國營臺灣鐵路股份有限公司（以下簡稱臺鐵）每年發生至少500件事故，且大多數造成事故的原因為人為因素，事故是由系統中一連串的問題所導致，當多個問題同時出現時就會發生嚴重事故，所以分析事故之觀點應由第一線人員之觀點提昇至系統之觀點，方能深入思考整個組織潛在肇因，故本研究首先將探討造成臺鐵重大行車事故之原因，找出組織對於第一線人員之影響，接著探討如何減少組織對於人員衝擊之改善方案。
  本研究總共分為五個階段，第一階段首先分析運安會事故報告，發現造成臺鐵重大行車事故的原因為人員與管理層面；第二階段分析人員與管理層面之關聯，以人為因素分析與分類系統(HFACS)之為基礎，使用決策實驗室分析法結合詮釋結構模式（DEMATEL-ISM），得出組織文化與監管單位是影響事故之根源；第三階段為改善組織文化與監管單位，須建立健全與完善的通報機制，強化事故預防的安全管理，故須推動安全管理系統（Safety System Management, SMS），方能提昇鐵路運輸之安全水準，故本研究第三階段首先使用修正式德爾菲法(Modified Delphi Method)，整理安全管理系統之構面與影響因素；第四階段使用第三階段之構面與影響因素，使用決策實驗室分析（DEMATEL）排序重要程度。研究結果發現最重要的構面是規劃，此構面下重要的影響因素為安全目標與政策、重視安全的單位文化、風險評估與管理；第二重要的構面為組織與未來發展，此構面下較重要的影響因素為鐵路相關的法律、智慧鐵道相關系統；第三重要的構面為行動，此構面下較重要的因素有文件管理系統、事故事件調查與改善。
  最後經由專家評估在資源有限下，各構面下之因素長期短期可行性，結果得知：在規劃構面，短期可改善的因素有安全目標與政策、風險評估與管理、安全管理系統教育訓練與資源；在執行構面，短期可改善的因素有緊急事故與防災應變、組織訊息傳達與溝通、風險衡量與管理；在查核構面，內部審查與評估、風險評估與通報系統兩因素皆為短期可改善之因素；在行動構面，短期可改善的因素是文件管理系統；在組織與未來發展構面，智慧鐵道是長期與短期皆須發展的項目，智慧鐵道是臺鐵目前準備推動之項目，故智慧鐵道將是短期長期發展之重點，投入較多資源導入智慧鐵道的同時，亦應投入相對的資源教育組織內部成員如何使用智慧鐵道與其目的，方能減少成員對於智慧鐵道認知差異。鐵路相關法律、組織協調與改善建議則為長期改善因素。

  There are at least 500 accidents per year occurred on Taiwan Railway Corporation (TRC), and most of accidents are caused by human factors. These accidents are the result of a series of problems within the system, and serious accidents may happen when multiple problems occure simultaneously. Instead of the perspective of frontline workers, therefore,  the perspective of a system should be used for accident analysis so that more detailed information concerned potential causes within the entire organization can be obtained. This study firstly investigates the causes of TRC’s major accidents to identify the organizational impacts on frontliners and then explores improvement alternatives to reduce these organizational impacts.
  This study is divided into five stages. The major accident reports from Taiwan Transportation Safety Board (TTSB) are detailedly reviewed to verify that the causes of TRC’s major accidents are personnel factors and management factors in the first stage.  The relationships between personnel factors and management factors are investigated in the second stage by using Decision-Making Trial and Evaluation Laboratory (DEMATEL) combined with the Interpretive Structural Model (ISM) based on Human Factors Analysis and Classification System (HFACS). The results show that organizational culture and regulatory authorities are the root causes affecting accidents.  Safety Management System (SMS) to improve railway transport safety is appealed to refine organizational culture and regulatory authorities by establishing a report system and enhancing accident prevention safety management in the third stage. The Modified Delphi Method is used to summarize the dimensions and influence factors of TRC’s safety management system. In the fourth stage DEMATEL is used to rank the importance of the dimensions and influence factors which have been identified in the third stage. It is found that the most critical dimension is planning, with key influence factors being safety goals and policies, a safety-oriented organizational culture, and risk assessment and management. The second important dimension is organization and future development, with significant influence factors including railway-related laws and intelligent railway systems. The third important dimension is action, with key factors including document management systems and accident investigation and improvement.
