空安全”“安全管理工程”等50个关键词是航空安全领域的研究热门词汇。共词聚类结果表明，航空安全研究可以分为10个类别，涵盖信息量达到60.658%。研究热点主要分为3个方面：航空安全的人为因素、航空器设施因素和航空安全管理的发展水平。未来，大数据和人工智能的快速发展和广泛应用为航空安全的研究带来了新的挑战与机遇，数字化分析手段的应用将会丰富航空安全的相关研究。另外，相关学者需要增强对航空安全第四个因素“航空环境”的研究，探讨环境因素的变化对航空安全的影响及程度，以保障航空器更加安全有效地运行。
4）关键词突变结果显示，“民用机场”“风险管理”“航空公司”“安全工程”“安全绩效”“航空运输”“安全管理工程”“通用航空”是受到学者青睐的航空安全领域热门词汇，其中“安全管理工程”是当前航空安全领域的研究前沿。
由于本文研究的文献来源于CNKI中国学术期刊网络出版总库中的SCI期刊、EI期刊、北大中文核心期刊、CSSCI期刊以及CSCD期刊，抽取的科研文献有限，覆盖范围不够广泛，对本文研究结果难免存在一定影响。未来将采用更全面的数据源，对研究结果作进一步的完善与丰富。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
郭静. 基于知识图谱的航空安全事件关联分析方法研究[D]. 天津: 中国民航大学, 2020.

[2]
王剑辉, 朱晓波, 夏正洪, 等. 基于知识图谱的国内空中交通管理研究可视化分析[J]. 交通信息与安全, 2019, 37(6):11-19.

[3]
杨骁勇, 张辉, 刘尚豫, 等. 航空安全领域研究进展可视化综述[J]. 交通信息与安全, 2021, 39(3):8-16.

[4]
程程, 徐吉辉. 社会网络分析法在国内航空安全管理体系研究现状的应用与分析[J]. 航空工程进展, 2018, 9(3):405-410.

[5]
陈悦, 陈超美, 刘则渊, 等. CiteSpace知识图谱的方法论功能[J]. 科学学研究, 2015(2):242-253.

[6]
CHEN C. CiteSpace Ⅱ: Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology, 2006, 57(3): 359-377.

[7]
王涓. 2000-2009年国内心理学论文研究热点的计量分析[J]. 心理科学, 2011(5):1209-1215.

[8]
林琳, 晁恒, 李贵才. 国外空间正义研究热点及趋势——基于知识图谱的可视化分析[J]. 热带地理, 2023(5):808-820.

[9]
钟文娟. 基于普赖斯定律与综合指数法的核心作者测评——以《图书馆建设》为例[J]. 科技管理研究, 2012(2):57-60.

[10]
郑无计, 李颖晖, 周驰, 等. 基于动力学边界的结冰飞机安全预警方法[J]. 航空学报, 2019(4):175-185.

[11]
周莉, 徐浩军, 杨哲, 等. 飞机在结冰条件下的最优边界保护方法[J]. 上海交通大学学报, 2013(8):1217-1221.

[12]
周莉, 徐浩军, 龚胜科, 等. 飞机结冰特性及防除冰技术研究[J]. 中国安全科学学报, 2010(6):105-110.

[13]
徐浩军, 吴利荣, 朱建太. 某型飞机高原机场放起落架的安全高度[J]. 空军工程大学学报(自然科学版), 2002(1):14-17.

[14]
刘东亮, 徐浩军, 张久星. 多因素耦合复杂飞行情形风险定量评估方法[J]. 航空学报, 2013(3):509-516.

[15]
刘东亮, 徐浩军, 苏晨, 等. 基于系统仿真的飞行风险科目安全性预测预防方法[J]. 中国安全科学学报, 2010(12):32-38.

[16]
李大伟, 徐浩军, 刘东亮, 等. 改进的灰色马尔科夫模型在飞行事故率预测中的应用[J]. 中国安全科学学报, 2009(9):53-57.

[17]
王永刚, 吴潘根. 民航安全中人的因素研究方法综述[J]. 中国安全科学学报, 2010(1):84-89.

[18]
王永刚, 杨传秀, 陈芳. 飞行员安全绩效与飞行技能关系研究[J]. 中国安全科学学报, 2014(3):126-131.

[19]
王永刚, 王灿敏. 基于ISM和ANP的航空公司安全绩效影响因素研究[J]. 安全与环境学报, 2013(4):221-226.

[20]
王永刚, 王灿敏, 郑红运, 等. 基于系统动力学的航空公司不安全事件致因复杂性研究[J]. 中国安全科学学报, 2013(8):71-77.

[21]
邓朗妮, 赖世锦, 廖羚, 等. 基于文献计量可视化的中外“建筑信息模型+大数据”研究现状对比[J]. 科学技术与工程, 2021(5):1899-1907.

