近年來大數據分析方法中的複雜網路理論，可探索過往研究中尚未解決的問題，其中應用於鐵路事故相關的研究仍處於剛起步的階段。
本研究將依據複雜網路理論建立網路模型，並納入文本分析與關聯性分析，進行臺灣鐵路管理局(以下簡稱臺鐵)事故與事件因素分析之研究，以發現事故與事件的關鍵因素；另外，本研究還依據相繼故障理論建立傳播模型，可利用直觀方式得以發現，若避免哪些因素的發生，則可大幅降低事故與事件的發生機率。
經由實證分析結果得知，列車動力異常、列車鬆軔異常、人員違反規定及號誌故障為事故與事件的關鍵因素，而列車動力異常、列車鬆軔異常、ATP故障及VCB未閉合則為車輛故障的關鍵因素。其中，避免人員違反規定可使事故與事件的發生機率降低47%，而避免列車鬆軔異常可使車輛故障機率降低40%。
本研究借助視覺化技術，將網路模型與關鍵因素分別繪製成圖形，可更輕易直觀因素間的關聯性及關鍵因素的重要程度。

Complex network theory (CNT)is one of big data analytics methods which can be used to explore unsolved problems in previous studies. It has been found recently that researchers have just begun to apply CNT to railway accident and incident studies.
This study aims at establishing a complex network model to explore factors contributing to TRA’s (Taiwan Railway Administration) accidents and incidents. In addition, the text analysis and correlation analysis are also used to find out the key factors of accidents and incidents. In order to discover which key factors can greatly reduce the occurrence probability of accidents and incidents, cascading failure theory is used to establish a safety propagation model in this study.
Empirical results point out that the key factors of accidents and incidents are abnormal train power, abnormal train brake releasing, personal irregularities and signal failures. The key factors of vehicle failures are abnormal train power, abnormal train brake releasing, automatic train protection (ATP) system failure and unclosed VCB. To avoid from personal irregularities can reduce the occurrence probability of accidents and incidents by 47%. To avoid from abnormal train brake releasing can reduce the occurrence probability of vehicle failure by 40%.
This study has also used visualization toolbox to show the network model and the key factors in graphs which can more easily overview the factor correlations and the importance of the key factors.

謝辭	III
目　錄	V
圖目錄	VIII
表目錄	X
第一章 緒論	1
1.1研究背景與研究動機	1
1.2研究目的	4
1.3研究範圍	4
1.4研究流程	7
第二章 文獻回顧	8
2.1事故的定義	8
2.2鐵路事故相關研究	9
2.3關聯性分析相關研究	11
2.4複雜網路相關研究	12
2.5文獻小結	13
第三章 研究方法	14
3.1複雜網路理論	14
3.1.1複雜網路的圖論	15
3.1.2節點度值與度分布	16
3.1.3網路直徑與平均路徑長度	16
3.1.4網路聚類係數	17
3.1.5節點緊密度	17
3.1.6介數	18
3.2相繼故障理論	19
3.2.1節點初始負載	19
3.2.2節點容量	20
3.2.3動態平衡過程	20
3.2.4網路效率	21
3.2.5相繼故障理論範例	21
第四章 實證分析	23
4.1基本統計量分析	23
4.1.1事故事件發生次數	23
4.1.2事故事件發生路線別	24
4.1.3事故事件發生月份	25
4.1.4事故事件發生時間	26
4.1.5車輛故障	26
4.2複雜網路模型	28
4.2.1模型基本假設	28
4.2.2模型建構	29
4.2.3模型相關係數	32
4.2.4車輛故障複雜網路模型	37
4.3相繼安全傳播	42
4.3.1相關係數說明	43
4.3.2相繼安全傳播假設	44
4.3.3度值最高的節點相繼安全傳播	45
4.3.4介數最高的節點相繼安全傳播	54
4.3.5車輛故障相繼安全傳播	58
4.4安全管理意涵	60
第五章 結論與建議	62
5.1結論	62
5.2建議	64
5.2.1後續研究建議	64
5.2.2對於臺鐵之改善建議	64
5.2.3資料蒐集改善建議	65
參考文獻	66
附錄1	71
附錄1(續)	77
附錄1(續)	83
附錄1(續)	89
附錄1(續)	95
附錄1(續)	101

圖目錄
圖1.1臺鐵行車事故與事件趨勢圖	2
圖1.2研究範圍示意圖	5
圖1.3研究流程圖	7
圖2.1骨牌理論	9
圖2.2起司理論	9
圖3.1不同類型的網路	15
圖3.2相繼故障傳播過程範例	22
圖4.1各月份事故示件發生次數圖	25
圖4.2模型建構流程圖	29
圖4.3整體事故事件複雜網路模型圖	31
圖4.4節點度值分布圖	33
圖4.5節點介數分布圖	35
圖4.6關鍵節點視覺化	36
圖4.7車輛故障事件複雜網路模型圖	38
圖4.8車輛故障事件各節點度值分布圖	40
圖4.9車輛故障各節點介數分布圖	41
圖4.10列車動力異常t=1時複雜網路圖	46
圖4.11列車動力異常t=2時複雜網路圖	49
圖4.12列車動力異常t=3時複雜網路圖	50
圖4.13列車動力異常t=4時複雜網路圖	51
圖4.14列車動力異常t=5時複雜網路圖	52
圖4.15列車動力異常t=6時複雜網路圖	53
圖4.16人員違反規定t=1時複雜網路圖	54
圖4.17人員違反規定t=2時複雜網路圖	55
圖4.18人員違反規定t=3時複雜網路圖	56
圖4.19人員違反規定t=4時複雜網路圖	57
圖4.20車輛故障節點安全傳播後網路效率圖	59