  In the final stage, experts are invited to assess the feasibility of short- and long-term improvemwnts under constrained resources. It is confirmed by experts that safety goals and policies, risk assessment and management, safety management system education and training, and resources are the major improvements in the “plan” dimension to be highlighted in the near future. Short-term improvements such as emergency response and disaster preparedness, organizational communication and information distribution, and risk assessment and management can be made in the “do” dimension. Internal review and evaluation, as well as the risk assessment and reporting system, are major improvements in the “check” dimension that can also be made in the near future. In the “act” dimension, the short-term improvement is the mechanism of managing documents. The organization and development of smart railways are undertakings that require both long-term and short-term inputs. TRC is now deploying smart railway projects to meet mentioned requirements. To prevent from misunderstanding of smart railway among TRC’s members, equal resources should be allocated to train internal staff how to utilize smart railway to accomplish their objectives. Long-term improvements including organizational cooperation, railway-related laws, and refined recommendations are also proposed.

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	研究範圍與研究對象	5
1.4	研究流程	8
第二章 文獻回顧	9
2.1	鐵道重大事故	9
2.1.1 鐵道重大事故影響因素分析方法	9
2.1.2 鐵道重大事故定義	14
2.2	人為因素分析與分類系統（HFACS）	18
2.2.1 人為因素相關之定義	18
2.2.2 人為因素相關之理論	20
2.2.3 人為因素分析與分類系統方法介紹與應用範圍	23
2.3	安全管理系統（SMS）	27
2.3.1 安全管理系統定義	27
2.3.2 不同國家鐵路與我國之安全管理系統	29
2.4	德爾菲法	51
2.4.1 德爾菲法之起源	51
2.4.2 修正式德爾菲法於交通領域之應用	51
2.5	詮釋結構模型	53
2.5.1 詮釋結構模式應用領域	53
2.5.2 DEMATEL-ISM	55
2.6	決策實驗室分析法	58
2.6.1 決策實驗室原理	58
2.6.2 決策實驗室分析法相關文獻	59
2.7	文獻小結	62
第三章 研究方法	64
3.1	鐵路人為因素分析與分類系統（HFACS）	64
3.1.1 鐵路人為因素分析與分類系統（HFACS-RR）	67
3.2	修正式德爾菲法	78
3.3	詮釋結構模式	79
3.4	決策實驗室分析法	80
3.5	DEMATEL-ISM	83
第四章 實證分析	85
4.1	第一階段實證分析結果	85
4.2	第二階段實證分析結果	126
4.2.1 決策實驗室分析法之結果	126
4.2.2 第二階段DEMATEL-ISM分析	150
4.3	第三階段實證分析結果	156
4.4	第四階段決策實驗室分析結果	157
4.5	第五階段可行性分析結果	176
4.6	研究小結	180
