技术融合由于其在科学技术领域多层面的应用而成为研究热点[1],很多学者强调技术融合和交叉研究的重要性[2],认为技术融合将成为技术创新的主要驱动力[3-7]和主流趋势[1,8-11]。然而,技术融合不是技术本身的孤立活动,而是与技术相关的诸多因素综合作用的结果,各因素间的协调发展为技术融合提供了一个适宜性环境和平台[12]。研究产生融合的环境,以及技术融合驱动因素可以加深对融合的理解[13]。市场需求、产业结构、政策法规、技术因素及商业模式创新等因素共同影响技术融合[14],但技术因素是其中最重要的驱动因素[9,15]。
现有相关文献主要以企业为研究对象,运用定量、定性、案例等分析方法,对技术融合驱动因素进行研究。Seongkyoon Jeong[13]认为,隶属于不同技术领域的研发活动通过合作而发明专利,即不同技术发生了融合,并以研发活动专利成果为研究对象,采用Probit模型,测算不同技术生命周期、研发活动预算和活动期限等因素对融合结果的驱动程度;霍春香[12]在对技术融合进行界定及阶段划分的基础上,分析了企业自有技术、企业文化、企业管理、企业市场行为、经济核算、企业规模等变量要素,定性解释了每个阶段对各变量因素要求不同,以此指导企业提升优化整合内部环境的能力。Benjamin[14]以技术变化创新、政府放松管制和企业自身作为产业融合驱动因素,结合企业案例分析,从理论上阐述了以上各因素如何影响产业融合进程,并指出技术融合并不必然导致产业融合。
技术融合度是研究技术融合驱动因素的关键指标。目前,学者对技术融合测度指标尚未达成共识[16],但技术融合度偏向基于专利数据开展领域实证分析,其相关研究主要集中于评估新兴技术融合趋势、分析技术发展路径、定量测度技术融合程度等方面[17],是最具有代表性、应用最广泛的指标之一。专利是研究技术融合的主流数据源。虽然专利不能代表全部研发活动,因为知识可用很多形式呈现,如学术论文、版权、报告、不成文的秘方等,但专利包含了大量信息资源,大多数研究也采用专利作为技术创新指标[18]和研发活动的成果支撑[19]。
鉴于以上技术融合研究现状,关于驱动因素的现有研究方法存在以下问题:①缺乏对技术融合驱动因素的量化研究,不能明确体现各因素对技术融合的影响程度是否存在差异。早期研究[9,12,14,15]定性解释了技术融合影响因素及其内在机理,缺乏考虑驱动因素对于技术融合影响程度异同的研究,未能有效识别主次驱动因素,难以最大程度地配置资源,亟需以客观量化方法作为定性研究的补充;②已有少量定量分析方法存在适用对象局限等缺陷。例如,基于持续时间模型[20],利用专利引文信息分析技术融合驱动因素,因数据具有时滞性,不利于新兴技术驱动因素研究;基于Probit模型的相关研究[13],将技术融合结果仅定义为融合与非融合,未考虑不同程度的融合,因此需要进一步探索新研究方法。
为有效解决驱动因素研究存在的问题,本文采用专利数据,以专利共类法为基础,运用扩展的Kaya恒等式及LMDI方法测度技术融合驱动效应,在以往定性研究的基础上,量化不同驱动因素的驱动值。最后,结合CiteSpace软件,对LMDI分解结果进行验证,并在微观层面发现BIM领域的关键技术。
扩展的Kaya恒等式与LMDI分解模型相结合被广泛应用于各类研究中,用于测算不同驱动因素对于某一变量的驱动程度[21]。Kaya恒等式由日本学者Yoichi Kaya[22]提出,Kaya恒等式将CO2排放量与经济、政策、人口等因素建立联系,考察这3个驱动因素变化对于CO2排放的影响程度。之后,学者基于Kaya恒等式进行扩展,考虑更多驱动因素,并将公式由最初3个扩展到多个。对数平均迪氏指数法(Log Mean Divisia index,LMDI)分解模型于1998年由Ang等[23]在迪氏指数法基础上提出,并经过Ang&Liu[24]进一步改进,克服了以前分解法存在的剩余缺陷,将结果完全分解,且可以有效解决数据汇总的零值负值问题,在能源经济学与环境经济学领域得到广泛应用。
