Bibliometrische Analyse des Forschungsfortschritts in der Tunnelsicherheit basierend auf CiteSpace

Zusammenfassung

Diese Studie präsentiert eine bibliometrische Analyse der Tunnelsicherheitsforschung und nutzt Web of Science-Daten und das CiteSpace-Tool, um Publikationstrends, Zusammenarbeit und Forschungshotspots zu identifizieren. Die Analyse zeigt einen Fokus auf Brand- und Verkehrssicherheit, der sich hin zu intelligentem Management und Multi-Gefahren-Resilienz mit fragmentierter Zusammenarbeit verlagert.

Zusammenfassung

Aufgrund der stetig zunehmenden Komplexität von Tunnelräumen und der Diversifizierung der damit verbundenen Risiken ist ein umfassendes Verständnis der Tunnelsicherheitsforschung unerlässlich. Diese Studie nutzt CiteSpace, um eine bibliometrische Analyse von Publikationen zur Tunnelsicherheit in der Web of Science Core Collection durchzuführen. Die Ergebnisse zeigen, dass die Anzahl der Publikationen stetig zugenommen hat, mit einem deutlichen Anstieg nach 2017. Die Central South University ist der führende Beitragende, und Tunnelling and Underground Space Technology sticht als bedeutende Zeitschrift hervor. Die Forschung ist hochgradig interdisziplinär und umfasst Untertagetechnik, Brandschutztechnik und verwandte Disziplinen, obwohl die Kooperationsnetzwerke zwischen Autoren und Institutionen fragmentiert bleiben, was nur begrenzte Synergien widerspiegelt. Die Schlüsselwortanalyse zeigt, dass Forschungs-Hotspots sich auf Tunnelbrandsicherheit und Verkehrsunfallanalyse konzentrieren, mit einem Übergang von fundamentaler Theorie und Risikobewertung hin zu intelligentem und systemorientiertem Management. Das Feld verlagert sich von der traditionellen statischen Analyse hin zu dynamischer Betriebssicherheitsanalyse, Multi-Hazard-Koppelungsrisikobewertung und Systemresilienzbewertung. Dennoch bestehen weiterhin Herausforderungen bei der Integration digitaler Technologien und transdisziplinärer Zusammenarbeit. Im Gegensatz zu traditionellen narrativen Übersichtsarbeiten, die oft auf fragmentierten oder statischen Bewertungen basieren, bietet diese Studie einen reproduzierbaren bibliometrischen Rahmen zur dynamischen Kartierung der Entwicklung der Tunnelsicherheitsforschung. Es bietet methodisch strukturierte Einblicke, um aufkommende Trends zu erkennen und zukünftige interdisziplinäre Untersuchungen zu steuern.

Einleitung

Als kritische Komponente moderner Verkehrs- und Infrastrukturnetze haben Tunnel weltweit kontinuierlich an Umfang und Komplexität zugenommen. Die einzigartige und beengte Umgebung innerhalb der Tunnel stellt jedoch erhebliche Sicherheitsherausforderungen dar, darunter strukturelle Risse¹, Brandrisiken², Verkehrsgefahren³, Betriebssicherheitsbedenken⁴ und Probleme im Zusammenhang mit der Überwachung der gesamten Lebenszyklussicherheit⁵. Historische Daten zeigen durchgehend, dass Vorfälle in Tunneln, insbesondere Brände, häufig zu schweren Verlusten und Sachschäden führen⁶. Diese Vorfälle beschädigen nicht nur die Fahrzeuge und die Tunnelstruktur selbst, sondern zeigen auch die Unzulänglichkeiten bestehender Sicherheitsmaßnahmen⁷. Daher ist eingehende Forschung zur Tunnelsicherheit nicht nur grundlegend für den langfristig stabilen Betrieb der Infrastruktur, sondern auch notwendig, um die öffentliche Sicherheit zu gewährleisten, Notfallmanagementsysteme^zu optimieren, nachhaltige Entwicklung^zu fördern und das gesellschaftliche Wohlbefinden zu verbessern.

Frühe Forschungen zur Tunnelsicherheit lassen sich bis in die 1990er Jahre zurückverfolgen. Die Forschungsthemen konzentrierten sich hauptsächlich auf grundlegende Fragen wie die Ansammlung brennbarer Gase und die Evakuierung von Personal in Tunneln. In der Folge machte das Fachgebiet bedeutende Fortschritte, mit zahlreichen Wissenschaftlern, die umfangreiche und wertvolle Forschungen durchführten. Der Forschungsbereich wurde allmählich erweitert und umfasst Themen wie Tunnelunfallmechanismen, Brandschutzsystemdesign, Bausicherheitssteuerung und Optimierung der strukturellen Planung. Seit Beginn des 21^. Jahrhunderts, insbesondere in den letzten zwei Jahrzehnten, hat sich der Forschungsbereich mit dem rasanten Fortschritt der Digitalisierung und intelligenten Technologien weiter auf Grenzbereiche wie Strukturstabilitätsüberwachung^10,11, Unfallrisikovorhersage, Tunnelbeleuchtungssysteme, Fahrerverhalten und Fahrerinformationsinteraktionssysteme weiterentwickelt. Bestehende Forschung zur Tunnelsicherheit lässt sich grob in drei Hauptaspekte einteilen.

Erstens konzentrieren sich einige Studien auf die Übertragungsmechanismen von Brandkatastrophenketten unter mehrfaktorigen Kopplungsbedingungen¹². Diese Studien verwendeten Methoden wie statistische Unfallanalyse¹³, fallbasierte retrospektive Studien und probabilistische Risikobewertung (PRA), um Unfallkausalität, Risikobewertung¹⁴, Brandentwicklungsmechanismen, Evakuierungssimulation¹⁵ und Überwachung der strukturellen Sicherheit zu untersuchen. Zweitens konzentrieren sich mehrere Studien auf die Verbesserung proaktiver Präventions- und Kontrollfähigkeiten in dynamischen Umgebungen. Viele Wissenschaftler haben Computational Fluid Dynamics (CFD)-Simulationen¹⁶, BIM-GIS-integrierte Modellierung und Multi-Source-Sensornetzwerktechnologien genutzt, um die Ausbreitung von Brandrauch, die Abschwächung der Sichtbarkeit, die Optimierung dynamischer Evakuierungswege sowie Gesundheitsüberwachung und Frühwarnung während des Tunnelbetriebs^zu analysieren. Diese Studien haben die Tunnelbelüftung und Rauchabluftsysteme^weiter optimiert, intelligente^{Beleuchtungskonfigurationen} verbessert und die Erforschung menschlichen Verhaltensmodellierungen sowie digitaler zwillingsgesteuerter geschlossener Kontrolle vorangetrieben. Drittens konzentrieren sich bestimmte Studien hauptsächlich auf die Anwendung fortschrittlicher Technologien und das Streben nach nachhaltigem Tunnelbau. Einige Wissenschaftler haben digitale und intelligente Technologien wie Virtual Reality (VR)²⁰und Building Information Modeling (BIM)²¹für Tunnelexplosion²², unterirdische Hohlraumerkennung und Ausgrabungsunterstützung eingesetzt. Diese Studien untersuchen außerdem die koordinierte Entwicklung ökologischer, sozialer und wirtschaftlicher Faktoren während der Tunnelbauprozesse mit Schwerpunkt auf Nachhaltigkeit²³. Darüber hinaus haben einige Wissenschaftler bibliometrische Methoden angewandt, um Forschung zur Bodensetzung im Tunnelbau²⁴ zu überprüfen, visuelle Analysen der Infrastrukturinspektion^{durchzuführen} und den Zusammenhang zwischen Tunnelbeleuchtung und kohlenstoffarmer Entwicklung^{zu untersuchen 26}.

Tunnelsicherheit hat sich zu einem umfassenden und interdisziplinären Forschungsfeld^entwickelt. Systematische und integrierte Studien fehlen jedoch weiterhin, und die Entwicklung der Wissensstruktur sowie die Identifikation aufkommender Trends in diesem Bereich sind noch unklar genug, was es erschwert, zukünftige Forschungsrichtungen zu bestimmen. Narrative Reviews sind wertvoll, um Mechanismen zu interpretieren, ingenieurwissenschaftliche Praktiken zu vergleichen und Expertenwissen zu synthetisieren. Sie sind jedoch oft durch die Subjektivität der Literaturauswahl und durch ihre Schwierigkeit, die zeitliche Entwicklung großer Forschungsfelder quantitativ nachzuvollziehen, eingeschränkt. Die bibliometrische Analyse ergänzt die narrative Überprüfung durch transparente Abrufkriterien, wiederholbare Datenverarbeitungsverfahren und quantitative Indikatoren für Zusammenarbeit, Zentralität, Clustering und Burst-Evolution. In dieser Studie wurde CiteSpace nicht als Ersatz für fachkundige Interpretation eingesetzt, sondern als Visualisierungs- und quantitatives Kartierungswerkzeug, um die intellektuelle Struktur und aufkommende Themen der Tunnelsicherheitsforschung zu identifizieren. Der Umfang dieser Studie beschränkte sich auf die Tunnelsicherheit. Dieser Bereich umfasste Brandschutz, Rauchkontrolle, Evakuierung, Verkehrssicherheit, Fahrerverhalten, Tunnelbeleuchtung, Belüftung, Umweltkontrolle, Überwachung, Notfallmanagement, Risikobewertung und Systemrobustheit während des Tunnelbetriebs. Studien, die sich hauptsächlich mit der Sicherheit des Tunnelaushubs, der Vorhersage des Schildtunnelbaus, Sprengungen, Bodensetzung, Bauunterhalt und der Diagnose von Randrissen befassten, wurden ausgeschlossen, sofern sie nicht explizit die Ergebnisse der Betriebssicherheit behandelten. Diese Ausschlüsse wurden angewandt, weil sich das geotechnische Risiko in der Bauphase und das Sicherheitsmanagement in der Betriebsphase erheblich in Mechanismen, Datenquellen, Bewertungsindikatoren und technischen Maßnahmen unterscheiden^27,28.