4.7	管理意涵	182
4.7.1 交通部	182
4.7.2 臺鐵	182
第五章 結論與建議	185
5.1	結論	185
5.2	建議	187
5.3	研究貢獻	188
5.3.1 學術貢獻	188
5.3.2 實務貢獻	188
第六章 參考文獻	190
附錄	203
附錄一、鐵路人為因素分析與分類系統(HFACS-RR)問卷	203
附錄二、鐵路安全管理系統影響因素問卷	215
附錄三、鐵路安全管理系統評估影響因素問卷	223

 
2 圖目錄
圖 1.1臺鐵行車事故統計長條圖	2
圖 1.2臺鐵重大行車事故原因	3
圖 1.3臺鐵一般行車事故原因	3
圖 1.4安全管理系統架構	4
圖 1.5研究流程圖	8
圖 2.1 SHELL MODEL	21
圖 2.2起司理論	22
圖 2.3骨牌理論	22
圖 2.4人為因素分析與分類系統整體架構	24
圖 2.5航空業安全管理系統架構	27
圖 2.6我國鐵道安全管理系統架構	28
圖 3.1 HFACS整體架構	64
圖 3.2第一層架構圖	65
圖 3.3第二層架構圖	66
圖 3.4第三層架構圖	66
圖 3.5第四層架構圖	67
圖 3.6 HFACS-RR架構圖	68
圖 3.7操作人員行為/不安全行為架構	69
圖 3.8操作人員行為先決條件架構	71
圖 3.9監督因素架構	73
圖 3.10組織因素架構	75
圖 3.11外部因素架構	76
圖 4.1臺鐵事故原因	126
圖 4.2HFACS-RR	127
圖 4.3鐵路人為因素分析與分類系統構面中心度與原因度	133
圖 4.4鐵路人為因素與分類系統因素象限分佈	137
圖 4.5外部因素構面（D1）因素之互相影響關係圖	138
圖 4.6組織因素構面（D2）因素之互相影響關係圖	139
圖 4.7監督因素構面（D3）因素之互相影響關係圖	142
圖 4.8操作員行為先決條件構面（D4）因素之互相影響關係圖	144
圖 4.9操作員不安全行為（D5）因素之互相影響關係圖	147
圖 4.10鐵路人為因素分析與分類系統層級架構圖	154
圖 4.11安全管理系統影響因素與構面	156
圖 4.12鐵路安全管理系統構面中心度與原因度	159
圖 4.13鐵路安全管理系統影響因素中心度與原因度分布	160
圖 4.14規劃構面（D1）因素之互相影響關係圖	162
圖 4.15執行構面（D2）因素之互相影響關係圖	165
圖 4.16查核構面（D3）因素之互相影響關係圖	169
圖 4.17行動構面（D4）因素之互相影響關係圖	171
圖 4.18組織與未來發展構面（D5）因素之互相影響關係圖	174
 
3 表目錄
表 1.1運安會公布之臺鐵鐵道重大事故調查報告	6
表 2.1事故系統理論分析方法	11
表 2.2 Read et al.（2012）研究結果	12
表 2.3鐵道重大事故分析方法	14
表 2.4事件與事故之比較	14
表 2.5重大行車事故之定義	15
表 2.6一般行車事故之定義	15
表 2.7異常事件之定義	16
表 2.8鐵路駕駛事故分類與定義	17
表 2.9鐵路電氣事故分類與定義	17
表 2.10鐵路異常事件分類與定義	18
表 2.11人為因素、人為失誤、人因工程之比較表	20
表 2.12事故理論整理表	23
表 2.13日本鐵道之安全管理系統構面與因素	30
表 2.14歐盟鐵路運輸安全管理系統構面與因素	34
表 2.15台灣高鐵安全管理系統	37
表 2.16鐵路安全管理系統	44
表 2.17執行構面與因素	47
表 2.18規劃構面與因素	48
表 2.19執行構面與因素	48
表 2.20查核構面與因素	48
表 2.21行動構面與因素	49
表 2.22其他構面與因素	49
表 2.23最後構面與因素	50
表 2.24修正式德爾菲法於交通領域之應用	52
表 2.25應用詮釋結構模式文獻	54
表 2.26 DEMATEL-ISM國外文獻整理	57
表 2.27決策實驗室分析法文獻整理	61
表 3.1操作人員行為/不安全行為解釋	69
表 3.2操作人員行為先決條件解釋	71
表 3.3監督因素解釋	73
表 3.4組織因素解釋	75
表 3.5外部因素解釋	77
表 4.1臺鐵第6432次車新馬站重大鐵道事故與肇因有關之風險整理	86
表 4.2第3231與第129次車於三塊厝站違反閉塞運轉有衝突之虞與肇因有關之風險整理	91
表 4.3第3501與第333次車於佳冬站違反閉塞運轉有衝撞之虞與肇因有關之風險整理	93
表 4.4第118次車新興巷出軌事故與肇因有關之風險整理	97
表 4.5第7101次車於通霄站冒進號誌有衝撞之虞與肇因有關之風險整理	98
表 4.6第3198次車屏山巷出軌事故與肇因有關之風險整理	99
表 4.7第3218次車成功站斷軌重大鐵道事故與肇因有關之風險整理	101
表 4.8第7202次車新左營站重大鐵道事故與肇因有關之風險整理	103
表 4.9第125次車嘉義站重大鐵道事故與肇因有關之風險整理	105