[22]
杜楠楠, 宗乾进, 袁勤俭. 我国管理科学与工程学科研究主题领域及趋势[J]. 情报杂志, 2012(12):46-50.

[23]
YANG K, LU J, DUAN L, et al. Research hotspots and theme trends in post-traumatic growth: A co-word analysis based on keywords[J]. International Journal of Nursing Sciences, 2023, 10(2): 268-275.

[24]
杜子平, 刘永宁, 孟琛. 基于共词聚类分析法的碳会计研究[J]. 财会通讯, 2018(16):24-29.

[25]
ZHONG S, CHEN R, SONG F, et al. Knowledge mapping of carbon footprint research in a LCA perspective: A visual analysis using CiteSpace[J]. Processes, 2019, 7(11): 818.

[26]
车彤. 论非法干扰与航空安全责任界定[J]. 四川大学学报(哲学社会科学版), 2004(S1):231-234.

[27]
向维, 李明, 吴超, 等. 航空不安全事件人为因素分析R-S-TER模型的构建与应用研究[J]. 中国安全科学学报, 2009(2):152-159.

[28]
孙瑞山, 赵青. 航空人为差错事故/事件分析(ECAR)模型研究[J]. 中国安全科学学报, 2012(2):17-22.

[29]
马兰, 李敏强, 彭越. 基于AMP的ATM信息安全在线评估系统的研究[J]. 计算机应用与软件, 2011(3):269-273.

[30]
史亚杰, 李敬. 民航机务维修系统安全风险监测[J]. 中国安全科学学报, 2009(11):110-116.

[31]
孙殿阁, 孙佳, 王淼, 等. 基于Bow-Tie技术的民用机场安全风险分析应用研究[J]. 中国安全生产科学技术, 2010(4):85-89.

[32]
刘俊杰, 张丽娟. 飞行疲劳事件语义网络分析[J]. 中国安全科学学报, 2016, 26(1):34-39.

[33]
王燕青, 李甲, 王宇. 基于认知能力的民航飞行员陆空通话绩效研究[J]. 科学技术与工程, 2020(17):7122-7128.

[34]
袁霄, 杨家忠, 吴丹. 基于扇区动态复杂性因素的航空管制员工作负荷计算[J]. 安全与环境学报, 2015(2):108-111.

[35]
姜兰, 刘雅琴, 孙佳. 机场安检员工作压力与不安全行为关系研究[J]. 中国安全科学学报, 2019(4):13-18.

[36]
张彤, 刘东亮, 徐浩军, 等. 基于系统仿真的装备故障后飞行风险定量评估[J]. 中国安全科学学报, 2012(9):69-73.

[37]
李哲, 徐浩军, 薛源, 等. 结冰对飞机飞行安全的影响机理与防护研究[J]. 飞行力学, 2016(4):10-14.

[38]
唐家文, 董兵, 王超峰. 基于云模型的空管安全运行保障能力评价[J]. 航空工程进展, 2021(4):59-67.

[39]
梁曼, 戴福青, 田佳, 等. 民航空管设施、设备系统安全评价研究[J]. 安全与环境学报, 2013(4):249-253.

[40]
王永刚, 张宇, 秦怀宇, 等. 基于系统动力学的机场安全运行保障能力模型及发展决策研究[J]. 安全与环境学报, 2016(4):210-215.

[41]
陈农田, 李俊辉. 基于TFF-FTA方法的飞行进近着陆事故致险因素分析[J]. 安全与环境学报, 2021(5):2101-2106.

[42]
文军. 基于灰色多层次的航空公司飞行安全评价研究[J]. 中国安全科学学报, 2010(2):29-34.

[43]
许保光, 王蓓蓓, 池宏, 等. 基于贝叶斯网络的航空安全中不安全信息分析[J]. 中国管理科学, 2020(12):118-129.

[44]
石荣, 李明捷. 变权综合法在航空公司风险评价中的应用研究[J]. 中国安全生产科学技术, 2011(10):143-148.

[45]
陈可嘉, 金炼. 航空公司飞行安全灰色区间层次评价[J]. 中国安全科学学报, 2015(8):146-151.

[46]
王岩韬, 卢飞, 赵嶷飞. 安全管理模型修正的签派放行风险可拓评价[J]. 科技通报, 2017(7):217-223.

[47]
文军. 航空运输安全监管的博弈分析[J]. 中国安全科学学报, 2008(3):83-87.

[48]
张晓全, 张鹄. 美国通勤航空安全影响因素分析及对我国的启示[J]. 中国安全生产科学技术, 2011(11):199-203.

[49]
程明, 梁文娟. 民航安全状况与社会经济指标关联分析[J]. 中国安全生产科学技术, 2016(1):158-162.

[50]
王金龙, 卢婷婷. 区域管制系统安全绩效综合评估研究[J]. 航空工程进展, 2017(3):328-334.

Options
Outlines

/

〈 〉