Page 33 - 铁路车务系统安全管理研究

第一章 铁路车务系统安全管理概述

因素之间的相对重要性，利用模糊理论与决策实验室评价方法（Decision Making

Trailand Evaluation Laboratory，DEMATEL）对人员、组织因素之间的内部依赖
关系进行量化分析；基于事故致灾因素的权重和排序提出针对组织中较为关键的
安全意识差、培训质量差、设备采购缺陷等方面安全缺陷的干预措施。Qiao 等

人建立了一个综合 HFACS、模糊故障树分析、模糊层次分析法和人工神经网络
的海洋事故人为因素评估模型，该模型对中国 38 起沿海运砂船事故进行了致灾
因素识别，并在 HFACS 分析框架下将其划分为 5 个层级 24 个影响因素；然后，
在 HFACS 框架下将模糊故障树模型映射到人工神经网络中，通过机器学习和模

式识别，利用数字化和数据挖掘过程建立影响因素间的因果关系。Baysari 等人
首次将 HFACS 框架应用于铁路事故和隐患的人为错误分析，并将收集到的澳大
利亚 40 份铁路安全事故调查报告中的人为因素按照 HFACS 模型结构进行分类，
分析结果表明 HFACS 对铁路人为错误分类的有效性以及加强资源管理、安全氛

围和组织过程的改善对澳大利亚铁路事故和隐患管理的重要性。Li 提出了一种基
于 HFACS 和 STAMP（Systems-Theoretical Accident Modelling and Processes）的
人—组织混合分析方法，该方法利用 HFACS 导出的人为误差类别和 STAMP
的结构化系统分析过程对铁路事故中的人员和组织因素进行系统分析。Ugurlu

对 1991 年至 2015 年期间发生的 70 起客船碰撞与接触事故进行了调查，并提
出了一种创新的客船人因事故分析与分层系统（Human Factors Analysis and
Classification System for Passenger Vessel Accidents，HFACS-PV）对客船事故中的
人为因素进行分析，该系统对传统的 HFACS 框架中的“不安全行为”“不安全

行为的前提条件”所属因子进行了完善，并增加了“运营条件”层。
③在以常规的风险事件的后果和对应的发生可能性进行风险分析的基础上，
很多专家学者尝试构建综合评估模型对系统风险进行分析、评价。
Kyriakidis 等人建立了一个分析框架来识别、定义和量化影响铁路职工绩效

的关键绩效形成因子（Performance Shaping Factors，PSFs），首先，借助文献
研究和对过去 15 年全球 479 起铁路运营事件和事故的统计分析以及来自不同
国家的 300 多份调查报告的分析基础上，根据专家建议将其划分为动态人员因
素、环境因素、系统因素等共计 7 类 43 个因子，然后利用皮尔逊独立卡方检验

（Pearson’schi-squaretest）来检验两个分类变量是否独立；并对两个以上的分
类变量采用对数线性分析（loglinearanalysis）来研究变量之间的关系。Ambroggi

25