基于专利文献计量的交通领域碳中和技术态势分析☆

滕飞; 孙玉玲; 汤匀; 秦阿宁; 李扬

doi:10.15978/j.cnki.1673-5668.202204006

科学观察 ›› 2022, Vol. 17 ›› Issue (4) :38-46 DOI: 10.15978/j.cnki.1673-5668.202204006

研究论文

基于专利文献计量的交通领域碳中和技术态势分析^☆

滕飞 ¹ ,
孙玉玲 ¹^,²^,^* ,
汤匀 ³ ,
秦阿宁 ¹ ,
李扬 ¹^,²

作者信息 +

Status Analysis of Carbon Neutral Technology in Transport Sector Based on Patent Bibliometric

Teng Fei ¹ ,
Sun Yuling ¹^,²^,^* ,
Tang Yun ³ ,
Qin Aning ¹ ,
Li Yang ¹^,²

Author information +

文章历史 +

摘要

[目的/意义] 交通部门碳减排是各国实现碳中和目标的重点和难点,科技创新是促进交通绿色低碳转型的关键。该研究旨在为未来交通部门的市场部署和政策制定提供决策支持。[方法/过程] 该文基于近20年的PCT专利数据,采用文献计量学方法分析交通领域碳中和技术的研发态势。[结果/结论] 2000年以来交通领域碳中和技术发展迅速,市场已呈现稳定趋势;主要研究力量分布在日本、美国、韩国、德国、法国、英国和中国等,以丰田为代表的日本企业占据市场主导地位;研究主题主要围绕碳中和替代燃料、电动汽车和混合动力汽车的电驱动技术、轻量化技术、动力电池技术和燃料电池技术、智能互联技术。

Abstract

[Objective/Significance] Carbon reduction in the transport sector is difficulty for countries to achieve carbon neutrality goals. Technological innovation is the key to promoting the green and low-carbon transformation of transportation. [Method/Process] Based on the PCT patent data in recent 20 years, this paper uses bibliometrics to analyze the research and development trend of carbon neutralization technology in transportation sector. [Results/Conclusion] (1) Carbon neutralization technology in transportation has developed rapidly since 2000.The market has shown a stable trend. (2) The main research forces are distributed in Japan, the United States, South Korea, Germany, France, the United Kingdom and China. Japanese enterprises represented by Toyota dominate the market. (3) Electric drive technology, lightweight technology, electric battery technology, fuel cell technology, carbon neutralization alternative fuel, intelligent interconnection, automatic driving and travel service system design of electric vehicles and hybrid vehicles are the research hotspots of carbon neutralization technology in transportation sector. This study aims to provide decision support for future market deployment and policy formulation in the transport sector.

Graphical abstract

关键词

碳中和 / 交通 / 文献计量学 / LDA主题模型 / 态势分析

Key words

carbon neutral / transportation / bibliometrics / LDA model / status analysis

引用本文

引用格式 ▾

滕飞, 孙玉玲, 汤匀, 秦阿宁, 李扬. 基于专利文献计量的交通领域碳中和技术态势分析^☆[J]. 科学观察, 2022, 17(4): 38-46 DOI:10.15978/j.cnki.1673-5668.202204006

Teng Fei, Sun Yuling, Tang Yun, Qin Aning, Li Yang. Status Analysis of Carbon Neutral Technology in Transport Sector Based on Patent Bibliometric[J]. Science Focus, 2022, 17(4): 38-46 DOI:10.15978/j.cnki.1673-5668.202204006

登录浏览全文

4963

注册一个新账户忘记密码

1 引言

交通运输是国民经济中基础性、先导性和战略性的产业和重要服务性行业。根据国际能源署（IEA）测算,2020年全球交通部门的碳排放占全球碳排放比重为26%,是仅次于能源发电和供热的第二大排放源。持续增长的汽车保有量和燃油汽车的使用使交通运输具有很高的碳排放增长潜力,且具有移动性强、排放源分散、社会行为复杂等特点,是各国实现碳中和目标的重点和难点。

