程雨 王奮 劉志鋼

摘? 要：為有針對(duì)性地預(yù)防地鐵司機(jī)人因失誤，文章構(gòu)建了基于多資源理論的地鐵司機(jī)人誤模式分析模型。首先建立了基于VACP量表的地鐵司機(jī)人誤模式分類表，之后將改進(jìn)后的量表與層次任務(wù)分析法結(jié)合構(gòu)建出包含子任務(wù)層、元行為層的地鐵司機(jī)人誤模式分析模型。應(yīng)用所建模型對(duì)司機(jī)行車相關(guān)作業(yè)進(jìn)行分析，結(jié)合地鐵公司實(shí)際作業(yè)安全檢查結(jié)果驗(yàn)證了模型的正確性和合理性。根據(jù)地鐵公司近年運(yùn)營(yíng)安全事件調(diào)查材料，應(yīng)用灰色關(guān)聯(lián)分析法計(jì)算出人誤形式與運(yùn)營(yíng)安全事件的關(guān)聯(lián)度，發(fā)現(xiàn)“手動(dòng)操作失誤”、“連續(xù)調(diào)整失誤”、“事件狀況/發(fā)展判斷失誤”三類人誤與運(yùn)營(yíng)安全事件的關(guān)聯(lián)度最高，為運(yùn)營(yíng)安全管理人員的管控側(cè)重方向提供了建議。

? 關(guān)鍵詞：地鐵司機(jī);多資源理論;人誤模式;灰色關(guān)聯(lián)分析法

? 中圖分類號(hào)：F560? ? 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract： In order to prevent human error of subway drivers， this paper constructs an analysis model of human error mode of subway drivers based on multi resource theory. Firstly， a subway driver human error pattern classification table based on VACP scale is established. Then， the improved scale is combined with hierarchical task analysis to construct a subway driver human error pattern analysis model including subtask layer and meta behavior layer. The model is applied to analyze the driver's driving related operations， and the correctness and rationality of the model are verified by the actual operation safety inspection results of metro company. According to the investigation materials of operation safety events of metro corporation in recent years， the correlation degree between human error form and operation safety events is calculated by using the grey correlation analysis method. It is found that“manual operation error”， “continuous adjustment error”and“event status/development judgment error”have the highest correlation degree with operation safety events， suggestions are provided for the management and control focus direction of operation safety management personnel.

Key words： subway driver; multi resource theory; human error mode; grey correlation analysis

0? 引? 言

? 隨著城市軌道交通的快速發(fā)展，北京、上海、廣州等大城市已逐漸形成大規(guī)模、超大規(guī)模的軌道交通網(wǎng)絡(luò)，如何進(jìn)一步保障地鐵運(yùn)營(yíng)安全成為了急需解決的問(wèn)題。Andrew W. Evans對(duì)1980～2009年間歐洲27個(gè)國(guó)家主要軌道交通線路發(fā)生的重大事故進(jìn)行了分析：除去未知因素，在導(dǎo)致事故發(fā)生的眾多原因中，人為因素占74%，即便算上未知因素，人為因素也高達(dá)51.6%[1]。即使地鐵相關(guān)設(shè)施設(shè)備的自動(dòng)化水平已有極大提高，人的功能和作用在地鐵運(yùn)行中并沒(méi)有隨之弱化[2]。在地鐵運(yùn)行系統(tǒng)中，司機(jī)崗位是關(guān)鍵的一個(gè)組成部分。在列車運(yùn)行過(guò)程中，由于司機(jī)在執(zhí)行作業(yè)過(guò)程中發(fā)生失誤而影響地鐵正常運(yùn)行的情況時(shí)有發(fā)生。如2010年廣州地鐵3號(hào)線某列車司機(jī)在屏蔽門故障后手動(dòng)解鎖部分屏蔽門進(jìn)行上下客，之后聽錯(cuò)OCC值班司機(jī)與其的對(duì)話，錯(cuò)誤進(jìn)行清客，導(dǎo)致乘客出行受到影響。因此，有必要對(duì)地鐵司機(jī)在執(zhí)行行車作業(yè)時(shí)可能產(chǎn)生的人因失誤進(jìn)行分析，即根據(jù)其作業(yè)內(nèi)容和特點(diǎn)分析人誤模式。

