郝麗萍， 陳兆波， 曾建潮,2

(1. 太原科技大學 工業(yè)與系統(tǒng)工程研究所， 山西 太原 030024；2. 中北大學 計算機控制與工程學院， 山西 太原 030051)

煤礦采掘作業(yè)人員感知的影響因素分析

郝麗萍1， 陳兆波1， 曾建潮1,2

(1. 太原科技大學 工業(yè)與系統(tǒng)工程研究所， 山西 太原 030024；2. 中北大學 計算機控制與工程學院， 山西 太原 030051)

為研究影響煤礦采掘作業(yè)人員感知的主要因素， 以煤礦操作規(guī)程為依據(jù)， 在構(gòu)建煤礦采掘作業(yè)人員感知的貝葉斯網(wǎng)絡(luò)因果圖基礎(chǔ)上， 將層次分析法、 語義數(shù)字概率估計法及三角模糊法相結(jié)合確定節(jié)點的條件概率分布， 進而建立作業(yè)人員感知的貝葉斯網(wǎng)絡(luò)模型. 通過推理分析， 得到煤礦作業(yè)人員感知的主要影響因素. 結(jié)果表明： 培訓(xùn)是影響感知的最主要的組織因素， 個人素質(zhì)和經(jīng)驗及注意力是影響感知的最主要個人因素， 設(shè)備可靠性是影響感知的最主要環(huán)境因素. 個人因素對感知的影響最大， 其次是環(huán)境因素.

煤礦安全； 情景意識； 感知； 貝葉斯網(wǎng)絡(luò)； 個人因素

0 引 言

近年來我國的煤礦安全事故發(fā)生率明顯降低， 但是與其他國家相比還是有很大差距. 已有研究表明， 造成煤礦安全事故發(fā)生的59.1%的不安全行為是由于煤礦作業(yè)人員對礦井人-機-環(huán)相關(guān)因素的感知、 理解以及預(yù)測出現(xiàn)偏差造成的[1]， 也即作業(yè)人員的情景意識差錯是不安全行為發(fā)生的重要原因.

根據(jù)Endsley的定義， 情景意識(Situation Awareness， SA)是一定時間和空間內(nèi)對環(huán)境中各組成要素的感知、 對要素內(nèi)在含義的理解以及對系統(tǒng)未來變化狀況的預(yù)測[2]. 目前， 國內(nèi)外關(guān)于SA的研究主要集中在SA的影響因素、 測量方法、 系統(tǒng)評價三個方面[3-7]. 例如， 李鵬程等結(jié)合模擬機實驗數(shù)據(jù)對核電廠操縱員的SA可靠性進行了量化分析[8]. Psarros利用貝葉斯概率模型研究了甲板船長的SA對于航海事故的影響[9]. Thilakarathne提出了一個關(guān)于SA的計算認知模型， 并從感知等方面進行實例仿真模擬研究感知失誤的原因， 驗證了模型的有效性[10]. Salmon等對比了不同方法在C4i系統(tǒng)中測量SA的有效性[11]. 雖然關(guān)于SA的研究眾多， 但現(xiàn)有研究主要集中在航空、 航海、 核電等領(lǐng)域， 目前尚未見煤礦領(lǐng)域SA研究的報道.

根據(jù)航空領(lǐng)域的安全報告， 與情景意識相關(guān)的76%的失誤是由于未能正確感知信息導(dǎo)致的[12-13]， 也即對系統(tǒng)要素的感知差錯是情景意識差錯的主要原因. 煤礦領(lǐng)域大量的事故調(diào)查報告也說明了此問題. 對要素的感知是理解和預(yù)測的基礎(chǔ)， 而情景意識是決策的先導(dǎo)[2]， 可見， 感知對于預(yù)防煤礦安全事故的發(fā)生具有十分重要的研究意義. 因此， 本文從感知層面深入地研究影響煤礦采掘作業(yè)人員情景意識的主要因素具有重要意義.

