一、问题的提出 2021年2月，中共中央、国务院印发了《国家综合立体交通网规划纲要》，首次将“低空经济”写入国家规划。2022年，中国民用航空局(以下简称“民航局”)在《民航局关于印发〈“十四五”通用航空发展专项规划〉的通知》(民航发[2022]8号)中提出拓展无人机应用领域，发展低空新经济。2023年12月，中央经济工作会议将低空经济确立为战略性新兴产业。2024年，全国两会首次将“低空经济”写入政府工作报告，明确积极打造这一“新增长引擎”。 低空经济被视为新质生产力的典型代表，展现高科技、高效能、高质量的发展特征[1]。尽管目前学界尚未对其形成统一的定义，但普遍观点认为，低空经济以低空空域为主要活动空间[2]，是低空飞行活动与产业融合的新型综合性经济形态[3]。其带动了低空基础设施、低空飞行器制造、低空运营服务和低空飞行保障等领域的发展[4]，通过高水平科技自立自强，培育新质生产力，实现价值创造与转化，从而满足人民日益增长的对美好生活的需求[5]。 早期低空经济的发展以通用航空为主导[6]。在全球范围内，欧美日等国家凭借其在通用航空领域的先发优势，已在低空经济领域构建了较为完整的产业链，并形成了成熟的商业模式。相较之下，中国的低空经济产业尚处于发展初期。不过，根据《中国通用航空发展报告》(中国航空运输协会主导编制)，随着中国低空空域管理改革的逐步深入，从局部试点到全面铺开，发展环境持续优化，从空中到地面的条件不断改善，低空市场潜力得到释放，通航消费逆势增长，飞行量达到了历史最高水平。通航企业数量持续增加，产业规模稳定扩大，电动垂直起降飞行器(electric vertical take-off and landing，eVTOL)创新技术受到了资本市场的热烈追捧。然而，传统通用航空的进一步发展仍受到空域管理、基础设施和技术水平等多方面的制约，其产业规模和应用场景的潜力尚未得到充分挖掘[6]。 低空经济是在通用航空概念的基础上提出并发展而来的，通用航空为低空经济的发展筑建了产业基础，而低空经济也为通用航空转型升级拓展了广阔空间[7]。低空经济作为近年来兴起的经济新范畴，尚未得到充分探索。2024年4月，中华人民共和国工业和信息化部(以下简称“工信部”)赛迪研究院发布《中国低空经济发展研究报告(2024)》，指出低空经济是以低空飞行活动为核心，以无人驾驶飞行、低空智联网等技术组成的新质生产力与空域、市场等要素相互作用，带动低空基础设施、低空飞行器制造、低空运营服务和低空飞行保障等领域发展的综合性经济形态。其不仅涵盖了通用航空，更突出与数字技术、智能应用等方面的深度融合，呈现显著的跨学科特征。随着国家政策对低空经济的持续引导，相关的研究不断增多，亟须通过科学方法对研究现状进行归纳梳理。为此，本研究将以低空经济为主题开展文献综述，旨在更系统地呈现该领域的发展脉络，深入理解新时代低空领域的新发展，并为未来的研究提供参考和方向。 文献计量分析是当前主流的文献综述方法之一，其常用的工具是CiteSpace。该方法可以通过数学建模和统计分析技术，实现对学术领域的量化研究。其优势在于，可视化知识图谱能够客观呈现领域内的研究热点、学术合作网络及发展演进路径；同时，依托大数据分析生成的量化结果，能够有效规避传统文献综述的主观偏差，为研究提供全局化的实证依据。然而，该方法在对文献内容的语义理解和深层观点的提取方面能力不足，往往难以捕捉到文献之间的细微联系和隐含信息，这在一定程度上限制了研究的深度和广度，此外，在文献筛选等环节需耗费大量时间与人力成本。 为突破上述方法的限制，研究创新性地结合CiteSpace的量化分析能力与大语言模型的语义理解优势，构建了一套高效的混合型文献综述路径。该路径通过整合文献计量工具与大语言模型的优势，实现了四重提升：在检索与筛选阶段，提高了目标文献的精准度；在分析阶段，强化了文本挖掘的深度；在呈现阶段，确保了研究结论的全面性；在写作阶段，优化了学术表达的规范性与逻辑性。CiteSpace与大语言模型的结合不仅能系统识别领域的研究热点和核心学术力量，还可以精准把握学科发展趋势，为学界提供更完整的研究图景，为相关政策的制定提供数据支撑和理论参考。从创新的角度来看，其实现了宏观知识图谱与微观语义理解的有机结合，提升了文献综述工作的效率和质量，不仅探索了人工智能辅助学术研究的新范式，也为其他领域的文献综述提供了思路上的借鉴。 二、研究方法与数据 (一)研究方法 大语言模型(Large Language Model，LLM)是一种基于深度学习架构的自然语言处理模型，其通过预训练海量文本数据，获得了卓越的语言理解和生成能力。本研究使用中文语境下更优的DeepSeek和外文语境下更优的ChatGPT-4两个代表性通用LLM来辅助文献综述的写作。在使用前，上传本地知识库进行微调，增强领域性，并在一定程度上规避了幻觉风险。在撰写文献综述时，LLM能够解析用户输入的研究主题，辅助检索和筛选相关文献，从而降低时间成本[8]。此外，LLM还能够利用其文本摘要功能，自动提取文献的核心观点、研究方法和结论，帮助研究者迅速把握文献内容[9]。这一功能对于处理大量文献尤其有用，因为其可以快速筛选出关键信息，节省研究者的时间和精力。 文献计量分析已成为探索学术领域不可或缺的研究方法，并且逐渐获得社会科学研究者的青睐。借助数据挖掘和可视化技术，文献计量分析揭示了文献中隐藏的信息和特征，映射了知识流动的路径，并展现了知识发展的最新动态和演变趋势[10]。CiteSpace作为一种广泛使用的文献计量分析工具，能够高效地处理和分析庞大的数据集，揭示作者或机构的发文情况与合作网络，以及关键词共现和聚类的知识图谱。这些图谱能够直观地挖掘并展示领域研究的动态变化，帮助研究者识别研究热点及其关联性，以及研究前沿及演进趋势，从而为把握领域研究的现状提供了有力的辅助。
