论文部分内容阅读
摘 要:随着地铁控制系统控制技术的最新发展,地铁行车调度系统的应用正在增加,可以减少由于发射机故障而导致事故发生的概率。当驾驶者错误地解决由于火车运行而导致的事故或结果恶化的问题时,就会发生事故,因此,行车调度系统是确保地铁安全运行的重要保证,行车调度系统是地铁应急系统的终极保护和恢复机制,在地铁事故中有效预防和减少人为行车调度系统错误是保障地铁安全的当务之急。
关键词:地铁行车调度系统;人误影响因素识别;评定研究
随着科学技术的不断发展,大型复杂系统的机械设备的安全系数在不断提高,操作性也在不断提高,人们对系统的操纵技术也在不断增加,但是,人工失误目前已经成为地铁严重事故的原因。地铁行车调度系统是地铁安全运营组织的重要管理系统,也是灾难计量系统的主要安全和恢复机制。因此,为了有效地防止和减少地铁调度员的即时响应中的人为错误,以及提高紧急响应的安全性和可靠性,必须解决地铁行车调度系统的运行安全问题,应对发生的紧急情况。
1 基于SHEL模型的人误影响因素识别方法
1.1 构建人误影响因素分析模型
由E1wyn Edwards教授提出的SHEL模型以人为中心,描述人与硬件、软件、环境、其他人之间的相互关系。为了解释基于行车调度系统特性的接口分类,教授将SHEL模型接口扩展到人员和功能,人员和人员,人员和人机(硬件和软件)接口,构成了地铁行车调度系统人误影响因素的分析模型。根据此模型,人误影响因素主要是由七个单独的因素组成。
1.2 行车调度系统人误影响因素
1.2.1 信度检验
选取Cronbach’s系数法的同质信度来检验问卷的一致性指标。结果表明,问卷的信度为0.979,8个维度识别因素相对应的信度指标分别为0.880,0.970,0.833,0.831,0.954,0.793,0.940,0.836。数量及其组成部分的稳定性得分均超过0.7,表明用于测量总体内容的调查表之间具有良好的对称可靠性。
1.2.2 效度检验
同时,对人误影响因素分析模型进行了人误影响因素因子研究,获得了8个因子,差异显著,为81 604%,表明该问卷具有良好的效度和检验有效性,有极大的实用价值。
1.3 基于因子分析的人误影响因素提取
根据标准正态分布对基线数据进行标准化处理,以正确比较排除产生不良反应的因素。而对统计数据进行的KMO和Bartlett’S检验表明,8个维度识别因素KMO值分别为0.807,0.834,0.760,0.788,0.849,0.744,0.861,0.716,均大于0.7,巴特利特的检验小于0.05的概率等于0.000,这适合进行因子分析进一步处理。对数据进行基本分析,以获取初步信息,使用正态因子变化法可基于标准对常见因子进行量化,使用最大差异,这是至少80%的总因子的累积贡献。旋转结果因子以获得负载旋转因子矩阵,然后旋转每个总因子的名称。以个人状况指标为例,三个共同因素的综合贡献率为86.08%。由于第一个共同因素包括年龄、健康、疲劳,第二个共同因素包括服务、教育和商业能力,所以这三个共同因素被称为体力劳动、知识和技能以及培训。
2 行车调度系统人误诱发因素风险预测评价
2.1 人误诱发情景模拟的研究基础
当前对涉及人为错误的情况的系统研究还没有包含对导致人为错误的因素的研究,对导致人为错误的因素的研究通常十分重要,不能忽略。如果通过操纵变量,引起了结果的变化或其他延迟,可以得出结论,两者之间存在因果关系。原型理论强调使用多个点和一条连接它们的线来表达两个点之间关系,使用专家的有效理论研究,了解模拟人为错误的基础知识,可以对人为错误的情况进行系统研究,改善事故的处理。
2.2 人误诱发情景因果关系的确定
在调查影响地铁事故发生的因素时,基本可以确定原因是人为因素。当选择分析默认操作员和持久性流量操作员时,最容易出现人为错误的操作员是最清楚地基于因素之间的因果关系。通过比较这三个因素,可以看到这三个因素导致的结果是完全一致的。
3 行车调度系统人误数据采集
3.1 行车调度系统人误数据需求分析
行车调度系统的校正可以减少人为错误,从三个方面收集了与人为错误有关的因素。第一,突发事件人误场景,可以主要通过分析和记录模拟事件和决策(例如危机)来获取数据。第二,人误行为评价数据。这些数据表明,数据的参考对于铁路操作系统的设计,运输系统的设计以及事故细节的重要性。第三,人误诱发因素评价数据,一般可以从历史项目的调查和记录中获得数据。
3.2 行车调度系统人误数据不确定性分析
在实验中,人为错误数据存在不确定性。主要原因:第一,操作员的违规通常是不确定的。第二,由于系统因素,人为错误数据的不确定性。第三,人为错误数据中的随机事件会产生不确定性。第四,数据收集方法各不相同,并可能导致人为错误和数据不正确。第五,隐藏和忽略公司责任等人为因素会导致人为错误数据的不确定性。
