为智能家居领域企业、科研院所提供主要研究热点、技术发展动向和行业发展态势，指导企业更好开展战略规划、技术占位和情报分析。根据IDC的预测，2023年全球智能家居市场出货量将接近16亿台，年复合增长率达到16.9%。图1软件操作首页2智能家居领域研究基本情况2.1智能家居发文量统计将下载的原始数据拷贝至…
论文价值的评定意见：
本文以WOS核心合集2011年至2020年度有关智能家居领域的文献为对象，对该领域2011年至2020年10年内国内外学者在智能家居领域的研究成果进行数据挖掘，利用CiteSpace软件针对目前行业学者对智能家居行业的研究动态，以及作者、机构、关键词、共被引等论文数据进行系统的梳理和计量分析，完成知识图谱分析和结果可视化，分析总结了国内外学者在智能家居领域的研究成果、领域的研究热点和行业发展态势。文章选题新颖、逻辑清晰、结论清楚，分析结果对读者和研究人员具有一定的参考价值。
鲁效平1 江民圣2 孙明1 王超2 王玉梅2 张成桥2
1.青岛海尔工业智能研究院
2.海尔数字科技（青岛）有限公司
摘要
Abstract
以WOS核心合集2011年至2020年度有关智能家居领域的14411篇文献为对象，利用CiteSpace软件对研究作者（Author）、机构（Institution）、关键词（Keywords）、共被引（Co-citation）等进行知识图谱分析和结果可视化。分析结果表明，近十年来中、美在智能家居领域的研究成果和研究贡献价值占据主导地位，其中智能电网、能源管理以及IoT等技术是智能家居领域持续受到国内外学者关注的热点技术，也是未来发展智能家居必须重点投入解决的问题挑战。同时，人工智能技术在智能家居领域的应用研究成果并不多，需要全球专家合力推动智能场景落地，真正实现智能化。为智能家居领域企业、科研院所提供主要研究热点、技术发展动向和行业发展态势，指导企业更好开展战略规划、技术占位和情报分析。
关键词
Keywords
智能家居；CiteSpace；知识图谱分析；智能电网；战略规划
DOI:10.19784/j.cnki.issn1672-0172.2022.02.010
0 引言
伴随着新一轮信息技术的发展，尤其是在物联网（IoT）技术的推动作用下，智能家居在居民消费中的普及和意愿越来越高。根据IDC的预测，2023年全球智能家居市场出货量将接近16亿台，年复合增长率达到16.9%。2021年《政府工作报告》专门提出“稳定增加汽车、家电等大宗消费”，同时“十四五”规划纲要提到“加快数字化发展，建设数字中国”，国家大政方针的指导将为智能家居产业的发展提供新的契机。智能家居产业涉及网络协同制造、物联网（IoT）、5G、语音识别、云计算、边缘计算等[1-5]先进制造和信息技术，同时融合了用户行为学、心理学、人机工学等[6-8]人文社科类领域研究，多学科多领域交叉综合，是家电制造产业最新技术应用的前沿阵地。目前行业学者尚未针对智能家居行业的研究动态进行系统梳理，有必要对该领域国内外研究发展动向进行数据挖掘和分析，结合知识图谱和文本分析技术，利用CiteSpace软件针对2011年至2020年十年内国内外学者在智能家居领域的研究成果数据进行总结，有利于企业和学者掌握全球智能家居领域主要研究热点、行业发展态势，把握技术发展动向，为全行业提供指导性研究成果。
1 研究数据准备及分析工具简介
文献数据来源于Web of science核心集合，该数据库已有半个多世纪，收录了全球12400多种权威的学术期刊，整理了13000个机构名称层级结构，汇聚了15亿条引用文献的完整引用网络，数据内容涵盖工程技术、社会科学、自然科学等领域[9]，能够提供最新、最全、最深入的关于文献的起源和历史，追踪最新的研究进展。本文数据检索内容如表1所示，完成基本检索操作之后，单击“导出为其他格式”，在弹出的界面中记录内容选择“全纪录与引用的参考文献”，文件格式选择“纯文本”，记录来源设置可输入检索结果的编号条目，每次最多输出500条，最终获得14411条检索记录。
表1 检索内容设置说明表
