發(fā)布時(shí)間：2024-05-16 00:11

　　為了減少或避免地鐵運(yùn)營安全事故的發(fā)生,提高對地鐵列車駕駛員的綜合管理水平,構(gòu)建1種針對地鐵列車駕駛員不安全行為的組合干預(yù)策略體系。基于不安全行為形成機(jī)理研究及問卷調(diào)查,采用系統(tǒng)動(dòng)力學(xué)軟件(Vensim PLE)針對地鐵列車駕駛員不安全行為過程的"前-中-后"3個(gè)維度建立不安全行為組合干預(yù)模型,通過調(diào)節(jié)不同的干預(yù)策略探討分析各種組合干預(yù)情況下不安全行為水平并驗(yàn)證仿真。研究結(jié)果表明:針對地鐵列車駕駛員不安全行為發(fā)生前維度的干預(yù)策略效果相對最為顯著,通過崗位勝任力及企業(yè)安全氛圍建設(shè)等干預(yù)策略能有效降低不安全行為的發(fā)生水平,為地鐵運(yùn)營企業(yè)提高安全管理水平提供參考思路。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1地鐵列車駕駛員不安全行為組合干預(yù)SD模型

基于SD理論,本文對上述地鐵列車駕駛員不安全行為致因及干預(yù)策略進(jìn)行分析,運(yùn)用系統(tǒng)動(dòng)力學(xué)仿真軟件VensimPLE,構(gòu)建地鐵列車駕駛員不安全行為組合干預(yù)模型的流圖,用以描述該模型內(nèi)的因果關(guān)系及動(dòng)態(tài)性變化過程。該模型流圖引入了9個(gè)狀態(tài)變量、9個(gè)速率變量、21個(gè)輔助變量和多個(gè)常數(shù)變量....

圖2“行為前”干預(yù)結(jié)果趨勢

以地鐵列車駕駛員不安全行為水平作為觀察變量,上述2個(gè)方案的仿真結(jié)果見圖2。從圖2中可看出,地鐵列車駕駛員不安全行為水平皆隨著時(shí)間變化而相對下降,在仿真的前2個(gè)月中下降幅度較小;5—10月期間下降速率最快并達(dá)到較低水平;在約第15個(gè)月時(shí)逐漸趨于平穩(wěn)且有反彈的趨勢,其中方案1對應(yīng)的不....

圖3“行為中”干預(yù)結(jié)果趨勢

同樣以地鐵列車駕駛員不安全行為水平作為觀察變量,方案3及方案4的仿真結(jié)果趨勢圖見圖3。從圖3中可以看出,這2種干預(yù)策略方案均使地鐵列車駕駛員不安全行為水平有一定程度的下降,后期有一定的反彈趨勢,其中將監(jiān)督與管理水平提升到90分的方案的干預(yù)效果更為顯著。3.4行為后干預(yù)仿真模擬

圖4“行為后”干預(yù)結(jié)果趨勢

針對“行為后”干預(yù)策略仿真提出2個(gè)仿真方案,分別是將不安全行為上報(bào)水平從65分提升至75分的方案5及將公示與懲罰水平提升至90分的方案6,二者互為參照組。2個(gè)方案同樣以地鐵列車駕駛員不安全行為水平作為觀察變量,其干預(yù)結(jié)果趨勢見圖4。從圖4中可以看出,在“行為后”干預(yù)策略方案下的地....

本文編號(hào)：3974416