? 近年來(lái)，國(guó)內(nèi)學(xué)者對(duì)于地鐵行車作業(yè)相關(guān)崗位的人因失誤特征開展了廣泛研究。王潔[3]基于層次分析法和多資源理論，提出了一種地鐵行車調(diào)度人誤模式的結(jié)構(gòu)化分析方法;林楓[4]采用熵權(quán)法確定了行車調(diào)度個(gè)體和班組的主要人誤影響因素，并利用Petri網(wǎng)模擬地鐵行車調(diào)度應(yīng)急響應(yīng)過(guò)程，對(duì)影響地鐵行車調(diào)度班組人因失誤的主要影響因素做了進(jìn)一步分析;王新棟[2]利用多資源理論并結(jié)合調(diào)度人員工作任務(wù)的特點(diǎn)，建立了基于信息加工的地鐵調(diào)度人員認(rèn)知處理模型，從系統(tǒng)論的角度分析調(diào)度人員的工作機(jī)理，為人誤行為和誘發(fā)因素辨識(shí)奠定理論基礎(chǔ)。馬偉偉[5]借鑒VACP模型中信息處理資源的要求等級(jí)來(lái)決定應(yīng)急處理流程中人的失誤概率，通過(guò)計(jì)算得出容易發(fā)生人因失誤的地方，由此提出地鐵多班組協(xié)同作業(yè)應(yīng)對(duì)突發(fā)事件過(guò)程中減少人因失誤的對(duì)策建議。多資源理論可以很好地解釋研究對(duì)象的認(rèn)知分配，且適用范圍廣。上述關(guān)于任務(wù)分析的內(nèi)容，均引入了多資源理論。Wickens的多資源理論將人的信息處理源分為視覺(jué)、聽覺(jué)、認(rèn)知和動(dòng)作4個(gè)部分;所有的任務(wù)都可以由這4個(gè)處理源下的28種行為要素組成[6]。在交通運(yùn)輸領(lǐng)域，目前基于多資源理論的人因失誤研究多集中在行車調(diào)度崗位，對(duì)于地鐵司機(jī)人誤模式的分析較少涉及?；诖?，本文提出一種基于多資源理論的地鐵司機(jī)人誤分析方法。本文基于多資源理論，將司機(jī)行車作業(yè)進(jìn)行拆解，確定司機(jī)執(zhí)行作業(yè)的資源需求，并結(jié)合灰色關(guān)聯(lián)分析法探究地鐵司機(jī)個(gè)人因失誤與地鐵運(yùn)營(yíng)安全事件之間的關(guān)聯(lián)度，找出導(dǎo)致運(yùn)營(yíng)安全事件發(fā)生的主要人因失誤。