20世纪80年代以来,国内外众多学者基于扩展的Kaya恒等式和LMDI分解模型对碳排放驱动因素进行分析,将其分解为能源强度、结构调整、经济发展和人口规模四大效应,并采用LMDI分解算法测算了各类效应对于碳排放量的贡献值[25]。此外,Kaya恒等式和LMDI分解模型还被用于研究行业规模效应、结构效应和强度效应对行业就业人口的不同驱动程度[26]、建筑规模和经济效益对我国各地区建筑业动态竞争力的影响大小[27],以及财政支农支出对农业经济增长的驱动关系[28]等。鉴于此,本文引入Kaya恒等式和LMDI分解模型,用于研究技术融合度与其各驱动因素间的关系。
技术融合驱动因素分解模型构建主要包含3部分:①计算各阶段的技术融合度;②确定影响技术融合度的驱动因素;③建立驱动因素与技术融合度的Kaya恒等式关系和LMDI分解模型。具体研究内容如下:
1.2.1 技术融合度分析与计算公式
技术融合是指不同技术间相互作用发生融合的过程,不同技术在同一专利中共同出现,则认为技术之间发生了融合[29]。依据产生融合的技术类别,可将技术融合划分为跨部类融合和跨领域融合两类。其中,跨部类融合是指属于不同部类的技术发生融合;跨领域融合是指属于同一部类但不属于同一领域的技术发生融合[30]。技术融合度是测度技术之间融合程度的指标,即融合专利数量与专利总量的比值[17],计算公式如下:
(1)
其中,R代表融合度;P代表融合专利数量;P'代表专利总量。
前文所提的融合专利是指具有多种技术领域分类码的专利[17],且其分类码分属于不同技术领域,即若某条专利虽然有多个分类码,但这些分类码属于同一技术领域,如图1中的专利1、专利5,则该专利不能称为融合专利。
1.2.2 技术融合度驱动因素分析与指标选取
技术融合度通常用于表示技术融合程度,其受技术种类、专利数量的显著影响,因此本文综合考虑这两方面因素,选取相关因素指标,并将其划分为宏观和微观两个层面。宏观层面,从数量上体现为前两个指标,研究技术种类和专利数量关系,主要反映领域发展阶段等;微观层面,从类别上体现为后两个指标,主要测度技术内部各种类变化对于技术融合的影响程度。
图1 融合专利与非融合专利区分
注:①非融合专利:只含相同领域IPC码的专利。如专利1、专利5;②融合专利:同时含有不同领域,甚至不同步类IPC码的专利。如专利2、专利3、专利4
(1)技术广度:技术广度反映了专利整体复杂度,用每条专利平均包含的IPC数量表示,技术广度值越低,说明专利涉及的技术种类越少,复杂越度低,研究领域尚处于技术起步阶段;反之,广度值越高,说明技术越复杂。计算公式如下:
(2)
其中,α代表技术广度;IPC'代表专利总量包含的IPC数量;P'代表专利总量。
(2)技术融合深度:反映融合与非融合专利内部所含技术的丰富程度。该值越小,初步说明非融合专利占主导地位,进一步若融合专利与非融合专利相差数量较少,而此值继续减小,则说明非融合专利内部的IPC码有所增加,即非融合专利在其领域内部涉及更多技术,专业性增强;反之,则说明融合专利占主导地位,体现为数量增加,或者内部涉及的不同技术增多。计算公式如下:
(3)
其中,β代表技术融合深度;IPC代表融合专利包含的IPC数量。
(3)技术规模:技术规模是指各类技术在全部技术中所占的比重[20]。规模越大,表示该技术在领域中的影响力越大,发挥的作用也越大。本研究中规模效应主要反映的是规模最大技术的比值变动对于技术融合产生的影响,其可表示为在融合专利中,i技术所含IPC的数量占所有技术领域IPC数量的比值。计算公式如下:
(4)
其中,xi代表技术规模;IPCi代表第i 种技术IPC出现在融合专利中的总次数。
(4)技术交叉融合强度:技术交叉融合强度代表在i技术中,作为主IPC的出现次数占全部IPC出现次数的比值,反映了主IPC和次IPC的比例结构。IPCi代表融合专利包含i领域的IPC总次数,包括主IPC为i领域和次IPC为i领域两大类。Pi代表主IPC为i领域的融合专利数量,数值上等于主IPC为i领域的IPC数量。技术交叉强度值越大,说明此阶段i技术以主IPC出现为主;反之,数值越小,则i技术以次IPC为主,即主要出现在其它技术领域专利的次IPC中。计算公式如下:
(5)
其中,yi代表技术交叉融合强度;Pi代表主IPC为第i种技术的融合专利数量,数量上等于主IPC为i领域的IPC数量。