近年来交通领域碳中和技术相关的研究成果持续涌现。为了更好地了解该领域碳中和技术的研究现状、演进规律和发展趋势,跟踪技术研究前沿和热点,国内外学者进行了大量的态势分析及综述研究。文献计量学由于能够客观评价科技领域发展状况和趋势,在态势分析中得到广泛应用。Zhang P等人^[1]基于SCI论文数据,利用文献计量学对混合动力汽车的能源管理策略进行了定量分析和评价,提出低成本高性能的混合动力汽车能源管理控制器是未来研究的重点和方向。He WL等人^[2]同样基于SCI论文数据,利用文献计量学对报废车辆逆向物流进行文献综述,确定其发展的主要趋势和未来研究热点。Li XW等人^[3]基于CSCD数据库,利用文献计量学分析中国绿色技术的研究热点和前沿。Tsai YC^[4]和Wagner R ^[5]等人基于专利数据分别对海上风能技术和锂基电池材料进行趋势和前景应用研究。刘川^[6]、刘雨^[7]和杨金彪^[8]等人利用文献计量和专利计量等方法对交通领域事故、安全管理和智能交通进行态势分析。综上所述,当前已有研究主要从研究现状和未来趋势等方面探究交通领域某一方面或者某项具体技术的发展态势,但少有文献对整个交通领域多项绿色低碳技术进行定量分析,因此,交通部门碳中和技术的态势分析十分必要。

本文梳理了主要国家交通领域科技发展规划,并基于专利数据,利用文献计量学方法,从时间维度分析交通领域碳中和技术的发展阶段及不同阶段的特点,从空间维度分析技术的重点发展方向和布局,提出我国交通部门实现碳中和目标的建议。

2 主要国家交通领域碳减排科技发展规划

交通部门是日本的第三大碳排放部门,占比约为17.3%^[9]。为了实现日本在《京都议定书》中承诺的目标,2002年国土交通省首次提出《全球变暖应对策略》,在2020年的更新版本中指出到2030年交通部门的碳排放量较2013年水平减少28%,新车综合燃油经济性相比2016年提高30% ^[10]。2021年日本经济产业省发布的《2050碳中和绿色增长战略》^[11]提出了电动汽车、氢能源、航空和航运等重点领域的详细路线图和主要措施。为实现交通可持续发展,重点部署纯电动汽车和混合动力汽车电驱动系统、电化学电池、燃料电池技术、轻量化技术、碳中和替代燃料、出行即服务（MaaS）、ETC2.0、先进安全车辆、自动驾驶等前沿技术,推进交通领域的的数字化、智慧化和低碳化^[12]。

2021年拜登签署“加强美国在清洁汽车领域领导地位”行政命令,设定了美国到2030年无排放汽车销量达50%的重大目标^[13],并在2050年实现美国交通部门全面的电气化和燃料替代^[14]。重点部署先进的非生物基的低排放替代燃料、先进高效低排放发动机、性能更加优异的下一代电动汽车驱动电机、先进的燃料电池技术、汽车优化设计、先进架构和轻量化汽车材料开发、先进汽车管理技术和系统、先进的航空动力技术、能量密度大成本低的先进储能技术^[15]。在智能交通战略规划中,强调自动驾驶和智能网联技术单点突破到新兴科技全面创新布局,重点部署新兴和使能技术、网络安全、数据访问和交换、自动驾驶、完整出行、加速智能交通系统部署^[16]。

交通领域已成为英国目前碳排放最大的来源,英国交通部2018年发布《零排放之路》^[17],是英国交通运输领域未来向更加清洁化迈进的纲领性文件,2021年7月又发布了全球首个专门针对交通领域的碳中和路线图《交通脱碳：更好、更绿色的英国》^[18],建立“1+N”框架体系,重点聚焦能源转型、模式转变和绿色技术创新。重点部署汽车电驱动系统、电池技术、铁路电气化、碳中和替代燃料、共享交通和出行即服务的研究。