本文使用的分析工具为CiteSpace V.5.7.R5(64-bit)W，它是基于共引分析理论（co-ciation）和寻经网络算法（pathFinder）等技术[10-11]应用Java开发的信息可视化软件，通过对特定领域的文献进行计量，探寻出科学领域演化的关键路径及其知识拐点，并通过一系列可视化图片的绘制实现对科学演化潜在动力机制的分析和学科发展前沿的探测[12]，是目前知识图谱绘制和研究领域应用非常广泛的软件之一，如图1所示为软件启动界面。
图1 软件操作首页
2 智能家居领域研究基本情况
2.1 智能家居发文量统计
将下载的原始数据拷贝至…\input\文件夹下，同时建立输出文件夹…\output\，然后依次单击软件界面菜单中的Data→Import/Export，在弹出的窗口中利用Remove Duplicates命令实现数据的去重操作。
对去重之后的数据进行分析，可获得关于智能家居领域近十年论文发文量的曲线图，如图2所示。
图2 2011—2020年智能家居领域发文数量变化曲线
从发文数量可以看到，智能家居相关的研究论文在最近十年基本呈现指数级增长，尤其是在2016年及2019年论文数量急剧攀升，相较于十年前，2020年度论文数量增长了将近734%，深受相关领域研究者的关注。
2.2 智能家居领域研究主要来源分析
2.2.1 智能家居研究主要贡献国家（地区）及机构
通过对文献进行计量统计，可以获取智能家居领域主要研究和投入的国家和地区，该数据能够从侧面反映在智能家居领域目前各国的技术实力排名和研发投入程度，分析结果如图3所示，图3中彩色圈越大说明所属国家贡献论文数量越多。从结果可以看出，中、美、韩三国位居全球智能家居研究领域Top3位置，其中以中、美两国为引领，在全球智能家居领域研究中占据主导地位，韩国、英格兰处于第二梯队。
图3 论文主要来源国家统计
同时，对智能家居领域主要研究机构进行计量（如表2所示）和数据可视化分析（如图4所示），可以评估主要研究机构的科研实力，为全球智能家居领域人才和技术交流合作及资源评估提供数据支持。从分析数据可以看出，沙特国王大学、华盛顿州立大学以及中国科学院在智能家居领域论文数排名靠前。通过中介中心性对比，在排名前十的机构中，中国科学院（0.26）和佐治亚理工学院（0.22）在该领域的研究影响力最高。
表2 智能家居领域研究机构论文数据统计表
图4 智能家居领域主要研究机构
2.2.2 智能家居研究所属学科范畴分析
研究所属的学科范畴可以反映跨学科、跨领域研究在智能家居领域的活跃程度，通过对文献的分析可以看到，与智能家居研究相关的学科领域涉及工程学、计算机科学、通信科学、化学、能源等诸多领域，如图5、图6所示。
图5 智能家居领域所属学科领域论文统计
图6 智能家居所属学科领域的可视化图谱
值得注意的是，虽然智能家居自带“智能”二字，但是隶属于人工智能范畴学科的论文数量和成果并不算多，整体占比约3.3%左右，该学科范畴引用量最高的论文[13]来自IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews)于2012年刊登的一篇论文。由以上内容可以简单判断，虽然人工智能技术最近五年比较热门，但是在智能家居领域的应用并不多。
2.3 智能家居领域主要研究内容分析
2.3.1 智能家居热点研究方向
热门词汇反映智能家居领域研究的热点方向，有助于掌握该领域技术动态和发展趋势。通过对所有文献的关键词进行计量分析和聚类研究，我们可以获得如图7所示的近十年智能家居领域研究的高频关键词分析结果，领域内学者主要关注Top10关键词分别为：smart home（智能家居，853）、system（系统，791）、smart grid（智慧电网，579）、smart hm（智能家居，456）、internet of thing（物联网，438）、internet（互联网，427）、model（模型，351）、demand response（需求响应，337）、optimization（优化，333）、management（管理，331）。从图7关键词可以看出，智能家居热点研究集中在智能家居系统、物联网以及智能电网有关领域，尤其是智能电网和智能家居的融合是众多学者研究的重点。