1? 地鐵司機(jī)人誤模式分析模型構(gòu)建

1.1? 基于VACP量表的地鐵司機(jī)人誤模式分類表。根據(jù)多資源理論，人的任何行為任務(wù)都可以通過(guò)占用視覺(jué)、聽覺(jué)、認(rèn)知和動(dòng)作4類資源通道來(lái)完成。由此可將人的失誤行為根據(jù)所占的資源通道進(jìn)行分類，分別為視覺(jué)失誤、聽覺(jué)失誤、認(rèn)知失誤和動(dòng)作失誤。Aldrich提出的VACP模型[7]是多資源理論的主要應(yīng)用之一，在航空、鐵路等多個(gè)領(lǐng)域得到廣泛應(yīng)用。VACP量表對(duì)占用不同資源時(shí)的行為進(jìn)行分類，并對(duì)各行為被執(zhí)行時(shí)占用資源通道的程度進(jìn)行了評(píng)分，某項(xiàng)作業(yè)占用資源通道評(píng)分的總和可用來(lái)描述工作復(fù)雜度或腦力負(fù)荷強(qiáng)度[8]。因此，結(jié)合地鐵司機(jī)的作業(yè)特性將VACP量表進(jìn)行改進(jìn)，以描述地鐵司機(jī)行車作業(yè)的各類行為以及對(duì)相應(yīng)資源通道的占用程度。地鐵司機(jī)在執(zhí)行行車作業(yè)時(shí)，主要涉及核對(duì)道岔和信號(hào)燈、監(jiān)護(hù)站臺(tái)、閱讀調(diào)令保單等視覺(jué)行為;主要的聽覺(jué)行為有聽取調(diào)度命令、緊急情況反應(yīng)及檢測(cè)警報(bào)聲、應(yīng)急排故時(shí)進(jìn)行聽覺(jué)反饋等;主要的認(rèn)知行為有對(duì)現(xiàn)狀進(jìn)行判斷、根據(jù)規(guī)則與經(jīng)驗(yàn)評(píng)估操作等;主要的動(dòng)作行為有與調(diào)度、信號(hào)樓值班員等進(jìn)行聯(lián)控作業(yè)、進(jìn)行手指呼喚、調(diào)整車速、填寫報(bào)單等。分析地鐵司機(jī)行車作業(yè)相關(guān)特性，對(duì)原VACP表進(jìn)行取舍與改進(jìn)，建立基于VACP量表的地鐵司機(jī)人誤模式分類表，見表1。表1中涵蓋了地鐵司機(jī)在執(zhí)行作業(yè)時(shí)占用各資源通道的行為以及該行為占用資源通道的評(píng)分。同時(shí)表中描述了每個(gè)行為對(duì)應(yīng)的人誤形式，并對(duì)人誤形式進(jìn)行了編號(hào)。

1.2? 基于多資源理論的地鐵司機(jī)人誤模式分析模型。在分析地鐵司機(jī)的人誤模式時(shí)，首先運(yùn)用層次任務(wù)分析法[9]將其作業(yè)拆解為多項(xiàng)子任務(wù)，再將各子任務(wù)繼續(xù)拆解至只占用一類資源通道的元行為[10]。之后可根據(jù)表1查詢出該元行為所占用資源的評(píng)分以及可能人誤形式。按照上述操作，構(gòu)建出基于多資源理論的地鐵司機(jī)人誤模式分析模型，如圖1所示。

2? 人誤模式分析模型的應(yīng)用

為驗(yàn)證所提出模型的有效性，本文提取2020年度某地鐵運(yùn)營(yíng)公司司機(jī)崗位作業(yè)安全檢查數(shù)據(jù)，得出與作業(yè)標(biāo)準(zhǔn)不符合頻率最多的5個(gè)作業(yè)項(xiàng)：一次出乘、電話閉塞法行車（運(yùn)營(yíng)期間電話閉塞運(yùn)行）、錯(cuò)開門處置（運(yùn)營(yíng)列車站臺(tái)錯(cuò)開門處置）、列車救援（救援連掛）、列車救援（救援連掛列車運(yùn)行）。對(duì)上述5項(xiàng)作業(yè)進(jìn)行人誤模型分析。以錯(cuò)開門處置（運(yùn)營(yíng)列車站臺(tái)錯(cuò)開門處置）為例，應(yīng)用上文所建的基于多資源理論地鐵司機(jī)人誤模式分析模型進(jìn)行分析，過(guò)程如圖2所示。

