城市轨道交通建设工程是一项复杂的、高风险的系统工程,具有建设规模大、参与人员多、技术工艺复杂、施工环境多变等特点,极易产生安全事故。由于安全事故是由各种风险因素共同作用的结果,因此,安全管理需要全面、综合性的知识支持。尽管城市轨道交通建设行业已经积累了大量的数据资料,但是在面临具体安全问题时,如何从众多的数据资料中快速、准确获取所需知识,至今还缺乏有效的解决途径。为了解决上述问题,本文立足于城市轨道交通建设安全管理(URTCSM),从知识支持的角度,引入人工智能领域相关技术和方法,研究基于知识图谱的安全管理智能知识支持理论模型和方法体系。具体内容包括:以系统论为指导,分析城市轨道交通建设安全管理核心任务和管理流程,提出智能知识支持的概念和内涵,研究人工智能领域的知识图谱等技术对城市轨道交通建设安全管理的知识支持作用,构建基于知识图谱的城市轨道交通建设安全管理智能知识支持理论模型。对URTCSM领域知识范围进行界定,从过程、组织、对象、管理等维度对领域知识进行分解,形成多维分层的知识分类体系。在领域概念建模方面,基于领域知识体系结构内容和特点,构建多维分层的专业领域概念模型;根据标准规范自身结构和使用需求,构建混合粒度的标准规范概念模型;根据事故分析对事故知识的需求,构建多主体关联的事故概念模型。在实体关系建模方面,基于领域知识分类体系结构进行概念之间层级关系建模,并对影响城市轨道交通建设工程安全实施的核心要素之间的关系进行建模,形成URTCSM领域知识结构模式,为领域知识图谱的构建提供规范化的知识框架。分析了URTCSM领域知识主要来源,重点对标准规范和事故案例数据进行搜集和整理。在领域实体知识元抽取方面,根据数据结构化程度以及自然语言描述特点,对不同类型实体知识元的抽取分别采用人工抽取、基于映射关系的转化、基于规则的提取、基于深度学习的实体识别等方法。在关系知识元抽取方面,分别采用基于映射关系的转化、基于规则的关系抽取、基于实体共现的关系抽取、基于机器学习的关系抽取等方法。在实体属性识别过程中采用类似的知识元抽取方法。抽取出来的知识元需要与已有知识进行融合,通过分析不同情形下知识融合需求,提出相应的融合方法。知识图谱中各类实体和关系知识元最后以图结构的形式存入图数据库Neo4j中,形成URTCSM领域知识图谱。提出URTCSM智能知识支持实现框架。针对标准规范知识,提出混合粒度规范知识获取的三种方式:知识导航,智能搜索,知识推荐。针对安全事故知识的应用主要以支持安全知识智能分析为主,提出三类事故分析任务:以事故画像的形式全面可视化的展示事故认知结构,根据统计分析指标自动构建查询语句的事故统计分析,以及基于关联路径的事故深度分析。根据URTCSM领域知识图谱中各知识要素之间的联系,对不同管理情境下的安全风险进行分析,为安全风险识别与预防提供知识支持。最后,开发了基于URTCSM领域知识图谱的智能知识支持系统,用于领域知识图谱维护和管理、标准规范知识智能获取、安全事故智能分析、安全管理决策分析等,为安全管理决策提供智能知识支持平台。该论文有图107幅,表23个,参考文献209篇。