1.2.3 技术融合驱动因素模型构建
(1)Kaya恒等式构建
(6)
以上Kaya恒等式建立了技术融合度与技术广度、技术融合深度、技术规模、技术交叉融合强度的关系,为构建LMDI分解模型奠定了基础。
(2)LMDI分解模型构建。基于以上Kaya恒等式,以第0年表示基准年份,则从0年到t年,技术融合度总变化值为:
ΔR=Rt-R0=ΔRα+ΔRβ+ΔRx+ΔRy
(7)
其中,ΔR代表技术融合度的变化总值,ΔRα、ΔRβ、ΔRx、ΔRy 分别代表4个驱动因素对于技术融合度变化的驱动值,具体计算公式如下:
(8)
(9)
(10)
(11)
其中,Ri(t)和Ri(0)分别代表i技术在基准年份和第t年的融合度;α(t)和α(0)、β(t)和β(0)、xi(t)和xi(0)、yi(t)和yi(0)分别代表基准年份和第t年的技术广度值、技术融合深度值、技术规模值和技术交叉程度值。
建筑信息模型(building information modeling,BIM)是一种多维信息模型集成技术,集成了建筑工程项目各种信息相关的工程数据模型,是对工程项目设施实体与功能特性的数字化表达[32],从根本上改变了依靠符号、文字、图纸进行项目建设和运营管理的工作方式,故被称为“革命性技术”,近年来成为国内外工程管理理论研究和实践发展的焦点[33]。
BIM技术是融合技术[34],体现了计算机技术、信息技术、通讯技术等在建筑领域的融合应用,具有多样性、集成性等融合特性[35]。具体分析如下:①BIM技术具有多样性特征。多样性[34-35]是指融合技术所涉及领域的种类,种类越多,则技术融合程度越高[33]。BIM技术涉及计算机建模技术、数字仿真模拟技术、数据库管理及数字化加工等不同技术,是融合程度较高的一项技术;②BIM技术具有高集成性特征。集成性是指技术与其它技术相互结合产生联系的紧密程度,集成性越高,则越容易与其它技术融合,且融合程度越紧密[35]。目前,BIM与物联网、数字加工、遥感技术、地理信息系统(GIS)、3D扫描等多种技术交互集成,应用于数据采集、物品人员位置定位、虚拟施工等。随着互联网的高速发展,BIM还将进一步融合云计算、3D打印等新兴技术,彻底颠覆传统数据存储方式和施工方案,集成应用跨越式突破[33],并在大型复杂工程、隐蔽工程、绿色建筑等工程中发挥主导作用。
鉴于以上BIM技术的融合特性,以及作为工程建设领域的一项新兴技术具有较强的研究价值和现实意义,本研究认为BIM技术适合作为技术融合研究的实证对象,并从融合视角出发,通过专利分析,旨在发现BIM技术发展特征和融合趋势,探究此过程中不同因素的驱动效应。
本文从TI德温特数据库检索关于建筑信息模型(technology information modeling,BIM)的相关专利,时间截至2016年底,共检索到3 958条专利数据,经数据清洗后共得到有效专利数据3 927条。由于技术早期酝酿阶段专利数量总体较少,且个别年份少量融合专利的出现将导致整体融合度值波动较大的情况,规律性较弱,故本研究在探索驱动因素时,仅选取2003年之后的专利数据,此时专利数量相对较多,且逐渐稳定,更有利于探索驱动因素的影响。依据ISI-OST-INPI分类体系,详细统计每年专利总量及其包含的IPC数量,以及融合专利总量、IPC数量、IPC类型和融合专利类型,具体如表1所示。
表1 BIM专利统计
时间P'IPC'P IPCIPCii=Ai=Bi=Di=EPii=Ai=Bi=Di=E20031083466827620829714361451320041233828029522627131750116132005953445825218149913301747200612932145202145389103153620071293905224919134717417132008180435562421763216184533520091644256224818230142245114220102295678732023445182369558201122051776280194482018623472012269507662311674771052932201332861690307220461625671337201442084011942531270192490158620155761 6612711 078774203445720642131020165061 5442491 0177461636048194331210
