摘要：以346份Web of Science 核心數(shù)據(jù)庫中“羽毛球”、“數(shù)據(jù)挖掘”、“人工智能”、“動作捕捉”、“體育賽事”為數(shù)據(jù)源，本文基于CiteSpace軟件進(jìn)行可視化處理和分析，整體梳理與分析1995-2020年以來羽毛球運動智能化的應(yīng)用案例，從而揭示了羽毛球智能化的研究趨勢、研究焦點以及其演化路徑和方向。研究結(jié)果：（1）在研究貢獻(xiàn)方面，中國在一定程度上引領(lǐng)了羽毛球運動智能化的發(fā)展；（2）相關(guān)體育人工智能研究的高產(chǎn)作者和團(tuán)隊聚焦于美國高校，主要研究方向是基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法為不同群體開發(fā)和改進(jìn)智能體育設(shè)備；（3）相關(guān)體育賽事、體育產(chǎn)業(yè)、關(guān)聯(lián)預(yù)測等研究學(xué)科是研究聚焦的羽毛球運動智能化的領(lǐng)先學(xué)科。體育教學(xué)方面的研究人員對大數(shù)據(jù)在羽毛球運動中作用的貢獻(xiàn)率相對較低；（4）羽毛球運動智能化研究中的熱點分為四個聚類，即大數(shù)據(jù)及相關(guān)技術(shù)、人工智能監(jiān)測指標(biāo)、大數(shù)據(jù)及數(shù)據(jù)挖掘相關(guān)應(yīng)用、智能傳感羽毛球教學(xué)。

關(guān)鍵詞：人工智能" 全民健身" 智能化" 羽毛球" 機(jī)器學(xué)習(xí)" 文獻(xiàn)計量學(xué)

1、引言

當(dāng)前我國人工智能在體育領(lǐng)域的應(yīng)用研究還處于初始階段，其中最大的問題在于人工智能領(lǐng)域的技術(shù)人員和體育領(lǐng)域的科研人員之間缺乏相互交流和支撐。因此，如何將人工智能等相關(guān)信息技術(shù)與運動健身更好地發(fā)展結(jié)合，以羽毛球為例，設(shè)計并實現(xiàn)一套端到端的羽毛球戰(zhàn)術(shù)系統(tǒng)變得越來越重要。人工智能（Artifical Intelligence， AI）就是讓機(jī)器像人一樣的智能，會思考，是機(jī)器學(xué)習(xí)、深度學(xué)習(xí)在實踐中的應(yīng)用。而數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取出有效的、新穎的、有潛在作用的、可信的、并能最終被人理解的模式（pattern）的非平凡的處理過程。在過去的幾十年里，大數(shù)據(jù)可以監(jiān)測身體活動和生理負(fù)載品種在不同的人口和環(huán)境得到了廣泛的關(guān)注。科學(xué)結(jié)構(gòu)2020年發(fā)布的科技報道也指出，數(shù)據(jù)挖掘已經(jīng)成為現(xiàn)代科學(xué)研究的熱點之一。納米技術(shù)、芯片技術(shù)、通信技術(shù)、人工智能等現(xiàn)代技術(shù)的最新進(jìn)展，為數(shù)據(jù)挖掘和人工智能的發(fā)展奠定了堅實的基礎(chǔ)，實現(xiàn)了教學(xué)應(yīng)用、技術(shù)提高和羽毛球運動技能的實時監(jiān)測和實時反饋。早期的數(shù)據(jù)挖掘及其相關(guān)技術(shù)幾乎只用于研究，但新的羽毛球運動智能化對市場應(yīng)用更有價值。目前，體育科技領(lǐng)域的研究主要集中在技術(shù)研究和材料更新、設(shè)備可靠性和設(shè)備發(fā)展等方面。然而，通過監(jiān)測運動對健康、康復(fù)、體重控制和運動表現(xiàn)來評價行為變化和效果的系統(tǒng)綜述很少。因此，本文采用文獻(xiàn)計量學(xué)方法，系統(tǒng)評價人工智能在羽毛球運動中的應(yīng)用效果，揭示其研究趨勢、研究合作網(wǎng)絡(luò)和研究演變路徑，為今后國內(nèi)的深入研究提供參考。

