A Bibliometric Mapping of Airport Security: Research Trends, Thematic Structure, and Practical Implications

每当旅客踏入机场，他们便进入了一个旨在平衡两个竞争性需求的复杂系统：绝对必要的安全性与对顺畅、高效旅程的渴望。在这些安检口后台，一场关于研究人员如何理解和改进这一流程的静默革命正在发生。几十年来，研究重点一直分裂在两个截然不同的世界中。一方面是人为因素：即负责观察 X 光图像以发现危险物品的安检人员的培训、心理学和认知极限。另一方面是技术前沿：即能够自动识别行李中威胁的计算机和软件的快速发展。虽然双方都旨在保障飞行安全，但它们往往在各自的轨道上运行，极少进行交流。这种分离为未来的旅行提出了一个关键问题：我们如何最好地将人类技能与机器智能结合起来，从而创造出一个既有效又高效的安全系统？

为了回答这个问题，来自土耳其科贾埃利大学（Kocaeli University）的研究员塔里克·米尔丹（Tarık Mildan）决定绘制整个机场安检学术研究的版图。由于研究文献的数量极其庞大，逐一阅读每一篇研究是不可能的，因此他使用了一种称为“文献计量分析”的方法。可以将这想象成一种对浩如烟海的图书馆进行快照的方式，并绘制出一张地图，显示哪些书经常被一起阅读，哪些作者在进行对话，以及哪些话题正在兴起。通过从名为 Scopus 的主要数据库中收集 2010 年至 2025 年初发表的 1,207 份学术文献，米尔丹创建了该领域知识结构的视觉呈现。他观察了谁撰写了论文、他们最常使用哪些词汇，以及主题随时间的变化。其目标不仅是统计文章数量，而是要理解决定该领域知识构建方式及其中仍存在哪些空白的隐藏模式。

这张地图揭示了一个清晰的故事，即两条平行的路径一直在并肩运行。一条路径深深植根于人类心理学。这一群体的中心是研究人员阿德里安·施瓦宁格（Adrian Schwaninger），他领导着一个专注于人类如何观察和解释图像的研究网络。这些研究探讨了安检人员的心理过程、他们如何接受识别威胁的训练，以及他们如何与使用的机器进行交互。这一传统保持了稳定和一致，为人类表现以及长时间观察 X 光图像所带来的认知挑战建立了坚实的知识基础。另一条路径则由工程学和计算机科学驱动。这一侧的地图在近年来——特别是在 2019 年之后——经历了爆发式增长。它由深度学习研究主导，深度学习是一种允许计算机“看见”并识别物体的人工智能技术。该集群中最频繁出现的术语包括“深度学习”、“目标检测”以及特定的软件工具，如 YOLO（意为“你只需看一次”）。这项技术允许机器在极短的时间内扫描行李并标记潜在威胁，这已成为现代研究的标准能力。

这张地图的价值在于，它展示了这两条路径在很大程度上是如何忽视彼此的。研究人类心理学的研究人员很少引用计算机科学家撰写的论文，反之亦然。数据表明，虽然人类因素研究小组拥有一个联系紧密的合作群体，但技术组则是一个规模巨大、快速增长的领域，吸引了数千次引用。技术领域中最多产的作者是计算机视觉和人工智能专家，而人类因素专家则是心理学家和应用研究人员。这种分裂表明，该领域目前正处于两种分离的对话之中。一种对话是关于如何培训一个人更好地完成工作，另一种则是关于如何制造一台能为他们完成工作的机器。研究表明，这种分离可能是一个问题，因为未来的机场安全可能取决于将这两种方法整合在一起，而不是将它们隔离开来。

研究的时间线讲述了另一个重要的故事。在研究期间的前八年，即 2010 年至 2018 年，出版物的数量以缓慢且稳定的速度增长。然而，从 2019 年开始，输出量剧增，并在 2023 年和 2024 年达到顶峰。这一突然的跳跃与高级计算机视觉技术的广泛采用相吻合。这种激增不仅仅是普遍兴趣的增加，它特别是由深度学习、X 光成像和自动化威胁检测领域的新研究浪潮所驱动的。这些论文的主题领域证实了这一转变。大部分工作现在来自工程学和计算机科学系，也有相当一部分来自数学和物理学。虽然社会科学和心理学仍贡献了大量的研究，但相对于蓬勃发展的技术文献，它们的份额已经缩小。这表明该领域正变得日益技术化，重点在于构建更好的算法和检测系统。

尽管技术进步显著，但地图也凸显了缺失的部分。研究过度倾向于检测机制：即如何让机器更快、更准确以及更好地识别武器或爆炸物。然而，旅客的体验却几乎未被提及。极少有研究将安检过程与旅客的感受、等待时间或服务满意度联系起来。同样，机场安检更广泛的政策和经济层面也未得到充分探索。虽然方程的技术端正在飞速解决，但方程的人文端——即这些系统如何融入旅客的日常生活以及如何受到监管——仍然是一个盲点。研究建议，未来的研究需要弥合这些差距，探讨如何将自动化检测与人类培训相结合，以及如何设计出既安全又对乘客友好的安检措施。

对于实际运营机场和设计安防政策的人员来说，这些发现提供了清晰的指南。人类因素研究传统的持续存在表明，机器并不是人类安检员的替代品，而是必须与他们协同使用的工具。数据表明，即使我们在开发更先进的人工智能，我们也必须继续投资于人员培训，因为安检员与机器之间的信任是一个复杂的心理问题，不能仅凭假设。此外，技术的快速变化意味着管理机场安全的规则和条例需要跟上步伐。如果技术每年都在进步，那么新设备的认证过程就不应滞后数年。最后，研究指出，最有效的安全策略可能来自于将基于风险的筛查计划（即根据风险水平对乘客进行差异化对待）与新的自动化检测工具连接起来。通过将这些独立的科研流派结合在一起，航空业可以朝着一个不仅更智能，而且对所有相关方都更具凝聚力和有效性的系统迈进。