全自动运行系统(FAO)是一种完全替代列车驾驶员执行的工作,实现列车运行全过程自动化、智能化的系统。取消列车驾驶员之后,全自动运行系统控制中心的系统功能和人员职责将随着系统功能和结构的变化而改变,使突发情况下轨道交通运行的决策更加复杂,更加增加突发情况下的应急运营过程中的风险。保证轨道交通安全、高效、高密度、节能、灵活运行的自动化运行,迫切需要研究面向全自动运行系统控制中心的应急决策的变化以及带来的认知问题,以进一步指导运营人员在当前条件下有效正确地判断环境条件及进一步做出合理的应急决策,支撑全自动运行系统下的真正安全运营。本论文主要研究内容如下:首先,结合全自动运行系统的特征,深入剖析系统控制中心的应急需求,从列车驾驶员应急任务入手,分析全自动运行系统运营方式、组织架构、人员职责变化,提出了面向全自动运行系统的运营组织架构以及相应的应急需求变化。通过分析应急决策复杂性影响因素,提出基于图熵理论的应急决策复杂度评价方法,实例说明了全自动运行系统较传统列车运行系统的应急决策复杂度差异特征,为全自动运行系统的应急决策分析提供理论基础。考虑到控制中心应急决策实施环节为调度员对突发情况的认知决策过程,对控制中心的应急任务进行分类,通过全自动运行系统下调度员为主体的应急决策认知与实施的认知机理分析,提出了基于ACT-R理论控制中心调度员产生式的13种通用模式,建立了应急情况下的调度员应急决策认知模型。为进一步分析应急决策在实施过程中的认知机理及性能影响,通过研究基于ACT-R理论框架的激活度理论和基于效用值理论的学习决策选择机制,提出了针对全自动运行系统的知识块活跃值(FAN值)分析方法,设计了基于燕房线调度员对应急决策的认知实验,并搭建了认知实验的GUI对象环境,验证了FAN值作用对应急决策的影响机理,识别了调度员应急决策认知因素和应急性能之间的依赖关系。不同GOA等级下的应急决策性能不仅仅与FAN值相关,与认知模式也有一定关联,更进一步得出了GOA系统的应急决策性能与系统组织、规程以及等级变迁也存在了一定联系的结论。FAO系统中,控制中心调度员面对远程问题进行决策时的模糊性及不确定性为应急决策处置过程中的显性特征。通过构建基于调度员分类的应急任务网络模型,提出调度员重要度权重计算方法,在该基础上进一步集成了基于模糊层次分析方法和改进WOWA算子,得到混和应急处置策略偏好评价方法,为全自动运行系统的应急处置提供支持。