目前， 一些學者從管理、 個人、 任務(wù)等方面研究了煤礦作業(yè)人員感知的影響因素， 例如成連華等分析了工作負荷、 工作目標等因素對煤礦井下作業(yè)人員對于安全信息感知的影響[14]. 李乃文等利用仿真技術(shù)分析了工作風險程度、 礦工自身特征以及安全管理環(huán)境對高危崗位礦工個體風險感知水平的影響[15]. 汪偉忠等以煤礦機電作業(yè)人員為例， 對其危險知覺能力進行了量化分析[16]. Blaylock研究發(fā)現(xiàn)， 個體對風險事件的感知會隨著風險度的增加而增大[17]. 肖澤元等研究了風險感知水平對注意力集中能力的影響[18]. 進一步， 肖澤元還從財務(wù)、 功能、 時間、 社會、 心理、 身體風險六個層面分析了礦工風險感知與不安全行為的關(guān)系[19]. 但是， 現(xiàn)有研究主要從管理、 個人、 工作特征中的某一個或幾個方面分析了對于煤礦作業(yè)人員感知的影響， 并且大多數(shù)研究并沒有進行具體的量化分析. 本文依據(jù)SA模型， 從環(huán)境、 任務(wù)、 組織、 個人四大方面全面地分析了影響煤礦作業(yè)人員感知的因素， 并對某一因素對感知的影響程度進行量化分析.

煤礦采掘作業(yè)人員個體的感知水平受環(huán)境、 任務(wù)、 組織、 個人等因素的影響， 但難以獲得大量的數(shù)據(jù)并建立因素之間的影響關(guān)系以及影響程度的精確模型. 因此， 本文借助貝葉斯網(wǎng)絡(luò)模型在解決不確定性問題中的優(yōu)勢， 構(gòu)建影響煤礦采掘作業(yè)人員感知的貝葉斯網(wǎng)絡(luò)因果圖， 利用貝葉斯網(wǎng)絡(luò)因果和診斷推理技術(shù)， 定量分析煤礦采掘作業(yè)人員感知的主要影響因素， 從而為提高煤礦作業(yè)人員的個體情景意識提供依據(jù).

1 感知的貝葉斯網(wǎng)絡(luò)因果圖構(gòu)建

煤礦采掘作業(yè)人員感知的貝葉斯網(wǎng)絡(luò)因果圖主要包括影響感知的具體因素(節(jié)點)和因素之間的因果關(guān)系等兩部分. 基于煤礦操作規(guī)程， 選定采煤機司機為研究對象， 以個體作業(yè)任務(wù)為導(dǎo)向， 通過分析采煤機司機的工作任務(wù)， 結(jié)合事故調(diào)查報告和文獻檢索， 從環(huán)境、 任務(wù)、 組織、 個人因素等四個方面來總結(jié)了影響感知的具體因素. 各節(jié)點變量如表 1 所示.

表 1 影響感知的因素Tab.1 Factors of infecting perception

鑒于由以上16個節(jié)點構(gòu)建的貝葉斯網(wǎng)絡(luò)因果圖較大， 涉及的參數(shù)有2 796個之多， 為了簡化計算， 增設(shè)了三個中間節(jié)點， 以便降低工作量. 其中， 把設(shè)備可靠性和注意力用人機交互水平來表示， 把團隊交互及個人素質(zhì)和經(jīng)驗歸結(jié)為個人能力與團隊合作， 本能和短時記憶歸為個人記憶水平. 因此， 最終選定這19個節(jié)點來構(gòu)建煤礦采掘作業(yè)人員感知的貝葉斯網(wǎng)絡(luò)因果圖， 如圖 1 所示. 感知的影響因素之間的因果關(guān)系， 主要來源于對煤礦本質(zhì)安全管理、 安全原理、 人因工程學、 認知心理學等[20-24]相關(guān)資料的查閱與分析獲得.