图7 关键词出现频次分析结果图
同时，我们对关键词做了突现分析，主要用于评估某一研究方向的兴起和衰弱过程（如图8所示），可以将近十年全球学者对智能家居领域的研究热点大致分为两个阶段：
图8 关键词突现分析结果
第一阶段（2011—2017年）：智能家居探索阶段。该阶段关键词比较丰富，涵盖smart grid（智慧电网）、ZigBee（紫峰）、pervasive computing（普适计算）以及assisted living（辅助生活）等各方面的研究。该阶段正好处于移动互联网相关技术快速发展的时段，云计算、数字化网络化技术以及物联网等技术层出不穷，促使相关学者探索数字化智能化技术在家电领域的应用，但是关于智能家居的未来发展形态还没有形成较为普遍的共识。
第二阶段（2018—2020年）：智能家居技术的聚焦阶段。近几年主要研究点在于home microgrid（家庭微电网）、smart transactive energy（智能交互式能源）等方面。经过第一阶段的研究热度，整个研究趋于理性，逐渐摸清现阶段需要解决的关键问题，因此研究点相对聚焦。如何保证能源的持续可靠、高效管理和利用是该阶段众多研究学者一致关注的热点领域。
接下来使用聚类功能对关键词进行聚类分析，可以获得24个聚类主题词，如图9所示。从聚类图可以看出，位居第一（#0）的聚类标签为smart homes，结合表3详细信息容易发现部分聚类结果可以合并，即排在第18位的聚类标签smart home与smart homes一致，第#8、#9、#12三个关于IoT的聚类同样可以合并，因此这两类标签类别分别合计含有69项、96项关键词节点，分析可知关于smart home（智能家居）和IoT（物联网）的聚类占据总关键词数的24%以上，即这两个技术方向是全球学者最为关注和集中研究的领域。
图9 关键词聚类结果示意图
表3 关键词聚类详细信息
2.3.2 智能家居领域研究高被引论文分析
分析论文共被引次数，通过CiteSpace可以获得引用频次的图谱结果（如图10所示），可以看到高被引的排行前三的论文分别来自Zhou B（湖南大学，2016）、Al-Fuqaha A（西密歇根大学，2015）和Gubbi J（墨尔本大学，2013）。分析这三篇论文可知（论文详细信息参考表4），Zhou B等学者[14]深入研究了智慧家庭能源管理中的诸多问题，并提出整体的系统架构设计，从而有效降低家庭能源消耗；Al-Fuqaha A等学者[15]重点关注物联网技术，对该领域使能技术、协议和应用以及彼时的难点技术进行了系统的分析，同时阐述了物联网技术与其他新兴信息技术如大数据、云计算、雾计算等相关技术之间的联系；Gubbi J等人[16]则重点研究了云架构下的IoT实现方式和技术挑战。
图10 论文共被引结果
表4 前五位高被引论文汇总表
从高被引文献[17-23]再次可以看出，智能家居领域的能源管理、物联网技术与智能家居的融合等问题受到全球学者的关注，可以预见未来智能家居或许会以家庭智慧能源管理解决方案为基础，提供全屋持续的智能化服务，实现可靠和绿色节能的居住体验。
3 结论
文章通过对近十年智能家居领域的论文数据进行系统梳理和计量分析，结果显示智能家居在全球受到广泛的关注，其中以中、美两国为代表引领全球智能家居技术发展，主要研究成果来自华盛顿州立大学以及中国科学院等机构，涵盖智慧电网、物联网等方向。
同时，文献分析结果显示，近十年人工智能技术在智能家居领域的实际应用有待进一步提升，技术成熟度仍然较低，需要各国学者的通力合作与推动。相反，智慧能源系统和家庭能源智慧管理领域是十年来各国专家学者研究的重点领域，并得到持续的关注。
随着各主要国家碳排放政策的推动，可以预计未来针对智能家居领域的智慧电网、智慧能源管理等技术的研究将会越来越受到重视，产业链各环节的投入将会逐渐增多，这将是下一阶段智能家居技术领域的重要发展方向。
参考文献
[1] 陈丽芬, 储成诚, 赵鹏, 等. 智能家居管理单元软件系统的设计与实现[J]. 家电科技, 2021(02): 84-88.