由表1可见,近几年融合专利占专利总数的比重逐渐加大,说明BIM技术日趋复杂;融合专利类型以A类技术为主,同时发现B类技术随着时间递进数量大幅度增加,体现B技术越来越重要,而对于更具体的特征变化和驱动原因将在下文展开分析。
首先,对其中的融合专利与非融合专利数量作初步统计,发现BIM技术大致可划分为3个发展阶段,见图2。图2为BIM技术专利中融合专利与专利总量统计图,柱状图代表总专利数量,折线图代表融合专利数量。两者趋势大体一致,发展过程分为以下3个阶段:2000年以前,BIM专利数量极少;2001—2010年,专利数量有大幅提高,但发展呈锯齿状数量基本平衡状态;直到2013年前后,专利数量呈大幅上升趋势。
其次,以专利主IPC技术作为专利类别归类依据,从数量和类型两个方面统计分析BIM融合专利的主要特征,见图3。
图2 BIM专利数量统计
图3具体展示了融合专利P的数量和类型。其中,左侧代表每年融合专利数量,竖条越长代表数量越多;右侧代表融合专利类型,根据融合专利主IPC类别划分,即虽然融合专利拥有不止一个IPC分类码,但根据其主IPC码将其定义为某一类型的融合专利。
可见,BIM技术具有两大特点:①从左侧专利数量看,其发展大致分为3个阶段。1970-2000年融合专利较少,该阶段大部分专利属于A(电气工程部类)、B(仪表部类)、D(机械工程部类);2000年之后,融合专利数量明显增加,且2003-2013年数量基本持平;2014—2016年融合专利数量又呈上升趋势;②从右侧专利类型看,A部类专利数量占有很大比重,其次是B、E(其它领域部类)、D。从中间连线部分可以看出,在每年融合专利中,有一半甚至一半以上的专利均为A部类技术,说明A类技术是BIM技术中的主要组成技术,发挥着重要作用。
图3 BIM融合专利数量与类型统计
针对BIM专利统计总表(见表1)中的数据,将公式(1)~(10)代入展开计算,求得融合度变化值和分解后的各驱动因素贡献值,如表2所示。
表2 技术融合驱动因素分解结果
时间融合度变化值ΔR技术广度ΔRα贡献值贡献率(%)技术融合深度ΔRβ贡献值贡献率(%)技术规模ΔRx贡献值贡献率(%)技术交叉融合强度ΔRy贡献值贡献率(%)2003-20040.021-0.109-517.750.056265.28-0.077-366.160.152718.632004-20050.021-0.02-95.32-0.021-99.420.032152.890.029141.852004-2005-0.040.096-239.60-0.03382.350.055-137.22-0.157394.472005-2006-0.262-0.17265.77-0.0726.640.001-0.53-0.0218.122006-20070.0540.072133.120.0059.900.00814.60-0.031-57.622007-2008-0.092-0.07985.57-0.04852.62-0.0044.280.039-42.472008-20090.0670.02435.200.01624.07-0.001-1.090.02841.822009-20100.002-0.017-911.38-0.012-667.32022.040.0311 656.662010-2011-0.034-0.01954.89-0.01543.32-0.01132.570.011-30.782011-2012-0.1-0.06463.48-0.0549.73-0.0055.190.018-18.412012-20130.029-0.001-3.170.02379.850.0013.160.00620.172013-20140.0090.017195.540.00446.8901.18-0.013-143.612014-20150.1870.13572.050.09249.03-0.002-1.15-0.037-19.932015-20160.0220.027125.840.00732.930.00314.92-0.016-73.69