如圖2所示，對(duì)錯(cuò)開門處置（運(yùn)營(yíng)列車站臺(tái)錯(cuò)開門處置）作業(yè)進(jìn)行人誤模式分析。首先將其拆解為6個(gè)子任務(wù)，分別為關(guān)門并向運(yùn)營(yíng)調(diào)度員匯報(bào)信息、開啟站臺(tái)側(cè)車門、做列車防護(hù)措施、車廂外側(cè)查看、報(bào)單填記、恢復(fù)運(yùn)行等。之后將各子任務(wù)各自拆解為若干個(gè)元行為，如子任務(wù)1關(guān)門并向運(yùn)營(yíng)調(diào)度員匯報(bào)信息，將其拆解為元行為1.1（司機(jī)關(guān)閉非站臺(tái)側(cè)車門）、元行為1.2（確認(rèn)車門關(guān)閉無(wú)夾人夾物，關(guān)門燈亮）、元行為1.3（向運(yùn)營(yíng)調(diào)度員匯報(bào)車次、車號(hào)、時(shí)間、XX站X行、非站臺(tái)側(cè)車門打開情況及原因）三個(gè)元行為。后根據(jù)表1分析，地鐵司機(jī)執(zhí)行元行為1.1需占用動(dòng)作資源通道，占用資源的評(píng)分為2.2，元行為1.1可能發(fā)生人誤形式為動(dòng)作失誤類的離散行動(dòng)失誤。地鐵司機(jī)執(zhí)行元行為1.2需占用視覺(jué)資源通道，占用資源的評(píng)分為4.0，元行為1.2可能發(fā)生人誤形式為視覺(jué)失誤類的未進(jìn)行檢查核對(duì)或檢查出錯(cuò)誤的信息。地鐵司機(jī)執(zhí)行元行為1.3需占用動(dòng)作資源通道，占用資源的評(píng)分為1.0，元行為1.3可能發(fā)生人誤形式為動(dòng)作失誤類的未進(jìn)行通訊或遺漏信息。對(duì)比元行為1.1和元行為1.3，同樣作為動(dòng)作類行為，司機(jī)在執(zhí)行元行為1.3時(shí)僅需要進(jìn)行語(yǔ)言組織向調(diào)度表述現(xiàn)狀;而元行為1.1則需要司機(jī)進(jìn)行視覺(jué)監(jiān)護(hù)和情況認(rèn)知等協(xié)調(diào)配合，最終落實(shí)表現(xiàn)為動(dòng)作執(zhí)行。所以元行為1.1對(duì)應(yīng)的離散行為占用資源評(píng)分高于元行為1.3。

? 類似的，應(yīng)用上一節(jié)中所建立的地鐵司機(jī)人誤分析模型依次對(duì)其余四個(gè)作業(yè)項(xiàng)進(jìn)行分析，統(tǒng)計(jì)出各作業(yè)項(xiàng)中的元行為在各資源通道中的得分總和，如表2所示。

在司機(jī)進(jìn)行上述5項(xiàng)作業(yè)中，司機(jī)主要執(zhí)行的元行為通常是視覺(jué)類和動(dòng)作類居多。如地鐵司機(jī)在完成“一次出乘”作業(yè)的過(guò)程中，其主要執(zhí)行的是列車靜態(tài)測(cè)試、客室檢查、與其他崗位聯(lián)控等子任務(wù)，除完成設(shè)備操作外，更需要密切關(guān)注駕駛環(huán)境和車輛的變化，這些子任務(wù)的元行為多屬于視覺(jué)類和動(dòng)作類。如表2所示，這5項(xiàng)作業(yè)對(duì)于視覺(jué)資源和動(dòng)作資源要求較高，故地鐵司機(jī)執(zhí)行視覺(jué)類和動(dòng)作類的子任務(wù)的工作負(fù)荷較高。在實(shí)際作業(yè)安全檢查中，地鐵司機(jī)執(zhí)行該5項(xiàng)作業(yè)時(shí)出現(xiàn)的視覺(jué)類和動(dòng)作類失誤的可能性較大。根據(jù)該地鐵公司年度作業(yè)安全檢查結(jié)果，對(duì)檢查中上述5項(xiàng)作業(yè)出現(xiàn)的失誤次數(shù)按類別進(jìn)行統(tǒng)計(jì)如圖3所示。

由圖3可以看出，在實(shí)際檢查中，司機(jī)的動(dòng)作類失誤和視覺(jué)類失誤占比最高，此結(jié)果與前文分析一致;該結(jié)果驗(yàn)證了所建模型的合理性和正確性。因此，本文提出的基于多資源理論的地鐵司機(jī)人誤分析模型應(yīng)用于地鐵司機(jī)行車作業(yè)人誤類別比重的事前判斷具有一定的合理性和準(zhǔn)確性。

