中国道路交通事故总量居高不下,重大道路交通事故屡禁不止,保障道路交通安全依然是一场持久战。为减少道路交通伤害,研究人员在事故分析方法、致因机理和驾驶员不安全行为等方面展开了系列研究,并取得丰硕成果。但针对重大道路交通事故分析、系统事故模型构建和事故致因因素定量分析等方面仍有待探索;随着道路交通系统的日益复杂,事故致因也呈现多样化,这意味着传统研究方法已无法满足道路交通安全复杂系统要求。因此,推动传统研究方法升级,构建系统事故致因模型,探寻重大道路交通事故深层原因,对于预防和减少道路交通伤害具有重要的理论价值和实践意义。首先,本文对事故致因模型STAMP(systems theoretic accident model and process)进行了系统回顾。STAMP是当代最具影响力的系统事故模型,在事故调查分析中彰显了独特魅力。通过梳理STAMP发展历程、总结STAMP主要研究主题和确定其未来发展方向,我们发现,从STAMP模型到基于STAMP方法的发展过程已实现了从模型到方法的演进;现有STAMP文献可被划分为三个研究主题;未来研究中,应着力解决STAMP与定量分析、人为和组织因素识别以及跨层级和平行层级内组件间相互作用的确定等问题。此外,现有文献尚未涉及对道路交通事故的研究,STAMP在道路交通安全领域的潜力有待进一步探索。其次,采用STAMP分析我国重大道路交通事故,从系统层面识别事故成因,挖掘事故调查报告中未体现的潜在因素。结果表明,道路交通系统是一个复杂社会技术系统,涉及许多相互关联的组件;道路交通系统中,事故并不是由人为操作失误和简单的物理组件故障造成的,而是多种因素相互作用的结果,这些因素包括物理过程和操作者、企业经营者和管理者、监管部门、中央和地方政府以及立法机关。接下来,提出了STAMP-HFACS(human factors analysis and classification system)事故致因整合模型。提出该模型的目的在于增强STAMP对于人为和组织因素的识别能力,确定非相邻层级和平行层级组件间的相互作用关系。将STAMP-HFACS与STAMP应用到同一事故案例分析中,发现STAMP-HFACS分析结果不仅涵盖了STAMP识别的致因因素,也包含了额外的人为和组织因素,以及非相邻层级之间和同一层级内的相互作用关系。显然,STAMP-HFACS的分析结果比单独的STAMP分析更全面,提出的预防措施也更加具有针对性。最后,构建了HFACS-GRA(grey relational analysis)混合方法事故致因模型。该模型主要用于定量测量重大道路交通事故各致因因素与事故伤亡人数之间的关系,确定重大道路交通事故的主要致因因素。基于HFACS-GRA方法,本研究分析了128起重大道路交通事故,探讨了事故主要致因因素,以期提出针对性的对策和建议。研究结果表明,监管不力、超载/超员和车辆故障是导致事故的主要因素。
恶劣天气导致的航班大面积延误和起降安全是困扰民航运输的两大难题。为解决这些问题,近年来,许多新型的显示系统逐渐在民用航空飞行运行中应用。机载显示系统属于航电安全关键系统,需要在系统研制过程中开展完善的风险识别与分析。随着系统复杂性的增加,传统方法面临许多的局限性。因此,本文对机载显示系统的新型安全性分析方法进行研究,以系统理论事故模型和过程(Systems-Theoretic Accident Model and Process,STAMP)为基础,针对系统安全性和人机交互安全性两方面,分别进行研究,以机载平视显示系统为例,进行案例分析。首先,将基于STAMP理论的安全性分析方法-系统理论过程分析(System-Theoretic Process Analysis,STPA)与基于时间自动机理论的形式化验证UPPAAL相结合,研究两者间的结合流程和转换方式,进行扩展,识别并验证系统中潜在的不安全控制行为。接着,利用贝叶斯网络,建立STPA-Bayes定量分析模型,计算不安全控制行为的发生概率。同时将结果与故障树进行对比,验证模型的正确性。最后,在前两部分的基础上,对人因可靠性进行研究,提出人因分析模型STPA-CREAM,对人机交互过程进行分析,识别人机交互过程中的潜在风险。结果表明,基于STPA的形式化扩展能有效地识别并分析系统潜在的危险,提高了不安全控制行为验证与分析的效率。STPA-Bayes定量分析模型弥补了 STPA缺乏定量分析的短板。两者相结合能从定性和定量两方面对系统进行完善的安全性分析。STPA-CREAM分析模型能充分地分析人机交互过程中的人因差错,并给出评价。
暂无评论