整体上,除个别年份外,BIM技术融合度整体呈上升趋势。首先,4个驱动因素贡献程度从大到小依次为技术广度效应、技术融合深度效应、技术交叉融合强度效应和技术规模效应。其次,由于BIM技术发展特征不同,4个驱动因素驱动效应也各不相同,具体分析如下:
(1)专利广度。该因素为正向驱动力,随着广度值变大,技术融合程度加深。BIM技术在商业界于2002年由Autodesk公司首次提出,2009-2013年正处于发展早期阶段,此时主要体现在专利数量快速增加上,平均专利数量增速为20%,而专利范围仍局限在少数关键技术领域内,平均技术范围增速为8.99%;2013年之后专利数量增幅趋缓,平均增速为6.83%,而技术领域范围增长迅速,平均范围增幅为27.94%,专利复杂度大大增加。
(2)技术融合深度。该因素为正向驱动,表示融合与非融合专利所包含技术的丰富程度。在图4中,2009-2012年,该驱动效应表现为负,是由于在技术发展早期阶段,致力于解决小范围专业问题,涉及的融合专利较少,表现为非融合专利不仅数量上占优势,且其内部包含的同领域IPC增多,即专利在各自技术领域的专业性增强。从2013年开始,BIM技术经过10年发展,应对的问题日趋复杂,以致融合专利比重从2013年的27.4%快速增加到2016年的49.2%,且应用范围由早期建筑设计领域推广至施工、运维等其它领域,涉及的技术更加广泛,所以对技术融合的驱动效应为正。
图4 驱动因素效应分解
(3)技术规模。该因素对技术融合呈正向驱动效应。技术规模是指各类技术在全部技术中所占的比重,规模效应主要反映的是最主要技术比值变动对于技术融合产生的影响。本研究定义主要技术为该领域内占比最大的技术。规模越大,则该技术在领域的影响力越强,发挥的作用越大。BIM领域主要涉及A、B、D、E等4类技术,其中A类技术整体占比最大,从2003-2016年基本一直保持在70%左右,是BIM领域最主要的技术。从2007年开始,A技术占比从2007年的76.7%逐步下降到2015年的71.8%,甚至在2011年降至69.3%,也因此造成2008-2015年技术规模效应基本以负向驱动为主。此外,由于该因素着重反映技术内部变化对于技术融合的驱动效应,并主要反映最主要技术的变动,因此驱动效应值在4个驱动因素中最小。
(4)技术交叉融合强度。此因素表现为双向驱动力,即在技术发展初期表现为正向驱动效应,后期逐渐变为负向驱动效应,它从微观层面反映了内部主次技术变化对于技术融合的影响。一方面,技术发展初期以技术扩张为主,主技术迅速增多。主IPC代表融合专利的主技术,与专利次IPC码相比处于核心地位,因而主IPC与其它IPC的联系在所有共现关系中最显著。所以,主技术占比越大,即i领域技术在融合专利中多以主IPC身份出现,则i技术与其它技术联系越强,对融合过程发挥的正向驱动作用越大。另一方面,随着环境越来越复杂,以及专业领域的不断扩大,专利大量增加、技术IPC种类更加丰富,如果该技术还是主IPC占比大,次IPC占比小,即i技术在其它领域专利中出现的次数较少,说明i技术与其它技术联系较少,此时会对技术融合产生负向驱动。图4中,2008-2013年处于BIM技术发展早期,专利数量较少,此时核心技术比重较大有利于融合专利的出现,驱动效应表现为正值。随着时间发展,2013-2016年技术融合强度减小,即次IPC占比增大,意味着很多其它领域专利中出现i领域的IPC码,说明i技术与其它技术之间相互联系增多,交叉融合性升高,因此导致驱动效应值变为负值。
由LMDI分解结果发现:①2012-2013年是BIM技术的重要转折年份。2013-2016年,融合度稳步上升,4项因素驱动效应发生明显变化并最终趋于稳定,技术广度效应由负转正、融合深度由负转正、技术规模由负转正、技术融合广度由正转负;②在4项驱动因素中,技术广度、技术融合深度、技术规模均为正向驱动,其中技术广度是最主要的正向驱动因素,而技术融合强度为双向驱动因素,在不同时期发挥的驱动效应不同。
