全自动运行系统(Fully Automatic Operation,FAO)的出现实现了列车运行全过程的自动化,大大减轻了驾驶员的工作压力,同时也给其他运营人员特别是行车调度员提出了更高的要求。在面对突发故障时,行车调度员的认知压力更大,决策责任更重,其可能出现的认知失误对列车运行的影响更直接。行车调度员是全自动运行系统中故障处置的直接责任人,在实时运行中为行车调度员提供针对性的提示信息,减轻行车调度员的认知压力,减少其失误的发生是提高全自动运行系统运行效率的前提条件。本文主要研究内容如下:首先,根据全自动运行系统与传统CBTC(Communication Based Train Control System)系统的特点,从行车调度员的岗位职责和人员组织结构入手,结合系统理论事故模型和流程方法(System-Theoretical Accident Model and Process,STAMP)分析了行车调度员的认知信息流。综合参考信息处理模型、态势感知理论、情景依赖认知模型等基础理论,从认知过程和认知层次的角度出发建立了行车调度员认知模型。其次,构建了行车调度员认知本体模型以描述行车调度员对现场运行情况的具体认知。结合故障传播理论建立列车故障传播模型,利用稀疏表示理论制定辅助决策算法,提出了行车调度员认知本体模型的推演,表达行车调度员根据当前情况进行推理和预测的过程。以燕房线运行中的两次报警事件为例进行了实际应用,并以燕房线2017年-2020年的VOBC(Vehicle On-Board Controller)系统故障处置的实际数据对辅助决策方案进行了验证。最后,在总结行车调度员认知特点的基础上,从认知过程的角度对STPA(Systems-Theoretic Process Analysis)理论中人员控制器认知模型和控制结构模型进行扩展。利用扩展的STPA认知模型辨识认知失误致因因素,提出认知失误致因场景分析方法。结合风险管理中的先兆指标理念,提出认知失误先兆指标的辨识方法,并利用语义规则语言(Semantic Web Rule Language,SWRL)实现了行车调度员认知失误致因场景和先兆指标的自动辨识,利用先兆指标提出了实时运行中的改进策略。最后分别以行车调度员错误提供退行命令和行车调度员没有及时要求人员登车的案例对认知失误致因场景和先兆指标的自动分析方法进行了应用,并提出了对实时运行的改进策略。本文包含图57幅,表15个,参考文献70篇。
暂无评论