摘要：近年来,高速铁路及城市轨道交通的大规模建设,行车安全的重要性得到了各界学者的关注,成为研究热点。发生行车事故的原因错综复杂,不仅有物的因素,也有列车司机、调度、管理人员等人的因素。综合国内外重大行车事故,经分析都发现：由于各种设备和保障技术不断提高和完善,物的因素造成事故率已明显降低,人的因素越来越明显。在铁路及城市轨道交通系统的运营过程中,人作为直接参与和管理控制者,在不良工作状态和恶劣工作环境下是无法避免发生失误的,那么就会有事故发生或存在潜在风险。因此,人为因素是不可能消除的,如何有效控制和降低人为失误是至关重要的。所有参与人员中,列车司机作为列车的直接操作者所起的作用是十分突出的。本文主要针对城市轨道交通人工系统中的列车司机进行研究,采用Agent方法建模,建立了列车司机Agent的自学习机制,使其具有动态的自学习能力,通过不断的学习产生与实际“等价”的行为,并进行评估。本文的主要内容如下：首先分析了铁路及城市轨道交通系统中人因研究的现状和主要研究成果,指出列车司机行为对列车运行安全保障的重要性。并主要介绍了人因分析中国内外学者对列车司机进行的相关研究热点和成果,涉及列车司机的选拔规则、生理、心理等素质等方面。其次介绍了平行控制理论,人工系统以及Agent建模方法,对Agent特性分析和类别进行了介绍。并对Agent适用的学习算法进行了介绍,对比分析出了几种算法的优缺点。然后采用Agent方法对列车司机进行建模,并建立了自学习机制。从学习知识、学习层次、学习方式等几个方面进行了详细分析和构建,目的是使列车司机Agent具有动态的学习能力。还针对自学习机制中的具体学习算法的实现进行设计,选用Q学习算法,并采用模糊综合决策法和模糊逻辑对其进行改进。最后分析了列车司机Agent安全评估体系中的评估指标,并利用系统动力学原理和分析方法,建立安全评估的系统动力学模型,在学习结束之后对列车司机行为的安全性进行评估。图25幅,表4个,参考文献60篇。