圖 1 煤礦采掘作業(yè)人員感知的貝葉斯網(wǎng)絡(luò)因果圖Fig.1 The perception causal relationship of the coal mining operator

從圖 1 可知， 設(shè)備完備性、 自然環(huán)境、 任務(wù)目標、 人機接口和培訓(xùn)是影響感知的根原因， 設(shè)備可靠性、 注意力、 團隊交互、 本能、 短時記憶及個人素質(zhì)和經(jīng)驗是影響感知的直接原因.

2 感知的貝葉斯網(wǎng)絡(luò)參數(shù)估計

貝葉斯網(wǎng)絡(luò)參數(shù)的估計主要包含貝葉斯網(wǎng)絡(luò)節(jié)點概率的估計以及節(jié)點間條件獨立性的檢驗兩個部分.

2.1 貝葉斯網(wǎng)絡(luò)節(jié)點概率的估計

由于不同因素處于不同狀態(tài)時對感知的影響程度不同， 故將各影響因素分為好、 中、 差三個狀態(tài)， 分別用a,b,c表示. 以設(shè)備完備性為例， 當A節(jié)點狀態(tài)好時， 代表煤礦生產(chǎn)過程中所需的所有設(shè)備配備完整； 狀態(tài)中表示設(shè)備部分缺乏， 不夠完善； 狀態(tài)差代表設(shè)備嚴重缺乏， 比如缺少作業(yè)人員自救設(shè)備等.

由于貝葉斯網(wǎng)絡(luò)涉及的節(jié)點及因果關(guān)系較多， 所需確定的條件概率值共計有771個， 數(shù)量較大， 因此有必要確定一種規(guī)范的方法來確定條件概率表. 對于根節(jié)點A,B,C,D,E， 本文將語義-數(shù)字概率估計法與模糊數(shù)學相結(jié)合估計根節(jié)點的貝葉斯網(wǎng)絡(luò)參數(shù)， 具體步驟如下：

1) 設(shè)計專家打分所需的語義-數(shù)字概率估計表；

2) 選擇貝葉斯網(wǎng)絡(luò)參數(shù)估計的專家， 建議3～5名；

3) 專家通過概率刻度尺對各根節(jié)點好、 中、 差三個狀態(tài)發(fā)生的概率進行打分；

4) 利用三角模糊數(shù)的方法對數(shù)據(jù)進行均值化、 解模糊和歸一化處理， 最后得到各根節(jié)點各個狀態(tài)發(fā)生的概率.

本文選取山西汾西礦業(yè)集團的三名有經(jīng)驗的煤礦領(lǐng)域?qū)＜医M成專家組， 設(shè)計的語義-數(shù)字概率估計表與圖 2 類似.

圖 2 影響感知的因素間語義-數(shù)字概率調(diào)查問卷示意圖Fig.2 Questionnaire about verbal and numerical anchors for the influencing factors of perception

對于中間節(jié)點的貝葉斯網(wǎng)絡(luò)參數(shù)估計， 本文將利用Roed等提出的概率公式計算[25]， 具體步驟如下：

1) 利用層次分析法確定某一中間節(jié)點直接相連的父節(jié)點的相對權(quán)重wi，i=1,2,…,n, 其中n是其父節(jié)點變量的個數(shù).

2) 利用李鵬程等改進后的加權(quán)距離計算公式計算父節(jié)點與子節(jié)點在不同狀態(tài)下的加權(quán)距離的絕對值[8]

式中：j是所考慮的子節(jié)點變量的可能狀態(tài)，j=(a,b,c). 這里， 記a=2，b=1，c=0.

3) 確定指數(shù)R的值.

采用Roed等提出的概率分布的公式進行計算[25]

由于缺乏大量準確的數(shù)據(jù)， 無法利用現(xiàn)有數(shù)據(jù)來確定值. 通過利用語義-數(shù)字概率估計法及三角模糊法確定節(jié)點變量處于最好的狀態(tài)與最差的狀態(tài)間的概率比值， 再根據(jù)公式推導(dǎo)出R值. 該計算方法計算過程運行簡單， 處理數(shù)據(jù)方便.

