$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Deze studie voerde een systematische bibliometrische analyse uit om onderzoekstrends op het gebied van tunnelveiligheid te identificeren en te visualiseren van 1992 tot 2026.
Literatuurzoektocht en gegevensverzameling
Toegang tot de Web of Science Core Collection (WoSCC) database. De zoekstrategie werd uitgevoerd met de volgende onderwerpspecifieke zoekopdracht: TS = [("tunnel" en "tunnel safety")]. Nadat de zoekopdracht was ingevoerd, werd op de knop "Zoeken" geklikt om de literatuurzoekopdracht uit te voeren. De resultaten werden gefilterd door "Artikelen", "Overzichtsartikelen" en "Early Access Publicaties" als documenttypen te selecteren. In totaal werden 15.861 artikelen en overzichtsartikelen verzameld die tussen 1992 en 2026 werden gepubliceerd. Deze studie richt zich op kerngebieden zoals brandveiligheid in tunnels, verkeersveiligheid, verkeersveiligheid en evacuatie van personeel, met als doel de onderzoeksvoortgang en brandpunten in de algehele tunnelveiligheid te evalueren. Daarom werden publicaties over de uitgravingsveiligheid van tunnels, veiligheidsvoorspelling van schildtunnels en veiligheidsbeoordeling van tunnelbekledingscheuren uitgesloten. Na dit selectieproces werden 428 artikelen behouden voor verdere analyse. In de sectie "Inhoud van Record" werd "Volledig Record en Citeerde Referenties" geselecteerd, en werd de gefilterde dataset geëxporteerd als "Plain Text"-bestanden. Elk record werd geverifieerd om volledige bronvermelding en mede-auteurschap te bevatten. Het gedetailleerde screeningsproces wordt weergegeven in een stroomdiagram (Figuur 1).
Datavoorverwerking
De platte tekstdataset geëxporteerd vanuit WoSCC werd geïmporteerd in een spreadsheet met behulp van de Data | Vanuit de tekst-/CSV-functie . Tab- en spatietekens werden geselecteerd als scheidingstekens om de tekst in kolommen te scheiden. De resulterende spreadsheet werd gebruikt om de records te filteren, te sorteren en samen te vatten voor latere analyses. De records werden geaggregeerd per publicatiejaar om het jaarlijkse en cumulatieve aantal publicaties te berekenen. De kolom Journal (SO) werd gefilterd om alleen tijdschriften met drie of meer artikelen te behouden. Instellingen werden gesorteerd op frequentie en centraliteit om de top 10 instellingen te identificeren, en trefwoorden werden gesorteerd op frequentie en centraliteit om de top 20 trefwoorden te identificeren. Trefwoordclusters werden gesorteerd op grootte, en de zes grootste clusters werden behouden. Gedetailleerde criteria en procedures voor elke operatie werden beschreven in de bijbehorende analytische subsecties.
Voor de analyse van de getalevolutie van gepubliceerde literatuur werd de kolom Publicatiejaar (PY) gefilterd in de spreadsheetsoftware en werden de waarden omgezet naar numeriek formaat. De records werden vervolgens per publicatiejaar geaggregeerd om zowel het jaarlijkse als het cumulatieve aantal publicaties te berekenen. Een publicatietrendgrafiek werd gegenereerd door een staafdiagram voor de jaarlijkse output te maken en een lijndiagram over het cumulatieve totaal te leggen (Figuur 2). Voor de analyse van de distributiepatronen van publicatietijdschriften werd de kolom Journal (SO) geïsoleerd en het aantal records per tijdschrift berekend. De publicatiefrequentie werd berekend voor elk tijdschrift tussen 1992 en 2026 door records te groeperen op tijdschrifttitel en de resultaten in aflopende volgorde te sorteren. Tijdschriften met drie of meer artikelen werden behouden, wat resulteerde in 28 tijdschriften, en de bevindingen werden gepresenteerd in een samengevat tabel (Tabel 1).
Analyse van samenwerking door auteurs
De WoSCC platte tekstdataset werd geïmporteerd en geconfigureerd in CiteSpace met behulp van de Data | Import | Het Web of Science-commando, en de invoer- en uitvoerdirectories werden indien nodig gespecificeerd. Na een diepgaande beoordeling van de teruggevonden literatuur bleek dat publicaties uit 1992 tot 2004 slechts een relatief klein deel van de dataset uitmaakten. Belangrijker nog, de onderzoeksinhoud en thema's van deze publicaties waren verspreid en toonden ze weinig relevantie voor tunnelveiligheid. Het opnemen van deze artikelen in de bibliometrische analyse zou overmatige redundantie hebben veroorzaakt en het identificeren van onderzoekshotspots en evoluerende trends hebben belemmerd. Bovendien kon de in maart 2026 opgevraagde literatuur de jaarlijkse publicatieproductie voor 2026 niet volledig weergeven. Daarom was de CiteSpace-analyse beperkt tot literatuur die tussen 2005 en 2025 werd gepubliceerd. De tijdspanne werd vastgesteld van 2005 tot 2025 op basis van publicatierelevantie, waarbij jaarlijks tijdssnede werd gebruikt met een tijdsnede van 1 jaar.
CiteSpace was geconfigureerd met de auteur als knooppunttype. Het selectiecriterium werd ingesteld op de g-index (k = 15). Termbronnen werden ingesteld op Titel, Abstract, Auteur Sleutelwoorden (DE) en Sleutelwoorden Plus (ID). Onder het Pruning-menu werden zowel de Pathfinder als Pruning de samengevoegde netwerkopties geselecteerd om de netwerkstructuur te vereenvoudigen. De analyse werd uitgevoerd door op Go te klikken om de auteur-samenwerkingsnetwerkvisualisatie te genereren. Lettergroottes en kleurschema's werden aangepast om de leesbaarheid te verbeteren (Figuur 3).
