地铁系统是一个技术复杂、人口密集的交通系统,作为城市人口的重要运载体,一旦发生安全事故,将对个人生命及社会经济造成巨大影响。随着国内地铁项目建设的相继完工,地铁系统陆续投入使用,运营安全问题已引起研究人员和从业人员的广泛关注。为防止事故的发生,研究地铁项目运营安全风险显得尤为重要。识别事故发生前可能的前兆信息(Precursor)具有提高安全绩效的巨大潜力,许多组织已经开始研究如何确定事故前兆信息的程序和方法,并且已经从中获益。本文的研究目标就是基于前兆信息的视角,建立针对地铁项目运营安全风险识别、风险概率测定的预测方法体系,并进行实证分析。　　 在详细的文献综述的基础上,首先分析了国内外安全风险、地铁项目运营安全风险的研究现状和研究方向,并指出目前地铁项目运营安全风险研究在系统性及方法论方面有很大的不足。进而,运用社会技术系统理论及相关的SoTeRiA模型,分析了地铁项目运营安全风险的形成机理。　　 针对现有研究及实践中提高安全绩效的不足,阐述了地铁项目运营过程中的前兆信息对提高安全绩效的重要意义,系统分析了地铁设备、环境系统可能存在的前兆信息;同时基于人因分析和分类系统(HFACS)对地铁项目相关工作人员进行了前兆信息的构建。在已构建的关于设备、环境及人的前兆信息体系的基础上,以两个列车碰撞事故、一个火灾事故为例,分解事故的原因,找出相应事故的前兆信息。　　 接着,运用信号检测理论及模糊集理论,对地铁项目运营系统的风险前兆信息进行判别。针对部分可测的前兆信息的识别和监控问题,技术上已经肯定了实时监控子系统实现的可能性,而大量与人相关的前兆信息,目前尚未先进到用技术来进行判别。因此,依靠地铁项目工作人员来判别前兆信息显得尤其重要,而如何衡量这样的判别能力也成为风险管理的关键。论文针对地铁系统中的工作人员,运用信号检测中的两个基本指标:辨别力指标与反应倾向性指标来衡量工作人员的对风险前兆的判别能力,并进行了实证分析。实证结果表明,信号检测方法很好地区分出了工作人员对风险前兆的判别能力,对提高地铁项目运营的安全绩效具有重要意义。　　 再次,利用人工智能方法——案例推理,识别地铁项目运营安全风险。传统的风险识别依赖于企业安全管理人员的经验,这种风险识别的效率和结果将受到个人风险态度的影响;论文设计的风险识别系统是从前兆信息出发,分析系统现状与以往发生的事故案例的相似性,进而提供相似事故的危险情况,对系统现状的安全风险进行识别。在系统设计的过程中,案例表示主要根据事故的内容来进行框架的构建,其中,前兆信息是案例表示中的主要内容。为了实现案例的相似度计算,论文构建了前兆信息的语义网,运用概念相似度的方法计算前兆信息的局部相似度及案例的综合相似度。为了验证该方法的可行性,论文计算了列车碰撞案例之间的相似度、列车碰撞与火灾案例之间的相似度。从计算结果来看,两个列车碰撞案例之间的相似度明显大于列车碰撞与火灾案例之间的相似度,这与事实情况是符合的。因此,运用案例推理的方法来进行安全风险识别是可行而有效的。在实证分析中,以某地铁项目的运营情况为例,在已构建的地铁项目运营安全风险识别系统的基础上作进一步分析。结果表明,该系统存在乘客从A站台掉入轨道的风险及乘客在B站台拥挤受伤的风险。　　 最后,运用贝叶斯网络理论,实现地铁项目运营安全风险的概率测定。为构建安全风险事件的贝叶斯网络,论文在改进的受损致因模型(MLCM)的基础上,分析案例的致因过程,并基于多案例的集合方法建立了安全风险的贝叶斯网络模型。在确定条件概率的过程中,论文运用模糊集理论,依靠专家知识来提供可用的数据进行分析。推理算法是贝叶斯网络的核心,论文针对两类贝叶斯网络:离散贝叶斯网络和混合贝叶斯网络,分析了多种推理算法,实现安全风险的不确定性分析。在实证分析中,论文以基于Hugin消息传递方案的联合树算法为主,运用Hugin软件计算了某地铁项目运营中列车起火的风险概率。接着,针对贝叶斯网络中的基本事件,运用敏感性分析确定出对后果事件发生概率贡献较大的基本事件,以便采取有效的措施来减小这些基本事件的发生概率,从而减小后果事件发生的概率。敏感性分析结果显示,车轴温度过高的敏感性因子最大,是引起火灾风险的关键事件。在引起这个关键事件的顶事件中,现场管理更为重要,因此加强现场管理能够更加有效地降低事故发生的概率。现场管理不仅仅涉及到站台员工、司机以及各类正在运营的工作人员,更关系到地铁项目运营公司的组织文化、安全气候,是一个综合有效的安全管理因素。因此,通过加强地铁项目运营人员的风险意识,实时监控地铁项目运营的安全状态,建立合理的现场管理流程,才能更加有效地降低事故发生的概率。