Um systematisch die Merkmale und Trends der Forschung im Bereich der Tunnelsicherheit zu klären, führt diese Studie eine bibliometrische Analyse mit dem CiteSpace-Visualisierungstool auf Basis von Daten aus der Web of Science Core Collection (WoSCC) durch, wobei chinesischsprachige Publikationen und verschiedene informelle Forschungsmaterialien ausgeschlossen werden. Die Analyse umfasst die Merkmale der Publikationsergebnisse, bedeutende Fachzeitschriften, Kooperationsnetzwerke zwischen Kernautoren und Institutionen, die Verteilung und Clusterung von Forschungsschlüsselwörtern im Laufe der Zeit sowie aufkommende Grenzrichtungen²⁸. Im Gegensatz zu herkömmlichen Übersichtsansätzen etabliert diese Studie ein quantitatives, reproduzierbares und visualisierungsbasiertes bibliometrisches Protokoll. Es integriert multidimensionale Metriken wie Keyword-Burst-Erkennung, Zeitlinien-Clustering und Co-Occurrence-Centrality-Analyse. Anhand dieser Kennzahlen konstruiert die Studie einen umfassenden und dynamischen Wissensrahmen, der systematisch die intellektuelle Struktur und thematische Entwicklung des Fachgebiets klärt. Diese Studie verfolgt zwei primäre analytische Ziele. Das erste Ziel ist es, ein umfassendes und dynamisches Wissensrahmen mit dem Visualisierungstool CiteSpace zu entwickeln, um so die fragmentierte und statische Natur traditioneller Überprüfungsbewertungen zu überwinden. Die zweite besteht darin, zu untersuchen, ob die Tunnelsicherheitsforschung nachweisbare Phasenübergänge durchlaufen hat, insbesondere einen Wandel von konventionellen grundlegenden Theorien und statischer Risikoanalyse hin zu einem intelligenten, systematischen und mehrgefahrengekoppelten, dynamischen Sicherheitsmanagementsystem.

Protokoll

Diese Studie führte von 1992 bis 2026 eine systematische bibliometrische Analyse durch, um Forschungstrends im Bereich der Tunnelsicherheit zu identifizieren und zu visualisieren.

Literaturrecherche und Datenerhebung
Zugriff auf die Web of Science Core Collection (WoSCC) Datenbank. Die Suchstrategie wurde mit folgender themenspezifischer Abfrage durchgeführt: TS = [("Tunnel" und "Tunnelsicherheit")]. Nachdem die Anfrage eingegeben war, wurde der "Suchen"-Button angeklickt, um die Literatursuche auszuführen. Die Ergebnisse wurden gefiltert, indem "Artikel", "Review Articles" und "Early Access Publications" als Dokumenttypen ausgewählt wurden. Insgesamt wurden 15.861 Artikel und Übersichtsartikel gesammelt, die zwischen 1992 und 2026 veröffentlicht wurden. Diese Studie konzentriert sich auf Kernbereiche wie Tunnelbrandsicherheit, Verkehrssicherheit, Verkehrssicherheit und Personalevakuierung und zielt darauf ab, den Forschungsfortschritt und die Hotspots der Gesamtsicherheit von Tunneln zu überprüfen. Daher wurden Publikationen zur Aushubsicherheit von Tunneln, zur Sicherheitsvorhersage von Schildtunneln und zur Sicherheitsbewertung von Tunnelauskleidungsrissen ausgeschlossen. Nach diesem Screening-Prozess wurden 428 Artikel für weitere Analysen behalten. Im Abschnitt "Inhalt dokumentieren" wurde "Vollständiger Datensatz und zitierte Quellen" ausgewählt, und der gefilterte Datensatz wurde als "Plain Text"-Dateien exportiert. Jeder Datensatz wurde auf vollständige Zitations- und Mitautoreninformationen überprüft. Der detaillierte Screening-Prozess ist in einem Flussdiagramm dargestellt (Abbildung 1).

Datenvorverarbeitung
Der aus WoSCC exportierte Klartextdatensatz wurde mithilfe der Data | in eine Tabelle importiert Aus der Text-/CSV-Funktion . Tabulator- und Leerzeichen wurden als Trennzeichen ausgewählt, um den Text in Spalten zu unterteilen. Die resultierende Tabelle wurde verwendet, um die Datensätze für spätere Analysen zu filtern, zu sortieren und zusammenzufassen. Die Aufzeichnungen wurden nach Veröffentlichungsjahr aggregiert, um die jährlichen und kumulativen Publikationszahlen zu berechnen. Die Spalte Journal (SO) wurde gefiltert, um nur Zeitschriften mit drei oder mehr Artikeln zu erhalten. Die Institutionen wurden nach Häufigkeit und Zentralität sortiert, um die Top 10 Institutionen zu identifizieren, und Schlüsselwörter wurden nach Häufigkeit und Zentralität sortiert, um die Top 20 Schlüsselwörter zu identifizieren. Schlüsselwort-Cluster wurden nach Größe sortiert, und die sechs größten Cluster wurden beibehalten. Detaillierte Kriterien und Verfahren für jede Operation wurden in den entsprechenden analytischen Unterabschnitten beschrieben.

Zur Analyse der Zahlenentwicklung der veröffentlichten Literatur wurde die Spalte Veröffentlichungsjahr (PY) in der Tabellenkalkulationssoftware gefiltert und die Werte in numerisches Format umgewandelt. Die Unterlagen wurden dann nach Veröffentlichungsjahr aggregiert, um sowohl die jährlichen als auch die kumulierten Veröffentlichungszahlen zu berechnen. Ein Publikationstrenddiagramm wurde erstellt, indem ein Balkendiagramm für die jährliche Produktion erstellt und ein Liniendiagramm für die kumulierte Gesamtzahl überlagert wurde (Abbildung 2). Für die Analyse der Verteilungsmuster von Publikationszeitschriften wurde die Spalte Journal (SO) isoliert und die Anzahl der Datensätze für jede Zeitschrift berechnet. Die Veröffentlichungshäufigkeit wurde für jede Zeitschrift zwischen 1992 und 2026 berechnet, indem die Datensätze nach Zeitschriftentitel gruppiert und die Ergebnisse in absteigender Reihenfolge sortiert wurden. Zeitschriften mit drei oder mehr Artikeln wurden beibehalten, was zu 28 Zeitschriften führte, und die Ergebnisse wurden in einer zusammengefassten Tabelle (Tabelle 1) präsentiert.

Analyse der Zusammenarbeit der Autoren
Der WoSCC-Klartext-Datensatz wurde importiert und in CiteSpace mit dem Data | Import | Web-of-Science-Befehl sowie die Eingabe- und Ausgabeverzeichnisse wurden entsprechend angegeben. Nach einer eingehenden Überprüfung der abgerufenen Literatur stellte sich heraus, dass Publikationen von 1992 bis 2004 nur einen relativ kleinen Anteil des Datensatzes ausmachen. Noch wichtiger ist, dass der Forschungsinhalt und die Themen dieser Publikationen verstreut waren und eine schwache Relevanz für die Tunnelsicherheit zeigten. Die Einbeziehung dieser Arbeiten in die bibliometrische Analyse hätte übermäßige Redundanz eingeführt und die Identifikation von Forschungshotspots und sich entwickelnden Trends erschwert. Darüber hinaus konnte die im März 2026 gefundene Literatur die jährliche Publikationszahl für 2026 nicht vollständig repräsentieren. Daher war die CiteSpace-Analyse auf Literatur beschränkt, die zwischen 2005 und 2025 veröffentlicht wurde. Der Zeitraum wurde von 2005 bis 2025 basierend auf der Publikationsrelevanz festgelegt, wobei jährliche Zeitschnitte mit einem Zeitschnitt von 1 Jahr verwendet wurden.

CiteSpace wurde mit dem Autor als Knotentyp konfiguriert. Das Auswahlkriterium wurde auf den g-Index gesetzt (k = 15). Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Pruning-Menü wurden sowohl die Pathfinder- als auch die Pruning-Optionen für das zusammengeführte Netzwerk ausgewählt, um die Netzwerkstruktur zu vereinfachen. Die Analyse wurde durchgeführt, indem man auf Go klickte, um die Autoren-Kollaborationsnetzwerk-Visualisierung zu erstellen. Schriftgrößen und Farbschemata wurden angepasst, um die Lesbarkeit zu verbessern (Abbildung 3).

Institutionelle Zusammenarbeit und Analyse der Top-10-Institutionen
Der Knotentyp wurde in CiteSpace auf Institution gesetzt. Das Auswahlkriterium wurde auf den g-Index (k = 25) gesetzt. Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Menü Pruning wurden die Optionen Pathfinder und Pruning der zusammengeführten Netzwerke ausgewählt, um die Netzwerkkomplexität zu reduzieren.

Die Analyse wurde durchgeführt, indem man Go drückte, um die institutionelle Kollaborationskarte zu erstellen. Typografie und Farbeinstellungen wurden angepasst, um die Interpretierbarkeit zu verbessern (Abbildung 4). Die institutionellen Kollaborationsdaten wurden mit Output | Netzwerkübersicht als HTML, CSV, RIS | Speichere als CSV. Die CSV-Datei wurde dann in Microsoft Excel geöffnet. Die Spalten "Freq", "Centrality" und "Label" wurden kombiniert, und eine absteigende Sortierung wurde mit Sort & Filter | angewendet Absteigend. Die zehn besten Institutionen wurden extrahiert und zu einer Endtabelle zusammengestellt (Tabelle 2).

Keyword-Co-Occurrence und Analyse der Top 20 Keywords
In CiteSpace wurde der Knotentyp auf Keyword gesetzt. Der g-Index wurde auf k = 17 gesetzt. Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Pruning-Menü wurden die Optionen Pathfinder und Pruning der zusammengeführten Netzwerkoptionen ausgewählt, um das Netzwerk zu trimmen. Die Analyse wurde gestartet, indem man auf Go klickte, um die Schlüsselwort-Co-Occurrence-Map zu erhalten. Schrift- und Farbattribute wurden angepasst, um die visuelle Lesbarkeit zu verbessern (Abbildung 5). Der Keyword-Co-Occurance-Datensatz wurde über Output | exportiert Netzwerkübersicht als HTML, CSV, RIS | Speichere als CSV. Die CSV-Datei wurde in Microsoft Excel geöffnet. Die Spalten "Freq", "Centrality" und "Label" wurden kombiniert, und eine absteigende Sortierung wurde mit Sort & Filter | durchgeführt. Absteigend. Die 20 wichtigsten Schlüsselwörter wurden identifiziert und in einer Endtabelle (Tabelle 3) organisiert.

Keyword-Cluster und Top-6-Cluster-Analyse
Die Knotenkategorie wurde in CiteSpace auf Schlüsselwort gesetzt. Der g-Index wurde auf k = 17 gesetzt. Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Pruning-Menü wurden die Optionen Pathfinder und Pruning der zusammengeführten Netzwerke ausgewählt, um das Netzwerk zu verfeinern. Die Keyword-Clustering-Analyse wurde durchgeführt, indem man auf Go klickte. Cluster-Labels wurden mit dem Log-Likelihood-Ratio-(LLR)-Algorithmus extrahiert. Nur Cluster mit einem Silhouettenwert über 0,7 wurden beibehalten. Die Cluster-Karte wurde mithilfe der Cluster-Label-Optimierung erstellt | K: Schlüsselwörter, und die Anzeigeeinstellungen wurden für optimale Lesbarkeit angepasst (Abbildung 6). Cluster-Details wurden über Clusters | extrahiert Sieh dir Cluster-Inhalte an und organisiere sie in einem Microsoft Excel-Arbeitsblatt. Die Datentabelle wurde geöffnet, und die Spalte "Größe" wurde ausgewählt und mit Sort & Filter > Descending sortiert. Die Ergebnisse wurden in die endgültige Schlüsselwort-Clustering-Tabelle (Tabelle 4) zusammengefasst.