Institutionele samenwerking en analyse van top 10 instellingen
Het nodetype werd ingesteld op institutioneel in CiteSpace. Het selectiecriterium werd ingesteld op de g-index (k = 25). Termbronnen werden ingesteld op Titel, Abstract, Auteur Sleutelwoorden (DE) en Sleutelwoorden Plus (ID). Onder het Pruning-menu werden de opties Pathfinder en Pruning van het samengevoegde netwerk geselecteerd om de netwerkcomplexiteit te verminderen.
De analyse werd uitgevoerd door op Go te drukken om de institutionele samenwerkingskaart te genereren. Typografie en kleurinstellingen werden aangepast om de interpreteerbaarheid te verbeteren (Figuur 4). De gegevens van institutionele samenwerking werden opgeslagen met behulp van Output | Netwerksamenvatting als HTML, CSV, RIS | Sla op als CSV. Het CSV-bestand werd vervolgens geopend in Microsoft Excel. De kolommen "Freq", "Centrality" en "Label" werden samengevoegd, en er werd een aflopende sortering toegepast met Sort & Filter | Afdaalt. De top 10 instellingen werden geëxtraheerd en samengevoegd tot een eindtabel (Tabel 2).
Keyword co-occurrence en top 20 zoekwoordanalyse
In CiteSpace werd het knooppunttype ingesteld op trefwoord. De g-index werd gezet op k = 17. Termbronnen werden ingesteld op Titel, Abstract, Auteur Sleutelwoorden (DE) en Sleutelwoorden Plus (ID). Onder het Pruning-menu werden de opties Pathfinder en Pruning van het samengevoegde netwerk geselecteerd om het netwerk te trimmen. De analyse werd gestart door op Go te klikken om de trefwoordco-occurrence map te verkrijgen. Lettertype- en kleurattributen werden aangepast om de visuele leesbaarheid te verbeteren (Figuur 5). De trefwoordco-occurordataset werd geëxporteerd via Output | Netwerksamenvatting als HTML, CSV, RIS | Sla op als CSV. Het CSV-bestand werd geopend in Microsoft Excel. De kolommen "Freq", "Centrality" en "Label" werden samengevoegd, en er werd een dalende sortering uitgevoerd met Sort & Filter | Afdaalt. De top 20 trefwoorden werden geïdentificeerd en georganiseerd in een eindtabel (Tabel 3).
Analyse van de sleutelwoordcluster en top 6 clusters
De nodecategorie werd in CiteSpace op trefwoord gezet. De g-index werd gezet op k = 17. Termbronnen werden ingesteld op Titel, Abstract, Auteur Sleutelwoorden (DE) en Sleutelwoorden Plus (ID). Onder het Pruning-menu werden de opties Pathfinder en Pruning van het samengevoegde netwerk geselecteerd om het netwerk te verfijnen. Keyword clustering analyse werd uitgevoerd door op Go te klikken. Clusterlabels werden geëxtraheerd met behulp van het log-likelihood ratio (LLR) algoritme. Alleen clusters met een silhouetscore hoger dan 0,7 werden behouden. De clusteringskaart werd gegenereerd met behulp van Cluster Label Optimization | K: Trefwoorden, en de weergave-instellingen zijn aangepast voor optimale leesbaarheid (Figuur 6). Clusterdetails werden geëxtraheerd via Clusters | Bekijk Clusterinhoud en georganiseerd in een Microsoft Excel-werkblad. De datatabel werd geopend en de kolom "Grootte" werd geselecteerd en gesorteerd met Sorteren & Filteren > Afnemend. De resultaten werden gecompileerd in de uiteindelijke clustertabel voor sleutelwoorden (Tabel 4).
Analyse van de clusters van de zoekwoordtijdlijn
Het knooppunttype werd als trefwoord in CiteSpace behouden. De g-index werd gezet op k = 17. Termbronnen werden ingesteld op Titel, Abstract, Auteur Sleutelwoorden (DE) en Sleutelwoorden Plus (ID). Onder het Snoeimenu werden de opties Pathfinder en Snoeien van het samengevoegde netwerk geselecteerd om het netwerk te snoeien. De analyse van keyword clustering werd uitgevoerd door op Go te klikken. Clusterlabels werden geëxtraheerd met hetzelfde LLR-algoritme en dezelfde silhouette score threshold (> 0,7). Timeline View werd geselecteerd om de clustering map van de zoekwoord-tijdlijn te genereren. Lettertype- en kleurinstellingen werden aangepast om de leesbaarheid te verbeteren (Figuur 7).
Analyse van keyword bursting
Het knooppunttype werd als trefwoord in CiteSpace behouden. De g-index werd gezet op k = 17. Termbronnen werden ingesteld op Titel, Abstract, Auteur Sleutelwoorden (DE) en Sleutelwoorden Plus (ID). Onder het Pruning-menu werden de opties Pathfinder en Pruning van het samengevoegde netwerk geselecteerd voor netwerk-pruning. Trefwoordanalyse werd uitgevoerd door op Go te klikken. De optie Burstness werd geselecteerd, de parameter γ werd ingesteld op 0,5 en de minimale burstduur werd ingesteld op 2 jaar om de keyword burst detectie-analyse uit te voeren. De gegevens werden ververst om de lijst te genereren van de top 25 trefwoorden met de sterkste citatiebursts (Figuur 8).