基于动态网络的增强现实技术创新网络演化分析

来源：SCI期刊网 分类：电子论文 时间：2022-03-30 09:34 热度：

　　摘 要 [目的/意义]技术创新的频繁发生和网络的复杂多变，决定了多角度分析技术创新网络演化的重要性，基于多维度创新网络的演化分析有助于研究人员更加深刻地洞察技术创新网络的演化过程。[方法/过程]将动态网络分析方法和专利信息相结合，构建技术创新网络演化测度模型，对不同阶段的增强现实技术创新合作网络、知识网络、主体分布网络的整体结构和关键节点进行多视角测度，观察网络规模、网络关联程度、网络集中度、主体合作能力、研发实力、布局范围、技术热点和重要区域的动态演化过程。[结果/结论]分析结果验证了技术创新网络演化测度模型的有效性，揭示了网络动态演化的规律和路径。

　　关键词 技术创新网络 动态网络分析 网络演化 增强现实

　　0 引 言

　　增强现实(Augmented Reality，AR)是通过计算机生成的感官输入(如声音、图像或 GPS 数据)增强物体的实际环境的生动的视图[1]，由虚拟现实(VR) 技术衍生出的一种新型技术。近年来随着人工智能和计算机视觉技术取得重大进展，推动了增强现实技术快速发展，已经在教育、娱乐、医疗和军事等多个领域得到了广泛应用。增强现实被认为是有广阔发展前景的技术，将对我们与未来人工智能和控制论相关的计算机交互方式产生更加深远的影响[2]。因此，对增强现实技术的发展趋势与演化路径的研究变得越来越重要。

　　目前，有关增强现实领域的专利和文献数量逐渐增加，国内外学者基于专利信息对增强现实技术的发展趋势进行了一定研究。Jeong [3]等使用主题模型对 3 595条与增强现实技术相关专利进行主题识别，根据技术主题和企业层次分析产业竞争情况。张雪[4]对全球及中国的增强现实领域专利进行研究，并从专利申请趋势、主要申请人、申请区域分布等角度进行了分析，为我国增强现实产业发展提供参考。迄今为止的研究多采用基本专利计量指标进行统计分析，没有通过构建技术创新网络来识别增强现实技术的发展趋势。因此，利用专利数据和网络分析可以预测技术趋势、监测新兴技术、识别创新网络演化与行业成长的关系。

　　近年来，有学者将专利信息引入技术创新网络中，分析具体技术领域的演化过程。Gabjin Oh [5]等根据专利引用关系构建专利网络，通过计算测度指标验证网络的技术发展趋势，表明其提出的指标有助于预测未来的技术关系。Chiung -Wen Hsu [6]等采用美国生物质发酵产生氢气技术领域专利构建专利引用网络，将专利分为四个主要的技术领域，确定了当前氢气产生的主流技术领域。翟铖[7]利用产学研合作专利构建产学研协同创新网络，运用复杂网络分析方法，建立了产学研协同创新网络测度体系，对网络结构和网络时空演化进行了分析研究。颜端武[8]等采用专利计量、专利耦合和社会网络分析方法，研究电动汽车领域技术相似创新网络和技术合作网络的演化。因此，有关基于专利信息的技术创新网络演化研究大多通过专利计量和传统社会网络分析的方法对专利引用网络和专利合作网络进行测度。技术创新网络是一种复杂网络，需要从多个角度观察网络的演化过程，所以，国内学者将动态网络分析 (Dynamic Network Analysis) 方法应用在技术创新网络演化研究中。如李登杰[9]等基于动态网络分析方法设计了技术创新网络演化测度模型，并以中药制剂技术领域专利为例进行了实证研究，识别了网络中的重要节点的演化过程。刘彤[10]等采用北京纳米技术领域专利，构建纳米技术领域专利合作网络，根据动态网络测度指标对网络中的节点进行多角度分析，识别网络中重要节点和关系，对北京纳米技术发展提出建议。

　　综上所述，已有文献对基于专利信息的增强现实技术发展趋势和技术创新网络演化的研究取得了丰富的成果，但仍然没有基于动态网络的视角对增强现实技术进行演化分析。所以，本文基于动态 网 络 分 析 (DNA)方法，丰富已有测度指标，构建技术创新网络演化测度模型，从宏观网络结构到微观网络节点，对不同阶段的增强现实技术创新网络进行全方位，多角度的演化分析，更加全面地展现增强现实技术领域内研发主体实力、研究技术热点以及技术集中区域的演变过程，从而为我国增强现实技术的发展方向提供客观参考，辅助企业制定专利布局策略。

