【摘要】为了深入了解人工智能应用于物流领域的研究现状、热点及发展趋势，文中首先借助计量可视化工具CiteSpace软件，以2000-2022年CNKI收录的核心期刊论文为样本，对该领域文献的发表现状、研究热点和演进趋势进行分析；再运用“智慧芽”专利数据库对同一时期该领域的专利进行分析，挖掘专利视角下国内人工智能在物流领域的研究思路、创新热点及发展趋势；最后对未来研究方向进行了展望，提出了一些可能的研究方向和挑战。

　　【关键词】人工智能；物流；可视化分析；CiteSpace;专利分析

　　物流活动在现代商业中扮演着非常重要的角色，良好的物流管理可以促进资源的高效流动，带动相关产业和经济的发展。而人工智能的引入可以加速促进物流系统的循环和更新，提高物流产业的工作效率，为企业降本增效、提高顾客满意度及竞争力起到了强有力的支撑。因此，及时梳理并分析人工智能应用于物流领域的发展现状、研究热点及发展趋势对推进我国物流领域的信息化发展具有重要意义。

　　人工智能(Artificial Intelligence,AI)由Alan Turing于1950年首次提出[1],其以执行人类意志为目标[2],具有词汇抓取、共性归类、逻辑分析等智能化特点[3],其应用能提高物流作业的能力和效率。虽然学者们针对人工智能在物流领域的应用研究已经较为广泛，但缺乏对海量文献及专利的系统归纳总结和全面的科学计量分析。

　　鉴于此，本文以中国学术期刊出版总库(CNKI)中关于人工智能在物流领域的核心研究期刊文献和“智慧芽”专利数据库相关领域的专利作为研究对象，分别采用CiteSpace和智慧芽(PatSnap)专利数据平台对文献和专利分别进行可视化分析。在分析该领域的期刊文献和专利的研究现状的基础上，掌握人工智能在物流领域的研究热点和演进趋势，希望为该领域的研究学者发现新的方向或议题提供参考。

　　1数据来源及研究方法

　　1.1数据来源

　　的相关文献。为了更好地把握研究主题和研究热点，以“人工智能∗物流”or“物流机器人”or“仓储机器人”为主题进行检索，检索条件为“精确”；为了更好地保证数据质量，文献类别设为学术期刊，同时设置文献来源期刊为SCI、EI、北大核心、CSSCI、CSCD和AMI。对获取的文献剔除会议论文、新闻报道等与主题不密切相关的文章，最终得到有效文献428篇。

　　专利检索数据来源于智慧芽全球专利检索官方网站，在专利高级搜索框“标题／摘要”栏录入检索式“TA：（人工智能物流）OR TA：（物流机器人）OR TA：（智能物流）APD:[2000 TO2022]”进行检索，通过检索关键词经去重处理，获得共计3845项专利，从专利类型上看，发明专利2185项(56.83%)，实用新型专利1447项(37.63%)及外观设计专利213项(5.54%)。

　　1.2研究方法

　　本文首先使用Ci teSpace 57R5软件对ONKI数据库筛选出的文献进行可视化分析，计算、统计并绘制出关键词、:现词、聚类词、突现词等可视化图谱，在宏观上把握人工智能在物流领域中的应用的相关文献的发表现状、研究热点、演变情况和发展趋势;再通过“智慧芽”专利数据平台的3D专利地图分析和英策分析对筛选出的专利进行数据统计与分析。检索人工智能应用于物流领域的相关专利的申报情况，通过对专利的发展态势、区域分布、发明人和团队分析、重点技术领域及重点专利等多方面的分析与评估，探究该领域的现状、研发热点及发展趋势。