表 4.10第2721次車濁水站重大鐵道事故與肇因有關之風險整理	106
表 4.11第408次車清水隧道重大鐵道事故與肇因有關之風險整理	107
表 4.12第126次車中壢站重大鐵道事故與肇因有關之風險整理	113
表 4.13第177次車竹南站重大鐵道事故與肇因有關之風險整理	114
表 4.14第6046次車鳳林站重大鐵道事故與肇因有關之風險整理	115
表 4.15第611次車鳳林隧道列車分離事故與肇因有關之風險整理	117
表 4.16第4206次車新馬站正線火災事故與肇因有關之風險整理	118
表 4.17第7142次車成功站出軌事故與肇因有關之風險整理	120
表 4.18第207次車福隆站重大鐵道事故與肇因有關之風險整理	121
表 4.19第3167次車臺南站重大鐵道事故與肇因有關之風險整理	123
表 4.20運安會公布之臺鐵重大事故原因整理	124
表 4.21運安會公布之臺鐵重大事故原因統計	125
表 4.22第二階段專家與學者背景	128
表 4.23平均直接關係矩陣	129
表 4.24標準化關係矩陣	130
表 4.25建立完全影響（直接與間接）關係矩陣	131
表 4.26鐵路人為因素分析與分類系統構面中心度與原因度	132
表 4.27鐵路人為因素分析與分類系統影響因素中心度與原因度排名	134
表 4.28外部因素構面（D1）因素之互相影響程度與方向表	138
表 4.29組織因素構面（D2）因素之互相影響程度與方向表	140
表 4.30監督因素構面（D3）因素之互相影響程度與方向表	142
表 4.31操作員行為先決條件構面（D4）因素之互相影響程度與方向表	144
表 4.32操作員不安全行為（D5）因素之互相影響程度與方向表	148
表 4.33相鄰矩陣	151
表 4.34可達矩陣	152
表 4.35可達集合、先行集合、交集集合	153
表 4.36修正式德爾菲專家與學者背景	156
表 4.37安全管理系統影響因素篩選結果	157
表 4.38第四階段專家與學者背景	158
表 4.39鐵路安全管理系統構面中心度排名	158
表 4.40鐵路人為因素分析與分類系統構面中心度與原因度	161
表 4.41規劃構面（D1）因素之互相影響程度與方向表	162
表 4.42執行構面（D2）因素之互相影響程度與方向表	165
表 4.43查核構面（D3）因素之互相影響程度與方向表	169
表 4.44行動構面（D4）因素之互相影響程度與方向表	171
表 4.45組織與未來發展構面（D5）影響程度與方向表	174
表 4.46整體改善排序	176
表 4.47依照各構面改善排序	177
表 4.48安全管理系統影響因素短期長期發展可行性	177

<中文參考文獻>
1.	交通部運輸研究所(2019)，鐵路運輸安全管理系統制度化策略之研擬。
2.	交通部運輸研究所(2021)，精進鐵道安全管理系統12要項實務作業指引之研析。
3.	林煒倫(1040)，警察執行取締酒後駕車路檢勤務風險因素指標之研究─以臺北市政府警察局為例，中央警察大學警察政策研究所碩士論文。
4.	鍾靜蓉(2002)，詮釋結構模式於構造化教材設計之研究，淡江大學教育科技學研究所碩士論文。
5.	劉耿良(2009)，運用「人為因素分析與歸類系統」辨識海事事件之人為失誤，國防大學政治作戰學院心理研究所碩士論文。
6.	洪敏琛(2010)，應用隨機派翠網路於臺鐵捷運化運轉整理之模擬研究，淡江大學運輸管理學系運輸科學碩士班碩士論文。
7.	林少斌, 李友錚, 趙雲瀚, & 張耀祖(2010)，整合DEMATEL與ISM運用於連接器的設計，中華管理學報, 第十一卷，第二期，第77-96頁。
8.	熊若蘋(2010)，結合習慣領域與決策實驗室分析法分析物流業配送作業之影響因素，開南大學物流與航運管理學系碩士論文。
9.	詹勝欽(2011)，以DEMATEL結合ISM探討新北市新住民學習課程規劃之研究，中華大學科技管理學系碩士論文。
10.	黃誌祥(2012)，運用DEMATEL分析彰化地區國小實施電子書包輔助教學之關鍵因素，中華大學運輸科技與物流管理學系碩士論文。
11.	廖若芯(2012)，以DEMATEL探討大甲地區國小家長選校因素之研究，中華大學運輸科技與物流管理學系碩士論文。
12.	林孟辰(2013)，運用ISM與Fuzzy ANP建構新產品開發績效評估-以台灣鋰鐵電池產業為例，中華大學工業管理學系碩士論文。
13.	劉祐君(2013)，應用FANP-ISM-VIKOR法於台灣太陽光發電廠場址偏好之研究，收入國立勤益科技大學工業工程與管理系碩士論文。
14.	周毓欣 (2013)，以HFACS-MA架構發展海難事故人因量化方法之研究，國立臺灣海洋大學商船學系碩士論文。
15.	王授彥(2014)，以HFACS-MA人因架構發展海難事故相關人因分析方法之研究，國立臺灣海洋大學商船學系碩士論文。
16.	許登元(2014)，應用HFACS-MA分析法探討海事職災共通人因之研究-以英澳近三年之事故為例，國立臺灣海洋大學商船學系碩士論文。
