[发明专利]一种基于贝叶斯网络的致因场景安全性定量评价方法

权利要求书

1.一种基于贝叶斯网络的致因场景安全性定量评价方法，其特征在于：步骤如下：

步骤1：基于多资源理论确定认知过载模型节点；确定17个基于贝叶斯网络的认知过载模型中的节点，分别是9个绩效形成因子节点即PSF因子节点，4个认知需求节点，分别是感知资源节点、认知资源节点、动作资源节点和冲突资源节点；3个认知权重节点和1个认知过载状态节点；其中，3个认知权重节点分别是感知资源权重值、认知资源权重值和动作资源权重值；其中，PSF因子节点和认知需求节点是输入节点，认知权重节点是中间节点，认知过载节点是输出节点；

步骤2：基于多资源理论确定认知过载模型相关关系；有两对相关关系需要确定，分别是从绩效形成因子节点即PSF因子节点到权重节点的相关关系，和从权重节点和认知需求节点到输出节点的相关关系；

步骤3：基于模式匹配的决策理论确定认知混淆模型节点与相关关系；输入节点个数根据实际情况确定；所有信息感知任务均存在认知混淆的风险，输出节点则是认知混淆；该贝叶斯网络中，连接弧只有一个，即信息感知节点与认知混淆节点之间的相关关系；

步骤4：对致因场景层进行建模；贝叶斯网络的致因场景安全性模型整体为四层架构，分为致因场景层，人误机理层，人为失误层和事故层，其中致因场景指发生事故或者事故征候时的人、机、环状态，人误机理层指在环境条件下认知混淆、认知过载和认知控制模式的演化机理，人为失误层承接人误机理产生的后果；

步骤5：对人为失误层与事故层进行建模；具体做法为：对事故案例进行任务分析，确定其具体任务与其对应信息，并确定事故演化路径，最终得出致因场景安全性评估结果。

2.根据权利要求1所述的一种基于贝叶斯网络的致因场景安全性定量评价方法，其特征在于：在步骤1中所述的基于多资源理论确定认知过载模型节点，具体做法如下：输入节点为PSF因子，认知需求值与冲突需求值，因为所考虑的PSF因子共有9类，而认知需求值与冲突需求分别由3类与1类，故需要13个输入节点；PSF因子能生成权重因子对三类认知需求值进行修正，故中间节点为求得的3类权重因子；输出节点为由权重值、认知需求值和冲突需求值所求的认知过载值。

3.根据权利要求1所述的一种基于贝叶斯网络的致因场景安全性定量评价方法，其特征在于：在步骤2中所述的基于多资源理论确定认知过载模型相关关系，具体做法如下：PSF因子到权重因子的相关关系能从认知可靠性与失误分析方法即CREAM方法中得出，而从权重节点和认知需求节点到输出节点的相关关系能由加权求和得出。

4.根据权利要求1所述的一种基于贝叶斯网络的致因场景安全性定量评价方法，其特征在于：在步骤3中所述的基于模式匹配的决策理论确定认知混淆模型节点与相关关系，具体做法如下：认知混淆所需的节点需根据实际情况确定，感知信息为输入节点，认知混淆状态为输出节点，当一个及多个信息缺失时，会出现认知混淆状态；步骤1、2、3为认知机理层建模。

5.根据权利要求1所述的一种基于贝叶斯网络的致因场景安全性定量评价方法，其特征在于：在步骤4中所述的对致因场景层进行建模，具体做法如下：致因场景层包含三个要素，分别是代表人、机、环、任务状态的PSF因子和认知控制模式，根据案例实际情况，能确定PSF因子状态与具体认知控制模式。