本文结合CiteSpace软件,将2012年前后的专利进行对比分析,一方面可以验证LMDI分解结果的可靠性,另一方面,还可以发现BIM技术中具体的关键技术,作为LMDI分解的微观层面补充。
本研究具体从两方面对2012年前后的专利进行比较,首先是BIM技术涉及的技术领域。本研究采用CiteSpace软件,将阈值同时调整为10,得到结果如图5和图6所示。
图5 2007-2011年BIM关键技术领域
图6 2012-2016年BIM关键技术领域
以上两图中,最大的变化是在2012年之前,BIM技术网络中仅存在一个最大的子群,主要技术以B14、B04、B12为主;而在2012年之后,BIM技术网络中出现了两大子群,除原子群外,又出现了一个以T01-J、T01-E、T01-H等技术为主的子群,规模甚至超越了原子群。上图中,部分节点代表该技术中介中心性较大,是连接不同技术的桥梁技术,被认为是领域内的关键技术,此类技术扩大了BIM领域的技术广度。2012年以后出现的关键技术有B04-E99、T01-J06A、T01-N02B1E、T01-E01A、T01-N01A2、B14-H01、T01-N01D3、D05-H09、T01-J05B4P、T01-J15X、T06-A04B1、T01-J15H等一大批新技术。
其次,CiteSpace还具有检测突现主题的功能,突现即为某一变量的值在短期内数量剧增,CiteSpace将这种突变信息视为一种度量更深层次变化的手段。本研究对2012-2016年出现的BIM技术进行突发性检测,发现2012年出现了13个突现技术,如图7所示。
图7 2012年BIM突现技术
总体来说,根据CiteSpace专利分析结果,由图6可以明显看到BIM技术在2012年前后关键技术由原来的技术领域扩展到另一技术领域,发生了明显跨越。图7得出,2012年共有13个突现技术出现,是BIM技术转折年份,符合LMDI分解结果,说明本研究中的技术融合LMDI分解模型具有一定的科学性。
本研究采用BIM技术专利数据,在测算2003—2016年BIM技术融合度变化的基础上,运用技术融合驱动因素的Kaya恒等式和LMDI分解模型,考察样本期间内各因素对于技术融合度变化的影响,验证将LMDI分解模型用于技术融合驱动因素研究的科学性与可行性,得出如下结论与建议:
(1)技术广度、技术融合深度、技术规模均对技术融合具有正向驱动效应。其中,技术广度对其影响程度最大,是最主要的正向驱动因素。因此,重点发展高中介中心性技术,将有助于加强技术关联,整体提升领域技术广度,进而促进技术融合发展。重视BIM领域的高中介中心性技术,如T01-N02B1E(网络操作系统管理)、T01-J05A2A(计算机辅助非电子应用)、T01-S03(软件产品索赔)、T01-J05B4P(数据库应用)、T01-N01A2(互联网商业模式)等,将有助于提升BIM技术广度,拓宽其在数据管理、软件开发、网络协同合作等方面的应用。
(2)技术融合深度是仅次于技术广度的正向驱动因素,代表了微观层面上融合专利内部技术的融合深度。跨越不同部类技术合作产生的融合专利更具有代表性和突破性。近10年来, t01(数字计算机)、t04(计算机外围设备)、w01(电话和数据传输系统) 为BIM领域的主要技术部类,加强3个部类间的技术合作与交流,有利于研发新兴技术,解决复杂问题。2016年,住建部发布《2016-2020年建筑业信息化发展纲要》,重点提出了BIM与大数据、云计算、物联网、移动通讯等技术相互集成应用发展规划。在此机遇下,应大规模开展这些领域的研发交流活动,相互应用融合,共同应对不断变化的环境带来的技术挑战。
(3)技术融合强度因素在不同时期发挥了不同驱动效应。BIM技术发展初期阶段,技术的快速扩张有利于推动技术融合进程并加快发展。未来随着BIM技术的逐步发展,应将策略调整为增强已有技术之间的相互联系,并在此基础上大力发展新一批融合技术,促进技术创新与发展。
本研究通过建立技术融合驱动因素分解模型,量化展现技术发展过程中不同因素发挥的驱动效应及大小程度,并结合驱动因素特征提出相关建议。但由于新兴技术发展的复杂性及不确定性,仅用专利数据不足以全面掌握其技术发展特征,还需要结合相关文献、政策文本等进行综合分析并提出更为完整的对策建议。