17.	李秋美(2016)，應用詮釋結構模式(ISM)分析國中戶外濕地生態教學關鍵指標之研究，中華科技大學航空運輸研究所在職專班碩士論文。
18.	劉穎儒(2016)，應用HFACS探討跑道事故之人為失誤，長榮大學航運管理研究所碩士論文。
19.	洪政屹(2017)，臺鐵台東線加班車排班定型化研究，淡江大學運輸管理學系運輸科學所碩士論文。
20.	楊凱盛(2017)，以人為因素分析與歸納系統探究航空器高階維護失誤事件，開南大學觀光運輸學院碩士在職專班碩士論文。
21.	賴欽琛(2018)， 結合彩色派翠網路與複合多評準決策分析探討城際列車車型評選之研究–以臺鐵東部城際列車為例，淡江大學運輸管理學系運輸科學所碩士論文。
22.	陳慧君(2019)，以AHP和ISM分析法應用於創業服務區塊鏈平台投資評估因素關聯性之研究，收入 國立中興大學行銷學系所碩士論文。
23.	國家國家運輸安全調查委員會(2019)，0806臺鐵第3231與第129次車三塊厝站重大鐵道事故調查報告。
24.	沈衛(2020)，應用 Dematel-Ism分析法探討農業永續生產與銷售之因素：以檸檬，鳳梨以及百香果為例，國立中興大學行銷學系所碩士論文。
25.	洪聖惠(2020)，運用人為因素分析及分類工具(HFACS)於異常事件根本原因分析之探討，國立臺灣大學健康政策與管理研究所碩士論文。
26.	吳俞增 (2020)，應用失效模式與影響分析模型結合人為因素分析和分類系統探討國道客運之風險，收入 國立臺北科技大學工業工程與管理系碩士論文。
27.	國家國家運輸安全調查委員會(2020)，0318臺鐵第7101與第2633次車通霄站重大鐵道事故調查報告。
28.	國家國家運輸安全調查委員會(2020)，0410臺鐵第3198次車屏山巷平交道重大鐵道事故調查報告。
29.	國家國家運輸安全調查委員會(2020)，0519臺鐵第3218次車成功站重大鐵道事故調查報告。
30.	國家國家運輸安全調查委員會(2020)，0601臺鐵第2721次車濁水站重大鐵道事故調查報告。
31.	國家國家運輸安全調查委員會(2020)，0625臺鐵第125次車嘉義站重大鐵道事故調查報告。
32.	國家國家運輸安全調查委員會(2020)，0828臺鐵第3501與第333次車佳冬站重大鐵道事故調查報告。
33.	國家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調查報告(補強)。
34.	國家國家運輸安全調查委員會(2020)，1231臺鐵第118次車新興巷平交道重大鐵道事故調查報告。
35.	邱柏元(2021)，社群媒體大數據分析應用於臺鐵安全績效與網路輿情對照之研究，淡江大學運輸管理學系運輸科學所碩士論文。
36.	徐偉豪(2021)，複雜網路理論應用於鐵道重大事故與事件因素之研究-以臺鐵為例，淡江大學運輸管理學系運輸科學所碩士論文。
37.	國家國家運輸安全調查委員會(2021)，0402臺鐵第408次車清水隧道重大鐵道事故調查報告。
38.	國家國家運輸安全調查委員會(2021)，0411臺鐵第126次車中壢站重大鐵道事故調查報告。
39.	國家國家運輸安全調查委員會(2021)，0428臺鐵第4206次車新馬站重大鐵道事故調查報告。
40.	國家國家運輸安全調查委員會(2021)，0504臺鐵第7142次車成功站重大鐵道事故調查報告。
41.	國家國家運輸安全調查委員會(2021)，1201臺鐵第207次車福隆站重大鐵道事故調查報告。
42.	國家國家運輸安全調查委員會(2021)，1201臺鐵第611次車鳯林隧道重大鐵道事故調查報告。
43.	洪子惠(2022)，探討安全管理系統導入之障礙因子–以臺鐵為例，收入 國立成功大學交通管理科學系碩士論文。
44.	國家國家運輸安全調查委員會(2022)，0528臺鐵第177次車竹南站重大鐵道事故調查報告。
45.	國家國家運輸安全調查委員會(2022)，0611臺鐵第6046次車鳳林站重大鐵道事故調查報告。
46.	國家國家運輸安全調查委員會(2022)，0618臺鐵第3167次車台南站重大鐵道事故調查報告。
47.	國家國家運輸安全調查委員會(2022)，1110806臺鐵第3267次區間車隆田站正線火災事故調查報告。
48.	郭泓棋(2023)，運用HFACS與AHP於鐵路運輸事故因子之研析，國立臺北科技大學土木工程系土木與防災研究所碩士論文。
49.	胡允睿(2023)，整合決策實驗室分析法與貝氏網路於離岸風機吊裝風險評估，國立中山大學海洋環境及工程學系研究所碩士論文。
50.	李東穎(2023)，公路客運數位轉型關鍵因子之研究，淡江大學運輸管理學系運輸科學所碩士論文。
<英文參考文獻>
51.	Ahmadi Rad, M., Lefsrud, L. M., & Hendry, M. T. (2023). Application of systems thinking accident analysis methods: A review for railways. Safety Science, 160, 106066. https://doi.org/10.1016/j.ssci.2023.106066