　　1 研究方案设计本文设计

　　了基于动态网络的技术创新网络演化分析研究框架，更加清晰地展现研究思路与方案实施步骤，并利用动态网络分析测度指标，构建了技术创新网络演化测度模型，对不同阶段的技术创新主体、技术创新领域、技术创新区域以及网络整体进行演化分析。

　　1.1 研究框架 基于动态网络的技术创新网络演化研究框架如图 1 所示，分为以下六步:

　　第 1 步:专利数据收集。选择德温特创新索引数据库(Derwent Innovation Index，DII)作为数据来源，通过查阅相关文献与咨询专家，对目标领域进行技术分解，构建检索表达式，并对无效专利进行筛选。

　　第 2 步:技术生命周期分析。基于专利历年累积申请量，采用 Logistic 模型计算技术生命周期，判断当前技术所处阶段。

　　第 3 步:多重技术创新网络构建。将专利信息中的专利权人作为主体(Agent)节点，IPC 分类号作为知识(Knowledge)节点，专利申请国家作为地点( Location)节点，构成不同类型的元矩阵，进而转化为主体合作网络(AA 网络)、知识网络(AK 网络)、主体分布网络(AL 网络)。

　　第 4 步:技术创新网络整体演化分析。利用网络通用指标测度不同时间段、不同类型网络整体演化情况。其中，节点数测度 AA 网络中专利权人数量、AK 网络中 IPC 数量、AL 网络中专利申请国家数量，社团数测度 AA 网络中保持合作的专利权人构成的研发团队数量，连接数测度 AA 网络中专利权人之间的合作数量，孤立节点占比测度 AA 网络中没有合作的专利权人比例，网络密度测度 AA 网络中专利权人的合作集中度，知识范围和区域范围分别测度 AK 网络和 AL 网络中专利权人和 IPC、专利权人和申请国家之间的关联程度，知识冗余度、区域冗余度分别测度 AK 网络、AL 网络中专利权人的 IPC 和申请区域的集中情况。

　　第 5 步:技术创新网络关键节点演化分析。利用动态网络专有指标测度不同时间段、不同类型网络关键节点演化情况。其中，涌现型领导、主要合作者、能力测度 AA 网络中专利权人的合作能力，主导性研究机构、知识垄断性测度 AK 网络中专利权人的研发实力，广泛布局申请人测度 AL 网络中专利权人的布局范围，主导性知识领域测度 AK 网络中热点技术领域，人员集中区域测度 AL 网络中重要布局区域。

　　第 6 步:总结并给出对策建议。根据技术创新网络演化分析结果，并结合当前所处阶段，给出对我国增强现实领域发展的启示和建议。

　　1.2 技术创新网络演化测度模型 动态网络分析既包含通用网络结构指标，如网络节点数、连接数、度中心性、网络密度等，也包含一些专有网络结构指标，如认知需求(Cognitive Demand)、能力(Capability)、知识排他性(Knowledge Exclusivity ) 等[11]，本文通过这些重要测度指标，构建了基于专利的技术创新网络演化测度模型，如表 1 所示。

　　1.3 动态网络相关测度指标及定义 技术创新网络演化测度模型中相关指标的定义及含义如下:

　　知识 范 围 ( Knowledge Breadth):指 专 利 涉 及 的 IPC 范围，表示 AK 网络的知识节点中入度( In Degree)大于 1 的节点所占比例，比例越大说明该领域专利涉及的技术范围越广。

　　知识冗余度(Knowledge Rendundancy):指网络中每个技术领域冗余专利权人的平均数量，用来衡量专利权人的技术领域集中度，冗余度越大说明专利权人越集中在某些技术领域。

　　涌现型领导(Emergent Leader):指对组织产生重要影响的潜在专利权人。由 AA 网 络 中 节 点 的 认 知 需 求 ( Cognitive Demand)计算得到，该指标用来识别连接最多的个人、企业、研发机构、任务以及事件的专利权人。