　　2期刊文献的可视化分析

　　2.1文献发表现状分析

　　2.1.1文献发表数量分析

　　文献的历年发表数量是衡量该领域研究水平和趋势的重要指标"。本次检索分析的文献共428篇，以此得出人工智能在物流领域的研究发表年度趋势，如图1所示。从总体上来看，国内该领域的发文量呈稳步上升趋势，相关研究热度不断提升，其研究大致经历了以下四个阶段:第一阶段(2000-2002年),相关学术研究处于初级萌芽阶段，还未形成具体研究体系，三年共发文7篇，论文发表数量偏少;第二阶段(2003-2010年),国内相关论文发表数量迎来第一次快速增长，年平均发表量约为14篇/年;第三阶段(2011-2015年)，论文发表数量总体有了进一步提升，年平均发表量约为22篇/年;第四阶段(2016-2022年)，相关技术支撑被不断丰富和完善,智能仓储、物流机器人受到越来越多的学者的关注与研究论文发表的数量增长快速，且呈现持续增加的趋势。

　　2.1.2发文作者情况分析

　　发文作者是科学研究的主体，通过对作者的发文量和作者间的合作进行分析，可以识别相关研究领域的核心作者及彼此间的合作关系。将文献导入ＣｉｔｅＳｐａｃｅ软件，通过对作者进行知识图谱分析，得到发文作者图谱，如图２所示，其中节点间的连线表示作者间的共现强度。分析发现，在该领域核心期刊中发文的作者排在前列的有曾奕棠（６篇）、张玉峰（６篇）、张丽（３篇）和宋华（３篇），发表２篇文献的作者共有２３位。根据普赖斯定律Ｎ≈０．７４９×Ｎｍａｘ，将最高发文量Ｎｍａｘ＝６代入，得Ｎ≈１．８３，所以将发文量大于１的作者列为高产活跃作者，共发文６４篇，占总数的１４．５％，与普赖斯定律的５０％还有较大差距［５］。可见，对于该领域的研究尚未形成真正意义上的核心作者群。

　　2.2.文献研究热点可视化分析

　　2.2.1关键词共现分析

　　关键词共现是多篇文献共同出现的关键词，通过对研究文献的关键词词频统计和关键词共现分析，能概括该领域的研究热点，指明研究方向［６］。

　　运行ＣｉｔｅＳｐａｃｅ软件对所选文献进行关键词（Ｋｅｙｗｏｒｄ）分析，生成该领域研究文献的关键词共现网络图谱，如图３所示，其中节点数４８９个，连线８５４条，网络密度值为０．００７２。

　　在关键词共现网络图谱中，节点代表文献关键词，节点大小表示关键词出现的频次，节点越大就表明该关键词在数据文献中出现的频次越高［７］。图３反映了该领域研究涉及的基础理论、相关智能技术和相关行业的关联关系。但从整体来看，研究分支较多，说明该领域研究方向较为分散。

　　此外，在关键词共现网络图谱中，关键词中心度也是分析关键词的重要指标，中心度值的大小表明该关键词的重要程度以及与其余关键词的关联程度，两者结合能更准确直观地分析该领域研究热点和前沿发展趋势。人工智能应用于物流领域的研究文献高频关键词分布如表１所示。

　　综合图３和表１可以看出，高频关键词反映了２０００－２０２２年国内人工智能在物流领域的应用研究的主题和热点，高频关键词之间连线密集，已形成相互联系、错综复杂的网络结构。其中，“智能物流”“物联网”“人工智能”“供应链”“智慧物流”“路径规划”等关键词出现频率较高，成为该领域的研究热点。

　　2.2.2关键词聚类分析

　　关键词聚类分析是一种创建分类的多元统计分析方法，能够按照变量的特征将文献分类，使同一类别的聚类具有较高的同质性，不同类别的聚类之间具有较高的异质性［８］。在关键词分析的基础上，运用ＣｉｔｅＳｐａｃｅ软件使用对数似然比算法（ＬＬＲ算法）对关键词进行聚类分析，得到可视化的关键词聚类图，能够更加直观地反映所研究的知识结构和其在某一个研究方向上的主题词。本文选择最主要的１０个聚类进行分析，分别是：＃０物流、＃１路径规划、＃２智能物流、＃３人工智能、＃４供应链、＃５智能技术、＃６ａｇｅｎｔ、＃７商务智能、＃８仓储机器人、＃９机器人，顺序从０到９，数字越大，聚类中包含的关键词越少，如图４所示。

