李 威，马兴宇，马宝奎，曲书新

（北京市地铁运营有限公司运营四分公司，北京100102）

1 引言

安全是北京地铁运营的生命线，是永恒的主题，是企业赖以生存与发展的基石。随着社会经济的发展和人民生活水平的提高，公共安全、生产安全等越来越受到政府、社会及广大市民的关注。北京地铁作为首都的重要交通命脉，占有特殊地位。

北京地铁是中国第一个地铁系统[1]，第一条线路自1969年开通运营以来，已经有50 年历史。截至2018-12，北京地铁运营线路共有22 条地铁线路，运营总里程637 km，运营车站391 座，开通里程居中国第二位。2017 年，北京地铁年乘客量达到45.3 亿人次，日均客流为1 241.1 万人次，单日客运量最高达1 327.46 万人次。随着线路的延长，出现线长、点多、客流大的情况，安全工作的难度随之增大。目前，北京地铁在现有的安全保障体系中，将更多的精力集中在加强对基础设施、车辆和设备的状态进行实时感知和预控。但是在地铁运营过程中，人处于管理、控制、执行的主体位置，是运营安全系统中最不稳定的因素。在对地铁运营事故的调查中，由于人为失误造成的事故数占的比例最大。有文献对2001—2014 年北京100 起地铁运营事故原因进行了分析，得出工作人员失误引起的运营事故占比最大[2]。根据北京地铁运营有限公司事故统计标准，将运营时间延误5 min 以上定为运营事故，对北京地铁2001—2011 年11 年间5 min 以上运营事故的原因进行分析，可知由于人为因素造成的地铁运营的事故高达74%[3]。因此，研究地铁运营工作人员的人为失误影响因素，对减少地铁运营事故有重要的指导意义。

2 北京地铁运营安全与人因安全

人类工效学是一门运用系统科学理论和系统工程的综合性学科，主要研究人-机-环境诸要素的交互协调作用以及其间最优组合方案的科学，具有极广泛的研究和应用范围，已被广泛应用于安全管理领域[4]。

地铁运营是一个封闭、动态的系统，因此需要从系统的角度全面考虑地铁的安全问题。根据系统理论，导致事故的因素可以分为人、机、管理、环境四个方面。在复杂的人-机系统中，随着科技的发展、设备的可靠性不断提高，运行环境得到了较大的改善，虽然整体事故件数大幅下降，但人因失误导致事故的比例却大幅提高。

人因失误主要表现在：人感知信息方面的失误；信息刺激人脑，人脑处理信息并做出决策的失误；行为输出时的失误等方面。由于大脑支配人体所有行为，因此人的异常状态的发生首先由大脑发出异常“指令”，使得人体生理状态发送改变，随之会通过人体的一些生理特征表现出来，进而影响作业人员对其所操控机器设备的正常操作，最终导致所操控的机器设备异常运行。

人因事故是由人的不安全行为引起物的不安全状态爆发所产生的结果，它是物质、环境、人的行为等诸因素的多元函数[5-6]，具有以下特点：①人因事故是由人的不安全行为造成的。②人因事故隐患具有动态性，并不是静止不变的，而是随着人实时变化的。人的动态性决定了人本身是具有隐患的，如人的生理状况、心理状态、专业知识掌握程度、思想素质等都会引起人的不安全行为。③人因事故具有可预防性，通过教育培训、加强管理等措施，可以降低人为因素引发事故的概率，对事故发生采取事前预防的措施，也能有效降低事故的发生概率。

关键岗位员工应对复杂环境时产生的生理或心理变化（如突发状况引起的情绪慌乱等），以及对危险信号的辨识、判断和应急处理的能力，这些都是关系到整个系统运营安全的重要环节。应在日常运营管理中加强对人的监控和分析，特别是对关键岗位员工安全状态的实时感知和监测，并在此基础上建立北京地铁关键岗位员工安全状态数据管理平台，通过长期数据化分析把握员工安全状态，确保安全精细化管理有效落地。

鉴于目前对地铁关键岗位员工安全状态的实时性监测、系统化数据分析和数据管理相对比较薄弱的现状，以地铁司机为研究对象，利用可穿戴设备采集脑电信号和运动轨迹，得到对人精神状态的数据化描述，建立综合反映司机安全状态的生理和心理指标体系，在未来推广至所有地铁关键岗位时，期望与轨道交通中基础设施和机车的安全保障技术相匹配，为构建人机环管综合安全保障体系奠定基础。

3 人员状态的量化指标

在人-机-环-管这个地铁系统中，四者之间是相互依存、互相影响和制约的。而其中人为因素是该系统的主导因素，地铁司机直接担负着临场应急处置的职责，是地铁安全的关键之所在。因此要实现地铁以人因安全为核心的运营安全，必须对地铁司机工作状态的数据进行采集、存储和分析，建立可量化的标准模型，一旦发现异常趋势，立即采取报警、提醒、干预等有效手段，以确保地铁运行安全。

目前常见的人员状态检测技术包括：基于生理参数变化的检测技术、基于计算机视觉的检测技术、基于信息融合的检测技术[7]。这三种检测方法得到广泛研究和应用，尤其是基于信息融合的检测技术引起了大量研究者的关注。