Keyword-Zeitleiste-Clusteranalyse
Der Knotentyp wurde als Schlüsselwort in CiteSpace beibehalten. Der g-Index wurde auf k = 17 gesetzt. Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Menü Pruning wurden die Optionen für Pathfinder und Pruning ausgewählt, um das Netzwerk zu beschneiden. Die Keyword-Clustering-Analyse wurde durch Klicken auf Go durchgeführt. Cluster-Labels wurden mit demselben LLR-Algorithmus und demselben Silhouette-Score-Schwellenwert (> 0,7) extrahiert. Timeline View wurde ausgewählt, um die Schlüsselwort-Timeline-Clustering-Karte zu generieren. Schrift- und Farbeinstellungen wurden angepasst, um die Lesbarkeit zu verbessern (Abbildung 7).

Keyword-Bursting-Analyse
Der Knotentyp wurde als Schlüsselwort in CiteSpace beibehalten. Der g-Index wurde auf k = 17 gesetzt. Die Begriffsquellen waren auf Titel, Abstract, Autoren-Schlüsselwörter (DE) und Schlüsselwörter Plus (ID) gesetzt. Im Pruning-Menü wurden die Optionen Pathfinder und Pruning der zusammengelegten Netzwerkoptionen für das Netzwerk-Pruning ausgewählt. Die Keyword-Analyse wurde durch Klicken auf Go durchgeführt. Die Option Burstness wurde ausgewählt, der Parameter γ auf 0,5 gesetzt und die minimale Burst-Dauer auf 2 Jahre, um die Keyword-Burst-Erkennungsanalyse durchzuführen. Die Daten wurden aktualisiert, um die Liste der 25 wichtigsten Schlüsselwörter mit den stärksten Zitationsbursts zu erstellen (Abbildung 8).

Ergebnisse

Publikationsproduktion und Wachstumstrends
Die erste Suche fand 15.861 Artikel und Übersichtsartikel zur Tunnelsicherheit, die zwischen 1992 und 2026 aus der Web of Science Core Collection veröffentlicht wurden (Stand: 26. März 2026). Nach manuellem Ausschluss von Publikationen, die nicht zum Forschungsschwerpunkt gehörten (z. B. Studien zur Sicherheit bei Tunnelaushub, zur Vorhersage der Tunnelsicherheit und zur Bewertung von Rissen bei Tunnelauskleidungen), wurden 428 Artikel und Übersichtsarbeiten zur Tunnelsicherheit für bibliometrische Analysen beibehalten. Dieser verfeinerte Datensatz gewährleistete eine gezielte Untersuchung der Literatur im Bereich der Tunnelsicherheit.

Die jährliche Anzahl der Publikationen und ihr Entwicklungstrend können auf die Bedeutung und Aktivität innerhalb eines^{Forschungsfeldes} hinweisen. Microsoft Excel wurde verwendet, um Statistiken zu den jährlichen und kumulativen Veröffentlichungen zur Tunnelsicherheit von 1992 bis 2026 zu erstellen (Abbildung 2). Die Ergebnisse zeigen, dass seit 1992 Forschungen zur Tunnelsicherheit international veröffentlicht werden. Insgesamt lässt sich die Forschung zur Tunnelsicherheit in drei verschiedene Phasen einteilen: die Knospenphase (1992–2004), die langsame Entwicklungsphase (2005–2016) und die schnelle Entwicklungsphase (2017–2026). Der Anteil der in diesen drei Phasen veröffentlichten Literatur beträgt 5,607 %, 19,626 % bzw. 74,766 %. Von 1992 bis 2004 war die veröffentlichte Literatur äußerst selten, mit insgesamt 24 Veröffentlichungen in 13 Jahren. In dieser Phase diskutierte die Literatur kurz die Theorie der Verkehrssicherheit in Tunneln und der Brandschutz, was darauf hindeutete, dass Wissenschaftler gerade erst begannen, sich mit Tunnelsicherheit zu beschäftigen. Zwischen 2005 und 2016 stieg die Anzahl der Publikationen allmählich an, insgesamt 84 Artikel in 12 Jahren. In dieser Phase erweiterten sich die Themen der Artikel allmählich, wie Tunnelsicherheit, Risikoanalyse, Tunnelbrand und Tunnelenergieverbrauch. Zwischen 2017 und 2026 gab es in 10 Jahren 320 Artikel, und der Forschungsbereich erweiterte sich erheblich und umfasste Simulationen, computergestützte Strömungsmechanik (CFD), Risikobewertung, menschliches Evakuierungsverhalten, intelligente Belüftung und Verkehrsunfälle. Gerade in den letzten Jahren, mit der rasanten Entwicklung von Computern, Internet der Dinge (IoT) und Robotik, haben Forscher zunehmend IoT und Robotertechnologie in der Katastrophenhilfe, Echtzeitüberwachung und Datenerfassung eingesetzt, mit dem Ziel, eine intelligente Sicherheitsbewertung und Risikokontrolle zu erreichen.

Publikationsanalyse von Fachzeitschriften
Um die Verteilung dieser Publikationen zu charakterisieren, haben wir die Zeitschriftenquellen der 428 Artikel von 1992 bis 2026 gezählt. Es stellte sich heraus, dass es 147 Fachzeitschriften gab, die Literatur zum Thema Tunnelsicherheit veröffentlichten. Wie in Tabelle 1 gezeigt, wurden Zeitschriften mit drei oder mehr Publikationen präsentiert. Die Ergebnisse zeigten, dass 28 Zeitschriften identifiziert wurden. "Tunnelling and Underground Space Technology" führte mit 76 Artikeln, deutlich mehr als jede andere Zeitschrift, gefolgt von "Fire Safety Journal" mit 33 Artikeln. Daher zeigt sich, dass das Gebiet der Untertagetechnik und Geotechnik eine tiefere Forschung zur Tunnelsicherheit durchgeführt hat, gefolgt von den Bereichen Brandschutztechnik und Verkehrssicherheitsmanagement, was die multidisziplinäre und interdisziplinäre Natur der Forschung widerspiegelt.

Analyse der Zusammenarbeit der Autoren
Die Untersuchung der Publikationskooperationen von Autoren hilft, die wichtigsten Forscher und Teams auf diesem Gebiet zu identifizieren. Abbildung 3 zeigt die von CiteSpace erstellte Kollaborationsnetzwerkkarte des Autors. Die Größe der Knoten kennzeichnet die Anzahl der von jedem Autor veröffentlichten Artikel, und die verbindenden Zeilen stehen für Kollaborationsbeziehungen. Die Farbe der Verbindungslinien steht für das Veröffentlichungsjahr der Artikel; dunklere Farben stehen für spätere Veröffentlichungen. Jeder Knoten kennzeichnet einen Autor, und die verbindenden Linien stehen für direkte Zusammenarbeiten, die in den Artikeln entstanden sind. Die Karte des Kollaborationsnetzwerks der Autoren zeigte 291 Knoten und 310 Verbindungsleitungen sowie eine Dichte von 0,0073. Dies zeigte, dass die Zusammenarbeit und Kommunikation zwischen den Autoren nicht eng waren und weitere Anstrengungen erforderlich sind, um diesen Aspekt zu verbessern. In der Autoren-Kollaborationsnetzwerkkarte wurden fünf relativ große kollaborative Forschungsteams identifiziert. Die aktivsten kollaborativen Forschungsteams im Bereich der Tunnelsicherheit umfassten hauptsächlich Du Zhigang, Yang Yongzheng, Han Lei und He Shiming aus China. Ihre Forschung lieferte eine umfassende Analyse visueller Leitsysteme zur Verbesserung der Verkehrssicherheit in Autobahntunneln und untersuchte Unfälle an den Straßentunnelausfahrten^{30, 31, 32, 33.} Haukur Ingason und Li Yingzhen von den RISE Research Institutes in Schweden sowie Bjelland Henrik aus Norwegen konzentrierten sich auf die Umleitung des Rauchstroms bei Schieftunnelbränden^34,35. Eine weitere prominente Gruppe bestand hauptsächlich aus Konstantinos Kirytopoulos, Huang Helai und Konstantinos Kazaras, die mehrere Wissenslücken der Fahrer in Bezug auf Tunnelsicherheit und -ausrüstung aufdeckten und darauf hinwiesen, dass Fahrer beim Durchfahren durch Tunnel ^4,36 oft unangemessene Gewohnheiten und Verhaltensweisen annehmen. An der Universität Lund in Schweden führten Enrico Ronchi, Hakan Frantzich und Karl Fridolf umfangreiche Forschungen zu Evakuierungssicherheitsmaßnahmen bei großen Infrastrukturtunnelprojekten^37,38 durch. Eine Gruppe aus China, hauptsächlich zu Zhu Hehua, Huang Xinyan, Zhang Yuxin und Shen Yi, führte eingehende Forschungen zur intelligenten Echtzeitbewertung von Tunnelbrandgefahr und Evakuierungssicherheit mittels Computer Vision³⁹ durch.

Außerdem waren Du Zhigang und Haukur Ingason laut den statistischen Ergebnissen die beiden führenden Autoren hinsichtlich der Publikationszahlen, jeweils mit 23 Artikeln. Nach Price's Gesetz betrug die Mindestanzahl der von den Kernautoren veröffentlichten Arbeiten zur Tunnelsicherheit 3,59⁴⁰. Auf eine ganze Zahl gerundet, galten Autoren, die mehr als 4 Artikel veröffentlicht hatten, als die Kernautoren auf diesem Feld. Es gab nur 19 Autoren, die mehr als 4 Artikel veröffentlicht hatten. Dies zeigte, dass sich eine Kerngruppe von Autoren zu entwickeln begonnen hat, obwohl ihr Umfang weiterhin begrenzt bleibt.

Insgesamt zeigen verstreute Forschungsperspektiven und die begrenzte Anzahl von Kernautoren, dass dieses Forschungsfeld weiterhin eine weitere Integration und eine fokussiertere Forschung benötigt⁴⁰. Gleichzeitig sollten Forscher in Zukunft ihre eigenen Kernvorteile voll ausschöpfen und die Zusammenarbeit sowie den Austausch mit anderen Autoren aus verschiedenen Ländern und Institutionen stärken, um die Verbesserung der Tunnelsicherheitsforschung weiter zu fördern.