2021年德国政府明确提出,到2030年德国交通运输部门碳排放量需减少48%,电动汽车普及率需达到910万量,在重型货运中扩大氢能适用范围^[19]。重点推进电子燃料、氢作为船用燃料、电池回收、氢能列车、燃料电池卡车、车网互动等^[20,21]。

韩国将交通运输的减排重点放在电动汽车、氢燃料汽车以及智能交通技术领域^[22]。重点发展动力电池、燃料电池、氢动力列车、氢动力船舶、飞行汽车、自动驾驶、打造以铁路为中心的综合交通出行服务。

法国在第四个未来投资方案中重点支持交通数字化和低碳化的研究和创新^[23]。

2020年我国交通运输碳排放占我国能源体系碳排放总量的9%左右,预计到2060年碳排放量相比2020年降低近90%^[24]。我国在《关于科技创新驱动加快建设交通强国的意见》中指出科技创新是交通强国建设的第一动力,并相继出台《交通领域科技创新中长期发展规划纲要（2021–2035年）》和《“十四五”交通领域科技创新规划》,重点部署交通载运装备与智能交通技术、川藏铁路、新能源汽车等专项。

3 数据来源及方法

Patent Cooperation Treaty（PCT）专利是申请全球专利的重要途径,具有“一次申请、多国进入”的制度优势,是考核一个国家、地区或者企业创新能力和专利质量的重要指标^[25]。因此,本研究以交通领域碳中和技术的PCT专利作为数据基础,并根据经济合作与发展组织环境友好性技术清单^[26]中交通领域相关的CPC分类号制定检索式,如附录所示。利用科睿唯安Derwent Innovation数据库获取2000–2020年的PCT专利数据,检索时间2022年3月14日,共检索出专利40 230项（由于PCT专利申请公开时间具有18~30个月的滞后,以及数据收集和录入的延迟,故2020年的统计指标仅供参考）。

为研究交通领域碳中和技术发展态势,本文利用文献计量学方法,从专利申请变化趋势、主要国家/地区、主要研究机构等角度分析了技术发展趋势与竞争格局,并利用LDA模型对专利文本进行建模,通过困惑度计算确定模型的最优主题数,并对文档-主题矩阵和主题-词矩阵进行分析,识别交通领域碳中和技术的研究主题并进行可视化,为该领域科技管理人员、研究人员等提供参考。

4 交通领域碳中和技术态势分析

4.1 专利申请变化趋势分析

通过专利申请的年度变化趋势可以从宏观层面把握该技术的热点变化。与专利趋势相关的时间字段包括申请年、公开年和最早优先权年。同PCT申请年和公开年相比,最早优先权年能够追溯到专利首次提交申请的日期,更能反映专利作为创新产出的时间^[27]。因此,本文选择专利最早优先权年作为时间基准,统计和测量相关变量。

由图1可以看出,交通领域碳中和技术呈现出正态分布的趋势,表明该技术市场已趋于稳定发展。其发展可分为三个阶段,第一阶段为2000–2008年,处于缓慢增长期;第二阶段为2009–2012年,处于快速发展期,且专利数量在2012年达到顶峰,2008年金融危机爆发后,世界经济低迷,联合国提出中长期向绿色低碳经济转型为核心的“绿色新政”概念,刺激了交通领域碳中和技术的迅速发展;第三阶段为波动性增长阶段,2013–2015年,由于市场竞争,专利技术发展出现下降趋势,2015年之后,全球178个缔约方共同签署《巴黎协定》,并随着130多个国家碳中和目标的提出,交通领域碳中和技术又重新出现缓慢增长趋势。

在整个交通领域中,道路交通的碳排放量约占90%,轨道交通约占1%,航空和航运占比约为6%。因此,在细分领域中,针对道路交通碳中和技术相关的PCT专利数量远高于轨道交通、航空和航运,其发展趋势与交通领域的整体发展趋势一致。在道路交通领域中,多个车企在2008年金融危机后将研发重点转向新能源汽车,混合动力、柴油技术、氢动力和纯电动汽车多条技术路线并进。以氢能、燃料电池和储能为代表的使能技术作为各细分领域的前沿交叉技术,是交通领域实现碳中和目标的重要路径。