假設(shè)Pa與Pc的概率之比為

節(jié)點變量處于狀態(tài)好的概率是狀態(tài)差的概率的x倍， 由此可計算出

倍數(shù)值由圖 2 的概率刻度尺得到， 之后對模糊數(shù)均值化、 采用均值面積法解模糊， 最后歸一化得到精確倍數(shù)值x. 再把倍數(shù)值x代入式(4)， 得到R值.

4) 計算得到各子節(jié)點的條件概率分布.

根據(jù)Roed等建議的概率分布的計算式(2)， 代入對應(yīng)的D值、R值， 計算得到各子節(jié)點的不同狀態(tài)下的條件概率分布[25].

2.2 節(jié)點之間的獨立性檢驗

互信息具有非負性， 即I(Xi;Xj)≥0， 當且僅當Xi和Xj相互獨立時等號成立(Xi和Xj越傾向于獨立，I(Xi;Xj)越接近于0)， 因此可用于隨機變量之間獨立性檢驗[26].

互信息的計算公式為

I(Xi;Xj)=I(Xj;Xi)=H(Xi)-

式中：H(Xi)為隨機變量Xi的熵；H(Xi|Xj)是隨機變量Xi的條件熵.

以節(jié)點N為例， 與其直接相連的節(jié)點分別為I,E,O,Q點， 其他為與O點不直接相連的節(jié)點， 它們的互信息值如表 2 所示.

表 2 節(jié)點N的互信息值Tab.2 Mutual information of node N

由表 2 可知， 節(jié)點N與A,D完全獨立， 其他與N點不直接相連的節(jié)點互信息值也均通過檢驗.

3 影響感知的主要因素分析

通過對已構(gòu)建的貝葉斯網(wǎng)絡(luò)模型進行推理分析， 可以定量比較各父節(jié)點對子節(jié)點的影響大小， 從而可以識別出影響感知的主要因素.

當感知狀態(tài)差， 即S=c時， 只改變一個根節(jié)點變量， 如令A(yù)=c， 觀察S=c的概率變化大小. 其中各根節(jié)點狀態(tài)差時對感知的影響大小如表 3 所示.

表 3 根節(jié)點對感知的影響大小比較Tab.3 Comparison between the factors of root node and perception

可以看出， 培訓(xùn)E、 自然環(huán)境B和設(shè)備完備性A對感知S的影響顯著， 其中培訓(xùn)是最大的影響因素， 自然環(huán)境次之， 然后是設(shè)備缺失， 而任務(wù)目標和人機接口對感知的影響相對較小. 這說明， 組織培訓(xùn)的進行， 以及個人接受培訓(xùn)的水平是對個人感知水平最大的影響因素. 當煤礦安全組織不進行培訓(xùn)， 或者煤礦作業(yè)人員沒有認真接受培訓(xùn)， 都會很大程度地影響到煤礦作業(yè)人員個人感知的能力.

由圖 1 可知， 直接影響感知的因素有設(shè)備可靠性、 注意力、 團隊交互、 本能、 短時記憶及個人素質(zhì)和經(jīng)驗， 通過分析這六個子節(jié)點對感知的影響大小， 可以推斷出影響感知的最直接最主要的影響因素， 如表 4 所示.

表 4 的結(jié)果表明： 個人素質(zhì)和經(jīng)驗O、 設(shè)備可靠性J和注意力K是最主要的直接影響感知的因素， 其次是短時記憶N， 本能M對感知的影響較小. 其中， 個人素質(zhì)和經(jīng)驗對個人感知的影響最大， 這表明， 一個人的學習能力、 操作技能、 文化水平及工作經(jīng)驗等， 在很大程度上對個人的感知水平起主導(dǎo)作用. 而設(shè)備可靠性和注意力對于人的視覺、 聽覺、 觸覺等感知信息的能力也有較大的影響.