[2] 李红伟, 焦利敏. 智能家居语音交互测试关键技术的研究及应用[J]. 家电科技, 2020(06): 27.
[3] 黄倩怡, 李志洋, 谢文涛, 等. 智能家居中的边缘计算[J]. 计算机研究与发展, 2020, 57(09): 1800-1809.
[4] 程翔, 许正荣, 张昆明. 基于物联网的智能家居控制系统设计[J]. 传感器与微系统, 2021, 40(03): 106-108, 111.
[5] 毛博, 徐恪, 金跃辉, 等. DeepHome: 一种基于深度学习的智能家居管控模型[J]. 计算机学报, 2018, 41(12): 2689-2701.
[6] 王江涛, 何人可. 基于用户行为的智能家居产品设计方法研究与应用[J]. 包装工程, 2021(12): 142-148.
[7] 王尔卓, 袁翔, 李士岩. 智能家居场景中会话智能体主动交互设计研究[J]. 图学学报, 2020, 41(04): 658-666.
[8] 徐雅芸, 曾碧, 梁天恺, 等. 面向家居用户行为预测的Bi GRU-DAtt模型研究[J]. 计算机工程与应用, 2020, 56(12): 237-242.
[9] 齐青. Web of Science的检索和应用[J]. 图书馆工作与研究, 2013(02):110-112.
[10] Small H. Paradigms, citations, and maps of science: A personal history[J]. Journal of the American Society for Information Science and Technology, 2003, 54(05): 394-399.
[11] White H D. Pathfinder networks and author co-citation analysis: A remapping of paradigmatic information scientists[J]. Journal of the American Society for Information Science & Technology, 2003, 54(05): 423-434.
[12] 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(02): 242-253.
[13] Liming Chen, Jesse Hoey, Chris D. Nugent, et al. Sensor-Based Activity Recognition[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 2012, 42(06): 790-808.
[14] Zhou B, Li W, Chan K W, et al. Smart home energy management systems: Concept, configurations, and scheduling strategies[J]. Renewable and Sustainable Energy Reviews, 2016.
[15] Al-Fuqaha A, Guizani M, Mohammadi M, et al. Internet of Things: A Survey on Enabling Technologies, Protocols, and Applications[J]. IEEE Communications Surveys & Tutorials, 2015, 17(04): 2347-2376.
[16] Gubbi J, Buyya R, Marusic S, et al. Internet of Things (IoT): A Vision, Architectural Elements, and Future Directions[J]. Future Generation Computer Systems, 2013, 29(07): 1645-1660.
[17] Pierluigi Siano. Demand response and smart grids—A survey[J]. Renewable and Sustainable Energy Reviews, 2014, 30: 461-478.
[18] Marc Beaudin, Hamidreza Zareipour. Home energy management systems: A review of modeling and complexity[J]. Renewable and Sustainable Energy Reviews, 2015, 45: 318-335.
[19] Amjad Anvari-Moghaddam, Hassan Monsef, Ashkan Rahimi-Kian. Optimal Smart Home Energy Management Considering Energy Saving and a Comfortable Lifestyle[J]. IEEE Transactions on Smart Grid, 2015, 6(01): 324-332.
[20] Biljana L. Risteska Stojkoska, Kire V. Trivodaliev. A review of Internet of Things for smart home: Challenges and solution[J]. Journal of Cleaner Production, 2017, 140(03): 1454-1464.
[21] Amir-Hamed Mohsenian-Rad, Alberto Leon-Garcia. Optimal Residential Load Control With Price Prediction in Real-Time Electricity Pricing Environments[J]. IEEE TRANSACTIONS ON SMART GRID, 2010, 1(02): 120-133.
[22] Zanella Andrea, Bui Nicola, Castellani Angelo, et al. Internet of Things for Smart Cities[J]. IEEE Internet of Things Journal, 2014, 1(01): 22-32.
[23] Narayanan C. Krishnan, Diane J. Cook. Activity recognition on streaming sensor data[J]. Pervasive and Mobile Computing, 2104,10: 138-154.
（责任编辑：张蕊）
