随着城市轨道交通的发展,越来越多的城市将使用全自动运行系统（Fully Automatic Operation,FAO）。以行车为核心,信号与车辆、综合监控、通信等多系统深度集成的FAO系统,提高了整体自动化水平和系统性能,降低了运营人员的劳动强度,但也增加了故障降级情况下的运营管理难度。由于系统复杂、故障定位困难,而且取消可以直观感知列车运行环境和状态的司机,列车运行风险存在较大的不确定性。对于远程调度人员而言,难以在有限时间内做出正确决策,从而极易引发严重的运营后果。因此,根据FAO系统既有的设备状态信息,动态评估列车运行风险态势,为调度员提供决策支持,对于真正实现“无人驾驶”具有重要意义。论文结合设备状态信息,对列车在特定场景下的运行进行了风险态势评估。通过知识化的表达方法描述了在列车特定场景下构建的事故模型,将其转为可进行概率推理的贝叶斯网络,实现对列车运行风险的态势评估。论文的主要工作包括:（1）基于设备状态信息确定了列车在特定场景下运行过程中的预警信号,并根据预警信号扩展了基本控制结构,生成了运行过程中可能出现的危害致因场景。应用基于STPA的预警信号分析法（EWa SAP）辨识预警信号,确定预警信号与事故先兆的关系,进而建立故障传播关系,生成危害致因场景。（2）通过构建的本体模型和形式化语言完成了故障传播关系的形式化描述。基于本体论定义特定场景下类、类的属性关系以及实例模型,并利用OWL描述了子系统之间的交互行为及场景参数。（3）针对危险致因场景中不确定因素的表达,给出了概率扩展。随后将本体模型与贝叶斯网络进行了转换,并基于贝叶斯推理计算危害发生概率。根据上述方法,将构建的本体实例模型转为贝叶斯网络,采用基于贝叶斯网络的可视化工具Netica,进行后验概率推理。（4）提出了一种针对运营风险的态势评估指标,给出了计算方法。针对列车运营提出了安全屏障的脆弱性等级,将其作为风险态势评估中非设备故障导致的风险因素。（5）论文利用所提方法对真实的事故案例进行了态势评估,通过建立危险致因场景以及风险态势评估模型,得到了列车在特定场景下的运行风险态势。如果调度员在发生事故之前能够感知风险态势,则会降低风险。案例分析结果表明,本文所提方法为解决列车运行过程中风险态势不明的问题提供了参考,可将其作为调度员决策的理论依据。本文图49幅,表17个,参考文献78篇。