2、數(shù)據(jù)來源與研究方法

2.1、數(shù)據(jù)來源

中國知網(wǎng)（CNKI）、Web of Science和IEEE頂級會議三個數(shù)據(jù)庫收錄的關(guān)于羽毛球文獻(xiàn)中以中國和馬來西亞地區(qū)為代表。IEEE頂級會議中對于羽毛球的研究構(gòu)成目前國際上權(quán)威的羽毛球運動科學(xué)數(shù)據(jù)庫，該數(shù)據(jù)庫收錄了國際上羽毛球運動數(shù)據(jù)挖掘、羽毛球視覺方面有關(guān)的各類文獻(xiàn)和研究報告，內(nèi)容涵蓋了羽毛球軌跡運動、羽毛球賽事結(jié)果預(yù)測、羽毛球機(jī)器人方面的研究；Web of Science是全球領(lǐng)先的跨學(xué)科引文數(shù)據(jù)庫，其包含全球最權(quán)威的SCI、SSCI、AHCI3大引文索引數(shù)據(jù)庫，并且收錄了多種世界權(quán)威的、高影響力的學(xué)術(shù)期刊及全球數(shù)以萬計的國際學(xué)術(shù)會議記錄。涉及自然科學(xué)、工程技術(shù)、生物醫(yī)學(xué)、社會科學(xué)、藝術(shù)與人文等領(lǐng)域；而CNKI是中國所運營的最大的學(xué)術(shù)論文數(shù)據(jù)庫，收錄了中國各個學(xué)科領(lǐng)域的學(xué)術(shù)論文、大學(xué)研究紀(jì)要以及中國各大圖書館的雜志。

2.2、文獻(xiàn)調(diào)查

根據(jù)Bradford的離散理論，以科學(xué)網(wǎng)絡(luò)數(shù)據(jù)庫的核心集合作為文獻(xiàn)源數(shù)據(jù)庫進(jìn)行檢索。根據(jù)全搜索的檢索原則，通過文獻(xiàn)綜述、咨詢專家和小組討論，確定349個羽毛球運動、大數(shù)據(jù)、可視化、人工智能等其自由詞進(jìn)行主題檢索，共檢索到346篇文章。

2.3、文獻(xiàn)篩選

從初步檢索中得到的文獻(xiàn)覆蓋的范圍很廣。根據(jù)準(zhǔn)確性原則，文獻(xiàn)篩選標(biāo)準(zhǔn)由研究目的確定。

（1）選擇標(biāo)準(zhǔn)。

①描述羽毛球運動智能化（運動活動、教學(xué)訓(xùn)練和體育賽事等）的功能和效果的論文可以是實證研究、調(diào)查研究、綜述；

②對于不同的群體，研究羽毛球運動智能化（運動）活動之間關(guān)系的具有明確研究目的的論文可以是實證研究、調(diào)查研究或評論；

③在競技體育和學(xué)校體育學(xué)領(lǐng)域，被用于研究大數(shù)據(jù)、計算機(jī)可視化作為羽毛球技術(shù)動作措施來監(jiān)測教學(xué)活動的效果；

④以英語發(fā)表的文章；

⑤大數(shù)據(jù)技術(shù)發(fā)展與應(yīng)用研究；

⑥經(jīng)過同行評議的文章。

（2）淘汰標(biāo)準(zhǔn)。

①與體育活動無關(guān)的論文（如生物、化學(xué)、環(huán)境等）；

②研究影響大數(shù)據(jù)、人工智能應(yīng)用的態(tài)度、視力和條件；

③關(guān)于羽毛球課堂教學(xué)實驗的論文、會議總結(jié)、總結(jié)等。

根據(jù)上述標(biāo)準(zhǔn)，研究者進(jìn)行文獻(xiàn)篩選，直接納入或排除已確定的文獻(xiàn)。如果閱讀全文后不確定，則進(jìn)行小組討論，最終確定將121篇文獻(xiàn)納入分析。

