三 文献计量分析结果

（一）样本文献的分布情况

1.样本文献的年度分布

将检索所得的3147篇基础设施脆弱性研究的样本文献按照年度分布排列，如图1所示，样本文献呈现出明显的逐年增长趋势，自2013年起文献发表数量每年保持在200篇之上，可见学界对于基础设施脆弱性的关注持续升温。

图1 样本文献的年度分布（1993～2018年）

2.样本文献的国家分布

中介中心性（Betweenness Centrality）是测度节点在网络结构中重要性的一个指标。^[4]在CiteSpace V界面中选择节点类型Country，生成样本文献的国家中介中心性图谱，如图2所示。图谱中节点（国家/地区数）79个，边462条。连接节点的边代表国家之间的合作，年轮大小代表中心节点国家的发文量，而该国家文献的中介中心性用外围光圈表示，光圈颜色越深，中介中心性越强，通过该节点合作展开的国际合作成果越多，影响力越大。由图谱可见，节点的中介中心性和节点年轮大小并不完全对应。

图2 样本文献的国家分布图谱

在3147篇样本文献中，美国的文献数量为1116篇，占比35.5%，具有明显的数量上的优势。其次为英国、中国、意大利、澳大利亚、加拿大、德国、法国、印度、西班牙等，其他国家的发文数量与美国相比存在明显差距。

国家节点的中介中心性如表1所示。中介中心性指标中，英国排名第一，说明基础设施脆弱性的研究通过英国开展的国际交流最多，文献影响力最大。其次为美国、澳大利亚、加拿大、德国等。值得关注的还有中国，发文数量排名第三位，而文献的中介中心性只有0.08，排位第八。可见中国学界在基础设施脆弱性研究中，研究成果的数量虽有优势，但是国际合作和成果影响力方面有待提高。

表1 样本文献的国家中介中心性排名

（二）研究的主要议题

文献共被引是指两篇文献同时被其他施引文献引用的频率，意在表征两篇文献共被引关系的强弱。^[5]而对文献空间的数据集合进行共被引关系的挖掘，即文献的共被引分析。共被引与被引不同，两者虽然都可以表征文献影响力，但是共被引更强调文献在形成聚类过程中的作用。通过共被引分析生成的文献聚类，可以挖掘出某领域的主要研究议题，在一定程度上揭示该领域的知识基础结构。

将节点类型选择为Cited Reference，提取每年被引频次排名前50的文献数据运行生成样本文献共被引网络聚类图谱，如图3所示。聚类效果参数Modularity Q为0.7545（＞0.3），表明生成的网络社团结构显著。

图3 样本文献共被引网络聚类图谱

根据生成的图谱可知，显著性的聚类其关键词依次为“电网”“交通”“关联性”“改善”“结构工程”“适应型”“气候变化影响”等。参考以上聚类结果，对高引频原始文献进行详细研读与分析，可以将基础设施脆弱性领域的研究概括为三大主题。

（1）工程领域基础设施的脆弱性。这一主题的多数研究以“电网”和“交通”基础设施为对象，结合工程可靠性分析框架，聚焦于基础设施脆弱性的分析方法。

（2）关联基础设施的脆弱性。这一主题同时包含“级联故障”“耦合”等关键词，聚焦于不同基础设施系统之间的关联性和耦合性以及级联故障对基础设施脆弱性的影响。高引频文献发表年份分布于2008～2014年，相对于其他主题更为靠后，在一定程度上反映了关联基础设施脆弱性是该领域近年来的研究热点之一。

（3）气候变化情景下基础设施的脆弱性。在气候变化情景下，极端天气等气候风险已成为基础设施当前不容忽视的新型风险源。这一主题的研究凸显出“适应性”和“弹性”概念，不止于对气候变化和基础设施脆弱性之间因果关系的探讨，更强调以增强治理机制的“弹性”和“适应性”来降低基础设施的脆弱性。

（三）共被引高频次作者

作者共被引与文献共被引知识图谱的生成机理相同，共被引频次反映此作者的研究成果和学术观点在该领域的影响力和认可度。在CiteSpace V界面中选择节点类型Cited Author，生成样本文献的作者共被引网络。按照上述主题分类，参考各作者高引频文献具体内容，选择每一主题共被引频次较高的作者列于表2中。需要说明的是，部分学者的研究呈现交叉现象，即其主要研究成果显著关联于却不局限于某主题。如华中科技大学的学者欧阳敏等（Min Ouyang），其共被引高频文献既包括关联基础设施的脆弱性研究^[6][7]，同时涉及广泛的工程领域基础设施脆弱性^[8]。在此类情况下，按照其相关文献的引频高低归类于各主题。鉴于欧阳敏学者在“关联基础设施脆弱性”主题中的文献引频更高，故将其列至这一主题内。

表2 样本文献主题及其共被引高频作者^*

通过样本文献在CiteSpace V中生成的知识图谱，初步了解了基础设施脆弱性这一领域的文献分布、主要议题以及各主题下高频的共被引作者。下一部分将以此为基础，并结合共被引高频作者及其研究成果对三大主题逐一分析讨论。