表目錄
表1.1臺鐵事故與事件統計表	2
表1.2鐵路事故與事件名詞說明	5
表4.1事故事件發生次數表	23
表4.2各路線事故事件發生次數表	24
表4.3各月份事故示件發生次數表	25
表4.4各時間發生事故事件次數表	26
表4.5各時段發生事故事件次數表	26
表4.6各車型故障次數表	27
表4.7整體事故事件編碼表	30
表4.8各節點度值	33
表4.9各節點介數	35
表4.10車輛故障事件編碼表	37
表4.11車輛故障事件各節點度值	40
表4.12車輛故障各節點介數	41
表4.13列車動力異常t=2時處於安全狀態的節點	49
表4.14列車動力異常t=3時處於安全狀態的節點	50
表4.15列車動力異常t=4時處於安全狀態的節點	50
表4.16列車動力異常t=5時處於安全狀態的節點	51
表4.17列車動力異常t=6時處於安全狀態的節點	52
表4.18列車動力異常網路效率的變化	53
表4.19人員違反規定t=2時處於安全狀態的節點	55
表4.20人員違反規定t=3時處於安全狀態的節點	56
表4.21人員違反規定t=4時處於安全狀態的節點	56
表4.22人員違反規定網路效率的變化	57
表4.23車輛故各節點安全傳播後網路效率	58