3、結(jié)果和分析

3.1、研究趨勢分析

隨著科學(xué)知識的不斷發(fā)展，科學(xué)結(jié)構(gòu)也會產(chǎn)生動態(tài)的變化。發(fā)展和進(jìn)化過程形成了科學(xué)結(jié)構(gòu)的進(jìn)化，并帶來了研究趨勢的變化。某一領(lǐng)域的學(xué)術(shù)研究趨勢可以是具體的。

從學(xué)術(shù)關(guān)注和學(xué)術(shù)傳播的概念上進(jìn)行了分析。學(xué)術(shù)關(guān)注是指研究課題發(fā)表論文數(shù)量的趨勢統(tǒng)計，即分別計算每年相關(guān)課題發(fā)表論文數(shù)繪制曲線趨勢圖；學(xué)術(shù)交流是指研究課題引用次數(shù)的趨勢統(tǒng)計，即每年相關(guān)主題論文引用頻率。因此，多年來學(xué)術(shù)關(guān)注和學(xué)術(shù)交流的統(tǒng)計數(shù)據(jù)可以通過該領(lǐng)域已發(fā)表的論文數(shù)量和相關(guān)論文被引用的次數(shù)來表示。根據(jù)文獻(xiàn)篩選結(jié)果，本文對人工智能在羽毛球應(yīng)用效果的發(fā)表論文數(shù)和引用次數(shù)兩個核心指標(biāo)進(jìn)行統(tǒng)計處理。

3.2、對學(xué)術(shù)發(fā)展趨勢的預(yù)測

在預(yù)測研究領(lǐng)域的發(fā)展趨勢時，發(fā)文量在不同年份波動，影響因素多，曲線波動大，容易受外部干擾，難以形成穩(wěn)定的規(guī)律，容易反映學(xué)科領(lǐng)域的學(xué)術(shù)發(fā)展趨勢，難以用數(shù)學(xué)函數(shù)特征。累積的文檔數(shù)量可以更好地避免這些干擾，并使用該函數(shù)來預(yù)測。本文利用SPSS軟件中的曲線估計功能和原始軟件中的繪圖功能，探討了論文的發(fā)表和積累年份，并預(yù)測了文獻(xiàn)中大數(shù)據(jù)在羽毛球運動中的作用的增長規(guī)律。經(jīng)過軟件處理，發(fā)現(xiàn)其與三次函數(shù)曲線的擬合度是理想的。如圖1所示，智能化設(shè)備在羽毛球運動中效果的研究中，累計發(fā)布文件數(shù)與發(fā)表年份成三次函數(shù)關(guān)系，擬合優(yōu)度R2=0.986。擬合方程為：F（t）=0.519×（t-2001）3-7.557×（t-2001）226.487×（t-2001）-15.074，其中F（t）為已發(fā)行文件的累計數(shù)量，t為發(fā)行年份。該預(yù)測模型可用于預(yù)測羽毛球運動研究論文的分布情況。如圖1虛線所示，未來七年大數(shù)據(jù)結(jié)合羽毛球的應(yīng)用研究累積分布曲線將穩(wěn)步增長，長期不會出現(xiàn)明顯的拐點，說明本研究領(lǐng)域的研究熱度仍較高，說明羽毛球運動仍有很大的發(fā)展空間。

3.3、研究合作的網(wǎng)絡(luò)分析

任何研究領(lǐng)域都有其核心研究力量，形成研究合作網(wǎng)絡(luò)，主要包括研究作者、機(jī)構(gòu)和區(qū)域分布。本文將從以下三個方面探討智能化在羽毛球運動中的影響的研究合作網(wǎng)絡(luò)。