　　由图４左上角的参数可知，ＭｏｄｕｌａｒｉｔｙＱ＝０．７８８８，ＳｉｌｈｏｕｅｔｔｅＳ＝０．９３４２。其中，聚类模块值Ｑ＞０．３，表示聚类结构显著，网络的聚类效果较好；聚类平均轮廓值Ｓ＞０．７，表明聚类高度集中且有实际的研究意义。由此可见，该领域的文献关键词聚类模块划分较为合理，每个聚类中的文献研究方向、重点和主要内容具有同质性，关键词聚类满足条件。

　　2.3文献前沿演进趋势分析
　　2.3.1研究主题演化路径

　　研究主题演化路径是共现词在不同时序内的主要演变路径，能够直观地展现出不同时间段内的分析视角、热点领域、研究方法的变化［９］。因此，本文通过关键词共现分析来鉴别不同时期该领域文献的主要研究方向和热点，并对该研究主题的发展演化做出判断。

　　关键词中心度反映了其在整个关键词共现网络中的重要性，代表了一定时期内核心的研究主题。在表１的基础上，保留中心度≥０．０６的关键词，对共现的关键路径图谱中的关键词进行筛选，见表２。

　　本文综合关键词中心度排序和关键词共现图谱，梳理出了我国人工智能在物流领域的应用研究的重要演化路径：２００４年之前，人工智能并未广泛应用于物流领域，这时期物流领域的研究主要集中在“物流管理”“供应链”“物流”等方面；２００５－２０２２年，随着物联网、云计算、大数据等成为研究热点，物流领域的研究热点也逐渐转向智能化、自动化，其研究热点有“ａｇｖ”“智能物流”“智能仓储”“物流机器人”等。

　　2.3.2研究趋势及前沿分析

　　突现关键词是指在某段时期内相关研究领域突然增加的关键词，共现词源于文献计量分析中的耦合分析。综合关键词突现分析与共现分析，可以提取出相关领域具有突出推动作用的技术、理论和方法等研究热点及其演变［１０］。

　　ＣｉｔａｔｉｏｎＢｕｒｓｔ是现有文献挖掘前沿热点的重要方法之一。在前文关键词共现分析的基础上，使用ＣｉｔｅＳｐａｃｅ中的ｂｕｒｓｔｔｅｒｍ功能对该领域文献的关键词进行突现分析，展现关键词出现与结束的时间及强度，得出该领域的突现词图谱，见图５。

　　由图5可以看出，2005年“商务智能”、2009年“现代物流”和2017年“人工智能”的突现性出现较大的跳跃，据此将其划分为4个时期。

　　第一时期(2000-2004年)突现词为供应链这一时期的突现词形成时间较早，关注的仍为传统物流;第二时期(2005-2008年)突现词为商务智能、数据挖掘等，这一时期的关键词主要关注智慧物流领域;第三时期(2009-2016年)突现::为现代物流无线传感器网络、射频识别、物联网、智能物流、计算机视觉等，重点关注人工智能领域的技术支撑和学习方法;第四时期(2017-2022年)突现词为人工智能、路径规划、智慧物流大数据、遗传算法、物流机器人等，重点关注人工智能在物流领域的应用技术及其学习方法。

　　3专利的可视化分析

　　3.1专利的发展态势及分布情况

　　3.1.1专利发展态势

　　2000-2022年的专利申请和授权时间分布见图6.由图可见从专利分布上可分为3个阶段:2000-2007年，专利申请几乎为雪2008-2014年，专利申请数开始出现增长，专利授权占比趋势较为不稳定;2015-2021年，专利数呈现急剧增加趋势，其中2021年专利申请数量最多，高达777项，2020年专利授权数量最多，达497项，且专利授权占比较为稳定，约为69%;2022年。专利申请数、授权数及专利授权占比都呈下降趋势。