表 4 各中間節(jié)點對感知的影響大小比較Tab.4 Comparison between the factors of intermediate node and perception

由于該感知貝葉斯網(wǎng)絡(luò)因果圖是基于環(huán)境、 任務(wù)、 組織和個人因素等四個方面構(gòu)建的， 所以分別觀察這四個因素的改變對感知的概率大小影響， 令各因素的節(jié)點均處于狀態(tài)c， 分析哪個因素的影響對個體作業(yè)人員的感知影響更大. 結(jié)果如表 5 所示.

表 5 四大因素對感知的影響大小比較Tab.5 Comparison between the four factors and perception

由表 5 分析可知， 個人因素對感知的影響最大， 這與已有的研究結(jié)論相對應(yīng). 人的因素是影響情景意識差錯的主要原因. 環(huán)境因素和組織因素對感知的影響相差不大， 任務(wù)因素對感知的影響最小. 因此， 個體自身因素的改善會很大程度地影響個體感知水平.

根據(jù)表 5 的結(jié)果， 可以繼續(xù)分析， 個人因素中各節(jié)點、 各狀態(tài)具體哪項對感知的影響最大. 結(jié)果如表 6 所示.

表 6 各個人因素對感知的影響大小比較Tab.6 Comparison between the personal factors and perception %

由表 6 可知， 各個人因素不管是在哪個狀態(tài)下， 個人素質(zhì)和經(jīng)驗及注意力都是相對較大的影響感知的因素， 這與表4的結(jié)果相一致. 精神和身體狀態(tài)以及短時記憶對感知的影響相差不大， 本能對感知的影響最小.

根據(jù)表 6 的結(jié)果可以知道， 節(jié)點狀態(tài)對影響大小結(jié)果的比較影響不大. 因此， 在分析環(huán)境因素中的各節(jié)點對感知的影響大小比較時， 只需觀察各節(jié)點處于狀態(tài)c時的概率變化即可. 結(jié)果如表 7 所示.

表 7 各環(huán)境因素對感知的影響大小比較Tab.7 Comparison between environmental factors and perception

由表 7 可以看出， 設(shè)備可靠性J和設(shè)備性能H構(gòu)成的設(shè)備環(huán)境對感知的影響最大， 作業(yè)環(huán)境F、 自然環(huán)境B次之. 當設(shè)備測量精度低、 設(shè)備出現(xiàn)故障、 設(shè)備缺失等情況出現(xiàn)時， 會使人感知錯誤的信息， 從而影響對信息的正確判斷與分析， 造成事故的發(fā)生.

4 結(jié) 論

1) 構(gòu)建了影響煤礦采掘作業(yè)人員感知的貝葉斯網(wǎng)絡(luò)因果圖， 建立了一種規(guī)范的方法計算貝葉斯網(wǎng)絡(luò)參數(shù)， 通過互信息值的檢驗得到了正確有效的感知貝葉斯網(wǎng)絡(luò)模型.

2) 通過因果推理技術(shù)， 從環(huán)境、 任務(wù)、 組織、 個人因素等方面分析， 得出個人因素和環(huán)境因素是影響感知的主要因素， 且個人素質(zhì)和經(jīng)驗及注意力是影響感知較大的個人因素， 設(shè)備可靠性和設(shè)備性能是影響感知較大的環(huán)境因素. 該結(jié)論為煤礦采掘作業(yè)人員情景意識的改善提供了基礎(chǔ).

3) 在貝葉斯網(wǎng)絡(luò)參數(shù)的確定過程中， 由于貝葉斯網(wǎng)絡(luò)參數(shù)的計算是基于專家打分等主觀判斷， 主觀性太強， 且計算過程較為復(fù)雜， 可以在以后的研究盡量收集比較準確的數(shù)據(jù)來進行統(tǒng)計研究， 以定量與定性相結(jié)合的方式分析煤礦安全事故中影響個體作業(yè)人員的感知水平的因素.