（1）相關(guān)研究作者。

根據(jù)研究定律，高產(chǎn)作者的分布可以用作M=0.749（P最大代表作者發(fā)表的論文數(shù)量與數(shù)量最大的論文在所有作者在統(tǒng)計期間，和M代表最低閾值的論文發(fā)表的作者）。根據(jù)搜索結(jié)果，P最大的研究羽毛球運動智能化的影響是10，所以M值四舍五入到3，也就是說，作者發(fā)表了超過3篇文章的研究主題羽毛球運動智能化的影響是高產(chǎn)的作者。這些高產(chǎn)的作者可以作為候選者核心作者。據(jù)統(tǒng)計，有144位核心作者候選人（即高產(chǎn)作者）。高產(chǎn)作者總數(shù)為74人，占論文總數(shù)的47.4%，接近60篇論文的分析，表明高產(chǎn)作者群體對于羽毛球運動智能化的研究已經(jīng)基本形成，高收益作者表現(xiàn)更加突出。

如表1所示，作者的文章排名越高，他們智能化設(shè)備在羽毛球運動中的影響的研究貢獻(xiàn)就越大。特別是，具有相同引用排名的作者可以更多地關(guān)注科學(xué)研究趨勢的作者，他們的作品和思想往往代表了這一領(lǐng)域的研究前沿和熱點。例如，相關(guān)研究作者如WANG YF和HULSDUNKER T的文獻(xiàn)和引用數(shù)量明顯高于其他作者，數(shù)據(jù)挖掘在羽毛球運動中的影響研究中發(fā)揮著重要的主導(dǎo)作用。

（2）作者國家（地區(qū)）分布情況。

利用CiteSpace分析研究文獻(xiàn)中包含的國家（地區(qū)）的分布發(fā)現(xiàn)，如圖2所示，人工智能結(jié)合羽毛球的研究地理分布在22個國家和地區(qū)，各地區(qū)發(fā)布的文獻(xiàn)數(shù)量非常不均勻，文獻(xiàn)輸出主要來自亞洲，個別文獻(xiàn)來自于歐洲，反映了區(qū)域和國家之間相關(guān)研究的發(fā)展水平不均衡。其中，節(jié)點最大的前四個國家是中國、美國、英國和馬來西亞。其中，中國有15篇文章，處于領(lǐng)先地位，在一定程度上引領(lǐng)羽毛球的智能化發(fā)展。另外，研究羽毛球最多的國家集中在亞洲，文獻(xiàn)量占總文獻(xiàn)的50%以上；研究實力相對較弱的地區(qū)為非洲。

3.4、研究演化路徑分析

（1）研究前沿和熱點的分析。

關(guān)鍵詞的高頻率與文獻(xiàn)內(nèi)容的熱點成正比。通過關(guān)鍵詞分析，可以掌握研究領(lǐng)域的知識結(jié)構(gòu)。高頻關(guān)鍵詞的選擇主要包括經(jīng)驗判斷方法和基于計量指標(biāo)的定量方法。實證分析方法雖然應(yīng)用廣泛，但具有一定的主觀性，缺乏理論指導(dǎo)。利用計量軟件對關(guān)鍵字的詞頻率和中心性進(jìn)行分析。

運行CiteSpace軟件，選擇關(guān)鍵字功能鍵并進(jìn)行聚類，如圖3所示?？梢枣i定特定研究領(lǐng)域的熱門研究課題，從而判斷研究課題中關(guān)鍵詞的活動。結(jié)合圖3，研究羽毛球運動智能化的作用時節(jié)點較大的關(guān)鍵詞是：①運動形式：體育活動、羽毛球、運動損傷、比賽分析；②研究人群：成人、老年人、兒童、學(xué)生；③羽毛球大數(shù)據(jù)設(shè)備技術(shù)和方法：加速計、傳感器、可穿戴、移動健康、移動應(yīng)用、活動跟蹤、可穿戴技術(shù)、比賽分析設(shè)備；④生理特征：健康、表現(xiàn)、合作、教學(xué)；⑤結(jié)果式：有效性、可靠性；⑥方法：干預(yù)。

以上高頻關(guān)鍵詞是羽毛球運動智能化的研究方向的核心部分，反映了本研究的檢索方法和策略與研究目的相一致。同時也可以看出，運動形式、人、羽毛球技術(shù)和方法、研究方法、行為改變和比賽效果這六個方面是研究羽毛球運動智能化的有效途徑。