3? 人因失誤與地鐵運(yùn)營(yíng)安全的關(guān)聯(lián)度

? 然而在實(shí)際的運(yùn)行過(guò)程中，設(shè)施設(shè)備的制式和狀態(tài)復(fù)雜多變，地鐵司機(jī)面臨的運(yùn)行環(huán)境也時(shí)刻發(fā)生變化，人因失誤對(duì)運(yùn)營(yíng)安全的影響也隨實(shí)際環(huán)境有所變化。因此，本文選取某地鐵公司近年運(yùn)營(yíng)安全事件（事故）相關(guān)材料，通過(guò)分析來(lái)探究人誤形式與地鐵運(yùn)營(yíng)安全事件（事故）的關(guān)聯(lián)度。

3.1? 材料分析。應(yīng)用本文所提模型對(duì)材料進(jìn)行人誤分析和統(tǒng)計(jì)，得出歷年運(yùn)營(yíng)安全事件（事故）中共發(fā)生13類人誤形式，具體數(shù)據(jù)如表3所示。

3.2? 灰色關(guān)聯(lián)法分析。為衡量表3中各類人誤形式與運(yùn)營(yíng)安全事件關(guān)系的強(qiáng)弱、大小和次序，擬采用灰色關(guān)聯(lián)分析法對(duì)上述數(shù)據(jù)進(jìn)行分析?；疑P(guān)聯(lián)分析法主要是分析事物之間不確定的關(guān)聯(lián)關(guān)系，以及各因子對(duì)主行為之間的不確定關(guān)聯(lián)關(guān)系。其旨在依據(jù)序列曲線的幾何形狀的相似程度來(lái)研究比較序列與參考序列之間的關(guān)聯(lián)程度的大小。當(dāng)序列曲線之間的逼近程度越高，說(shuō)明其關(guān)聯(lián)聯(lián)系就越緊密。而且各序列曲線在通過(guò)關(guān)聯(lián)度的計(jì)算后，可以很容易找出影響目標(biāo)的主要因子，并根據(jù)分析結(jié)果做出合理的評(píng)價(jià)[11]?；疑P(guān)聯(lián)分析法是按發(fā)展趨勢(shì)做分析，對(duì)樣本量的多少?zèng)]有過(guò)多的要求，也不需要典型的分布規(guī)律，并且計(jì)算量小，結(jié)果與定性分析結(jié)果比較吻合;由于城市軌道交通運(yùn)營(yíng)事故數(shù)量相對(duì)較少，使用該方法能夠滿足計(jì)算的準(zhǔn)確度要求。具體的計(jì)算步驟如下：

3.2.1? 確定分析序列

每年發(fā)生的運(yùn)營(yíng)事故數(shù)量組成參考序列X=X

1，X

2，…，X

n，各類人誤形式在每年發(fā)生的運(yùn)營(yíng)事故中存在的數(shù)量為比較序列X，X，…，X，此時(shí)n=6，m=13，由此形成分析數(shù)列矩陣，見式（1）。

X

，X

，X

，X

，X

，X

，X

，X

，X

，X

，X

，X

，X

，X

=

（1）

3.2.2? 應(yīng)用均值法進(jìn)行無(wú)量綱處理

xk=? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

處理結(jié)果如下：

X

，X

，X

，X

，X

，X

，X

，X

，X

，X

，X

，X

，X

，X

=

（3）

3.2.3? 計(jì)算絕對(duì)差

Δ=x

k

-xk? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（4）

Δ，

Δ，

Δ，

Δ，

Δ，

Δ，

Δ，

Δ，

Δ，

Δ，

Δ，

Δ=

（5）

然后得出絕對(duì)差中的最大值和最小值：

Δmin=minmin

x

k

-xk=0.015? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （6）

Δmax=maxmax

x

k

-xk=4.563? ? ? ? ? ? ? ? ? ? ? ? ? ? ?  （7）

3.2.4? 定義點(diǎn)關(guān)聯(lián)系數(shù)

ζk=γ

xk，

xk=? ? ? ? ? ? ? （8）

式（8）中，ζk為在第k個(gè)時(shí)刻，比較曲線X對(duì)于參考曲線X的相對(duì)差值，ζ為分辨系數(shù)，這里取0.5， 根據(jù)式（8）可得點(diǎn)關(guān)聯(lián)系數(shù)，計(jì)算結(jié)果如下：