52.	Alvarez, L., & Colonna, R. (2020). Characteristics of a technology-based intervention for young drivers’ hazard perception: A Delphi study. Journal of Transport & Health, 19, 100951. https://doi.org/10.1016/j.jth.2020.100951
53.	Anastasiadou, K., Gavanas, N., Pyrgidis, C., & Pitsiava-Latinopoulou, M. (2021). Identifying and Prioritizing Sustainable Urban Mobility Barriers through a Modified Delphi-AHP Approach. Sustainability, 13(18), 10386. https://doi.org/10.3390/su131810386
54.	Baysari, M. T., McIntosh, A. S., & Wilson, J. R. (2008). Understanding the human factors contribution to railway accidents and incidents in Australia. Accident Analysis & Prevention, 40(5), 1750–1757. https://doi.org/10.1016/j.aap.2008.06.013
55.	Chen, I.-S. (2016). A combined MCDM model based on DEMATEL and ANP for the selection of airline service quality improvement criteria: A study based on the Taiwanese airline industry. Journal of Air Transport Management, 57, 7–18. https://doi.org/10.1016/j.jairtraman.2016.07.004
56.	Chen, X., Ma, X., Jia, L., Zhang, Z., Chen, F., & Wang, R. (2024). Causative analysis of freight railway accident in specific scenes using a data-driven Bayesian network. Reliability Engineering & System Safety, 243, 109781. https://doi.org/10.1016/j.ress.2023.109781
57.	Evans, A. W. (2021). Fatal train accidents on Europe’s railways: An update to 2019. Accident Analysis & Prevention, 158, 106182. https://doi.org/10.1016/j.aap.2021.106182
58.	Fa, H., Shuai, B., Yang, Z., Niu, Y., & Huang, W. (2024). Mining the accident causes of railway dangerous goods transportation: A Logistics-DT-TFP based approach. Accident Analysis & Prevention, 195, 107421. https://doi.org/10.1016/j.aap.2023.107421
59.	Gupta, A., & Walton, R. O. (2017). Assessment of Air Cargo Airlines: An Interpretive Structural Modeling Approach. Procedia Manufacturing, 11, 1908–1915. https://doi.org/10.1016/j.promfg.2017.07.333
60.	Hammerl, M., & Vanderhaegen, F. (n.d.). HUMAN FACTORS IN THE RAILWAY SYSTEM SAFETY ANALYSIS PROCESS: 3RD INTERNATIONAL RAIL HUMAN FACTORS CONFERENCE.