通過分析可得，我國羽毛球運動領(lǐng)域的研究重點是：①從研究對象上：科研理論研究的主要對象為：羽毛球運動的主體，如運動員、體育工作者等；②從研究內(nèi)容上：以羽毛球運動教學(xué)訓(xùn)練為主，研究目前發(fā)現(xiàn)，理論與實踐相結(jié)合是提高羽毛球運動員技術(shù)能力的有效手段；③從研究的關(guān)注點上：國內(nèi)較為關(guān)注羽毛球比賽過程中的致勝規(guī)律與技戰(zhàn)術(shù)分析；由此可見，戰(zhàn)術(shù)使用的合理性與技術(shù)發(fā)揮的穩(wěn)定性是運動員贏得比賽的關(guān)鍵。因此，應(yīng)在技術(shù)層面不斷進(jìn)行突破創(chuàng)新、吸收先進(jìn)的技術(shù)打法，并且羽毛球教練員應(yīng)對優(yōu)秀運動員所使用的技戰(zhàn)術(shù)進(jìn)行統(tǒng)計分析，掌握比賽的致勝規(guī)律，才能保持長久的核心競爭力，獲得比賽的主動權(quán)；④從研究的實際情況上：從日常訓(xùn)練的實際情況出發(fā)關(guān)注運動員的身心狀況；眾所周知，羽毛球是一項“高策略”運動，因此，羽毛球比賽過程中比拼的不僅是運動員的技戰(zhàn)術(shù)，也包括運動員身心素質(zhì)的比拼，運動員在訓(xùn)練過程中應(yīng)將比賽周期的生理狀態(tài)調(diào)至最佳，以便促進(jìn)運動員水平的良好發(fā)揮。

（2）采用知識組聚類方法得到的中心性文獻(xiàn)信息分析。

①關(guān)于C1知識組信息的AGNES 層次聚類算法分析

曾佳軍在《改進(jìn)的AGNES算法在羽毛球技戰(zhàn)術(shù)分析中的應(yīng)用》中將AGNES算法應(yīng)用在了羽毛球領(lǐng)域，使用數(shù)據(jù)挖掘中改進(jìn)了的 AGNES層次聚類算法挖掘技戰(zhàn)術(shù)與得失分的關(guān)系。結(jié)論：與傳統(tǒng)的方法相比，在羽毛球技戰(zhàn)術(shù)分析中應(yīng)用計算機(jī)技術(shù)和數(shù)據(jù)挖掘算法，能夠基于大量的歷史比賽信息，分析羽毛球運動員的技戰(zhàn)術(shù)特征。在現(xiàn)場比賽過程中，可以更好、更準(zhǔn)確地幫助教練員和運動員進(jìn)行技戰(zhàn)術(shù)調(diào)整。對于比賽前的備戰(zhàn)，則能夠更全面地為中國運動員提出具有針對性的專項技術(shù)訓(xùn)練。廖廷波在《基于視頻流的羽毛球檢測跟蹤及軌跡預(yù)判算法應(yīng)用研究》中結(jié)合最小二乘法和卡爾曼濾波對羽毛球在視頻流中的軌跡進(jìn)行預(yù)測，解決羽毛球發(fā)球員只能訓(xùn)練運動員反復(fù)擊打各種發(fā)球的問題。缺乏有效的視覺反饋系統(tǒng)，智能程度低。

②關(guān)于C2知識組信息的手法、步伐、比分形勢等與得失分潛在聯(lián)系相關(guān)分析

羽毛球裁判中鷹眼技術(shù)，“鷹眼”的真正名字是“即時回放系統(tǒng)”（instant review system），控制系統(tǒng)由八個和十個高速攝像機(jī)、四臺計算機(jī)和大屏幕所構(gòu)成。從理論層次上，鷹眼系統(tǒng)主要是對空氣進(jìn)行動力學(xué)、影像學(xué)、圖形學(xué)、信號與通訊學(xué)、三維模擬重建技術(shù)等基礎(chǔ)課程中有關(guān)知識的綜合使用，其核心教學(xué)難點就是怎樣通過運用能力及相關(guān)技術(shù)管理軟件，模擬出球的空間軌道，從而確定一個球的運動與發(fā)展路徑，并對球進(jìn)行精確定位與追蹤，進(jìn)而估算出球沿其軌道運動以及運行的落地點。