[1] 陳兆波， 曾建潮， 董追， 等. 基于HFACS的煤礦安全事故人因分析[J]. 中國安全科學學報， 2013， 23(7)： 116-121.

Chen Zhaobo， Zeng Jianchao， Dong Zhui， et al. Analysis of human factors in coal mine accidents based on HFACS[J]. China Safety Science Journal， 2013， 23(7)： 116-121. (in Chinese)

[2] Endsley M R. Towards a theory of situation awareness in dynamic systems[J]. Human Factory， 1995， 37(1)： 32-64.

[3] 王永剛， 陳道剛. 基于結(jié)構(gòu)方程模型的管制員情景意識影響因素研究[J]. 中國安全科學學報， 2013， 23(7)： 19-25.

Wang Yonggang， Chen Daogang. Study on factors influencing air traffic controller’s situation awareness based on structural equation model[J]. China Safety Science Journal， 2013， 23(7)： 19-25. (in Chinese)

[4] Sandh?land H， Oltedal H， Eid J. Situation awareness in bridge operations-a study of collisions between attendant vessels and offshore facilities in the North Sea[J]. Safety Science， 2015(79)： 277-285.

[5] Sneddon A， Mearns K， Flin R. Stress， fatigue， situation awareness and safety in offshore drilling crews[J]. Safety Science， 2013， 56(5)： 80-88.

[6] Endsley M R. Measurement of situation awareness in dynamic systems[J].Human Factors， 1995， 37(1)： 65-84.

[7] Nazir S， Sorensen L J， ?vergard K I， et al. Impact of training methods on distributed situation awareness of industrial operators[J]. Safety Science， 2015， 73(3)： 136-145.

[8] 李鵬程， 張力， 戴立操， 等. 核電廠數(shù)字化主控室操縱員的情景意識可靠性模型[J]. 系統(tǒng)工程理論與實踐， 2016， 36(1)： 243-252.

Li Pengcheng， Zhang Li， Dai Licao， et al. Operation’s situation awareness reliability model in digital main control rooms of nuclear power plants[J]. Systems Engineering Theory and Practice， 2016， 36(1)： 243-252. (in Chinese)

[9] Psarros G A. Bayesian perspective on the deck officer’s situation awareness to navigation accidents[J]. Procedia Manufacturing， 2015(3)： 2341-2348.

[10] Thilakarathne D J. Modelling of situation awareness with perception， attention， and prior and retrospective awareness[J]. Biologically Inspired Cognitive Architectures， 2015， 12： 77-104.

[11] Salmon P M， Stanton N A， Walker G H， et al. Situation awareness measurement： a review of applicability for C4i environments[J]. Applied Ergonomics， 2006， 37(2)： 225-238.

[12] Endsley M R. Situation awareness and human error： designing to support human performance[C]. Proceedings of the high consequence systems surety conference， Albuquerque， New Mexico， 1999.

[13] Endsley M R， Garland D G. Pilot situation awareness training in general aviation[J]. Human Factors & Ergonomics Sowety Meeting, 2000, 44(11): 357-360.

[14] 成連華， 李樹剛， 林海飛， 等. 基于情景認知的煤礦瓦斯爆炸事故進程研究[J]. 煤礦安全， 2010： 41(9)： 108-111.

Cheng Lianhua， Li Shugang， Lin Haifei， et al. Research on the process of coal mine gas explosion based on the situational cognition[J]. Safety in Coal Mines， 2010： 41(9)： 108-111. (in Chinese)

[15] 李乃文， 王春迪， 牛莉霞. 高危崗位礦工個體風險感知影響因素仿真研究[J]. 中國安全生產(chǎn)科學技術(shù)， 2015， 11(9)： 184-190.

Li Naiwen， Wang Chundi， Niu Lixia. Simulation of factors affecting individual risk perception of the high-risk position miner[J]. Journal of Safety Science and Technology， 2015， 11(9)： 184-190. (in Chinese)

[16] 汪偉忠， 盧明銀， 張振芳. 煤礦作業(yè)人員系統(tǒng)風險知覺能力量化分析[J]. 中國安全生產(chǎn)科學技術(shù)， 2015， 11(8)： 152-156.

