信息技术、网络技术、通讯技术等现代技术的飞速发展使智能铁路系统的研究和应用成为可能。实施智能铁路系统工程从微观意义上说有利于改善交通运输安全性、提高生产效率与效益；宏观意义上将促进国民经济的持续健康发展和社会经济效益的全面提高，因而得到世界各国的普遍关注和高度重视。行车安全保障系统作为智能铁路系统中的一个重要子系统，也成为当前研究的热点课题之一。但现有的行车安全保障系统着重于信息化水平的提高，系统的自动化和智能化程度低，这已经阻碍了行车安全保障系统的广泛使用。因此研究如何提高系统的智能化和自动化程度、如何实现系统从MIS到DSS的转变有重要意义，同时这对提高铁路运输安全管理能力也具有重要的现实意义。 知识发现是近年来蓬勃发展的一项技术，它能够帮助人们在海量数据中发现潜在有用的信息，提高决策的准确性。将知识发现应用于安全决策的研究不仅拓宽了前者的应用领域，更能够提高行车安全保障系统的智能性、实时性和集成性，是安全决策研究的发展方向。本文以安全决策为应用背景，采用知识发现理论研究了行车安全保障系统中事故应急处理、事故分析、安全评价等模型，提出了相应的算法并进行了部分实现。本文主要做了以下几方面的研究工作： 1.本文对行车安全保障系统的概念和结构进行了详细、全面的剖析，并提出在行车安全保障系统中增加货物监测子系统和作业过程监测子系统以完善行车安全保障信息系统的结构，同时阐述了行车安全保障系统的发展趋势。 2.本文对铁路行车安全决策问题进行了概括，提出以收集铁路系统危险因素数据为主代替以收集事故数据为主的隐患数据统计模式，在此基础上建议分阶段建设行车安全管理信息系统，并提出基于知识发现的安全决策系统模型。 3.本文确定了事故应急处理的知识类型。对案例的表示方法和推理模型进行了深入研究。采用面向对象的思想，提出一种面向对象的事故案例表示方法；并引入抽象案例的概念，建立了事故案例的层次结构模型。在CBR概念模型的基础上，模拟领域专家应急处理实际事故的方法，建立了一个基于案例的事故应急处理模型，并通过实例说明了其工作原理。 4.本文研究了案例的检索策略。提出了基于决策树和最近邻法的两级混合检索模型，缩小了案例搜索空间，提高了案例的检索效率。另外引入模糊集合概念，提出了基于模糊划分的定量特征相似度评估方法。最后对相关属性的层次性进行划分，以层次相似算法代替了最近邻算法。 5.本文用溜逸事故案例集对决策树进行了测试，并提取决策树表示的知识，以IF-THEN形式的分类规则表示。定义了一个固定节点结构的十字链表来表示决策树，在此基础上，设计了一个决策树搜索算法。 6.本文在研究RBR和CBR集成系统分类的基础上根据事故应急处理任务的特点，提出一种基于规则和案例的集成推理机制，基于上述推理机制，建立了一个事故应急处理集成推理专家系统。 7.本文设计了安监数据仓库，以此为基础详细介绍了基于数据立方体的多维多层关联规则知识发现算法，并对算法提出了改进。 8.本文建立了粗糙-模糊集安全评价模型，利用已建立的行车安全评价指标体系做安全评价。评价过程中用粗糙集(roughset)理论确定权重，并举例验证了算法的可行性和实用性。 本文通过上述研究工作，主要体现了以下几方面的创新点：(1)归纳出铁路行车安全保障系统典型决策问题，提出了基于知识发现的行车安全决策的概念模型。(2)提出以收集隐患数据为主代替以收集事故数据为主的统计与分析模式，利用隐患数据在统计中的“大样本、短周期、小区域”等优势实现安全数据质量的提高。(3)考虑事故应急处理需要规章和经验的特点，提出基于规则推理和案例推理的事故应急处理集成方法。具体包括：事故案例知识表示和基于案例的事故处理模型；事故案例的混合检索模型；属性的层次性划分和检索算法；预案决策树模型；事故应急处理集成推理系统结构。这种方法考虑了事故应急处理需要规章和实践经验的特点，具有广泛的应用价值。4.考虑事故分析的多维性特点，提出事故分析的MS_Apriori_Cube算法。针对安监数据仓库多维多层的特点，在知识发现过程中对维层次的高低进行判断，并利用数据立方体的上钻和下钻操作对维层次进行调整；同时对不同维和不同层次使用不同的最小支持度，基于此提出多最小支持度的数据立方体关联规则知识发现方法-MS_Apriori_Cube算法。该方法挖掘出的关联规则种类更多，更可能符合用户的需求。5.提出基于粗糙集的行车安全评价模型。将粗糙集和层次分析法相结合，以粗糙集确定权重，分析决策因素和决策者对决策结果的影响，达到改善群体决策效果的目的，部分程度上克服了由于评价者的主观因素导致评价结果不科学的缺点。