　　2 增强现实技术创新网络演化分析

　　2.1 数据收集与阶段划分 本文收集截止至 2016 年 12 月 31 日公开授权的增强现实领域专利数据，选择德温特创新索引数据库(Derwent Innovation Index， DII)作为数据来源，通过查阅相关文献得知，增强现实技术具有以下三种特征:虚实结合;实时互动;3D 注册[3]。因此，构建最终检索表达式:TS = (( regist* or display* or visual* or interact* )and(“augmented reality”or“AR”))，剔除无效专利，得到有效专利 4 960 件。本文采用 Logistic 模型计算技术生命周期，判断增强现实技术目前所处阶段。

　　增强现实技术专利累计申请量年度分布如图 2 所示。从图 2 可以看出:增强现实技术在 1996-2009 年间从无到有缓慢增长，这一阶段为技术萌芽期，增强现实技术刚刚出现，大部分专利为基础性专利;随着技术的不断发展，2010-2013 年间专利申请量加速增长，进入该领域的企业也越来越多，此阶段为技术成长期; 2014-2022 年增强现实市场趋于饱和，企业间竞争激烈，最终导致一部分企业被迫退出市场，专利增长态势放缓，年申请量开始减少，这一阶段为技术成熟期，成熟期专利数量大约为 6 222 件;从 2022 年以后，增强现实技术进入衰退期，该阶段由于技术基本已经普及，如果技术没有创新，就会面临大部分企业退出市场，造成专利数量逐渐减少。

　　2.2 技术创新网络整体演化分析 本文根据增强现实技术生命周期，按照公开时间选取近 12 年专利数据，共 4 770 件，涵盖了该技术的萌芽期、成长期、成熟期，并将其划分为三个时间段:2005 - 2008 年、2009 - 2012 年、2013-2016 年。通过不同时间切片，展现技术创新网络的演化过程。

　　2.2.1 技术创新主体合作网络整体演化分析将 AA 矩阵按照三个不同的时间段转化为专利权人合作关系网络，三个阶段的合作网络测度演化情况如表 2 所示。

　　从表 2 可以看出:随着时间的推移，合作网络中专利权人数量和社团数快速增长，网络规模逐渐扩大，专利权人之间的合作也愈加频繁，孤立节点比例逐渐减小。网络密度不断降低，但表现出整体稀疏，局部密集的现象，表明合作多集中在局部专利权人之间。

　　2.2.2 技术创新知识网络整体演化分析 将 AK矩阵按照三个不同的时间段转化为技术创新知识网络，三个阶段的知识网络测度演化情况如表 3 所示。

　　从表 3 可以看出:增强现实领域的专利权人和涉及的技术领域逐年增加，尤其是近几年增长迅速。知识范围从 0.659 增加到 0.713，知识冗余度从 0.042 减少到 0.015，说明该技术的研究领域不断扩展，应用场景更加多样。 2.2.3 技术创新主体分布网络整体演化分析将 AL 矩阵按照三个不同的时间段转化为技术创新主体分布网络，三个阶段的主体分布网络测度演化情况如表 4 所示。

　　从表 4 可以看出:地点节点的数量在近 10 年内增长了一倍，区域范围也从 0.625 增加到 0.875，增强现实领域的专利布局范围不断扩大;网络的区域冗余度不断下降，表明专利布局区域也逐渐分散。 2.3 技术创新主体演化分析 2.3.1 涌现型领导(Emergent Leader)演化分析表 5 展示了三个时间段内，基于涌现型领导的专利权人排名情况。

　　由表 5 可以看出:2005-2008 年间，韩国电子通信研究所和 KIM Bong-Tae 在增强现实技术领域影响较大，2009-2012 年期间，新加坡国立大学、美国高通公司和新加坡科技研究局具有较高的影响力。近几年，一些个人研究人员表现出较强的影响力，其中 McCulloch Daniel、Latta Stephen 和 Scott Jason 的 影 响 力 较高。总体而言，近 10 年间，增强现实技术领域内具有重要影响力的专利权人波动较大，说明增强现实技术领域处于快速成长阶段，竞争较为激烈，核心技术不仅集中在少数几家公司和研究机构中。

　　2.3.2 主要合作者(In-the-Know)演化分析 对技术创新合作网络中的节点进行总度中心性计算，得到基于主要合作者的专利权人排名，如表 6 所示。

　　从表 6 中可以看出，BRACCO IMAGING 和韩国电子通信研究所在 2005 ～ 2008 年之间与他人共同申请专利较多，随着时间变化，美国高通公司、新加坡国立大学和日本 NS 公司后来居上，成为增强现实领域的主要合作者。近几年，以 Sugden Ben J、Kipman Alex Aben-Athar 和 Geisner Kevin A 为代表的个人之间的合作频率也逐渐加强，亚马逊公司也跻身于主要合作者前列，有较强的合作潜力。