Analyse der institutionellen Zusammenarbeit
Die Untersuchung des aktuellen Stands und der Kollaborationsmuster von Forschungseinrichtungen hilft, zukünftige Richtungen für institutionelle Zusammenarbeit und tiefgehende Forschung in diesem Bereich zu klären. Wie in Tabelle 2 gezeigt, hatte die Central South University die meisten Veröffentlichungen mit einer Häufigkeit von 23, gefolgt von der Wuhan University of Technology (22). Als nächstes folgten die Chang'an-Universität, die Southwest Jiaotong-Universität und die Tongji-Universität mit jeweils 20, 19 und 18 Artikeln. Zentralität bezeichnet quantitativ den Einfluss der Institution. Die Central South University ist die einflussreichste Institution mit einer Zentralität von 0,09. Eine sekundäre Stufe einflussreicher Institutionen, jede mit einer Zentralität von 0,08, umfasste die Huazhong University of Science & Technology, die Chinese Academy of Sciences, die Southwest Jiaotong University, die Shanghai Jiao Tong University und die Qingdao University of Technology. Danach folgten die Hong Kong Polytechnic University, das State University System of Florida, die Nanyang Technological University und die Lanzhou University of Technology mit einer Zentralität von 0,07.

Wie in Abbildung 4 gezeigt, zeigte die Karten des Kooperationsnetzwerks der Institutionen 217 Knoten und 208 Verbindungsleitungen sowie eine Dichte von 0,0089. Dies zeigte, dass die Zusammenarbeit und Kommunikation zwischen den Institutionen nicht eng sind und weitere Anstrengungen erforderlich sind, um diesen Aspekt zu stärken. Die Central South University wurde als einflussreichste Forschungseinrichtung identifiziert, wobei die Huazhong University of Science & Technology, die Chinese Academy of Sciences, die Southwest Jiaotong University, die Shanghai Jiao Tong University und die Qingdao University of Technology eine einflussreiche Sekundärkohorte bildeten. Bemerkenswert ist, dass einige hochproduktive Institutionen keine entsprechend hohe Zentralität aufwiesen. Das zeigt, dass sie zwar in der Forschung aktiv sind, ihre Rolle als kollaborative Hubs jedoch weniger ausgeprägt ist. Daher ist die Förderung einer tieferen Zusammenarbeit entscheidend, um theoretische Erkenntnisse auszutauschen und das Fachgebiet voranzubringen.

Schlüsselwort-Ko-Intristen-Analyse
Schlüsselwörter können die Hauptthemen eines Forschungsfeldes anzeigen. Die Analyse von Keyword-Co-Auftritt und Häufigkeit kann Forschungshotspots^28,40 aufzeigen. Das gemeinsame Vorkommen von Schlüsselwörtern in der zugehörigen Literatur wurde untersucht. Wie in Abbildung 5 dargestellt, bezeichnet jeder Knoten ein Schlüsselwort, die Größe der Knoten die Vorkommenshäufigkeit der Schlüsselwörter; Die Verbindungslinien zwischen zwei Knoten stehen für Verbindungen zwischen den beiden Schlüsselwörtern. Die Farbe der Knoten steht für die Eintrittszeit der Schlüsselworte, wobei Rot das früheste Auftreten und Lila das jüngste bezeichnet. Die Karten der Schlüsselwort-Co-Occurrence-Analyse zeigten 293 Knoten und 585 Verbindungsleitungen sowie eine Dichte von 0,0137. Die relativ niedrige Netzwerkdichte in der veröffentlichten Literatur deutete auf schwächere Korrelationen zwischen den Schlüsselwörtern hin. Dies deutete auf einen erweiterten Umfang der Tunnelsicherheitsforschung hin. Dennoch war die aktuelle Phase noch akkumulativ und von unabhängiger multidisziplinärer Erkundung geprägt. Weitere eingehende Untersuchungen sind erforderlich, insbesondere für die synergistischen Evolutionsmechanismen mehrerer Faktoren in komplexen Katastrophenketten.

Die 20 wichtigsten Schlüsselwörter mit der höchsten Häufigkeit und Zentralität sind in Tabelle 3 aufgeführt. Es ist wichtig zu beachten, dass eine Schlüsselwortzentralität größer als 0,1 darauf hinweist, dass sie signifikant ist, was ihren Einfluss im Netzwerk der veröffentlichten Literatur unterstreicht, oft aufgrund hoher Konnektivität oder kontinuierlicher Zitationen durch andere Schlüsselwörter. Die Ergebnisse zeigten, dass die kombinierte Häufigkeit von "Straßentunneln" und "Straßentunneln" 74 betrug. Darauf folgten "Verkehrssicherheit" und "Tunnelbrand", jeweils mit einer Häufigkeit von 37. Außerdem waren die Häufigkeiten von "Design", "Modell" und "Verkehrsunfall" ebenfalls relativ hoch, nämlich 34, 30 und 29. Die Zentralitätswerte von "Verkehrssicherheit" und "Feuer" waren mit einer Zentralität von 0,32 am höchsten. Weitere Schlüsselwörter mit hoher Zentralität sind "Unfälle", "Straßentunnel" und "Tunnelsicherheit", was darauf hinweist, dass das Fachgebiet den Schwerpunkt auf brandbedingten Risiken und Verkehrssicherheit legt. Darüber hinaus stehen "Flow", "Verhalten" und "Umwelt" ebenfalls sehr zentral, was darauf hindeutet, dass Sicherheitsbewertung, menschliches Verhalten und Umweltkontrolle eine Schlüsselrolle bei der Verbindung verschiedener Forschungsbereiche spielen. Darüber hinaus deuteten Schlüsselwörter wie "kritische Geschwindigkeit", "Rauchtemperatur", "Tunneleingang" und "CO-Ertrag" – jeweils mit einer Zentralität von 0,09 – darauf hin, dass sich neuere Forschungen zunehmend auf Themen wie die Simulation des Fahrverhaltens in Tunneln sowie Rauchkontrolle und Belüftung in Tunnelbrandszenarien konzentrieren.

Keyword-Cluster-Analyse
Das Keyword-Clustering-Modul in CiteSpace ermöglicht die Identifikation hochfrequenter Begriffe in der wissenschaftlichen Literatur und wird häufig für die Analyse von Schlüsselwort-Ko-Vorkommensclustern eingesetzt. Diese Funktionalität basiert auf dem Log-Likelihood-Ratio (LLR)-Algorithmus. Mit diesen Berechnungen vergibt der Algorithmus Cluster-Labels, die durch minimale Redundanz und starke Ausrichtung auf reale Forschungskontexte gekennzeichnet sind. Folglich erleichtert dieser Ansatz die Aufklärung thematischer Architekturen, aufkommender Forschungsschwerpunkte und evolutionärer Entwicklungen innerhalb eines bestimmten Bereichs. Die 11 im Diagramm dargestellten Cluster-Labels sind: Wärmefreisetzungsrate, Straßentunnel, Verkehrssicherheit, Risikoanalyse, Energieeinsparung, virtuelle Realität, Brandbekämpfung, Hochgeschwindigkeitszüge, thermische Sicherheit, Risikobewertung und Sicherheitsfaktor (Abbildung 6). In der gemeinsam zitierten Netzwerkkarte betrug der Modularitätswert Q der Clustering-Karte 0,782 und der Silhouetten-S-Wert 0,927, was darauf hindeutet, dass die Clustering-Ergebnisse signifikant und angemessen sind. Schlüsselwörter innerhalb desselben Clusters sind stark korreliert, während die zwischen verschiedenen Clustern gute Unabhängigkeit zeigen.

Für diese Studie wurden 6 Cluster-Labels für die nachfolgende Analyse ausgewählt (Tabelle 4). Darunter war die "#0 Wärmefreisetzungsrate" der größte Cluster auf der Wissenskarte, gefolgt von "#1 Straßentunnel" (32), "#2 Verkehrssicherheit" (29), "#3 Risikoanalyse" (27), was darauf hindeutet, dass Forschung zu Branddynamik und Tunnelsicherheit den zentralen thematischen Schwerpunkt in diesem Bereich bildet, während Verkehrssicherheit und Risikoanalyse ebenfalls wichtige Teilthemen mit umfangreicher Forschungsaktivität darstellen.

Keyword-Zeitleiste-Clusteranalyse
Abbildung 7 zeigt die Entwicklung von Schlüsselwörtern im Laufe der Zeit in der Forschung zur Tunnelsicherheit. Die 11 Beschriftungen von #0 bis #10 auf der rechten Seite zeigen die Forschungsthemen an, die die Cluster der Schlüsselwörter in veröffentlichter Literatur sind. Die Schlüsselwörter wurden nach ihrem Erscheinungsjahr sortiert und in die entsprechenden Cluster eingeteilt. Die Verbindungslinien zwischen Schlüsselwörtern zeigen das gemeinsame Vorkommen der beiden Schlüsselwörter in derselben Literatur an. Die Größe der Knoten gibt die Häufigkeit der Schlüsselwörter in diesem Cluster an.

Wie in Abbildung 7 gezeigt, steht die Tunnelsicherheit seit 2005 im Mittelpunkt der entsprechenden Forschung. Von 2005 bis 2010 gehörten zu den wichtigsten Schlüsselwörtern "Verkehrssicherheit", "Straßentunnel", "Tunnelbrand", "Design", "Längsbelüftung", was darauf hindeutet, dass sich die Forschung auf Tunnelsicherheit, Brandschutz und Belüftungsdesign^41,42 konzentrierte. In den Jahren 2011 bis 2015 wurden Studien zu Verkehrsunfällen und menschlichem Verhalten bei Bränden mit der kontinuierlichen Entwicklung theoretischer Forschung zu einem neuen Forschungsschwerpunkt, der sich hauptsächlich auf Evakuierungsverhalten und psychologische Mechanismen^{konzentrierte}. "Energieeinsparungen", "Verhalten" und "Ausgangswahl" wurden nach 2015 allmählich zu Forschungsschwerpunkten, was die zunehmende Aufmerksamkeit für Evakuierungsverhalten, menschliche Reaktionen bei Bränden und energieeffiziente Belüftungsstrategien in der Brandschutzforschung im Straßentunnel widerspiegelt⁴⁴. Nach 2016 nahmen die Arten von Schlüsselwörtern und Forschungsthemen deutlich zu, was darauf hindeutet, dass die Tunnelsicherheitsforschung in eine neue Phase eingetreten ist. In dieser Zeit wurden Schlüsselwörter wie "Fahrsicherheit", "Tunnelbeleuchtung", "Aufprall", "Leistung", "Geschwindigkeit" und "Temperatur" zu Forschungsbrennpunkten. Dies deutete darauf hin, dass der Forschungsschwerpunkt über grundlegende Tunnelsicherheitsmechanismen hinaus auf Fahrsicherheit, Tunnelumweltüberwachung und operative Risikokontrolle⁴⁵ ausgeweitet wurde.