　　3.1.2中国省市专利分布

　　图7为中国各省市专利申请分布情况。从专利申请的区域分布来看，广东省和江苏省是专利申请的主力军，其中广东省专利申请数量为675项，占全部专利申请量的22.47%;江苏省为660项，占比21.97%;浙江省、北京市、上海市、山东省的专利申请数量紧随其后，分别为327项(10.89%)、279项(9.29%)、262项(8.72%)及241项(8.02%)。专利申请的地区分布也反映了当地政府、企业、科研院所等对该领域的关注和重视程度[11]。

　　3.1.3专利发明人及发明团队分析

　　图8为排名前十的专利发明人自2000-2022年的专利申请趋势。从图中可以看出，除不公告发明人外，其余发明人的专利申请皆在2015年及以后，尤其是2021年申请数量最多。孙赟在2021年发明31项专利，与章玺并列成为第一。

　　结合图9,以杜鑫为核心的发明团队共发明了30篇专利，其与杜斌联系较为紧密；孙赟、衡进、苏瑞和姚郁巍形成了整体联系密切程度较高的发明团队，且合作的专利数量较多；此外，郝新浦和李洪波也形成了自己的发明人团队，但其团队成员较少；章玺虽发明的专利数量较多，但未形成自己的发明人团队。

　　3.2专利技术布局热点及技术发展方向分析
　　3.2.1专利领域分布情况

　　智慧芽系统自带的“3D专利地图”系统可反映专利热点研究领域。地图中凸起的山丘高度越高、颜色越白，则专利数目多而密。本文采用“3D专利地图”，剔除过期专利进行分析，专利分布在10个重点领域。其中，“自动分拣、机械手、自动分拣系统等”“搬运系统、对称、高鲁棒性、智能搬运等”和“供应链、区块链、数据库、物流信息等”3个领域分布的专利多而密，反映出专利技术的布局热点。从专利领域分布图上看，在“端面、包装箱、仓位等”也占有一定的比例。还有少部分有效专利分布于“算法、智能监控、车间、数字等”领域，也是相关产业专利布局的一个方向。通过专利价值估算系统进行评估，该专利领域有高价值专利14项，主要分布在“生产系统、钣金件、海绵”领域；专利许可4项，主要分布在“搬运系统、对称、高鲁棒性、智能搬运等”领域。

　　3.2.2重点技术分布

　　国际专利分类(IPC)是根据专利技术主题进行的分类[12]。智能物流领域IPC排名前10的重点研发方向和技术领域如表3所示。其中，G06Q10（行政；管理）专利数量最多，为714项，占全部专利数量的28.43%,为主要的研究方向；B65G1（仓库内运输、提取货物的相关物件）和B65G47（与输送机有关的物件或物料搬运装置）也同样为专利申请的热门方向，数量占比分别为17.48%和11.55%。

　　图11主要申请人技术分布图可以直观地看出各类专利权人在该领域的研究重点。其中，专利申请数量最多的北京极智嘉科技股份有限公司申请B65G1（仓库内运输、提取货物的相关物件）和B07C3（根据目标分拣邮件或文件的相关物件）型专利各12项，数量占比较高，可见该公司的研究重心在于与仓储运输、货物分拣与提取相关的设备；章玺作为申请专利前十的唯一个人专利权人，其研究重点在于G07F17,即用于出租物品的投币式设备；浙江万里学院和北京物资学院是高校型专利权人，其中浙江万里学院共申请15项专利，且皆为G06Q10,说明该院校对物流管理方面的研究较多。

　　3.2.3重点专利技术发展趋势预测

　　从图12可以看出，该领域的重点专利是从2009年开始申请的。结合表3来看，专利申请主要集中在物流管理方向(G06Q10)和仓储物料搬运运输装置(B65G1、B65G47、B65G35)两个大方向。从2009年开始，物流管理相关的专利稳步增长，首居高位，始终呈现上升趋势。仓储物料搬运运输装置的相关专利首次申请是在2014年，后逐步增长，总体呈上升趋势。这两大类皆为热门的专利申请方向，预计未来也会持续增长。