4.2 主要国家/地区分析

日本、美国、德国、韩国、法国、英国和中国是交通领域碳中和技术重点布局的主要国家和地区,其技术发展趋势与整体趋势大体一致,如图2所示。其中,日本的专利申请数量为14 563项,占专利总量的36.2%,位居第一;美国紧随其后,专利申请数量为6 825项,占比17.0%;德国、韩国、法国和英国的专利申请数量分别为2 714项、1 927项、1 124项和1 108项,占比分别为6.7%、4.8%、2.8%和2.7%;中国的专利申请数量为967项,占比为2.4%,位居第7位。

通过分析主要国家的德温特手工代码表明各国的技术研发重点,如图3所示。日本主要聚焦电动汽车发动机技术（X21-A01F）、混合动力汽车发动机技术（X21-A01D）、动力电池与燃料电池技术（X21-B01A）和车辆应用（L03-H05）;美国重视电动汽车发动机技术（X21-A01F）和车辆微处理系统（T01-J07D1）的研发;韩国同日本的技术布局相似,但在专利申请数量远落后于日本;德国、法国、英国和中国各类碳中和技术的专利申请数量差距不明显,相比日本、美国和韩国专利申请数量较少;中国在电动汽车发动机技术（X21-A01F）的专利布局较多,紧随日本、韩国和美国之后。整体上看,各国的技术布局与其发布的科技发展规划息息相关。

4.3 主要研究机构

根据PCT专利申请数量排序,前10名的机构如表1所示,包括丰田集团、日产集团、三菱集团、本田集团、LG集团、松下集团、斯堪尼亚集团、博世集团、电装株式会社和美国联合技术公司,专利数量共12 129项,占专利总量的30%。其中,日本企业占比为60%,在国际市场中占据优势地位。

在以上10家企业中,车企数量占比为90%,以混动技术、纯电技术和氢能源为主的新能源汽车正在成为市场的主流。如丰田集团主要进行混合动力汽车和氢燃料电池方向的开发,近两年开始进行电动汽车研发部署,并与智能网联、自动驾驶、共享出行结合,旨在创建未来汽车社会;日产集团重点发展电驱动系统;三菱汽车将借助日产汽车的生产平台,将重点转向电动汽车的开发。中国企业比亚迪股份有限公司排名第20,专利数量为267项,主要聚焦电动化、轻量化、智能化和集成化等新能源汽车技术。

4.4 主题分析

LDA主题模型是文本挖掘的重要工具^[28],广泛用于主题划分、文本聚类和热点识别等^[29]。其原理是将多个文档作为多个隐含主题的集合,利用文档-主题概率反映每个文档的潜在主题,通过主题-主题词项概率分布来反映每个主题的主要内容。通过不断模拟文档生成过程,该模型具有较高的泛化能力。

本文基于LDA模型,通过对专利标题字段分析,挖掘交通领域碳中和技术潜在的主题分布。通过困惑度计算公式1 ^[30]确定主题数K=5。

（公式1）$\text { perplexity }=\exp \left\{-\frac{\sum_{d=1}^{D} \log \left(w_{d}\right)}{\sum_{\mathrm{d}=1}^{\mathrm{D}} N_{d}}\right\}$

其中D为文档数量,$N_{d}$为第d个文档中出现的词语总数,$w_{d}$表示为构成文档d的单词集合。

设置狄利克雷函数分布中的参数α和β分别为1.9和0.1^[31],其主题分布如图4所示,文档-主题概率如表2所示。通过公式2 ^[32]得到各主题强度,如表3所示。

