| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-22页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 课题研究的意义 | 第12页 |
| 1.2 国内外研究现状综述 | 第12-17页 |
| 1.2.1 国外研究综述 | 第12-14页 |
| 1.2.2 国内研究综述 | 第14-15页 |
| 1.2.3 国内外研究现状总结分析 | 第15-17页 |
| 1.3 本文的主要工作 | 第17-22页 |
| 1.3.1 主要研究内容 | 第17-18页 |
| 1.3.2 研究方法和技术路线 | 第18-20页 |
| 1.3.3 论文结构 | 第20-22页 |
| 2 基于情景的铁路突发事件应急管理 | 第22-33页 |
| 2.1 铁路突发事件应急管理 | 第22-26页 |
| 2.1.1 铁路突发事件应急管理的特点 | 第22-23页 |
| 2.1.2 铁路突发事件应急处理的层次化结构 | 第23-24页 |
| 2.1.3 基于工作流的流程处理 | 第24-26页 |
| 2.2 铁路突发事件的情景应对模式 | 第26-30页 |
| 2.2.1 情景的概念 | 第26-27页 |
| 2.2.2 情景的结构组成 | 第27-28页 |
| 2.2.3 情景应对模式 | 第28-30页 |
| 2.3 铁路应急辅助决策系统及关键技术 | 第30-32页 |
| 2.3.1 系统架构 | 第30-31页 |
| 2.3.2 关键技术 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 铁路应急情景本体网络模型及情景重构 | 第33-49页 |
| 3.1 铁路应急情景网络模型的本体设计 | 第33-42页 |
| 3.1.1 铁路应急情景的分层网络模型 | 第33-34页 |
| 3.1.2 情景描述语言及建模过程 | 第34-35页 |
| 3.1.3 情景网络本体的构建 | 第35-42页 |
| 3.2 情景重构 | 第42-46页 |
| 3.2.1 情景重构的流程 | 第43-44页 |
| 3.2.2 基于模糊规则推理的情景重构方法 | 第44-45页 |
| 3.2.3 情景网络的节点依赖描述 | 第45-46页 |
| 3.3 情景网络的可视化 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 基于SOAACM的铁路应急情景信息服务集成方法 | 第49-69页 |
| 4.1 情景构建的信息来源 | 第49-51页 |
| 4.2 基于SOA的铁路应急情景信息的集成过程 | 第51-55页 |
| 4.3 面向服务的自适应Agent协同模型 | 第55-64页 |
| 4.3.1 面向服务的自适应Agent协同模型的构建 | 第55-57页 |
| 4.3.2 Agent设计 | 第57-59页 |
| 4.3.3 基于QoS的信息服务集成算法 | 第59-62页 |
| 4.3.4 Agent间的会话 | 第62-64页 |
| 4.4 基于SOAACM框架的分布式信息服务集成系统 | 第64-67页 |
| 4.4.1 基于SOAACM的分布式信息服务集成系统模型 | 第64-65页 |
| 4.4.2 实验模拟 | 第65-67页 |
| 4.5 本章小结 | 第67-69页 |
| 5 基于情景网络分析的铁路应急决策方法 | 第69-85页 |
| 5.1 基于情景网络分析的铁路应急决策原理 | 第69-70页 |
| 5.2 贝叶斯网络理论基础 | 第70-72页 |
| 5.2.1 贝叶斯网络定义 | 第70-71页 |
| 5.2.2 贝叶斯网络的建立过程 | 第71页 |
| 5.2.3 贝叶斯网络的学习 | 第71-72页 |
| 5.2.4 突发事件数据样本与专家知识的获取 | 第72页 |
| 5.3 基于情景网络分析的应急决策模型 | 第72-83页 |
| 5.3.1 情景网络的约简 | 第72-75页 |
| 5.3.2 基于专家知识融合的网络模型结构学习 | 第75-81页 |
| 5.3.3 模型的参数学习 | 第81-82页 |
| 5.3.4 网络推理分析 | 第82-83页 |
| 5.4 模型应用 | 第83-84页 |
| 5.5 本章小结 | 第84-85页 |
| 6 基于事件驱动的铁路应急情景推演模型 | 第85-104页 |
| 6.1 情景推演的不确定性 | 第85页 |
| 6.2 基于事件驱动的情景推演模型 | 第85-99页 |
| 6.2.1 事件驱动 | 第85-88页 |
| 6.2.2 情景推演模型的构建 | 第88-91页 |
| 6.2.3 贝叶斯网络参数的IA-EM学习方法 | 第91-94页 |
| 6.2.4 情景网络的推演 | 第94-99页 |
| 6.3 实例分析 | 第99-102页 |
| 6.4 相关研究的比较 | 第102-103页 |
| 6.5 本章小结 | 第103-104页 |
| 7 铁路应急情景重构与辅助决策原型系统的设计 | 第104-114页 |
| 7.1 系统设计目标及原则 | 第104-105页 |
| 7.1.1 系统设计目标 | 第104页 |
| 7.1.2 系统设计原则 | 第104-105页 |
| 7.1.3 系统开发平台与运行环境 | 第105页 |
| 7.2 系统总体架构 | 第105-108页 |
| 7.2.1 系统逻辑框架 | 第105-107页 |
| 7.2.2 系统物理架构 | 第107-108页 |
| 7.3 系统功能结构 | 第108页 |
| 7.4 主要功能模块的实现 | 第108-113页 |
| 7.4.1 数据集成与服务模块 | 第108-110页 |
| 7.4.2 情景建模与模型管理模块 | 第110-111页 |
| 7.4.3 应急辅助决策模块 | 第111-112页 |
| 7.4.4 情景推演及可视化模块 | 第112-113页 |
| 7.5 本章小结 | 第113-114页 |
| 结论 | 第114-116页 |
| 致谢 | 第116-117页 |
| 参考文献 | 第117-123页 |
| 攻读学位期间的研究成果 | 第123-124页 |