　　2.3.3 能力(Capability ) 演化分析 在技术创新主体合作网络中，对指标-能力进行计算，得到基于能力的专利权人排名，如表 7 所示。

　　相关知识推荐：英文论文怎样查重和降重

　　由 表 7 可 以 看 出:韩 国 电 子 通 信 研 究 所、KIM Bong-Tae 和 BRACCO IMAGING 在 2005 至 2008 年间拥有较强的合作研发能力和研发团队，在 2009 至 2012 年期间逐渐被别的专利权人所取代，其中新加坡国立大学和美国高通公司的合作能力突出。近几年 McCulloch Daniel、Latta Stephen 和 Scott Jason 在增强现实领域合作能力和团队研发实力较强。

　　2.3.4 主导性研究机构(Most Knowledge)演化分析 在构建的技术创新知识网络中，以主体节点的出度中心性进行计算，得到基于主导性研究机构的专利权人排名，如表 8 所示。

　　由表 8 可以看出:2005-2016 年主导性研究机构 有较大的变化。2005-2008 年间，德国西门子公司、佳能公司和德国大众集团涉及的研发领域较多，但随后逐渐被其他专利权人取代，LG 电子公司、BIZMODELINE 公司和韩国泛泰公司是 2009-2012 年期间增强现实领域的主导性研究机构。近几年随着人工智能技术的进步和硬件的升级，MAGIC LEAP、美国高通公司和谷歌公司涉及的研究领域逐渐增多，成为新的主导性研究机构。

　　2.3. 5 知 识 垄 断 性 ( Complete Exclusivity – knowledge)演化分析 在技术创新知识网络中，测度专利权人对技术分支的独占情况，得到基于知识垄断性的专利权人排名，如表 9 所示。

　　由表 9 可以看出:2005-2008 年间，德国西门子公司、Hewlett Packard 公司和 ITT 制造公司的技术独占性强。随着时间变化，其技术领域独占性逐渐减弱，涌现出德国大众集团、PARK SOON KYUM 和青岛理工大学等专利权人，2013-2016 年期间，日本天田集团、韩国大宇造船和海洋工程有限公司和 DECOPAC 公司在新的技术领域有所突破。其中，韩国国防科学研究所在 2009-2016 年之间的知识垄断性均排在前五名，有较强的技术独占性。总体来看，基于知识独占性的研究机构排名有较大波动，但其指标得分较低，表明增强现实的多数应用领域均拥有较多的专利权人。

　　2.3.6 广泛布局申请人(Actors at the most locations)演化分析 在技术创新主体分布网络中，对主体节点的出度中心性进行计算，得到基于国际专利分布的专利权人排名，如表 10 所示。

　　由表 10 可以看出:近 10 年间，增强现实专利的布局情况变化较大。2005-2008 年间，德国西门子公司、佳能公司和 BRACCO IMAGING 公司专利布局区域广泛，在 2009-2012 年间 LG 电子公司、韩国泛泰公司和韩国 SK 通信公司成为增强现实领域专利海外布局最为广泛的专利权人。MAGIC LEAP、美国高通公司和谷歌公司在近几年申请海外专利保护逐渐增多，成为新兴专利布局广泛的研究机构。

　　2.4 技术创新领域演化分析 在技术创新知识网络中，对知识节点的总度中心性进行计算，得到主导性知识领域的排名，如表 11 所示。

　　从表 11 可以看出，专利权人涉及的技术领域较为稳定，增强现实技术主要集中在 G06T(图像数据处理与产生、3D 显示)、G06F(数字计算、数据处理)、H04N(图像通信)和 G09G(对用静态方法显示可变信息的指示装置进行控制的装置或电路)。同时，2009-2012 年期间，G06Q(专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法)的重要性也逐渐增加。

　　2.5 技术创新区域演化分析 在技术创新主体分布网络中，测度专利权人集中分布区域的演化情况，基于人员集中区域排名如表 12 所示。——论文作者：翟东升1 侯凯洋1 赵良伟2 张 杰1

文章名称：基于动态网络的增强现实技术创新网络演化分析

文章地址：http://www.sciqk.com/lwfw/dzlw/13094.html