Insgesamt konzentrierte sich die Tunnelsicherheitsforschung auf drei Hauptthemen: die Tunnelstruktur selbst, die Umgebung und die Fahrer. Im Hinblick auf den Tunnelbetrieb beschäftigt sich die Forschung hauptsächlich mit Brandschutz und operativer Risikobewertung. Im Bereich der Sicherheitsbewertung von Straßentunneln haben sich Studien zunehmend hin zu intelligenten Echtzeitbewertungstechniken, quantitativen Risikobewertungsmethoden und analytischen Ansätzen auf Basis künstlicher Intelligenz, wie etwa Flussnetzwerkalgorithmen, entwickelt. Die Forschung an Fahrern zielt hauptsächlich darauf ab, die Fahrsicherheit zu gewährleisten, und konzentriert sich in den letzten Jahren zunehmend auf die Auswirkungen räumlicher und visueller Bedingungen in Tunneln auf das Fahrverhalten. Mit der Entwicklung von Informations- und biomedizinischen Technologien wird die Fahrerleistung unter verschiedenen Bedingungen mit Geräten wie Eye-Tracking-Systemen bewertet. Darüber hinaus hat sich der Forschungsbereich auf Sicherheitsfragen unter komplexen Tunnelbedingungen ausgeweitet, einschließlich langer Tunnel und Unterwassertunnel als repräsentative, herausfordernde Umgebungen.

Keyword-Bursting-Analyse
Das plötzliche Auftreten von Schlüsselwörtern und deren Varianten kann auf eine Verschiebung der Forschungshotspots innerhalb eines bestimmten Fachgebiets hinweisen. Daher präsentiert diese Studie mithilfe des Keyword-Burst-Analysemoduls in CiteSpace die 25 wichtigsten Schlüsselwörter mit den stärksten Zitationsbursts in der veröffentlichten Literatur (Abbildung 8). Es sollte beachtet werden, dass die "Intensität" in Abbildung 8 die Burst-Intensität darstellt, wobei eine höhere Intensität auf eine größere Wirkung hinweist. Der dunkelblaue Band in der Abbildung zeigt den Gesamtzeitraum des Schlüsselworts an, während der rote Band die Dauer angibt, in der das Schlüsselwort zum Forschungs-Hotspot wird. Die Ergebnisse zeigen, dass – ohne "Tunnelsicherheit" (mit einer Stärke von 2,56) – die fünf wichtigsten Schlüsselwörter mit der höchsten Explosionsstärke "Tunnelbrand" (4,00), "Wärmefreisetzungsrate" (3,98), "System" (2,83), "Aufprall" (2,47) und "Straßentunnel" (2,43), was ihre Bedeutung in der Tunnelsicherheitsforschung unterstreicht. Die Schlüsselwörter mit der längsten Dauer von Bursts sind "Tunnelsicherheit" (9 Jahre), "Wärmefreisetzungsrate" (9 Jahre), "Brand" (8 Jahre), "Risikoanalyse" (7 Jahre) sowie "Straßentunnel", "Ausfahrtswahl" und "Systeme", die alle eine Bruchzeit von fünf Jahren aufwiesen. Insgesamt werden die drei Hauptphasen im Forschungsbereich der Tunnelsicherheit wie folgt zusammengefasst:

Von 2005 bis 2010 konzentrierte sich die Forschung auf Tunnelbrandsicherheit und grundlegende Risikotheorie. Wichtige Schlüsselwörter in dieser Zeit waren unter anderem "Tunnelsicherheit", "Risikoanalyse", "Tunnelbrand" und "Brand". Die Veröffentlichung des Handbuchs für Tunnelbrandsicherheit im Jahr 2005 lenkte erhebliche Aufmerksamkeit auf Tunnelsicherheit und Brandschutz. Bemerkenswert ist, dass das Stichwort "Tunnelbrand" 2010 deutlich zu explodieren begann, was darauf hindeutet, dass die akademische Gemeinschaft der Brandsicherheit und dem Risikomanagement in Tunneln große Bedeutung beimisst.

Zwischen 2011 und 2016 verlagerten sich die Forschungshotspots auf Brand- und Rauchkontrolle sowie auf Belüftungsstrategien in Straßentunneln. Repräsentative Schlüsselwörter waren "kritische Belüftungsgeschwindigkeit", "Straßentunnel", "Austrittswahl", "Längsbelüftung" und "Energieeinsparung". Die Verlagerung des Forschungsschwerpunkts in diesem Zeitraum wurde einerseits durch die Umsetzung der Bauprodukteverordnung der Europäischen Union (CPR, Verordnung (EU) Nr. 305/2011) ^46,47 angetrieben, die für alle Bauarbeiten, einschließlich Tunnel, gilt. Andererseits wurde er von mehreren typischen Tunnelbrandunfällen betroffen, wie dem Skatestraum-Tunnelbrand 2015 in Norwegen sowie den Bränden im Kanaltunnel^48,49 1996 und 2015. Diese Ereignisse legten kritische Schwachstellen in bestehenden Sicherheitssystemen offen und lösten einen Paradigmenwechsel in politischen und regulatorischen Rahmen aus.

Von 2017 bis 2025 konzentrierte sich die Forschung im Bereich Tunnelsicherheit auf intelligentes Sicherheitsmanagement sowie systematische Risikoprävention und -kontrolle während des gesamten Tunnellebenszyklus. Zu den wichtigsten Maßnahmen gehörten die Echtzeitüberwachung kritischer Umweltparameter während des Tunnelbetriebs, die Stärkung der Sicherheitsmaßnahmen in unfallgefährdeten Bereichen wie Tunneleingängen, die Analyse der umfassenden Auswirkungen der Tunnelsicherheit auf die Umgebung und den Verkehr sowie die Einrichtung wissenschaftlicher Bewertungssysteme. Beliebte Schlüsselwörter in dieser Zeit waren unter anderem "Systeme", "Tunneleingang", "Temperatur", "Sicherheit", "Geschwindigkeit", "Aufprall" und "Bau". Seit 2023 deutet die Bedeutung des Schlüsselworts "Bau" darauf hin, dass es zu einem zukünftigen Forschungshotspot und Trend in der Tunnelsicherheit werden könnte.

DATENVERFÜGBARKEIT
Die bibliografischen Datensätze der Web of Science Core Collection, die nach der Auswahl behalten und für die bibliometrische Analyse verwendet werden, werden als Supplemental File 1 bereitgestellt. Die Parametereinstellungen der CiteSpace-Software, die zur Erstellung der Visualisierungen verwendet werden, sind im Abschnitt Protokoll beschrieben. Diese Materialien unterstützen Transparenz und Reproduzierbarkeit der berichteten bibliometrischen Ergebnisse.

Abbildung 1. Flussdiagramm des Auswahlprozesses. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 2. Jährliche und kumulierte Zahlen der veröffentlichten Literatur von 1992 bis 2026. Von 1992 bis 2026 zeigten sowohl die jährlichen als auch die kumulierten Zahlen verwandter Publikationen einen Aufwärtstrend, und die Literaturproduktion trat nach 2020 in eine Phase raschigen Wachstums ein. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 3. Kooperationsnetzwerkkarte der Autoren veröffentlichter Literatur. Die Größe der Knoten kennzeichnet die Anzahl der von jedem Autor veröffentlichten Artikel, und die verbindenden Zeilen stehen für Kollaborationsbeziehungen. Die Farbe der verbindenden Linien steht für das Veröffentlichungsjahr der Artikel, dunklere Farben für spätere Veröffentlichungen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 4. Kooperationsnetzwerkkarte der veröffentlichten Institutionen. Diese Abbildung visualisiert das institutionelle Kooperationsnetzwerk der veröffentlichten Literatur und zeigt bedeutende Forschungseinrichtungen sowie ihre kollaborativen Beziehungen im Fachgebiet. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 5. Ko-Vorkommensnetzwerkkarte der Schlüsselwörter in veröffentlichter Literatur. Jeder Knoten bezeichnet ein Schlüsselwort, die Größe der Knoten zeigt die Vorkommenshäufigkeit der Schlüsselwörter an, die verbindenden Linien zwischen zwei Knoten stellen Verbindungen zwischen den beiden Schlüsselwörtern dar. Die Farbe der Knoten steht für die Eintrittszeit der Schlüsselworte, wobei Rot das früheste Auftreten und Lila das jüngste bezeichnet. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 6. Keyword-Clustering-Karte der veröffentlichten Literatur. Polygone sind farblich codiert, um unterschiedliche thematische Domänen zu unterscheiden, wobei Rot den größten Cluster und Blau kleinere Cluster anzeigt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 7. Zeitleistendiagramm der Schlüsselwörter in veröffentlichter Literatur. Diese Zeitleiste zeigt die Entwicklung des Schlüsselworts, wobei die Knotenfarben das Veröffentlichungsjahr angeben (rot für die letzten Jahre, lila für frühere Jahre) und die Knotengröße die Häufigkeit angibt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 8. Burst-Map der Schlüsselwörter in veröffentlichter Literatur. Das horizontale Balkendiagramm zeigt die 25 wichtigsten Schlüsselwörter, die von 2005 bis 2025 deutliche Häufigkeitssteigerungen verzeichneten, was die sich entwickelnden Forschungstrends und sich ändernden Prioritäten in der Tunnelsicherheitsforschung widerspiegelt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Zeitschriftenname	Veröffentlichungszahl der Literatur	Rang
Tunnelbau und unterirdische Weltraumtechnologie	76	1
Brandsicherheitszeitschrift	33	2
Verkehrsunfallprävention	17	3
Unfallanalyse und -prävention	16	4
Angewandte Wissenschaften – Basel	14	5
Sicherheitswissenschaft	14	5
Nachhaltigkeit	12	7
Feuertechnologie	9	8
Verkehrsforschungsrekord	8	9
Feuer-Schweiz	7	10
Internationales Journal für Wasserstoffenergie	7	10
Zeitschrift für Verkehrssicherheit und -schutz	7	10
Verkehrsforschung Teil F-Verkehrspsychologie und Verhalten	6	13
Gebäude	5	14
Internationale Zeitschrift für Umweltforschung und öffentliche Gesundheit	5	14
Protokolle der Institution of Civil Engineers-Civil Engineering	5	14
Zuverlässigkeitstechnik und Systemsicherheit	5	14
Unterirdischer Raum	5	14
Fortschritte im Maschinenbau	4	19
Prozesssicherheit und Umweltschutz	4	19
Energie	3	21
Gallerie E Grandi Opere Sotterranee	3	21
IEEE Access	3	21
Internationale Zeitschrift für Thermalwissenschaften	3	21
Journal of Transportation Engineering Part A-Systems	3	21
Protokoll der Institution of Civil Engineers-Transport	3	21
Tagungsband der Institution of Mechanical Engineers Teil F-Journal of Rail and Rapid Transit	3	21
Thermische Wissenschaft	3	21

Tabelle 1: Statistiken zur Anzahl der in Fachzeitschriften veröffentlichten Literatur. Diese Tabelle fasst die Namen und Publikationszahlen der 28 besten Zeitschriften zusammen, geordnet nach der Anzahl der veröffentlichten Artikel.