4 地铁行车调度风险人为因素的防范措施
4.1 做好人员选拔与岗位调配
地铁的操作是一个复杂的跨学科系统,将城市轨道交通建设、车辆、信号、电力和线路整合在一起,这对员工的素质和技能提出了很高的要求。正确选择员工是提高地铁安全运行的第一步,在实际的地铁人员招聘中,有必要根据操作员的工作需要阐明选择员工的标准,并严格遵循员工选择程序。除了评估员工的专业水平和绩效外,还需要评估操作员的生理,他的心理和他的个性。当操作员具有较强的心理素质,团队合作精神和沟通能力时,就可以根据不同的实际情况,来对紧急情况做出响应。
4.2 强化安全教育与专业技能培训
社会的发展进程中,不断涌现大量新知识和新技術,城市中的城市轨道信息系统的高度自动化和智能化发展是未来的必然趋势,这需要操作员的知识系统必须不断更新,提高专业技能。为此,公司必须执行安全教育与专业技能培训,一方面,这样可以加强对托运人安全的责任,严格按照各种规章制度提出了“安全第一”和“潜在危险是事故”的概念。而且它可以减少不确定的人为因素。通过将高级敏捷培训,动手式迭代操作培训,案例研究和动手练习相结合,改善操作员的反应,并提高应对紧急情况的效率。
4.3 提升员工的职业心理健康水平
员工支持计划是改善企业与员工关系的最佳方法,包括员工职业规划,心理咨询,人际关系和家庭问题。依照员工的不同需求,可以根据工作时间的性质提供针对操作员的不同类型的协调和概念咨询。例如,过去工作了两到三年的操作员在过去具有强大的意志力,随着技术的重大变化,压力迅速增加,这种心理困境需要解决。操作员可以通过大声说出来,规划职业,与家人打交道来减少心理负担,轻松克服心理障碍,减少在工作中的个人损失。操作员还需要着眼于职位的功能要求和高工作压力特征,养成“阳光思维”。企业可以组织更多的文化体育活动,激发员工的生活和工作热情,积极思考保持应对工作压力的能力,树立职业道德和工作责任,把自身的发展和地铁事业发展紧密结合,促进个人和企业共同发展。
5 结语
换句话说,人们不能忽视人为因素对地铁安全的影响。企业可以专注于培训员工,加强制度障碍,并创建有效而严格的管理环境,从而提高操作员的素质和技能,以不断适应大城市当前5G技术带来的巨大变化,适应尖端技术带来的地铁行车调度系统的不断升级。
参考文献:
[1]王洁,方卫宁.地铁行车调度系统人误情景评价模型研究[J].中国安全科学学报,2013,23(10):38-43.
[2]王洁,方卫宁,张嬿.地铁行车调度系统人误影响因素识别及评定研究[J].中国安全科学学报,2011,21(8):74-79.
关键词:地铁行车调度系统;人误影响因素识别;评定研究
随着科学技术的不断发展,大型复杂系统的机械设备的安全系数在不断提高,操作性也在不断提高,人们对系统的操纵技术也在不断增加,但是,人工失误目前已经成为地铁严重事故的原因。地铁行车调度系统是地铁安全运营组织的重要管理系统,也是灾难计量系统的主要安全和恢复机制。因此,为了有效地防止和减少地铁调度员的即时响应中的人为错误,以及提高紧急响应的安全性和可靠性,必须解决地铁行车调度系统的运行安全问题,应对发生的紧急情况。
1 基于SHEL模型的人误影响因素识别方法
1.1 构建人误影响因素分析模型
由E1wyn Edwards教授提出的SHEL模型以人为中心,描述人与硬件、软件、环境、其他人之间的相互关系。为了解释基于行车调度系统特性的接口分类,教授将SHEL模型接口扩展到人员和功能,人员和人员,人员和人机(硬件和软件)接口,构成了地铁行车调度系统人误影响因素的分析模型。根据此模型,人误影响因素主要是由七个单独的因素组成。
1.2 行车调度系统人误影响因素
1.2.1 信度检验
选取Cronbach’s系数法的同质信度来检验问卷的一致性指标。结果表明,问卷的信度为0.979,8个维度识别因素相对应的信度指标分别为0.880,0.970,0.833,0.831,0.954,0.793,0.940,0.836。数量及其组成部分的稳定性得分均超过0.7,表明用于测量总体内容的调查表之间具有良好的对称可靠性。
1.2.2 效度检验
同时,对人误影响因素分析模型进行了人误影响因素因子研究,获得了8个因子,差异显著,为81 604%,表明该问卷具有良好的效度和检验有效性,有极大的实用价值。
1.3 基于因子分析的人误影响因素提取