③關(guān)于C3知識組信息的Apriori關(guān)聯(lián)規(guī)律算法分析

宋偉姣在《基于數(shù)據(jù)挖掘技術(shù)的羽毛球運動員訓(xùn)練模式優(yōu)化分析與研究》中設(shè)計了系統(tǒng)采集數(shù)據(jù)，對Apriori關(guān)聯(lián)規(guī)律算法進(jìn)行改進(jìn)并應(yīng)用在羽毛球數(shù)據(jù)中，進(jìn)行仿真實驗。主要工作有：a.建立了統(tǒng)一的羽毛球綜合數(shù)據(jù)庫。數(shù)據(jù)挖掘技術(shù)收集的數(shù)據(jù)用于深入挖掘；b.Apriori關(guān)聯(lián)規(guī)則算法進(jìn)行了改進(jìn)。解決了數(shù)據(jù)分析不深入的問題，將結(jié)果應(yīng)用在羽毛球訓(xùn)練上，從技戰(zhàn)術(shù)的角度來制定個性化學(xué)習(xí)訓(xùn)練研究方案。

4、結(jié)論

使用數(shù)據(jù)挖掘的方法對羽毛球運動員的擊球動作進(jìn)行分析，可以發(fā)現(xiàn)影響羽毛球比賽的多維度因素并尋找這些因素之間潛在的關(guān)系和相互作用，從中發(fā)現(xiàn)對比賽勝負(fù)的影響。目前，數(shù)據(jù)挖掘在羽毛球領(lǐng)域的應(yīng)用，主要存在兩個問題。首先，數(shù)據(jù)采集現(xiàn)階段仍然局限于手工統(tǒng)計，無法實現(xiàn)端到端系統(tǒng)的設(shè)計；其次，從技術(shù)和戰(zhàn)術(shù)角度出發(fā)的優(yōu)化關(guān)聯(lián)分析算法相對單一。未來的研究方向是結(jié)合體能和心理指標(biāo)等方面，運用數(shù)據(jù)挖掘算法來制定更科學(xué)的訓(xùn)練方案。為提高羽毛球機(jī)器人的接發(fā)球能力，利用雙目立體視覺技術(shù)設(shè)計機(jī)器人對環(huán)境自動感知方法，對不同狀態(tài)下的羽毛球都有精準(zhǔn)的感知能力，考慮羽毛球的實時性需求，在今后研究中應(yīng)進(jìn)一步探究自動感知球體速度，這樣才能保障機(jī)器人可以及時作出擊球動作。鷹眼系統(tǒng)并不完美，在國際比賽中鷹眼系統(tǒng)曾出現(xiàn)過較大的誤差，其使用的算法和硬件之間的協(xié)調(diào)需要進(jìn)一步優(yōu)化。

參考文獻(xiàn)：

[1]曾佳軍.改進(jìn)的AGNES算法在羽毛球技戰(zhàn)術(shù)分析中的應(yīng)用[J].電腦知識與技術(shù)，2009，5（33）.

[2]YAO B，LIANG N.A smart position optimization scheme for badminton doubles based on human–computer interactive training in wireless sensor networks[J].EURASIP Journal on Wireless Communications and Networking，2020，2020（1）.

[3]CAO Z，LIAO T，SONG W，et al.Detecting the shuttlecock for a badminton robot： A YOLO based approach [J].Expert Systems with Applications， 2021（164）.

[4]RAHMAD N，AS’ARI M，SOEED K，et al.Automated badminton smash recognition using convolutional neural network on the vision based data[C].proceedings of the IOP Conference Series： Materials Science and Engineering.IOP Publishing，2020.