（公式2）$\mathrm{TS}=\frac{\sum_{d=1}^{D} \theta_{2}^{d}}{\mathrm{Dt}}$

其中TS表示技术主题强度;$\theta_{2}^{d}$为第d篇专利文献中第z个主题的后验概率分布;Dt表示时间段t内专利数目。

由表3可知,从整体上看,交通领域碳中和技术主要围绕绿色低碳化、电动化和智能化三个方面,其主题内容围绕氢及氢基燃料、可再生植物/海洋藻类或者其他有机废物制成的生物燃料、可持续航空燃料等碳中和替代燃料,以轻质合金、复合材料、新型工艺为发展方向的轻量化技术,电动汽车和混合动力汽车的电驱动技术,固态电池和燃料电池技术,自动驾驶、共享出行、出行即服务的智能网联技术。未来交通能源多元化发展将成为主流,智能技术将提高综合交通运输网络效率,减少单位运输能量消耗。

5 结论及建议

本文利用文献计量学和LDA模型,对Derwent Innovation数据库获取的PCT专利数据进行定量分析,从年度专利申请数量、主要国家/地区、主要研究机构、研究主题等方面揭示了交通部门碳中和技术的研究现状和发展趋势。主要结论包括：（1）2000年以来交通领域碳中和技术发展迅速,经历了缓慢增长-快速增长-波动性增长三个阶段,市场呈现出稳定发展趋势;（2）主要研究力量分布在日本、美国、韩国、德国、法国、英国和中国,日本十分重视道路交通技术的全面布局,专利申请数量处于领先地位;中国侧重电动汽车发动机技术的部署,在其他技术布局中优势不突出;（3）以丰田为代表的日本车企占据市场主导地位,中国的代表企业为比亚迪股份有限公司,龙头企业数量较少;（4）电动汽车和混合动力汽车的电驱动技术、轻量化技术、电动电池技术、燃料电池技术、碳中和替代燃料、智能互联、自动驾驶和出行即服务系统设计是交通领域碳中和技术的主要研究方向。

强化交通领域碳中和技术的科学攻关,形成绿色低碳化+电动化+低成本和安全可靠智能化的融合发展是实现交通领域碳中和的关键。通过深度分析各国交通领域碳减排科技发展规划可以看出,尽管新能源乘用车和轻型物流车的技术逐渐成熟,但是重型货车、船舶和航空能源替代方案方面存在技术不确定性。建议加快交通领域用能结构的深度调整,如大力发展甲醇、氢及氢基燃料、生物燃料、可持续航空燃料等绿色能源技术;在近距离运输中使用纯电动的轻型货车,在长距离运输中发展氢燃料电池重型卡车;利用轻量化、自动驾驶、智能互联、共享出行技术,提升交通运输网络效率,建立集约化城市货运配送服务模式和新型农村物流模式,重构未来出行和运输场景^[33]。

