近年来,由于智能交通和人们的生活以及社会的经济息息相关,所以这个领域涌现出大量的文章,是最活跃的研究领域之一。尽管有许多学者和机构进行过文献研究,但只运用了基础的统计和简单的算法进行分析。因此,很有必要对该领域进行系统深入地分析。本文提出一个多角度文献分析框架ITS-Frame,从多个方面对智能交通领域的文献展开分析。(1)基础文献分析：利用统计学的方法,找到发表文章数目最多的作者、机构和国家。(2)影响力分析：文章影响力方面,从文章的引用数和NCII指数两方面进行分析；作者影响力方面,用APS、ACS两个指数进行排序,并提出基于PageRank的AuthorRank算法,比较了作者的权威度。(3)合作模式：在传统GN算法基础上,为了平衡边介数和权重之间的关系,提出基于边值的合作网络分析算法,分别对作者合著网络、同现关键词网络、作者间共关键词网络进行构造和分析。此外,还在时间序列上分析作者合著关系的变化,进而挖掘作者研究方向的变化。(4)话题分析：本文提出了LK-means主题模型,使用LDA进行文本降维,通过衡量文档间的差异,对文章主题及其变化趋势进行挖掘。本文使用爬虫技术从IEEE和ELSEVIER网站上,抓取了5个智能交通领域的数据集。通过多角度地分析,发现了该领域科学家的合著网络变化,也挖掘了一些活跃地话题,如GPS、交通控制和道路安全等。除了美国,还发现中国、欧洲和一些汽车制造企业对这个领域的贡献也越来越大。总之,本文的工作为该领域的研究者提供了一个全面的文献分析。