ζ

，ζ

，ζ

，ζ

，ζ

，ζ

，ζ

，ζ

，ζ

，ζ

，ζ

，ζ

=

（9）

3.2.5? 計(jì)算關(guān)聯(lián)度

γ=γx

，

x=∑ζk=∑γx

k，

xk? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （10）

式（10）中，γ為序列x與x的關(guān)聯(lián)度，其值越大，則說(shuō)明序列x與x關(guān)系越密切。根據(jù)上式計(jì)算出關(guān)聯(lián)度如下：

γ

，γ

，γ

，γ

，γ

，γ

，γ

，γ

，γ

，γ

，γ

，γ

=0.779，0.760，0.746，0.734，0.717，0.672，0.672，0.692，0.810，0.764，0.794，0.843，0.857 （11）

? 根據(jù)計(jì)算，得出13類人誤形式與安全事件發(fā)生的關(guān)聯(lián)度結(jié)果，如表4所示。

由表4計(jì)算結(jié)果可得，對(duì)各人誤形式的關(guān)聯(lián)度進(jìn)行排序：P4>P3>C5>P2>V1>P1>V2>V3>V4>C1>C4>C3>C2，可以用柱形圖更加直觀的表達(dá)各人誤形式與事故之間的關(guān)聯(lián)度，如圖4所示。

由上述結(jié)果可知，該地鐵公司近年的運(yùn)營(yíng)安全事件中，“手動(dòng)操作失誤”、“連續(xù)調(diào)整失誤”、“事件狀況/發(fā)展判斷失誤”三類人因失誤與運(yùn)營(yíng)安全事件的關(guān)聯(lián)度較高，即對(duì)運(yùn)營(yíng)安全事件發(fā)生的貢獻(xiàn)率較高。這三類人因失誤具體對(duì)應(yīng)的作業(yè)內(nèi)容涉及列車排故、調(diào)整列車車速、對(duì)列車所處情況進(jìn)行判斷等。結(jié)合歷年來(lái)的運(yùn)營(yíng)安全事件可以看出，列車故障處置、運(yùn)營(yíng)突發(fā)事件應(yīng)急處置等需要司機(jī)在面對(duì)時(shí)間壓力的條件下充分調(diào)用專業(yè)知識(shí)儲(chǔ)備，對(duì)司機(jī)的認(rèn)知資源要求較高;此類作業(yè)也是司機(jī)日常培訓(xùn)和管理的重點(diǎn)。另一方面，隨著自動(dòng)駕駛技術(shù)的普及和應(yīng)用，司機(jī)手動(dòng)操作涉及調(diào)整列車車速的作業(yè)客觀上要求司機(jī)必須在多變的駕駛環(huán)境下嚴(yán)格按照操作手冊(cè)完成行車作業(yè)。

4? 結(jié)果討論

? 對(duì)于地鐵司機(jī)而言，正常行車作業(yè)主要以檢查、監(jiān)護(hù)、聯(lián)控、列車操作等視覺(jué)類和動(dòng)作類行為組成，即對(duì)于視覺(jué)資源和動(dòng)作資源的要求較高。然而在某些應(yīng)急情況中，地鐵司機(jī)需要運(yùn)用其專業(yè)知識(shí)對(duì)各類情況進(jìn)行綜合判斷。如地鐵司機(jī)在執(zhí)行列車救援（救援連掛）作業(yè)項(xiàng)時(shí)，需執(zhí)行列車當(dāng)前所處情況判斷、救援要求判斷、救援前的人員情況判斷、連掛條件判斷等多項(xiàng)認(rèn)知行為。根據(jù)表2對(duì)于各作業(yè)項(xiàng)資源占用的分析，列車救援（救援連掛）作業(yè)對(duì)于地鐵司機(jī)認(rèn)知資源的要求明顯高于其他作業(yè)項(xiàng)。因此，在后續(xù)關(guān)于地鐵司機(jī)的人誤研究中，可圍繞地鐵司機(jī)不同類型任務(wù)占用資源的不同程度展開。