Wang Weizhong， Lu Mingyin， Zhang Zhenfang. Quantitative analysis on perceptual ability of systematic risk for coal miners[J]. Journal of Safety Science and Technology， 2015， 11(8)： 152-156. (in Chinese)

[17] Blaylock B K. Risk perception： evidence of an interactive process[J]. Journal of Business Research， 1985， 13(3)： 207-221.

[18] 肖澤元， 李廣利， 寇猛， 等. 風險感知水平對礦工注意力集中能力的影響研究[J]. 技術(shù)與創(chuàng)新管理， 2016， 37(5)： 524-528.

Xiao Zeyuan， Li Guangli， Kou Meng， et al. Research on the influence of risk perception level on miners’ concentration ability[J]. Technology and innovation management， 2016， 37(5)： 524-528. (in Chinese)

[19] 肖澤元. 礦工風險感知與不安全行為的關(guān)系研究[D]. 西安： 西安科技大學， 2014.

[20] 武予魯. 煤礦本質(zhì)安全管理[M]. 北京： 化學工業(yè)出版社， 2009.

[21] 陳寶智. 安全原理[M]. 第 2 版. 北京： 冶金工業(yè)出版社， 2002.

[22] 郭伏， 錢省三. 人因工程學[M]. 北京： 機械工業(yè)出版社， 2007.

[23] 閆少華. 基于信息加工模型的管制員差錯分類與分析[J]. 中國安全科學學報， 2009， 19(8)： 121-125.

Yan Shaohua. Classification and analysis of air traffic controller’s errors based on information processing model[J]. China Safety Science Journal， 2009， 19(8)： 121-125. (in Chinese)

[24] Goldstein E B. 認知心理學： 心智、 研究與你的生活[M]. 第 3 版. 張明， 等譯. 北京： 中國輕工業(yè)出版社， 2015.

[25] Roed W， Mosleh A， Vinnem J E， et al. On the use of the hybrid causal logic method in offshore risk analysis[J]. Reliability Engineering and System Safety， 2009， 94(2)： 445-455.

[26] 王雙成. 貝葉斯網(wǎng)絡(luò)學習、 推理與應(yīng)用[M]. 上海： 立信會計出版社， 2010.

AnalysisofFactorsInfluencingthePerceptionofCoalMiningOperator

HAO Li-ping1, CHEN Zhao-bo1, ZENG Jian-chao1,2

(1. Division of Industry and Systems Engineering,Taiyuan University of Science and Technology,Taiyuan 030024, China；2. School of Computer Science and Control Engineering, North University of China, Taiyuan 030051, China)

To investigate the main factors influencing the perception of coal mining operator, the Bayesian network causality diagram of the perception was established based on the coal mining operation procedures. Furthermore, the analytic hierarchy process (AHP), verbal-numerical probability method and triangle fuzzy were combined to determine the parameters of the Bayesian network, and the Bayesian network of the perception of coal mining operator was established. Finally, based on the inferring analysis of the model, the main influencing factors of perception about the coal mine operator were obtained. The results show that training is the main organizational factors; personal qualities, experience and attention are the main factors influencing the perception of personal factors; the device reliability is the biggest of the environmental factors. Personal factors impact on the perception most, then followed by environmental factors.

coal mine safety; situation awareness; perception; bayesian networks; personal factors

1673-3193(2017)05-0592-07

2017-04-10

國家自然科學基金資助項目(41272374)； 教育部人文社會科學青年基金資助項目(15YJC630012)； 山西省自然科學青年基金資助項目(2015021098)； 太原科技大學研究生創(chuàng)新基金資助項目(20151033)

郝麗萍(1992-)， 女， 碩士生， 主要從事人因工程與系統(tǒng)安全的研究.

X936

A

10.3969/j.issn.1673-3193.2017.05.015