基于改进认知可靠性与失误分析方法的隧道驾驶人因可靠性分析模型

为有效预测驾驶人通过隧道时的人因失误概率,减少人为差错,提出一种基于改进认知可靠性与失误分析方法(cognitive reliability and error analysis,CREAM)的隧道驾驶人因可靠性分析模型。结合隧道驾驶任务的特点,调整共用绩效条件(common performance condition,CPC),给出评估细则。使用模糊数将CPC因子的绩效效应值从确定值转换为概率值,以降低主观因素对评价结果的影响。考虑CPC因子间的相互影响关系,给出调整规则。最后建立基于贝叶斯网络的改进CREAM模型,确定控制模式。对隧道驾驶实例进行分析,计算驾驶人完成隧道驾驶任务的人因失误概率。结果表明,该模型可以准确计算隧道驾驶任务中的人误概率,且灵敏性比CREAM基本法更高,可为隧道交通人因可靠性分析提供支持。

基于CREAM的校车驾驶员人因可靠性分析方法

校车目前已成为学生上学的重要交通工具,而近几年频发的校车安全事故引起了社会各界对校车安全问题的高度关注。但大多数有关校车安全管理方面的研究比较偏重于如何提升校车本身硬件设备的可靠性,而缺乏对驾驶员的可靠性研究。针对当前国内校车安全管理现状,以近期发生的甘肃校车安全事故为例,运用第二代人因可靠性分析方法———CREAM对校车事故中的人因失误进行追溯性分析,找到事故发生根本原因。为今后在校车安全管理中采取相关措施,弥补安全漏洞,减少由人为因素导致的安全事故的发生提供依据,并为以后研究一般工业系统认知差错提供方法的借鉴。

改进贝叶斯网络模型在起重作业人机交互差错风险分析中的应用

为量化分析起重作业人机交互差错风险,根据安全工效学原理及安全技术规范将起重作业人、机、环相关影响因素作为根节点,按照事故致因层次关联关系确定子节点,构建起重作业人机交互差错的3层级贝叶斯网络模型(Bayesian Network, BN);基于模糊集理论,采用认知可靠性与失误分析方法(Cognitive Reliability and Error Analysis Method, CREAM),厘定贝叶斯网络父节点失效概率以及中间节点条件概率;利用逆向推理仿真技术分析起重作业人机交互差错发生的因果链,探究起重伤害事故发生的人机交互差错风险。结果表明:起重作业人机交互差错最可能致因链为起重设备安全检查不到位→管理人员失误→人员操作失误→起重伤害事故发生;单因素失效条件下,起重作业人机交互差错风险概率呈线性增长趋势;在多因素失效条件下,一级节点因素失效概率愈大则人机交互差错效应愈显著,且呈现非线性增长态势。

基于CREAM的值班驾驶员避险可靠性分析

为探索船舶值班驾驶员(OOW)在船舶避险中的可靠性——人为失误概率,基于CREAM,建立值班驾驶员避险中的可靠性计算模型。采用任务细化、动作分解方法,提炼出驾驶员避险事件的理想序列模型,确定子任务中的认知行为。通过专家评价驾驶员身处的情境,运用改造的三角白化权函数、Bayesian-CREAM网络,得出驾驶员4种不同控制模式的概率值。据此修正CREAM中人的基本失误概率值。根据可靠性串联和并联原理,计算出班驾驶员避险中的可靠性程度。最后,以实例验证,得到航行值班驾驶员在避险过程中的人为失误概率在10-5数量级。

应用差错可能度分析驾驶员安全可靠度

运用差错可能度这一评价人为差错的模糊度量方法代替传统的分析人为差错率的精确度量方法来分析驾驶员的可靠度 ,并在此基础上采用故障树分析评价人为差错 .得到如下结论 :顶事件的差错潜在度和与其连续的子事件的差错可能度密切相关 。

汽车驾驶人可靠性量化方法

基于可靠性工程理论,提出了一种用"可靠度"表征驾驶人可靠性量化结果的方法.该方法由驾驶人反应时间推算差错率,并从驾驶人行为致因理论出发,为处于不同行车阶段的驾驶人筛选不同的可靠性影响因子.仿真结果表明,该量化方法不仅能统计分析驾驶人可靠度,还能描述可靠度与时间的变化关系,分析各影响因子和可靠度的关系,为安全行车提供可行建议.