附录

检索式：CPC= Y02T10/10 OR Y02T10/12 OR Y02T10/121 OR Y02T10/123 OR Y02T10/125 OR Y02T10/126 OR Y02T10/128 OR Y02T10/14 OR Y02T10/142 OR Y02T10/144 OR Y02T10/146 OR Y02T10/148 OR Y02T10/16 OR Y02T10/163 OR Y02T10/166 OR Y02T10/17 OR Y02T10/18 OR Y02T10/40 OR Y02T10/42 OR Y02T10/44 OR Y02T10/46 OR Y02T10/47 OR Y02T10/48 OR Y02T10/50 OR Y02T10/52 OR Y02T10/54 OR Y02T10/56 OR Y02T10/20 OR Y02T10/22 OR Y02T10/24 OR Y02T10/26 OR Y02T10/30 OR Y02T10/32 OR Y02T10/34 OR Y02T10/36 OR Y02T10/38 OR Y02T10/62 OR Y02T10/6204 OR Y02T10/6208 OR Y02T10/6213 OR Y02T10/6217 OR Y02T10/6221 OR Y02T10/6226 OR Y02T10/623 OR Y02T10/6234 OR Y02T10/6239 OR Y02T10/6243 OR Y02T10/6247 OR Y02T10/6252 OR Y02T10/6256 OR Y02T10/626 OR Y02T10/6265 OR Y02T10/6269 OR Y02T10/6273 OR Y02T10/6278 OR Y02T10/6282 OR Y02T10/6286 OR Y02T10/6291 OR Y02T10/6295 OR Y02T10/64 OR Y02T10/641 OR Y02T10/642 OR Y02T10/643 OR Y02T10/644 OR Y02T10/645 OR Y02T10/646 OR Y02T10/647 OR Y02T10/648 OR Y02T10/649 OR Y02T10/70 OR Y02T10/7005 OR Y02T10/7011 OR Y02T10/7016 OR Y02T10/7022 OR Y02T10/7027 OR Y02T10/7033 OR Y02T10/7038 OR Y02T10/7044 OR Y02T10/705 OR Y02T10/7055 OR Y02T10/7061 OR Y02T10/7066 OR Y02T10/7072 OR Y02T10/7077 OR Y02T10/7083 OR Y02T10/7088 OR Y02T10/7094 OR Y02T10/72 OR Y02T10/7208 OR Y02T10/7216 OR Y02T10/7225 OR Y02T10/7233 OR Y02T10/7241 OR Y02T10/725 OR Y02T10/7258 OR Y02T10/7266 OR Y02T10/7275 OR Y02T10/7283 OR Y02T10/7291 OR Y02T10/80 OR Y02T10/82 OR Y02T10/84 OR Y02T10/86 OR Y02T10/862 OR Y02T10/865 OR Y02T10/867 OR Y02T10/90 OR Y02T10/92 OR Y02T30/00 OR Y02T30/10 OR Y02T30/12 OR Y02T30/14 OR Y02T30/16 OR Y02T30/18 OR Y02T30/30 OR Y02T30/32 OR Y02T30/34 OR Y02T30/36 OR Y02T30/38 OR Y02T30/40 OR Y02T30/42 OR Y02T50/00 OR Y02T50/10 OR Y02T50/12 OR Y02T50/14 OR Y02T50/145 OR Y02T50/16 OR Y02T50/162 OR Y02T50/164 OR Y02T50/166 OR Y02T50/168 OR Y02T50/30 OR Y02T50/32 OR Y02T50/34 OR Y02T50/40 OR Y02T50/42 OR Y02T50/43 OR Y02T50/433 OR Y02T50/436 OR Y02T50/44 OR Y02T50/46 OR Y02T50/47 OR Y02T50/48 OR Y02T50/50 OR Y02T50/52 OR Y02T50/53 OR Y02T50/54 OR Y02T50/545 OR Y02T50/56 OR Y02T50/57 OR Y02T50/58 OR Y02T50/60 OR Y02T50/62 OR Y02T50/64 OR Y02T50/66 OR Y02T50/67 OR Y02T50/671 OR Y02T50/672 OR Y02T50/673 OR Y02T50/675 OR Y02T50/676 OR Y02T50/677 OR Y02T50/678 OR Y02T50/69 OR Y02T50/70 OR Y02T50/72 OR Y02T50/74 OR Y02T50/80 OR Y02T50/82 OR Y02T50/823 OR Y02T50/826 OR Y02T50/84 OR Y02T50/90 OR Y02T70/00 OR Y02T70/10 OR Y02T70/12 OR Y02T70/121 OR Y02T70/122 OR Y02T70/123 OR Y02T70/125 OR Y02T70/126 OR Y02T70/127 OR Y02T70/128 OR Y02T70/14 OR Y02T70/143 OR Y02T70/146 OR Y02T70/30 OR Y02T70/32 OR Y02T70/34 OR Y02T70/36 OR Y02T70/50 OR Y02T70/52 OR Y02T70/5209 OR Y02T70/5218 OR Y02T70/5227 OR Y02T70/5236 OR Y02T70/5245 OR Y02T70/5254 OR Y02T70/5263 OR Y02T70/5272 OR Y02T70/5281 OR Y02T70/529 OR Y02T70/54 OR Y02T70/542 OR Y02T70/545 OR Y02T70/547 OR Y02T70/56 OR Y02T70/58 OR Y02T70/583 OR Y02T70/586 OR Y02T70/59 OR Y02T70/70 OR Y02T70/72 OR Y02T70/74 OR Y02T70/742 OR Y02T70/745 OR Y02T70/747 OR Y02T70/80 OR Y02T70/90 OR Y02T 90/10 OR Y02T 90/12 OR Y02T 90/121 OR Y02T 90/122 OR Y02T 90/124 OR Y02T 90/125 OR Y02T 90/127 OR Y02T 90/128 OR Y02T 90/14 OR Y02T 90/16 OR Y02T 90/161 OR Y02T 90/162 OR Y02T 90/163 OR Y02T 90/164 OR Y02T 90/165 OR Y02T 90/166 OR Y02T 90/167 OR Y02T 90/168 OR Y02T 90/169 OR Y02T 90/30 OR Y02T 90/32 OR Y02T 90/34 OR Y02T 90/36 OR Y02T 90/38 OR Y02T 90/40 OR Y02T 90/42 OR Y02T 90/44 OR Y02T 90/46

