随着高速列车自动化程度的不断提高,自动驾驶系统将逐渐取代列车司机的工作。自动驾驶系统和列车司机构成的联合控制器的人机职能划分是决定系统整体可靠性和安全性的关键,因此有必要对高速列车自动驾驶作业的人机功能分配问题展开研究。本文构建了高速列车司机的认知处理模型,从认知结构的角度对驾驶任务的自动化等级进行划分,以速度控制任务为例制定了人机功能分配方案和信息推送策略,并通过人因实验验证了各认知阶段自动化水平差异对列车司机驾驶绩效的影响。论文的主要工作和研究成果如下:(1)基于Wickens信息处理模型和技能-规则-知识模型,将列车司机的情景意识作为信息处理过程中的一个重要环节,构建了融入了列车司机情景意识的高速列车司机认知处理模型。(2)基于上述高速列车司机认知处理模型,将列车司机的信息处理过程划分为信息感知与分析、决策生成、行为实施三个阶段,并对各阶段进行了人机职能划分,构建了基于认知结构的高速列车驾驶作业自动化等级划分模型。(3)对高速列车驾驶作业进行了任务分析,选取速度控制任务作为典型任务,基于上述等级划分模型完成了各阶段任务的自动化等级划分,设计得到了速度控制任务对应的28种人机功能分配方案。(4)设计并实现了基于驾驶模拟器的高速列车驾驶任务人机功能分配仿真实验系统,该系统可以快速实现人机功能分配方案的切换及各种突发事件的注入。利用该实验平台,采用正交实验法,研究了不同人机功能分配方案对列车司机的反应时间、追踪精度、主观负荷和情景意识的影响。实验结果显示,不同的认知阶段、不同的自动化水平对于速度控制任务的完成绩效有显著影响,验证了基于认知结构的等级划分模型的正确性。其中,决策生成的自动化等级变化对列车司机驾驶绩效的影响最大,中等级别的决策自动化在保证列车司机驾驶状态的同时也显著降低了人为操作失误。基于上述实验结果,本文最后还针对高速列车ATO系统的驾驶模式设计进行了探讨。本文提出的等级划分模型体现了列车司机的认知、决策过程,从认知结构的角度进行人机职能的划分为高速列车运行控制系统的智能化演进提供了一条新的路径,论文的研究结果可以为高速铁路全自动驾驶系统以及其他智能化系统的设计提供有益借鉴。