5? 結(jié)? 論

? 本文建立了基于多資源理論的地鐵司機(jī)人誤模式分析模型，通過(guò)安全檢查數(shù)據(jù)論證了其合理性和正確性。然后根據(jù)地鐵公司運(yùn)營(yíng)安全事件調(diào)查材料，分析其中存在的13類司機(jī)人誤形式，并應(yīng)用灰色關(guān)聯(lián)分析法計(jì)算出人誤形式與運(yùn)營(yíng)安全事件之間的關(guān)聯(lián)度。依據(jù)數(shù)據(jù)分析結(jié)果：司機(jī)在列車故障處置、運(yùn)營(yíng)突發(fā)事件應(yīng)急處置等過(guò)程中發(fā)生的“手動(dòng)操作失誤”、“連續(xù)調(diào)整失誤”、“事件狀況/發(fā)展判斷失誤”三類人因失誤與運(yùn)營(yíng)安全事件的關(guān)聯(lián)度較高。乘務(wù)管理部門可對(duì)上述三類操作開展針對(duì)性的安全管理和培訓(xùn)，如加強(qiáng)地鐵司機(jī)應(yīng)急排故培訓(xùn)與演練、對(duì)車輛基本操作的掌握等，以更加高效提升運(yùn)營(yíng)安全。

? 本文所建模型可以用于地鐵司機(jī)作業(yè)項(xiàng)的事前判斷，也可應(yīng)用于事后的調(diào)查材料分析，并結(jié)合灰色關(guān)聯(lián)法對(duì)人誤安全管控的側(cè)重點(diǎn)提供建議。在指導(dǎo)地鐵運(yùn)營(yíng)安全管理人員開展安全監(jiān)督工作方面有一定的借鑒意義，為提出管理和技術(shù)方面的改進(jìn)措施、制定風(fēng)險(xiǎn)控制策略提供依據(jù)。

參考文獻(xiàn)：

[1]? Evans A W. Fatal train accidents on Europe's railways： 1980～2009[J]. Accident Analysis & Prevention， 2011，43（1）：391-401.

[2] 王新棟. 面向人機(jī)協(xié)同的地鐵行車調(diào)度模型研究[D]. 北京：北京交通大學(xué)（碩士學(xué)位論文），2020.

[3] 王潔，方衛(wèi)寧，苗沖沖，等. 地鐵行車調(diào)度員人誤模式結(jié)構(gòu)化分析[J]. 人類工效學(xué)，2013，19（1）：55-58.

[4] 林楓. 地鐵行車調(diào)度班組人因失誤機(jī)理分析及應(yīng)用[D]. 北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)（碩士學(xué)位論文），2015.

[5] 馬偉偉. 基于復(fù)雜網(wǎng)絡(luò)的地鐵多班組人因失誤的研究[D]. 北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)（碩士學(xué)位論文），2017.

[6] 裴葉青，金曉萍，宋正河，等. 駕駛員腦力負(fù)荷計(jì)算系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 汽車工程，2019，41（11）：1265-1272.

[7]? McCracken J H， Aldrich T B. Analyses of Selected LHX Missionfunctions： Implications for Operator Workload and System Automationgoals[R]. Army Re-search Institute Aviation Research and Development Activity， 1984.

[8]? ALDRICH T B， SZABP S M， BIERBAUM C R. The development and application of models to predict operator workload during system design. In McMillan G R， et al. （Eds.） Applications of Human Performance Models to System Design[M]. New York： Plenum Press， 1989：65-80.

[9] 金微瑕，李宏汀. 人機(jī)界面評(píng)估之層次任務(wù)分析法[J]. 人類工效學(xué)，2014，20（4）：84-88，95.

[10] 張漢琪，王傳濤，王超，等. 機(jī)械臂遙操作的腦力負(fù)荷預(yù)測(cè)軟件研究及實(shí)現(xiàn)[J]. 北京建筑大學(xué)學(xué)報(bào)，2020，36（2）：91-98.

[11] 康毅軍，鄭云水，牛行通. 基于認(rèn)知行為與灰色關(guān)聯(lián)分析的非正常情況下接發(fā)列車人因失誤分析[J]. 科學(xué)技術(shù)與工程，2018，18（1）：329-335.