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Zhang P W, Yan F, Du C Q. A comprehensive analysis of energy management strategies for hybrid electric vehicles based on bibliometrics[J]. Renewable and Sustainable Energy Reviews, 2015, 48: 88-104.

[2]	He M L, Lin T H, Wu X H, et al. A systematic literature review of reverse logistics of end-of-life vehicles: Bibliometric analysis and research trend[J]. Energies, 2020, 13(21): 5586.

[3]	Li X W, Long H Y. Research focus, frontier and knowledge base of green technology in China: Metrological research based on mapping knowledge domains[J]. Polish Journal of Environmental Studies, 2020, 29(5): 3003-3011.

[4]	Tsai Y C, Huang Y F, Yang J T. Strategies for the development of offshore wind technology for far-east countries - A point of view from patent analysis[J]. Renewable and Sustainable Energy Reviews, 2016, 60: 182-194.

[5]	Wagner R, Preschitschek N, Passerini S, et al. Current research trends and prospects among the various materials and designs used in lithium-based batteries[J]. Journal of Applied Electrochemistry, 2013, 43(5): 481-496.

[6]	刘川, 袁伯龙. 基于WOS数据库的文献计量分析的城市交通事故态势研究[J]. 交通节能与环保, 2021, 17(2): 66-72.

[7]	刘雨, 周群. 基于文献计量的交通运输安全管理研究发展态势分析[J]. 交通运输部管理干部学院学报, 2019, 29(3): 20-25.

[8]	杨金彪. 智能交通技术发展的专利计量研究[D]. 大连: 大连理工大学, 2018.

[9]	The Government of Japan. Japan’s Fourth Biennial Report[R/OL]. (2019-12)[2022-03-23]. https://www4.unfccc.int/sites/SubmissionsStaging/NationalReports/Documents/48529371_Japan-BR4-1-BR4_JPN_v1.1.pdf.

[10]	The Ministry of the Environment of Japan. Global Warming Countermeasures (Cabinet Decision)[EB/OL]. (2016)[2022-03-23]. http://www.env.go.jp/press/files/jp/102816.pdf.

[11]	Ministry of Economy, Trande and Industry. Green Growth Strategy Through Achieving Carbon Neutrality in 2050[EB/OL]. (2021-07-18)[2022-03-23]. https://www.meti.go.jp/english/press/2021/0618_002.html.

[12]	日本国土交通省. 国土交通白皮书2020[EB/OL]. (2020)[2022-03-23]. https://www.mlit.go.jp/statistics/file000003.html.

[13]	The White House. Executive order on strengthening American leadership in clean cars and trucks[EB/OL]. (2021-08-05)[2022-03-23]. https://www.whitehouse.gov/briefing-room/presidential-actions/2021/08/05/executive-order-on-strengthening-american-leadership-in-clean-cars-and-trucks/.

[14]	The United States Department of State and the United States Executive Office of the President. Pathways to Net-Zero Greenhouse Gas Emissions by 2050[EB/OL]. (2021-11)[2022-03-23]. https://www.whitehouse.gov/wp-content/uploads/2021/10/US-Long-Term-Strategy.pdf.