基于生理信号的人员状态检测方法，近些年逐渐成为趋势。利用生理电信号来评价人员状态能实现客观准确、采集方便和使用限制条件少，是一种较有前景的研究人员状态的方法。当司机疲劳时，司机对外界环境的注意力和反应能力都会降低，从而可能引发严重事故[8]。智能可穿戴设备可实时采集作业人员相应部位的生理信号，如脑电、眼电、心电、脉搏等生理信号，设计特定的算法模型实时判断作业人员的工作状态[9-10]，可以有效降低事故发生率。

在众多生理信号中，脑电（electroencephalpgram，EEG）具有较高的时间分辨率和精度，而且大量研究表明，脑电波不仅能够反映人的大脑活动状态，人们的很多心理活动和认知行为都可以通过脑电信号反映出来[10-11]，更适合评价人的工作状态，可以为后续进一步分析司机的生理、心理等方面提供数据支持，从而综合评判司机的工作状态。通过信息放大和数模转换的方式得到大量的脑功能活动状态相关数据，为量化人因可靠性提供了有效手段。通过给予特定的行为学范式，同时采集执行范式过程中的EEG 信号，对数据的解析后得到作业人员在某特定情境下执行某一特定事件过程中的注意力、警觉度、反应能力和动作准确度等信息，进而数据化、量化人的可靠性[12]。大量的研究发现，脑电信号能够准确反映人的生理状态，更被公认为是评价疲劳的“金标准”[13]。当处于不同的疲劳状态时，中枢神经系统的活动状态将发生改变，从而导致不同节律下的脑电活动发生相应的改变[14]。此外，在疲劳状态下，由特定刺激诱发的事件相关电位的潜伏期会延长[15]。因此，通过脑电信号可以准确、客观、快速地分析出人的警觉度[16]。

在作业过程中，人员状态不仅反映在微弱的脑电生物信息中，也能从作业人员表现出的行为变化特征间接反映出来。通过行为特征来量化人员状态这一原理在实践中被研究和应用，比如在汽车疲劳驾驶研究中，通过人对方向盘、脚踏板的操作行为来评估人的疲劳状态。可穿戴式传感器检测人体行为学数据和相关数据分析可应用于地铁运行中，通过3D 加速度计对值乘途中的司机的操作行为轨迹进行采集和分析，为司机的标准化作业的流程管理构建可量化的安全行为评估体系。

在对动态作业过程中人的行为变化特征进行量化分析的基础上，结合脑电特征的分析，可以获取特定更为精细的认知活动状态，包括注意力程度、反应速度、操作精准度等，实现特定行业或岗位作业人员状态的安全评价体系。对比现有的单一判断标准的局限性，脑电特征融合行为特征技术能更加有效和精准地判断作业人员的状态。

4 北京地铁人因安全解决方案

依据对地铁人员安全特征的分析及切实需求，结合可穿戴式产品和人工智能技术，提出地铁司机值乘中人员状态管理的解决方案，如图1 所示。

图1 地铁司机值乘中人员状态管理解决方案

这个解决方案主要包括三大部分：①实时采集人体生物信息数据。利用智能帽子、智能手环等可穿戴式产品和电极传感技术，高精度地采集司机的脑电生物信息和动作轨迹信息，相关数据在车载控制终端进行集成和运算。②量化人员工作状态，提供异常反馈。根据地铁司机在值乘过程中行车作业特点，结合注意力、疲劳等状态因素，利用模式识别和人工智能技术，构建人员状态的数据模型，实现可量化的人员状态综合指数。根据安全状态持续趋势的不同阶段，设定不同的预警等级，建立不同等级的干预措施方案。③集中化管理与行业应用。建立后台数据中心用于大数据的处理和挖掘。车载控制终端通过移动无线网络与后台数据中心相连，实时上传在线设备的状态和数据。利用大数据平台和机器学习算法进行数据的在线处理、离线计算、数据挖掘及数据集成等服务，实时量化人员工作状态，实现人员状态的实时监测；根据安全状态的不同，提供不同的预警等级及干预措施，从而实现对地铁司机的管理，为地铁行车安全提供科学依据。

5 应用前景

本文提出的地铁司机值乘中人员状态管理的解决方案，有如下很好的应用前景：①提供新型的预警机制，降低人因事故的风险。以“人”为本，对关键岗位的司机的生理数据和行为数据实现多维度监控，建立在线预警和联动执法的监管机制，从而大幅提高现有系统行车的安全性，降低人因事故的风险。②建立人员状态数据化管理。建立以地铁司机为中心的岗前、岗中、岗后数据化的管理模式，为人-机-环-管中人的数据提供数据服务。③建立地铁司机的安全状态档案。基于长期积累的生物电信息，为每位地铁司机建立个人安全状态档案，通过大数据分析及环境因素等的数据挖掘，在司机驾乘前对人员状态进行综合判断，并建立个体化的人员状态安全区间，针对频发人群或诱发因素来调配管理资源，为优化资源配置提供数据依据。

通过建立轨道交通人因安全保障体系，将人的可靠性分析整合应用到轨道交通安全体系中，能有效提高城市轨道交通运营的可靠性。