[1] CURRAN C S,LEKER J.Patent indicators for monitoring convergence——examples from NFF and ICT[J].Technological Forecasting & Social Change,2011,78(2):256-273.
[2] STONE T,BOLLARD K,HARBOR J M.Launching interdisciplinary programs as college signature areas:an example[J].Innovative Higher Education,2009,34(5).
[3] HACKLIN F,WALLIN M W.Convergence and interdisciplinarity in innovation management:a review,critique,and future directions[J].Service Industries Journal,2013,33(7-8):774-788.
[4] NORDMANN A,BRULAND K,BIBEL W,et al.Converging technologies - shaping the future of european societies[R].Interim Report of the Scenarios Group,2004.
[5] HACKLIN F.Management of convergence in innovation:strategies and capabilities for value creation beyond blurring industry boundaries[M].Physica-Verlag GmbH,2010.
[6] ROHBECK J,SCHÜTZ H,WIEDEMANN P M ROCO MC,et al.Con-verging technologies for improving human per-formance.national science foundation.Arlington,Virginia[J].Metaphilosophy,2002.
[7] ATHREYE S,KEEBLE D.Technological convergence,globalisation and ownership in the UK computer industry[J].Technovation,2000,20(5):227-245.
[8] KARVONEN M,LEHTOVAARA M.Build-up of understanding of technological convergence evidence from printed intelligence industry[J].International Journal of Innovation & Technology Management,2012,9(03):26-208.
[9] BORÉS C,SAURINA C,TORRES R.Technological convergence:a strategic perspective[J].Technovation,2003,23(1):1-13.
[10] CURRAN C S.The anticipation of converging industries[M].Springer London,2013:63-125.
[11] PRESCHITSCHEK N,CURRAN C S,LEKER J.The importance of access to resources in a setting of industry convergence:The case of agriculture and chemistry[C].2011.