Nein	Institution	Frequenz	Institution	Zentralität
1	Central South Universität	23	Central South Universität	0.09
2	Wuhan Universität für Technologie	22	Huazhong Universität für Wissenschaft und Technologie	0.08
3	Universität Chang'an	20	Chinesische Akademie der Wissenschaften	0.08
4	Südwest-Jiaotong-Universität	19	Südwest-Jiaotong-Universität	0.08
5	Tongji-Universität	18	Shanghai Jiao Tong Universität	0.08
6	RISE Forschungsinstitute Schwedens	17	Technische Universität Qingdao	0.08
7	Chongqing Jiaotong Universität	16	Hongkonger Polytechnische Universität	0.07
8	Hongkonger Polytechnische Universität	12	Staatliches Universitätssystem von Florida	0.07
9	Technische Universität Peking	10	Nanyang Technologische Universität	0.07
10	Nationale Technische Universität Athen	10	Technische Universität Lanzhou	0.07

Tabelle 2: Statistiken zur Häufigkeit und Zentralität der Top-10-Institutionen. Diese Tabelle fasst die Top 10 Forschungseinrichtungen nach Häufigkeit und Zentralität sowie deren jeweilige Häufigkeit oder Zentralität zusammen.

Nein	Schlüsselwort	Frequenz	Schlüsselwort	Zentralität
1	Straßentunnel	43	Verkehrssicherheit	0.32
2	Verkehrssicherheit	37	Feuer	0.32
3	Tunnelbrand	37	Unfälle	0.28
4	Konstruktion	34	Straßentunnel	0.28
5	Straßentunnel	31	Tunnelsicherheit	0.23
6	Modell	30	Fluss	0.21
7	Verkehrsunfälle	29	Verhalten	0.21
8	Sicherheit	25	Umwelt	0.18
9	Verhalten	24	Längsbelüftung	0.17
10	Längsbelüftung	22	Modell	0.15
11	Tunnelsicherheit	22	Tunnelbrand	0.14
12	Fluss	21	Risikoanalyse	0.13
13	Simulation	18	Straßentunnel	0.13
14	Auswirkungen	18	System	0.12
15	System	17	Sicherheitsbewertung	0.11
16	Leistung	17	Brandschutz	0.1
17	Brandschutz	16	Kritische Geschwindigkeit	0.09
18	Kritische Geschwindigkeit	14	Rauchtemperatur	0.09
19	Risikobewertung	12	Tunneleingang	0.09
20	Unfälle	11	CO-Ausbeute	0.09

Tabelle 3: Statistiken zur Häufigkeit und Zentralität der Top 20 Keywords. Diese Tabelle fasst die Top 20 Schlüsselwörter nach Häufigkeit und Zentralität zusammen mit ihrer jeweiligen Häufigkeit oder Zentralität zusammen.

Cluster-ID	Größe	Sihouette	Mittelwert (Jahr)	Top-Begriffe (LLR, P-Level)
Wärmefreisetzungsrate	40	0.883	2015	Wärmefreisetzungsrate (13,24, 0,001); Tunnelbrand (11.76, 0.001); Längsbelüftung (8,97, 0,005); Kritische Geschwindigkeit (8,97, 0,005); Rückschichtung (8,81, 0,005)
Straßentunnel	32	0.97	2015	Straßentunnel (11.45, 0.001); Sicherheitsmanagement (7,85, 0,01); Tunnelbrand (7,4, 0,01); Fahrsicherheit (5,67, 0,05); Fallstudie (4.34, 0.05)
Verkehrssicherheit	29	0.934	2019	Verkehrssicherheit (33.32, 1.0E-4); Tunnelbeleuchtung (9.59, 0.005); Tunnelbrand (7,81, 0,01); Lichtdämpfung (7,66, 0,01); Fahrverhalten (7,66, 0,01)
Risikoanalyse	27	0.934	2011	Risikoanalyse (15.62, 1.0E-4); Tunnelsicherheit (14.28, 0.001); Katastrophenwarnung (8.72, 0.005); Notfall-Evakuierung (8,72, 0,005); Angrenzende Konstruktion (8,72, 0,005)
Energieeinsparungen	24	0.992	2017	Energieeinsparungen (22,1, 1,0E-4); Beleuchtung (10,98, 0,001); Nachhaltigkeit (10,98, 0,001); Dialux (10,98, 0,001); Übertragung (5,47, 0,05)
Virtuelle Realität	24	0.982	2015	Virtuelle Realität (14.78, 0.001); Menschliches Verhalten im Feuer (6.19, 0.05); Versorgungstunnel (6.19, 0.05); Visuelle Merkmale (4,9, 0,05); Verhaltenstraining (4.9, 0.05)

Tabelle 4: Top 6 Cluster von Schlüsselwörtern im Bereich der Tunnelsicherheit. Diese Tabelle zeigt die sechs wichtigsten Keyword-Cluster im Bereich der Tunnelsicherheitsforschung sowie deren Größe, Silhouette, Mitteljahr und Top-Begriffe.

Ergänzende Akte 1. Web of Science Core Collection-Datensätze, die für die bibliometrische Analyse verwendet werden. Diese Klartextdatei enthält die 428 Datensätze, die nach der Suche in der Web of Science Core Collection erhalten geblieben sind. Die Unterlagen wurden mit vollständigen Akteninformationen und zitierten Quellen exportiert und am 26. März 2026 abgerufen. Diese Datei wurde als Quelldatensatz für die im Protokoll beschriebenen Analysen zur Veröffentlichungs-Trend-, Zeitschriftenverteilung, Kollaborationsnetzwerk-, Keyword-Co-Occurrence, Keyword-Clustering, Timeline-Cluster und Keyword-Burst-Erkennung verwendet. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Diskussion

Diese bibliometrische Analyse bietet einen strukturierten Überblick über Forschungstrends in der Tunnelsicherheit. Durch die Integration multidimensionaler Metriken wie Keyword-Burst-Erkennung, Zeitlinienclustering und Co-Occurrence Centrality Analysis konstruiert diese Studie ein dynamisches Wissensrahmenwerk. Dieser Rahmen klärt die intellektuelle Struktur und die thematische Entwicklung des Fachgebiets. Im Gegensatz zu traditionellen narrativen Übersichtsarbeiten, die oft auf fragmentierten oder statischen Bewertungen basieren, bietet dieses quantitative und visualisierungsbasierte Protokoll ein reproduzierbares Modell zur Kartierung wissenschaftlicher Fortschritte in der Tunnelsicherheitsforschung. Sein transparenter und wiederholbarer Arbeitsablauf macht es zudem leicht an andere technische Sicherheitsthemen anpassbar.

Mehrere methodische Schritte beeinflussen die Gültigkeit der bibliometrischen Ergebnisse stark. Der erste kritische Schritt ist die Datenbankabruf, da Änderungen in der Suchanfrage, im Datenbankumfang, im Dokumenttyp und im Abrufdatum direkt auf den endgültigen Datensatz einwirken. Der zweite entscheidende Schritt ist die manuelle Kontrolle, insbesondere die Unterscheidung zwischen Tunnelsicherheit und Bauphasen-Tunneltechnik. Der dritte entscheidende Schritt ist die Schlüsselwort-Normalisierung, da nicht zusammengeführte Varianten wie "Straßentunnel" und "Straßentunnel" wichtige Themen künstlich aufteilen können. Der vierte entscheidende Schritt ist die Parameterauswahl in CiteSpace, einschließlich Zeitslicing, Knotenauswahlkriterien, Begriffsquellen und Pruning-Methoden. Diese Umgebungen beeinflussen Netzwerkdichte, Clusterstabilität und die Sichtbarkeit neuer Themen. Daher sollten Abrufentscheidungen, Screening-Entscheidungen, Schlüsselwort-Zusammenführungsregeln und Softwareparameter transparent gemeldet werden.

Einige häufige Probleme können in der bibliometrischen Analyse auftreten. Wenn WoSCC-Datensätze unvollständig sind, sollte der Datensatz mit "Full Record and Cited References" erneut exportiert werden, und das Vorhandensein von Abstracts, Schlüsselwörtern, Autorenzugehörigkeiten und zitierten Quellen sollte überprüft werden. Wenn doppelte Einträge erkannt werden, sollten sie durch Vergleich von Zugangsnummern, Titeln, digitalen Objektkennungen und Erstautoreninformationen entfernt werden. Wenn das Kollaborations- oder Keyword-Netzwerk zu dicht ist, sollte ein konsequentes Pruning angewendet werden, um die Lesbarkeit zu verbessern. Wird das Netzwerk zu dünn, sollte der Schwellenwert für die Knotenauswahl angepasst und die Parameteränderung gemeldet werden. Wenn die Clustering-Ergebnisse instabil sind, sollten Modularität Q, Silhouette S, Clusterlabels und repräsentative Begriffe über verschiedene Parametersettings hinweg verglichen werden, bevor Schlussfolgerungen gezogen werden.

Die Parameterauswahl von CiteSpace kann die resultierenden Netzwerke und Interpretationen beeinflussen. Eine größere Zeitspanne oder eine größere Knotenauswahlschwelle erhöht in der Regel die Anzahl der Knoten und Links, kann aber die Lesbarkeit verringern. Ein stärkerer Rückschnitt verbessert die visuelle Klarheit, kann aber Schwachstellen entfernen, die aufkommende interdisziplinäre Themen repräsentieren. Auch die Auswahl von Begriffsquellen beeinflusst die Ergebnisse. Die ausschließliche Verwendung von Autoren-Schlüsselwörtern kann von Autoren definierte Themen betonen, während das Hinzufügen von Abstracts und Keywords Plus breitere konzeptuelle Assoziationen offenbaren kann. Burst-Detection-Einstellungen beeinflussen, welche Begriffe als aufkommende Hotspots identifiziert werden. Daher sollten die Hauptschlussfolgerungen zusammen mit den gemeldeten Parametern interpretiert werden, und Sensitivitätsprüfungen sollten durchgeführt werden, wenn sich die Netzwerkstruktur erheblich ändert.