　　4结论与展望
　　4.1结论

　　本文从文献发表和专利申请两个角度对人工智能应用于物流领域的研究进行了可视化分析，分析了该领域的研究现状、研究热点、发展趋势等，结论如下。

　　①在成果数量方面，结合文献发表和专利申请情况分析可得，该领域的研究发展主要分为四个阶段：2002年之前相关研究较少，尚未形成研究热点，文献发表数量极少，专利申请数量为零；2003-2010年为初步探索阶段，该领域相关文献发表数量快速增长，但相关专利申请数量极少；2011-2015年为2016-2022年为深化研究阶段，文献发表和专利申请数量都得到了进一步提升，且均呈现稳步增长的趋势。

　　②在研究热点方面，结合前文分析，该领域的文献发表热点集中在“路径规划”“智能物流”“人工智能”“供应链”“智能技术”“商务智能”“仓储机器人”等方面；该领域的专利申请热点集中在“自动分拣装置及系统”“智能搬运系统”和“供应链、物流管理”等方面。

　　③在作者合作情况方面，从相关文献的可视化分析能够看出，其作者之间缺乏交流与合作，联系不够紧密，并未形成核心作者群；从专利申请人来看，申请人之间已初步形成团队合作关系。

　　④在研究前沿趋势方面，我国学者近3年表现出对路径规划、遗传算法等研究方法的关注。

　　⑤本文存在的不足及可以进一步探讨的问题：本文数据来源主要是中文文献与专利，缺乏与英文文献及国外专利的对比分析，研究具有一定的局限性。在今后的研究中，将考虑扩大数据来源及分析范围，更好地把握该领域的研究进展与趋势。

　　4.2展望

　　①随着人工智能在物流领域的研究更加深入，无人物流配送已成为新的研究热点，但研究仍有待进一步深入。例如，需要进一步优化运输路线和配送计划，提高配送效率和降低成本。

　　②在物流领域，注重环境可持续发展将成为重要趋势。在优化运输路线的同时，如何减少车辆排放和能源消耗、实现物流能源的可持续利用将是重要课题。

　　［参考文献］

　　[1]Turing A M,Haugeland J.Computing Machinery and Intelligence[M].Cambridge,MA:MIT Press,1950.

　　[2]兰玉琪，刘松洋．人工智能技术下的产品用户体验研究综述[J].包装工程，2020,41(24):22-29.

　　[3]刘丽香，张丽云，赵芬，等．生态环境大数据面临的机遇与挑战[J].生态学报，2017,37(14):4896-4904.

　　[4]黄明祥，张健钦，杨毅，等．生态环境中人工智能应用的研究综述(1989-2022年）—基于Citespace的知识图谱分析[J/OL].环境保护科学：1-12[2023-07-18].

　　[5]古贞．中国智慧物流和智能物流的研究现状、热点及趋势分析—基于CiteSpace和CNKI的可视化分析[J].供应链管理，2023,4(03):60-71.

　　[6]崔庆宏，王广斌，刘潇，等.2008-2017年国内BIM技术研究热点与演进趋势[J].科技管理研究，2019,39(4):197-205.

　　[7]万艳春，王曼．国内外大数据在物流领域研究进展与前沿—基于CiteSpace和Ucinet的可视化分析[J].商业经济研究，2021(11):99-102.

　　[8]刘新怡，姜仁贵，朱记伟，等．基于文献计量学的智能建造研究可视化知识图谱分析[J].建筑经济，2022,43（增1):821-825.

　　[9]秦晓楠，卢小丽，武春友．国内生态安全研究知识图谱—基于Citespace的计量分析[J].生态学报，2014,34(13):3693-3703.

　　[10]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，2015,33(2):242-253.

　　[11]钱文文，辛宝，马诚，等．基于专利分析羊乳产业创新热点及发展趋势[J].中国乳品工业，2022,50(03):48-52.

　　[12]韩红旗，付媛，朱礼军．基于专利IPC分类号的技术竞争对象的群组分析方法[J].情报工程，2015,1(4):77-87.