根据标准正态分布对基线数据进行标准化处理,以正确比较排除产生不良反应的因素。而对统计数据进行的KMO和Bartlett’S检验表明,8个维度识别因素KMO值分别为0.807,0.834,0.760,0.788,0.849,0.744,0.861,0.716,均大于0.7,巴特利特的检验小于0.05的概率等于0.000,这适合进行因子分析进一步处理。对数据进行基本分析,以获取初步信息,使用正态因子变化法可基于标准对常见因子进行量化,使用最大差异,这是至少80%的总因子的累积贡献。旋转结果因子以获得负载旋转因子矩阵,然后旋转每个总因子的名称。以个人状况指标为例,三个共同因素的综合贡献率为86.08%。由于第一个共同因素包括年龄、健康、疲劳,第二个共同因素包括服务、教育和商业能力,所以这三个共同因素被称为体力劳动、知识和技能以及培训。
2 行车调度系统人误诱发因素风险预测评价
2.1 人误诱发情景模拟的研究基础
当前对涉及人为错误的情况的系统研究还没有包含对导致人为错误的因素的研究,对导致人为错误的因素的研究通常十分重要,不能忽略。如果通过操纵变量,引起了结果的变化或其他延迟,可以得出结论,两者之间存在因果关系。原型理论强调使用多个点和一条连接它们的线来表达两个点之间关系,使用专家的有效理论研究,了解模拟人为错误的基础知识,可以对人为错误的情况进行系统研究,改善事故的处理。
2.2 人误诱发情景因果关系的确定
在调查影响地铁事故发生的因素时,基本可以确定原因是人为因素。当选择分析默认操作员和持久性流量操作员时,最容易出现人为错误的操作员是最清楚地基于因素之间的因果关系。通过比较这三个因素,可以看到这三个因素导致的结果是完全一致的。
3 行车调度系统人误数据采集
3.1 行车调度系统人误数据需求分析
行车调度系统的校正可以减少人为错误,从三个方面收集了与人为错误有关的因素。第一,突发事件人误场景,可以主要通过分析和记录模拟事件和决策(例如危机)来获取数据。第二,人误行为评价数据。这些数据表明,数据的参考对于铁路操作系统的设计,运输系统的设计以及事故细节的重要性。第三,人误诱发因素评价数据,一般可以从历史项目的调查和记录中获得数据。
3.2 行车调度系统人误数据不确定性分析
在实验中,人为错误数据存在不确定性。主要原因:第一,操作员的违规通常是不确定的。第二,由于系统因素,人为错误数据的不确定性。第三,人为错误数据中的随机事件会产生不确定性。第四,数据收集方法各不相同,并可能导致人为错误和数据不正确。第五,隐藏和忽略公司责任等人为因素会导致人为错误数据的不确定性。
4 地铁行车调度风险人为因素的防范措施
4.1 做好人员选拔与岗位调配
地铁的操作是一个复杂的跨学科系统,将城市轨道交通建设、车辆、信号、电力和线路整合在一起,这对员工的素质和技能提出了很高的要求。正确选择员工是提高地铁安全运行的第一步,在实际的地铁人员招聘中,有必要根据操作员的工作需要阐明选择员工的标准,并严格遵循员工选择程序。除了评估员工的专业水平和绩效外,还需要评估操作员的生理,他的心理和他的个性。当操作员具有较强的心理素质,团队合作精神和沟通能力时,就可以根据不同的实际情况,来对紧急情况做出响应。
4.2 强化安全教育与专业技能培训
社会的发展进程中,不断涌现大量新知识和新技術,城市中的城市轨道信息系统的高度自动化和智能化发展是未来的必然趋势,这需要操作员的知识系统必须不断更新,提高专业技能。为此,公司必须执行安全教育与专业技能培训,一方面,这样可以加强对托运人安全的责任,严格按照各种规章制度提出了“安全第一”和“潜在危险是事故”的概念。而且它可以减少不确定的人为因素。通过将高级敏捷培训,动手式迭代操作培训,案例研究和动手练习相结合,改善操作员的反应,并提高应对紧急情况的效率。
4.3 提升员工的职业心理健康水平
员工支持计划是改善企业与员工关系的最佳方法,包括员工职业规划,心理咨询,人际关系和家庭问题。依照员工的不同需求,可以根据工作时间的性质提供针对操作员的不同类型的协调和概念咨询。例如,过去工作了两到三年的操作员在过去具有强大的意志力,随着技术的重大变化,压力迅速增加,这种心理困境需要解决。操作员可以通过大声说出来,规划职业,与家人打交道来减少心理负担,轻松克服心理障碍,减少在工作中的个人损失。操作员还需要着眼于职位的功能要求和高工作压力特征,养成“阳光思维”。企业可以组织更多的文化体育活动,激发员工的生活和工作热情,积极思考保持应对工作压力的能力,树立职业道德和工作责任,把自身的发展和地铁事业发展紧密结合,促进个人和企业共同发展。
5 结语
换句话说,人们不能忽视人为因素对地铁安全的影响。企业可以专注于培训员工,加强制度障碍,并创建有效而严格的管理环境,从而提高操作员的素质和技能,以不断适应大城市当前5G技术带来的巨大变化,适应尖端技术带来的地铁行车调度系统的不断升级。
参考文献:
[1]王洁,方卫宁.地铁行车调度系统人误情景评价模型研究[J].中国安全科学学报,2013,23(10):38-43.
[2]王洁,方卫宁,张嬿.地铁行车调度系统人误影响因素识别及评定研究[J].中国安全科学学报,2011,21(8):74-79.