汽车驾驶员驾驶行为可靠性分析

道路交通系统是由人、车、路、环境组成。交通事故是由于系统不稳定或不平衡发生的。在这些因素当中,人的可靠性是最差的。在各类交通事故中,人的因素占80%～90%。因此研究驾驶员的行为差错,对保障行车安全,减少交通事故有着十分重要的意义。

驾驶员个体可靠性数学模型分析

本文应用行为外学和可靠性工程的理论和方法，探讨了汽车驾驶员安全可靠性问题。在统计分析驾驶员人为差错分布规律的基础上，建立了驾驶员个体可靠性定量分析的数学模型。为提高驾驶员个体可靠性，防止人为差错导致交通事故，提供理论依据。

驾驶员个体可靠性定量分析

本文探讨了道路交通安全系统中，汽车驾驶员的安全可靠性问题。在统计分析驾驶员为差错分布规律性的基础上，建立了驾驶员个体可靠性定量分析的数学模型，从而估计和推断Ｒ（ｔ）、Ｆ（ｔ）、λ（ｔ）等可靠性特征值，为改善和提高驾驶员个体可靠性，防止人为差错导错导致交通事故，提供科学理论依据。

系统安全中人的可靠性研究的理论问题分析

人的可靠性分析最早可追溯到20世纪50年代,美国国家实验室开展的一项人的差错概率度量的工作标志着人的差错及其可靠性分析这一新领域的诞生。随后几十年里,一些研究成果得到了不同程度的应用。由于适用面窄、预测精度低等原因使得人的可靠性分析方法可信度不高。究其原因,笔者认为是数据来源、独立性的干扰、人的自我纠正能力以及人机系统的整合等问题,它们成了制约其应用和发展的关键因素。通过对上述几个问题的理论性探讨,指出其对人的可靠性预测与评估所产生的影响,并对该学科的发展提出了几点建议,希望能借此为人的可靠性研究提供参考点,从而理清思路使得人的可靠性研究取得突破。

船舶驾驶员操作可靠性量化的CREAM改进模型

为解决不确定信息条件下船舶值班驾驶员(OOW)操作可靠性量化问题,以认知可靠性和失误分析方法 (CREAM)为基础,采用模糊集合(FS)、贝叶斯网络(BN)和证据推理(ER)算法对多源粗糙观测数据进行处理,构建一个改进的CREAM模型。用该模型对长江特定场景下驾驶员操作可靠性进行量化。结果显示,驾驶员认知行为控制模式为战术型,失误概率为3.40×10-3。数据对比验证和模型灵敏度分析表明,结果合理,模型稳定。

汽车人机系统中驾驶员可靠性评价的新模型

本文从驾驶员行为致因理论出发，对驾驶员可靠性进行了描述，并引入人的自我纠正能力概念，结合人的基本差错率的确定和影响驾驶员可靠性修正系数的计算机模拟，提出了评价汽车动态人机系统中驾驶员可靠性的新模型和具体应用方法。通过对１００例驾驶员可靠性的评价，阐明了驾驶员可靠性与行车安全的关系，得出了关于防止事故措施的几点结论。

基于自然驾驶研究的直行追尾危险场景诱导因素分析

基于中国自然驾驶工况数据,筛选了直行追尾危险工况,通过修正的DREAM(driving reliability and error analysis method)方法进行了诱导因素分析.对直行追尾危险场景依据车辆行驶特点进行了场景细分,分析了不同场景细分类型下诱导因素逻辑图.结果表明,在直行追尾场景中驾驶员的"力度不足"和"距离过短"为占比最高的紧急事件(危险特征),并分析了追尾场景中4个细分类型对应的紧急事件特点.研究发现,中国驾驶员的驾驶习惯与欧美有较大差别,直行追尾危险场景中最主要的深层诱导因素为驾驶员习惯性期待他车特定驾驶行为等不良驾驶习惯,而不是在驾驶过程中与驾驶操纵无关的第二行为.