Die Nutzbarkeit dieses bibliometrischen Frameworks liegt in seinem transparenten und wiederholbaren Arbeitsablauf. Forscher können die Analyse reproduzieren, indem sie die dokumentierte Suchanfrage, das Abrufdatum, die Zulassungskriterien, Schlüsselwort-Normalisierungsregeln, Softwareparameter und exportierte Datentabellen verwenden. Das Framework kann auch an andere technische Sicherheitsthemen angepasst werden, indem die Suchanfrage angepasst und Ein- und Ausschlusskriterien neu definiert werden. Zugegeben, aufgrund einer gewissen Zufälligkeit im von CiteSpace verwendeten Algorithmus können die Visualisierungsergebnisse geringe Unterschiede über mehrere Durchläufe hinweg aufweisen. Gleichzeitig kann die Methode experimentelle Brandtests, Verkehrssimulationen, strukturelle Sicherheitsberechnungen, Unfallrekonstruktionen oder prädiktive Sicherheitsmodellierungen nicht ersetzen. Seine Hauptfunktion besteht darin, die Wissensstruktur eines Forschungsfeldes abzubilden und gezieltere qualitative oder quantitative Untersuchungen zu leiten.

Dieses Rahmenwerk erfasst nicht nur makroökonomische Verschiebungen im Forschungsfokus, wie etwa den Übergang vom Einzelrisiko-Risiko zu Multi-Gefahren-Resilienz, sondern identifiziert auch spezifische Brückenpunkte, an denen neue Themen weiterhin schwach mit Kern-Sicherheitsclustern verbunden bleiben. Beispielsweise sollte die schwache Verbindung zwischen dem "Energiespar"-Cluster und den sicherheitsrelevanten Kernclustern mit Vorsicht interpretiert werden. Dieses Muster könnte eine echte Forschungslücke widerspiegeln, da viele Studien zur Energieeinsparung von Tunneln sich auf Lichtregelung, Belüftungseffizienz und Betriebskostensenkung konzentrieren, ohne diese Strategien explizit mit Sicherheitsindikatoren zu verknüpfen. Es könnte jedoch auch teilweise vom Clustering-Algorithmus und der Keyword-Normalisierungsstrategie beeinflusst sein, da energiebezogene Studien Begriffe wie "Beleuchtung", "Belüftung", "visueller Komfort" oder "kohlenstoffarm" anstelle expliziter Sicherheits-Keywords verwenden können. Daher sollte das Ergebnis als Beweis für eine potenziell unterverbundene Forschungsrichtung interpretiert werden und nicht als endgültiger Beweis für disziplinarische Trennung. Zukünftige Studien sollten gezielter die Kompromisse und Synergien zwischen energieeffizientem Betrieb und Sicherheitsanforderungen wie Rauchkontrolleffektivität, Sicht, Evakuierungszeit und visuelle Anpassung des Fahrers untersuchen.

Basierend auf den bibliometrischen Ergebnissen und bestehenden Forschungsergebnissen konzentrieren sich die aktuellen Hotspots vor allem auf Tunnelbranddynamik und Längsbelüftung, Verkehrssicherheit und Fahrerverhalten, intelligente Risikobewertung und Echtzeitsteuerung sowie Sicherheitsverbesserung unter komplexen Tunnelbetriebsszenarien. Numerische Simulationswerkzeuge, insbesondere CFD, sind zu den wichtigsten Forschungsmethoden in diesem Bereich geworden. Wissenschaftler simulieren Luftstromeigenschaften, Temperaturverteilung und die Diffusionsmuster gefährlicher Gase unter Brandszenarien.

Sie untersuchen außerdem die Entwicklung von Sauerstoff- und Kohlendioxidkonzentrationsfeldern unter verschiedenen Belüftungsstrategien. Diese Maßnahmen helfen dabei, Brandschutzmaßnahmen und Evakuierungsprozesse in Tunneln ^{16,50,51,52,53} zu untersuchen. Aufgrund der geschlossenen Beschaffenheit der Tunnel können Brände leicht hohe Temperaturen erzeugen und Rauch ansammeln. Dies führt zu weniger Sichtbarkeit und schwerwiegenden Konsequenzen. Seit 2005 haben sich "Tunnelsicherheit" und "Risikoanalyse" als erste Hotspots herauskristallisiert. Seit 2010 bleiben "Tunnelbrände", "kritische Belüftungsgeschwindigkeit" und "Längsbelüftung" beständige Forschungsschwerpunkte. Die Studien haben sich allmählich vom Design von Belüftungssystemen hin zu feuerdynamischen Mechanismen und Rauchkontrollstrategien^{verlagert 16,54}. Sie haben sich außerdem auf Unfallprävention und Analyse von Katastrophenmechanismen^{konzentriert 55}. Die quantitative Risikobewertung der Feuerentwicklung ist ebenfalls zu einer wichtigen Forschungsrichtung geworden. Das Diagramm mit der Schlüsselwort-Zeitleiste zeigt, dass "Fahrer" und "Verhalten" vor 2015 auftauchten und frühe Forschungsschwerpunkte waren. Nach 2015 tauchten "Fahrsicherheit" und "Tunnelbeleuchtungssicherheit" häufiger auf. Dies weist auf eine Verschiebung der Forschungsperspektive von infrastrukturfokussierten Studien hin zu komplexen Systemsicherheitsanalysen mit Schwerpunkt auf menschlichem Verhalten^hin 56,57,58,59. Einige Studien betonen das betriebliche Verhalten der Fahrer, insbesondere die visuelle Anpassung, kognitive Belastung und Verhaltensänderungen an kritischen Orten wie Tunnelein- und -ausgängen. Ihr Ziel ist es, die Sicherheit durch optimiertes Beleuchtungsdesign und Verkehrsschilder⁶⁰ zu verbessern. Andere konzentrieren sich auf Brandsimulation und nutzen Technologien wie Virtual Reality zur Modellierung von Evakuierungsprozessen. Sie analysieren die individuelle Routenwahl, Panikverhalten und Gruppeninteraktionen. Dies bietet experimentelle Unterstützung für das Design von Notfall-Evakuierungssystemen.

Forschung zur Energieeffizienz und nachhaltigen Betrieb in Tunneln hat sich allmählich zu einem relativ eigenständigen Cluster entwickelt. Seine Integration in die gängige Sicherheitsforschung bleibt jedoch begrenzt. Die Burst-Analyse zeigt, dass "Energieeinsparung" von 2015 bis 2019 zu einem prominenten Schlüsselwort wurde, mit einer Burst-Stärke von 2,41 (Abbildung 8). Diese Ausrichtung zielt darauf ab, Belüftungssysteme, Lichtsteuerungsstrategien und den Gesamtenergieverbrauch während des Tunnelbetriebs zu optimieren. Diese Aspekte stehen in engem Zusammenhang sowohl mit der Senkung der Betriebskosten als auch mit der Erreichung ökologischer Nachhaltigkeit. Wie in Abbildung 6 dargestellt, zeigt der "Energiespar"-Cluster jedoch begrenzte Verbindungen zu den Clustern "Virtual Reality" und "Hochgeschwindigkeitszug" sowie noch schwächere Verbindungen zu sicherheitsbezogenen Clustern. Das bedeutet, dass sich Studien zur Energieeinsparung tendenziell mehr auf die unabhängige Optimierung der Energieeffizienz konzentrieren. Im Bereich der Tunnelsicherheit liegt der Kernfokus der "Energieeinsparung" auf der energieeffizienten Tunnelbeleuchtung und der allgemeinen Energieeffizienzoptimierung. Beispielsweise werden während des Fahrens Technologien wie Lichtsimulation oder Übertragungsoptimierung eingesetzt, um die Tunnelbeleuchtung zu verbessern und somit die Tunnelsicherheit zu erhöhen. Wenn Energieeinsparung direkt mit Tunnelsicherheit verbunden ist, ist die aktuelle Forschung noch begrenzt. Es scheint nur wenige Studien zu geben, die energiesparende Strategien klar mit zuverlässigen Sicherheitsleistungsstandards verbinden. Diese Lücke zu überbrücken bedeutet, von der Behandlung von Energieeinsparungen als isoliertes operatives Ziel hin zu einem kollaborativen Optimierungsziel innerhalb eines Sicherheitsrahmens zu wechseln.

Mit dem rasanten Fortschritt digitaler Technologien konzentrieren sich aufkommende Hotspots zunehmend auf Tunnelrisikobewertung und Echtzeitkontrolle. Forscher nutzen künstliche Intelligenz, Big Data und das Internet der Dinge, um Faktoren wie Rauch⁶¹, Temperatur und Belüftungsbedingungen zu analysieren. Dies ermöglicht die Echtzeit-Identifikation von Brandszenarien und eine genaue Vorhersage der Brandentwicklung. Intelligente Algorithmen werden zudem zur Unterstützung wissenschaftlicher Tunnelsicherheit eingesetzt. Sie fördern den Übergang von statischer Bewertung zu intelligenter Entscheidungsfindung 62,63,64,65. Darüber hinaus haben mit der wachsenden Zahl langer, großer Tunnel und Unterwassertunnel die Verbindung von Multihazard-Risiken und Sicherheitsproblemen unter extremen Bedingungen immer mehr Forschungsaufmerksamkeit erregt,^66,67.

Laut den bibliometrischen Ergebnissen und der zeitlichen Entwicklung von Schlüsselwörtern hat sich die Tunnelsicherheitsforschung von der Bekämpfung einzelner Probleme hin zu mehrfaktorigen gekoppelten Systemen entwickelt. Frühe Studien konzentrierten sich hauptsächlich auf theoretische Analyse und ingenieurwissenschaftliche Erfahrung. Der Schwerpunkt lag auf Tunnelstrukturen, Belüftung sowie Brandverhütung und -kontrolle. Mit dem Fortschritt theoretischer Rahmenwerke wurden numerische Simulationstechniken schrittweise eingeführt, um quantitative Risikobewertung zu ermöglichen. In den letzten Jahren hat sich die Forschungsaufmerksamkeit zunehmend auf datengetriebene Ansätze und künstliche Intelligenz verlagert. Der Fokus liegt nun auf dynamischen Kopplungsmechanismen in komplexen Tunnelprojekten und dem Vollprozess-Notfallmanagement. Insgesamt hat sich das Fachgebiet von traditioneller erfahrungsbasierter Analyse hin zu datengetriebenen und intelligenten Entscheidungen entwickelt. Sowohl die Tiefe als auch die Breite der Forschung sind deutlich gewachsen. Zukünftige Forschung zur Tunnelsicherheit wird voraussichtlich auf folgende Aspekte fokussiert sein.

