原文传递
基于HFACs-RAs的铁路事故致因建模及混合学习方法研究
| 论文题名： | 基于HFACs-RAs的铁路事故致因建模及混合学习方法研究 |
| 关键词： | 铁路运输;交通事故;人为因素;组织缺陷;混合学习法 |
| 摘要： | 铁路系统作为社会复杂系统，其技术的逐步完善一方面提升了设备的可靠性，但设备高集成度和高自动化程度也增加了人机交互的难度。因此，人员的错误和组织缺陷成为导致铁路事故的重要原因。此外，事故中人和组织因素的不确定性和铁路事故文本形式的初始数据给事故调查带来难度。本文设计了针对中国高速铁路系统事故的五阶段混合学习方法，对事故中涉及的人因和系统组织缺陷进行定性定量分析，并基于分析结果给出事故预防手段的建议。论文主要内容如下: (1)结合历史事故数据设计了铁路事故人因分析及分类模型(Human FactorAnalysis and Classification System-Railway Accidents，HFACS-RAs)对致因进行分类建模。由不安全行为、不安全行为的前提条件、不安全监管和组织影响四类因素组成的HFACS-RAs模型的层次结构能够从一线人员的错误行为追溯到致使人犯错并间接导致事故发生的组织变量(Goveming Variables)因素，有助于将无规律的人和组织因素变得有章可循。 (2)结合HFACS-RAs模型的层次分类结构设计了基于网络分析法(AnalyticNetwork Process，ANP)的量化关联性分析法。事故中人和组织致因间的影响关系被划分为内部关联性和外部关联性，并通过搭建超矩阵(Supermatrix)以计算权重。采用模糊决策试验及评价实验法(Fuzzy Decision Making Trail and EvaluationLaboratory, F-DEMATEL)改进内部关联性分析过程，弥补了ANP方法参数化过程中大量专家判断带来的不可靠性。通过绘制致因的因果图并计算权重，可以获取事故的关键致因，从而缩小解决问题的范围，便于有效地改善现有安全缺陷。 (3)以“7·23”甬温线特别重大铁路交通事故为研究对象，利用HFACS-RAs模型对事故中人和组织因素分类，并分别通过ANP法和DEMATEL法对归类的致因进行因果关联性分析和权重计算，从而识别导致事故的主要致因并验证方法的可行性。 |
| 作者： | 詹青见 |
| 专业： | 交通信息工程及控制 |
| 导师： | 郑伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