[12] 扈春香.技术融合各影响因素的相互关系[J].科技管理研究,2011(5)(31):23-26.
[13] JEONG S,LEE S.What drives technology convergence? exploring the influence of technological and resource allocation contexts[J].Journal of Engineering and Technology Management,2015,36:78-96.
[14] B W.Research proposal:industry convergence - driving forces,factors and consequences[J].Nordic Academy of Management,2007.
[15] DUYSTERS G,HAGEDOORN J.Technological convergence in the it industry:the role of strategic technology alliances and technological competencies[J].International Journal of the Economics of Business,1998,5(3):355-368.
[16] MORILLO F,BORDONS M,GMEZ I.Interdisciplinarity in science:a tentative typology of disciplines and research areas[J].Journal of the American Society for Information Science & Technology,2003,54(13):1237-1249.
[17] 李姝影,方曙.测度技术融合与趋势的数据分析方法研究进展[J].数据分析与知识发现,2017(7):2-12.
[18] ERNST H.Patent information for strategic technology management[J].World Patent Information,2003,25(3):233-242.
[19] LEE S,KIM M S.Inter-technology networks to support innovation strategy:an analysis of Korea's new growth engines[J].Innovation,2010,12(1):88-104.
[20] CAVIGGIOLI F.Technology fusion:identification and analysis of the drivers of technology convergence using patent data[J].Technovation,2016,55-56:22-32.
[21] MAHONY T O.Decomposition of Ireland's carbon emissions from 1990 to 2010:an extended Kaya identity[J].Energy Policy,2013,59:573-581.
[22] KAYA Y.Impact of carbon dioxide emission on GNP growth:interpretation of proposed scenarios[R].Paris,1990.
[23] ANG B W,ZHANG F Q,CHOI K H.Factorizing changes in energy and environmental indicators through decomposition[J].Energy,1998,23(6):489-495.
[24] ANG B W,LIU N.Handling zero values in the logarithmic mean Divisia index decomposition approach[J].Energy Policy,2007,35(1):238-246.
[25] 赵志耘,杨朝峰.中国碳排放驱动因素分解分析[J].中国软科学,2012(6):175-183.
[26] 孙才志,徐婷,王恩辰.基于LMDI模型的中国海洋产业就业变化驱动效应测度与机理分析[J].经济地理,2013(7):115-120.
[27] 罗剑,牟绍波,杨贵中.基于LMDI Ⅰ的我国建筑业动态竞争力实证研究[J].宏观经济研究, 2017(8):175-181.
[28] 辛冲冲,陈志勇.我国财政支农支出与农业经济增长——基于LMDI分解法的研究[J].上海经济研究,2017(3):78-86.
[29] LEYDESDORFF L.Patent classifications as indicators of intellectual organization[J].Journal of the American Society for Information Science & Technology,2008,59(10):1582-1597.
[30] 苗红,宋昱晓,黄鲁成.基于知识流动网络评价的技术融合趋势研究[J].科技进步与对策,2018,35(6):131-139.
[31] 北京绿色建筑产业联盟.BIM技术概论[M].北京:中国建筑工业出版社,2016.
[32] 何清华,杨德磊,郑弦.国外建筑信息模型应用理论与实践现状综述[J].科技管理研究,2015(3):136-141.
[33] LI X,WU P,SHEN G Q,et al.Mapping the knowledge domains of Building Information Modeling (BIM):a bibliometric approach[J].Automation in Construction,2017,84:195-206.
[34] RAFOLS I,MEYER M.Diversity and network coherence as indicators of interdisciplinarity:case studies in bionanoscience[J].Scientometrics,2009,82(2):263-287.
[35] 黄鲁成,郭彦丽,吴菲菲,等.新兴技术跨领域评价方法研究——以3D打印技术为例[J].中国科技论坛,2015(5):42-47.