随着我国城市规模与人口的不断扩大,多元化的出行需求与有限的交通供给之间的矛盾也日益凸显。地铁以其快速、大运量、污染小、高效率等特点,成为城市公共交通发展战略中的骨干。近年来,在地铁建设如火如荼开展的同时,各种类型的施工安全事故却频繁发生,导致大量的人员伤亡和经济损失。因此,如何既保证地铁建设速度,又保证地铁建设期内的施工安全,极具现实意义。虽然设计阶段具有提高施工安全绩效的潜力这一观点得到广大学者的认同,但是缺乏从面向设计过程来降低地铁施工安全风险的理论、模型和预控方法的研究和实践。本文从面向设计过程的角度入手,以理论为基础,以实践为导向,全新界定了地铁工程安全设计的内涵及形成机理,并从施工安全风险智能预测和预控措施推理等方面,开展了系统化的研究。研究成果有助于为制定科学、合理的地铁施工安全风险预控措施提供理论支撑和技术支持。(1)通过详细的文献综述,对安全设计(Design for Safety,DFS)、地铁施工安全风险影响因素、安全风险的监测识别、分析评估、预测预警、智能推理等相关理论与方法的研究现状进行了总结和评述,指出现有研究不足:地铁施工安全风险的机理分析局限于对施工过程的风险因素建模,而从地铁工程设计的角度关注较少。针对现有研究不足,界定了论文的研究目标,明确了论文的研究内容及技术路线。(2)全新界定了地铁工程安全设计的内涵,并从国内外现有的施工安全管理标准、规范和文献分析两个方面筛选出地铁建设期安全管理相关的20个影响因素,利用解释结构模型和交叉影响矩阵相乘分类法对地铁建设期安全管理影响因素进行分层和分类,分析影响因素之间的联系,进而明确安全风险从设计过程开始的演化规律及与设计相关的安全风险影响因素对其他因素的作用方式和传导路径。从事故因果连锁理论和轨迹交叉理论两个方面分析了设计与施工安全事故的关联性,并揭示了面向设计过程的地铁施工安全风险形成机理。(3)在对我国2002-2016年发生的246起地铁施工安全事故类型及特点分析的基础上,界定出本文安全风险的研究范围和对象。根据面向设计过程的地铁施工安全风险形成机理,从水文地质、工程地质、周边环境、工程设计方案和施工设计方案等五个维度识别出和设计过程相关的21项安全风险影响因素。通过对来自学术界和工程界的专家进行问卷调查,验证了影响因素的可用性和有效性。(4)利用粗糙集(Rough sets,RS)与支持向量机(Support Vector Machine,SVM)优势互补的特点,提出RS-SVM组合的地铁施工安全风险智能预测模型。在不改变样本分类质量的条件下,利用遗传算法进行RS属性约简,将基坑失稳与破坏案例样本约简为12项关键因素;周边环境破坏案例样本约简为9项关键因素,通过对影响因素的属性约简,达到消除冗余信息,简化样本数据空间维数,提高后期预测模型的训练效率和精度的目的。(5)根据地铁施工安全风险的特点,设计了改进二叉树的多分类SVM预测模型,并提出利用粒子群算法(Particle Swarm Optimization,PSO)对SVM模型参数进行寻优。构建基于PSO-SVM的地铁施工安全风险智能预测模型,以RS属性约简后的关键影响因素作为样本数据,实现了PSO-SVM模型对基坑失稳与破坏和周边环境破坏两类样本数据的训练和测试。研究表明:本文构建的PSO-SVM智能预测模型对于两类样本数据的训练集和测试集都具有较高的准确率,同时还可以实现对设计安全风险影响因素和施工安全风险之间的复杂耦合关系进行智能分析,为找出降低地铁施工安全风险最重要的设计安全风险影响因素提供依据。(6)从如何利用智能推理技术制定出紧急情况下科学、合理的控制措施进行了研究,提出基于CBR(Case-Based Reasoning,CBR)-RBR(Rule-Based Reasoning,RBR)的地铁施工安全风险预控措施推理模型。结合面向设计过程的地铁施工安全风险产生机理,提出基于框架的多层级、结构化的案例表示方法;提出分级式检索算法和最近邻算法相结合的二级检索策略;利用云模型理论实现对特征属性权重的启发式层次寻优,解决地铁施工安全事故特征属性的模糊性和随机性问题;通过计算综合相似度,在案例库中检索出相似案例的基础上,根据关键属性相似度运用规则推理对相似案例的预控措施进行适用性修改。