1. 陳俊華、張繼達(2006)，基於關聯規則挖掘的調車作業事故原因分析，鐵路計算機應用，第15卷第三期，25-27。
2. 鍾易詩（2008），事故鏈與因果分析，國立交通大學交通運輸研究所博士班博士論文。
3. 林守德、李政德、張峻銘、劉建邦、陳尚澤（2008），社會網路之建置、分析與視覺化：以台灣學術社群網路為例，圖書與資訊學刊，67，72-87。doi: 10.6575/JoLIS
4. 李治綱、鍾志成、林杜寰、張仕龍、張恩輔、陳一昌、張開國、吳熙仁(2009)，公共運輸之安全績效：臺灣鐵路管理局之個案分析。運輸計劃季刊，38(4)期，381-405。
5. 孫千山、鍾志成、李治綱、薛強、林杜寰、張仕龍、張恩輔、林蓁、黃笙玹、李永強、陳一昌、張開國、賴靜慧、吳熙仁(2011)，風險管理應用於鐵路運輸安全之初探-以臺鐵風險辨識為例，交通部運輸研究所。
6. 王卓、刁朋娣、賈利民等(2012)，鐵路事故致因與風險分析明，中國安全科學學報，22(6)，pp.79-85。
7. 孫千山、鍾志成、李治綱、林杜寰、張仕龍、張恩輔、林蓁、黃笙玹、黃宏仁、張開國、賴靜慧、吳熙仁(2012)，風險管理應用於鐵路運輸安全之初探-以臺鐵風險分析與評量為例，交通部運輸研究所。
8. 何洋(2013)，鐵路行車事故的致因及預防，科技風，(5)，pp.212-212。
9. 孫千山、鍾志成、李治綱、林杜寰、張仕龍、張恩輔、林蓁、黃笙玹、黃宏仁、張開國、賴靜慧、吳熙仁(2013)，風險管理應用於鐵路運輸安全之初探-以臺鐵風險處理、管理監督、管理改善為例，交通部運輸研究所。
10. 馬欣(2015)，基於複雜網絡的鐵路事故致因研究．北京交通大學碩士論文。
11. 辛匯文(2016)，鐵路事故致因建模分析研究，北京交通大學碩士論文。
12. 孫千山、鍾志成、李治綱、林蓁、施佑林、吳明軒、張開國、葉祖宏、賴靜慧、吳熙仁(2016)，鐵路安全之風險管理推動研究—發展鐵路系統之安全管理實務與報告，交通部運輸研究所。
13. 張鈞閔(2017)，港口國管制缺失項目之關聯性分析，國立臺灣海洋大學運輸科學系碩士學位論文。
14. 李飛(2017)，基於灰色關聯度的鐵路事故預測研究，蘭州交通大學工程碩士學位論文。
15. 林縉明（2018），普悠瑪出軌案台鐵損失賠償近10億 旅客保費明年增至4千萬，中時新聞網。檢自https://www.chinatimes.com/realtimenews/20191017002465-260407?chdtv
16. 周瑤(2018)，基於信息交互的事故致因模型研究，北京交通大學碩士學位論文。
17. 王珊珊(2018)，基於複雜網路的鐵路系統事故致因與風險分析，北京交通大學碩士論文。
18. 林杜寰、孫干山、李治綱、陳桂豪、吳明軒、胡仲瑋、張開國、萘祖宏、吳熙仁、洪憲忠(2019)，鐵路運輸安全管理系統(SMS)制度化策略之趼擬，交通部運輸研究所。
19. 卜湛、曹杰、李慧嘉(2019)。複雜網路與大數據分析。清華大學出版社。
20. 國家運輸安全調查委員會（2020），1021臺鐵第6432次車新馬站重大鐵道事故-補強-調查報告-第一冊，國家運輸安全調查委員會（編號：TTSB-ROR-20-10-001）。
21. 國家運輸安全調查委員會（2020），1021臺鐵第6432次車新馬站重大鐵道事故-補強-調查報告-第二冊，國家運輸安全調查委員會（編號：TTSB-ROR-20-10-001）。
22. 國家運輸安全調查委員會(2019)，重大鐵道事故通報表，擷取自2021/05。https://www.ttsb.gov.tw/media/3280/marine-occurrence-report-form.pdf?mediaDL=true
23. 國家運輸安全調查委員會(2019)，運輸事故調查法，擷取自2021/05。https://www.ttsb.gov.tw/1133/1206/25253/25260/25296/post
24. 國家運輸安全調查委員會(2020)，重大鐵道事故調查作業處理規則，擷取自2021/05。https://www.ttsb.gov.tw/1133/1206/25253/25260/25305/post
25. 中華民國交通部網站，鐵路行車規則，擷取自2021/05。https://motclaw.motc.gov.tw/webMotcLaw2018/Law/ArticleContent?type=-1&LawID=D0006010
26. Bíl, M., Bílová, M., & Müller, I. (2010). Critical factors in fatal collisions of adult cyclists with automobiles. Accident Analysis & Prevention, 42(6), 1632-1636. doi:10.1016/j.aap.2010.04.001
27. C.Y. Lama, K. Tai(2020). Network topological approach to modeling accident causations and characteristics: Analysis of railway incidents in Japan. Reliability Engineering and System Safety, 193.doi: https://doi.org/10.1016/j.ress.2019.106626
28. Wencheng Huang, Yue Zhang, Borui Zuo, Yaocheng Yu, Gatesi Jean De Dieu,Yifei Xu(2020). Using an expanded Safety Failure Event Network to analyze railway dangerous goods transportation system risk-accident. Journal of Loss Prevention in the Process Industries,65.doi: https://doi.org/10.1016/j.jlp.2020.104122
29. Jian-Lan Zhou, Yi Lei(2017), Paths between latent and active errors: Analysis of 407 railway accidents/incidents’ causes in China. Safety Science. doi: https://doi.org/10.1016/j.ssci.2017.12.027 
30. Bohus Leitner(2017). A General Model for Railway Systems Risk Assessment with the Use of Railway Accident Scenarios Analysis. Procedia Engineering, 187,150-159. doi:10.1016/j.proeng.2017.04.361
31. Jyh-Cherng Jong, Yung-Cheng Lai, Cheng-Chung Young, Yu-Fu Chen(2020). Application of Fault Tree Analysis and Swiss Cheese Model to the Overspeed Derailment of Puyuma Train in Yilan, Taiwan. Transportation Research Record, 2674(5),33-46. doi: 10.1177/0361198120914887journals.sagepub.com/home/trr
32. Jungyeol Hong, Reuben Tamakloe, Dongjoo Park(2020). Application of association rules mining algorithm for hazardous materials transportation crashes on expressway. Accident Analysis and Prevention,142. doi: https://doi.org/10.1016/j.aap.2020.105497
33. Dejun Chen, Yilou Pei, Qian Xia(2020). Research on human factors cause chain of ship accidents based on multidimensional association rules. Ocean Engineering,218. doi: https://doi.org/10.1016/j.oceaneng.2020.107717
34. Karen Klockner, Yvonne Toft(2017). Railway accidents and incidents: Complex socio-technical system accident modelling comes of age. Safety Science. doi: https://doi.org/10.1016/j.ssci.2017.11.022
35. WANG Hongyong, DENG Taotao, SONG Ziqi, WANG Fei, ZHAO Yifei(2020). Airway Network Characteristics Based on Complex Network Model. Transactions of Nanjing University of Aeronautics and Astronautics,2020,37(2),242⁃262.doi:https://dx.doi.org/10.16356/j.1005⁃1120.2020.02.007
36. Liu Jintao, Felix Schmid, Zheng Wei, Zhu Jiebei(2019). Understanding railway operational accidents using network theory. Reliability Engineering and System Safety, 189, 218-231.doi: https://doi.org/10.1016/j.ress.2019.04.030
37. Jian-Lan Zhou, Yi Lei(2020). A slim integrated with empirical study and network analysis for human error assessment in the railway driving process. Reliability Engineering and System Safety, 204. doi: https://doi.org/10.1016/j.ress.2020.107148