[15]	DOE. DOE announces $100 million to support cutting-edge clean energy technologies[EB/OL]. (2021-12-16)[2022-03-23]. https://www.energy.gov/articles/doe-announces-100-million-support-cutting-edge-clean-energy-technologies.

[16]	U.S. department of transportation. Intelligent transportation systems joint program office strategic plan 2020-2025[EB/OL]. (2020)[2022-03-23]. https://www.its.dot.gov/stratplan2020/ITSJPO_StratPlanFactSheet.pdf.

[17]	Department for transport of UK. The road to Zero[EB/OL]. (2018-06)[2022-03-23]. https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/739460/road-to-zero.pdf.

[18]	Department for Transport of UK. Decarbonising Transport: A Better, Greener Britain[EB/OL]. (2021-07-14)[2021-11-12]. https://www.gov.uk/government/publications/transport-decarbonisation-plan.

[19]	German Energy Agency. Dena pilot study towards climate neutrality provides a foundation for energy and climate policy for the next German government[EB/OL]. (2021-10-07)[2022-03-23]. https://www.dena.de/en/newsroom/news/dena-pilot-study-towards-climate-neutrality/.

[20]	The Federal Government. Economic stimulus package An ambitious programme[EB/OL]. (2020-07)[2022-03-23]. https://www.bundesregierung.de/breg-en/news/konjunkturpaket-1757640.

[21]	德国能源署. 实现2045气候中和的技术创新[EB/OL]. (2021-12)[2022-03-24]. https://www.dena.de/newsroom/publikationsdetailansicht/pub/tech-for-net-zero-allianz-klimaneutralitaet-2045-neue-technologien-fuer-deutschland/.

[22]	韩国科学技术信息通信部. 碳中和十大关键技术发展方向报告[EB/OL]. (2021-09)[2022-03-23]. https://www.msit.go.kr/bbs/view.do?sCode=user&mId=113&mPid=112&pageIndex=10&bbsSeqNo=94&nttSeqNo=3180708&searchOpt=ALL&searchTxt=.

[23]	法国政府. 第四项未来投资计划[EB/OL]. (2021-05-28)[2022-03-23]. https://www.enseignementsup-recherche.gouv.fr/cid156296/4e-programme-d-investissements-d-avenir-20-md%C2%80-dans-la-recherche-et-l-innovation-en-faveur-des-generations-futures.html.

[24]	IEA. 中国能源体系碳中和路线图[EB/OL]. (2022-02)[2022-03-23]. https://iea.blob.core.windows.net/assets/bb8dcbbc-4655-4d49-904d-4b780abf3d6b/AnenergysectorroadmaptocarbonneutralityinChina_Chinese.pdf.

[25]	刘淑华. 我国PCT申请资助政策的正当性研究[J]. 知识产权, 2017, 27(8): 78-83.

[26]	OECD. Patent search strategies for the identification of selected environment-related technologies[EB/OL]. (2012-1-1)[2022-03-23]. http://www.oecd.org/environment/consumption-innovation/ENV-tech%20search%20strategies,%20version%20for%20OECDstat%20(2016).pdf.

[27]	胡欣悦, 汤勇力, 王国庆, 等. 研发国际化、跨国知识网络与研发单元创新绩效——基于华为PCT专利(2002-2013年)的面板数据分析[J]. 系统工程理论与实践, 2018, 38(12): 3124-3139.

[28]	Blei D M, Ng A Y, Jordan M I. Latent dirichlet allocation[J]. Journal of machine Learning research, 2003(3), 993-1022.

[29]	田园, 宫婷婷. 基于LDA模型的在线教学需求数据主题挖掘研究[J]. 情报科学, 2021, 39(9): 110-116.

[30]	Azzopardi L, Girolami M, van Risjbergen K. Investigating the relationship between language model perplexity and IR precision- recall measures[C]. International ACM SIGIR Conference on Research and Development in Informaion Retrieval, 2003, 369-370.