司机人因可靠性安全评价分析和对策

本文在分析司机-电客车作业过程的基础上,通过计算人为差错得出司机作业失误的概率,司机作业安全可靠性分为两类:一类对司机单项生理因素,如暗视力、动视力等;一类为对驾驶员行为形成过程的研究,将驾驶行为分为感知、判断和操作3个模块,将司机生理因素可靠性和驾驶行为相结合,通过人为差错率预测司机站台开门作业事故发生的概率较低,进而提出防止引起司机差错的措施。

基于Bayes信息融合的人为差错概率计算方法

研究了人为差错概率的计算。首先,介绍了可用于人为差错概率计算的数据来源,主要包括:通用数据、专家数据、仿真实验数据和现场数据。然后,分析了Bayes信息融合方法的基本思想,强调了该方法的两个关键性问题:验前分布的构建和融合权重的确定。最后,构建了基于Bayes信息融合的人为差错概率计算方法。将前3种数据作为验前信息,融合形成验前分布。使用Bayes方法完成与现场数据的数据综合,得到人为差错概率的验后分布。基于该验后分布,完成人为差错概率的计算。通过示例分析,演示了方法的使用过程,证明了方法的有效性。

基于决策树的驾驶差错恢复行为的建模(英文)

驾驶行为模型化是道路交通系统分析中一个十分重要的研究领域 .通过定量分析驾驶差错状态恢复行为的特性 ,依据对驾驶差错状态的识别和改正行为的测度 ,建立了驾驶恢复度模型 ;结合对驾驶行为的测试数据与主观判断 ,运用改进的决策树求得了驾驶差错状态的恢复概率 .该研究结果有利于对道路交通系统中驾驶行为特征的进一步认识 .

CREAM方法中控制模式分类的模糊方法

认知可靠性与差错分析方法(CREAM)通过对任务环境进行分析从而直接确定人为差错发生概率。该方法提出控制模式的概念,认定不同的任务环境下可能对应不同的控制模式,而人为差错概率直接由控制模式确定。因此,确定控制模式是其中的关键环节。针对该问题,笔者提出了一种模糊方法。通过对性能影响因子进行打分对任务环境进行量化,利用专家打分的方式确定性能影响因子分值对于控制模式的隶属度;通过拟合分析确定性能影响因子的分值对控制模式的隶属函数,得到控制模式与分值之间的对应关系;将该方法应用到两个示例中,其结果与原有方法的结果基本一致。

基于CREAM方法的人因失效概率预测模型研究

认知可靠性与差错分析方法(CREAM)是第二代人因可靠性分析方法中的代表方法之一,通过对任务环境进行分析从而直接确定人为差错发生概率。本文分析了该方法及其后续研究在人因可靠度评估时存在的主要问题,并以CREAM方法为基础建立新的人因失效概率预测模型。模型首先要求有针对性的对具体任务环境确定通用性能影响因子(CPC)权重,然后通过对CPC进行打分对任务环境进行量化,通过加权求和的方式分别计算出CPC的改进总分值G和降低总分值J,最后运用新建的预测模型计算出人因失效概率。新模型提出了三点改进:第一将任务环境设定为连续的空间;第二提出了不同的工作环境(任务环境)应该有其对应的CPC因子权重;第三考虑正影响CPC因子和负影响CPC因子的双重影响,建立双变量预测模型,预测结果更加合理。

CREAM失误概率预测法在驾驶舱机组判断与决策过程中的应用

CREAM强调人在生产活动中的绩效输出不是孤立的随机性行为,而是依赖于人完成任务时所处的环境或工作条件,它通过影响人的认知控制模式和其在不同认知活动中的效应,最终决定人的响应行为。在驾驶舱内,机组的绩效输出不仅仅是人的自身行为,还依赖于其完成任务时所处的情景环境,所以CREAM方法能够结合驾驶舱环境对机组的认知差错进行分析。在飞行中,驾驶舱内机组非常重要的一个环节是判断与决策过程,这一过程中包括询问、讨论、确定方案、执行、反馈五个环节。本文将通过分析这五个环节的相互关系及影响,以明确这种讨论过程是减少机组人为差错发生的一种有益方式,然后应用CREAM的预测法对这五个环节进行定量化分析,得出机组判断与决策过程的失误概率,完成对机组认知行为的客观评价,并为以后能够定量化研究驾驶舱内飞行员认知差错提供方法的借鉴。

CREAM法在机务维修操作差错概率预测中的应用

航空器维修是航空系统不可或缺的组成要素,维修人为差错会给航空器维修的安全和效益造成不良的影响,因此要将维修差错控制在尽可能低的水平,有必要建立一套可靠的机务维修人为差错概率预测模型。本文将认知可靠性与失误分析方法(CREAM法)引入到机务维修可靠性分析中,首先在CREAM法使用之前对其进行一些补充和修改,然后根据该法的经验得出符合机务维修工作特点的操作差错概率预测公式,最后以某航空器维修部门2011年的维修操作差错数据为例,将该公式预测的机务维修操作差错概率与历史数据进行对比分析,结果验证了该公式有很强的可靠性和使用性。