全自动运行系统(Full Automatic Operation,FAO)的应用使得列车无人驾驶成为现实,这无疑给城市轨道交通的发展带来质的飞跃。列车无人驾驶技术虽解放了地铁司机却又赋予调度人员和系统设备新的职责与功能,调度人员远程监控作业取代了司机对列车的直接操纵,系统设备的功能和结构得到加强与变化。然而,人机功能的转移与分配使得调度人员在遭遇突发状况时任务量突增引发的处置时间压力增加以及高时间压力下未及时有效地获取准确信息或操作步骤繁复而引起的处置迟缓效应愈加凸显。本文以城市轨道交通行车调度系统为研究对象,以调度人员为切入点,采用工作分解结构法、人类信息加工模型、多元资源理论、贝叶斯网络以及证据理论等模型和方法从人员认知操作角度研究FAO系统下调度人员的任务优化和人机交互过程的可认知绩效下降问题。提出调度人员突发状况和正常状况下的并发性和优先级操作规则以优化调度任务流程;提出运营公司应完善调度人员操作章程、优化工作任务流程和增加岗位人员配置,系统设计厂商应对人机界面布局和显示内容进行优化以及加强对报警信息的筛选性和准确性等策略来改善调度人员在人机交互过程中的可认知绩效下降问题。最后,结合对考虑任务序列的FAO系统行车调度模型的分析与思考,提出地铁行车调度系统最根本的优化策略为提高系统设备故障后的自我恢复能力,这样才能真正弱化调度人员的功能和作用,实现列车全周期全状态的全自动运行。论文的主要创新点如下:(1)以任务序列为切入点和推动点,构建了CBTC系统和FAO系统下的地铁行车调度模型,分析了系统升级下行车调度系统面临的问题并进一步引出本文的研究重点。(2)采用工作分解结构法对调度人员的基本任务和突发事件任务进行分解,建立了基本任务和突发事件任务模块库。对模块库中的任务模块沿着一般维度分解,构建了基于认知活动的调度任务,结合多元资源理论搭建了突发状况和正常状况下认知资源分配模型,并进一步提出了调度人员突发状况和正常状况下的并发性和优先级操作规则,以优化调度任务流程。(3)采用人类信息加工理论结合调度人员的工作任务特点,建立了基于信息加工的地铁调度人员认知处理模型,并以此对调度人员失误行为进行辨识。通过m-SHEL方法结合调度人员认知处理模型构建了调度系统诱发因素交互模型,辨识了五类交互过程产生的失误诱发因素。(4)提出一种模型简化的调度系统人机交互过程可靠性量化评估方法,采用贝叶斯网络理论结合调度人员失误行为和失误诱发因素的辨识结果构建了信息感知、信息判断与决策、信息响应与执行3阶段的调度系统人机交互贝叶斯网络模型,综合运用证据理论和节点约简算法对模型进行了优化,并以“地铁调度人员错误识别报警信息”故障模式为例进行了实际应用分析并提出改善策略。