Erstens wurden in der theoretischen Entwicklung erhebliche Fortschritte in der Brandsicherheitsforschung von Tunneln erzielt. Dies spielte eine wichtige Rolle in der technischen Praxis. Die aktuelle Perspektive beschränkt sich jedoch weiterhin weitgehend auf Einzelbrandgefährdete. Bestehende Studien befassen sich hauptsächlich mit der Effizienz der Rauchbelüftung, dem menschlichen Evakuierungsverhalten und der strukturellen Stabilität bei hohen Temperaturen. Weniger Beachtung wurde auf strukturelle Schäden und Einsturzrisiken unter seismischer Belastung, Überschwemmungen an Tunnelportalen durch extreme Niederschläge, Leistungsverschlechterung unterirdischer Strukturen und Risikobewertung unter Multihazard spatiotemporaler Kopplung^68,69 gewidmet. Diese Einschränkung schränkt die Robustheit des theoretischen Rahmens unter komplexen und extremen Umgebungen ein. Sie behindert zudem die Entwicklung resilienzorientierter Tunneltechnik über den gesamten Lebenszyklus. Zukünftige Forschung sollte eine umfassendere, multidimensionale Perspektive einnehmen. Das Ziel ist es, einen integrierten theoretischen Rahmen und robuste Bewertungsmodelle zu etablieren. Größerer Wert sollte auf Katastrophenmechanismen, Multi-Faktor-Kopplung und Systemsicherheit gelegt werden. Wichtige Richtungen umfassen strukturelle Schäden und Notfallstrategien bei starken Erdbeben, datenbasierte Simulation von Kaskadenereignissen, Bewertung der Hochwasserauswirkungen auf die Tunnelleistung sowie die Optimierung von schnellen Entwässerungssystemen. Auch zuverlässigkeitsbasierte Methoden sollten eingeführt werden. Diese Methoden können die Leistungsstabilität und Lebensdauer von Tunneln unter Mehrfachgefahr-Interaktionen aufzeigen. Dies wird einen Wechsel von der Prävention von Einzelgefahren hin zur Verbesserung der Mehrfachgefahren-Resilienz ermöglichen.

Zweitens ist im Kontext der digitalen und intelligenten Entwicklung eine tiefere Integration von künstlicher Intelligenz, Big Data und digitalen Zwillingstechnologien in Tunnelsicherheitssysteme erforderlich. Aktuelle Studien haben Anwendungen in der Tunnelüberwachung^70, Fahrsimulation und Baumanagement untersucht. Beispielsweise wurden numerische Methoden eingesetzt, um Tunnelbrände in Echtzeit zu erkennen und Unfallszenarien zu rekonstruieren. Physiologische und kognitive Lastmodelle für Fahrer wurden unter Verwendung von Eye-Tracking- und EEG-Daten entwickelt. Maschinelles Lernen wurden für intelligente Bauüberwachung eingesetzt. Es bestehen jedoch mehrere Einschränkungen. Auf Datenebene fehlen einheitliche Standards für Datenerfassung und -integration, was eine effektive Datenfusion und kollaborative Analyse erschwert. Was die Gefahrenreaktion betrifft, stützen sich die meisten Studien weiterhin auf reaktive oder präventive Wartungsstrategien. Die Möglichkeit zur proaktiven Risikovorhersage ist weiterhin unzureichend. Die Integration zwischen intelligenten Technologien und den zentralen Sicherheitsanforderungen ist weiterhin begrenzt. Zukünftige Forschung sollte sich auf Echtzeit-Frühwarnung vor Verkehrsunfallrisiken, dynamische strukturelle Gesundheitsüberwachung von Tunneln⁷¹ sowie integrierte intelligente Diagnose und kollaborative Entscheidungsfindung über den gesamten Lebenszyklus konzentrieren. Dies wird den Übergang von passiver Reaktion zu proaktiver Prävention unterstützen. Darüber hinaus sollte die Integration von energieeffizientem Betrieb mit intelligenten Sicherheitsmanagementsystemen mehr Aufmerksamkeit erhalten. Ein Beispiel sind adaptive Belüftungssysteme, die gleichzeitig Rauchkontrolle und Energieverbrauch optimieren.

Drittens hat die zunehmende Entwicklung von langen Tunneln, großen Querschnittstunneln und Unterwassertunneln neue Schwierigkeiten mit sich gebracht, was Sicherheitsherausforderungen und die Bewertung der Resilienz im komplexen Tunnelbau betrifft. Diese Herausforderungen ergeben sich aus ihren komplexen Strukturen⁷², begrenzten Umgebungen und einzigartigen Gefahrenentwicklungsprozessen. Die aktuelle Forschung zu komplexen Tunneln konzentriert sich hauptsächlich auf Brandschutz und Evakuierung, strukturelle Brandbeständigkeit sowie Belüftungs- und Beleuchtungssysteme⁷³. Studien zur Notfallreaktion bei komplexen Tunnelunfällen, zur Entwicklung von Branderkennungssystemen und zur integrierten Risikobewertung sind jedoch weiterhin unzureichend. Diese Bewertungen sollten Naturgefahren, menschlich verursachte Schäden und betriebliche Ausfälle abdecken. Darüber hinaus basiert das Risikomanagement zwar auf allgemeinen Sicherheitsmaßnahmen, obwohl die aktuellen Tunneldesignstandards Risikobewertungskonzepte einbeziehen und große Gefahrentypen abdecken. Differenzierte Notfallreaktionsstrategien und einheitliche Bewertungsstandards für verschiedene Gefahrentypen sind noch nicht etabliert. Daher sollte zukünftige Forschung Verbesserungen bei Steuerungsstrategien, Evakuierungseffizienz, Entwicklung und Überwachung von strukturellen Schäden, Notfallmanagementsystemen und Bewertungsstandards für diese speziellen Tunneltypen priorisieren.

Viertens sollte die Stärkung der interdisziplinären Zusammenarbeit und der internationalen Zusammenarbeit weiter priorisiert werden. Die Forschung zur Tunnelsicherheit umfasst derzeit mehrere Disziplinen, darunter Bauingenieurwesen, Brandschutzwissenschaft, Verkehrstechnik und Informatik. Die Tiefe der interdisziplinären Integration und systembezogenen Konvergenz bleibt jedoch begrenzt. Künftige Bemühungen sollten sich auf den Aufbau enger verbundener transregionaler Kollaborationsnetzwerke konzentrieren. Dies ermöglicht einen effektiven Austausch von Wissen aus mehreren Quellen und methodischen Ansätzen. Es sollte auch größere Aufmerksamkeit darauf gelegt werden, fortgeschrittene Erfahrungen aus verschiedenen Ländern und Regionen in Bezug auf Tunnelsicherheitsvorschriften, Designkonzepte und Notfallmanagementpraktiken einzubeziehen. Solche Entwicklungen werden dazu beitragen, die Koordination zwischen Forschungssystemen zu verbessern, die Konsistenz der Standards zu erhöhen und die allgemeine Widerstandsfähigkeit zu stärken. Dies wird die systematische und zukunftsorientierte Natur der Forschung auf diesem Gebiet verbessern.

Einige Einschränkungen dieser Studie verdienen jedoch sorgfältige Überlegung. Ein bemerkenswertes Problem ist die ausschließliche Abhängigkeit von einer einzigen Literaturdatenbank. Da diese Studie ausschließlich aus der Web of Science Core Collection basierte, könnten relevante Arbeiten, die in nicht-englischsprachigen Medien veröffentlicht oder auf alternativen Plattformen wie Scopus indexiert sind, übersehen worden sein. Diese Auswahlbeschränkung birgt das Risiko, Beiträge aus Regionen zu unterrepräsentieren, in denen Englisch nicht die Hauptsprache des Unterrichts ist. Darüber hinaus beeinflussen mehrere methodische Schritte maßgeblich die Gültigkeit der bibliometrischen Ergebnisse. Der erste kritische Schritt ist die Datenbankabruf, da Variationen in der Suchanfrage, dem Datenbankumfang, Dokumenttypen und dem Abrufdatum den endgültigen Datensatz direkt prägen. Die zweite ist die manuelle Kontrolle, insbesondere die Notwendigkeit, zwischen Tunnelsicherheit und Bauphasen-Tunneltechnik zu unterscheiden. Die dritte ist die Schlüsselwort-Normalisierung, da nicht zusammengeführte Varianten wie "Straßentunnel" und "Straßentunnel" wichtige Themen künstlich trennen können. Die vierte ist die Parameterauswahl in CiteSpace. Die Parameterauswahl von CiteSpace kann die resultierenden Netzwerke und Interpretationen beeinflussen. Änderungen im Zeitschnitt oder bei den Auswahlkriterien beeinflussen direkt die Netzwerkdichte und die Stabilität der Cluster. So kann beispielsweise eine niedrigere Schwelle viele kleine, instabile Cluster erzeugen, während eine sehr hohe Schwelle aufkommende Themen unterdrücken kann.

Eine weitere Herausforderung liegt in der Natur der zitationsbasierten Bewertung selbst. Zitationszahlen können durch Faktoren beeinflusst werden, die nichts mit der Forschungsqualität zu tun haben. Dazu gehören das Prestige der Verlagszeitschrift, Muster der Selbstzitation und die geografische Konzentration wissenschaftlicher Netzwerke. Solche Einflüsse könnten die Sichtbarkeit etablierter Zentren überbewerten und ebenso anspruchsvolle Arbeit weniger prominenter Institutionen oder aufstrebender Forschungsgemeinschaften unterschätzen. Angesichts dieser Vorbehalte sollten die hier gemeldeten quantitativen Trends als eine Evidenzschicht interpretiert werden. Sie eignen sich am besten zusammen mit qualitativer Expertenübersicht und einer breiteren Literatursynthese, um ein ausgewogeneres Verständnis des Fachgebiets zu schaffen.

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
CiteSpace	Chaomei Chen	https://citespace.podia.com/	Bibliometrische Visualisierungssoftware zur Erstellung von Kooperationsnetzwerken, Schlüsselwort-Koexistenzkarten, Clusterkarten, Zeitleistenansichten und Burst-Erkennungsausgaben.
Microsoft Excel	Microsoft Corporation	https://www.microsoft.com/excel	Tabellenkalkulationssoftware zur Datenbereinigung, Sortierung, Häufigkeitsberechnungen und Tabellenvorbereitung.
Web of Science Core Collection	Clarivate	https://webofscience.clarivate.cn/wos/woscc/basic-search	Bibliografische Datenbank zur Abfrage der in der bibliometrischen Analyse enthaltenen Datensätze.