61.	He, Y., Kang, J., Pei, Y., Ran, B., & Song, Y. (2021). Research on influencing factors of fuel consumption on superhighway based on DEMATEL-ISM model. Energy Policy, 158, 112545. https://doi.org/10.1016/j.enpol.2021.112545
62.	Hsieh, C.-H., & Zhang, M. (2022). Critical factors affecting performance of logistics operation planning considering interdependency: A case study in automotive aftermarket. Asian Transport Studies, 8, 100055. https://doi.org/10.1016/j.eastsj.2022.100055
63.	Huang, W., Zhang, Y., Yin, D., Zuo, B., Xu, M., & Zhang, R. (2021). Using improved Group 2 and Linguistic Z-numbers combined approach to analyze the causes of railway passenger train derailment accident. Information Sciences, 576, 694–707. https://doi.org/10.1016/j.ins.2021.07.067
64.	Ismail, Z., Doostdar, S., & Harun, Z. (2012). Factors influencing the implementation of a safety management system for construction sites. Safety Science, 50(3), 418–423. https://doi.org/10.1016/j.ssci.2011.10.001
65.	James, A. T., Asjad, M., Kumar, G., Chandra Shukla, V., & Arya, V. (2023). Analyzing barriers for implementing new vehicle scrap policy in India. Transportation Research Part D: Transport and Environment, 114, 103568. https://doi.org/10.1016/j.trd.2022.103568
66.	Jia, X., & Cui, Y. (2021). Examining interrelationships of barriers in the evolution of maritime port smartification from a systematic perspective. Transport Policy, 114, 49–58. https://doi.org/10.1016/j.tranpol.2021.09.004
67.	Jiang, F., Ma, L., Broyd, T., Li, J., Jia, J., & Luo, H. (2023). Systematic framework for sustainable urban road alignment planning. Transportation Research Part D: Transport and Environment, 120, 103796. https://doi.org/10.1016/j.trd.2023.103796
68.	Kim, H. ju, Jeong, J. young, Kim, J. wook, & Oh, J. kyung. (2016). A Factor Analysis of Urban Railway Casualty Accidents and Establishment of Preventive Response Systems. Procedia - Social and Behavioral Sciences, 218, 131–140. https://doi.org/10.1016/j.sbspro.2016.04.016
69.	Krivoshapkina M., Choi Y.-S., Listan Bernal M., & Yeo G.-T. (2024). Vitalizing logistics strategies for Tiksi Port using the interpretive structural modelling method. The Asian Journal of Shipping and Logistics, 40(1), 36–41. https://doi.org/10.1016/j.ajsl.2023.12.004
70.	Li, B., Tan, L., Wang, F., & Liu, L. (2023). A railway intrusion detection method based on decomposition and semi-supervised learning for accident protection. Accident Analysis & Prevention, 189, 107124. https://doi.org/10.1016/j.aap.2023.107124
71.	Li, C., Tang, T., Chatzimichailidou, M. M., Jun, G. T., & Waterson, P. (2019). A hybrid human and organisational analysis method for railway accidents based on STAMP-HFACS and human information processing. Applied Ergonomics, 79, 122–142. https://doi.org/10.1016/j.apergo.2018.12.011
72.	Liang, Y., Wang, H., & Zhao, X. (2022). Analysis of factors affecting economic operation of electric vehicle charging station based on DEMATEL-ISM. Computers & Industrial Engineering, 163, 107818. https://doi.org/10.1016/j.cie.2021.107818
73.	Liu, J., Schmid, F., Li, K., & Zheng, W. (2021). A knowledge graph-based approach for exploring railway operational accidents. Reliability Engineering & System Safety, 207, 107352. https://doi.org/10.1016/j.ress.2020.107352
74.	Liu, J., Schmid, F., Zheng, W., & Zhu, J. (2019). Understanding railway operational accidents using network theory. Reliability Engineering & System Safety, 189, 218–231. https://doi.org/10.1016/j.ress.2019.04.030
75.	Liu, J., Wan, L., Wang, W., Yang, G., Ma, Q., Zhou, H., Zhao, H., & Lu, F. (2023). Integrated Fuzzy DEMATEL-ISM-NK for Metro Operation Safety Risk Factor Analysis and Multi-Factor Risk Coupling Study. Sustainability, 15(7), 5898. https://doi.org/10.3390/su15075898
76.	Liu P., Li Q., Bian J., Song L., & Xiahou X. (2018). Using Interpretative Structural Modeling to Identify Critical Success Factors for Safety Management in Subway Construction: A China Study. International Journal of Environmental Research and Public Health, 15(7), 1359. https://doi.org/10.3390/ijerph15071359
77.	Liu, P., Yang, L., Gao, Z., Li, S., & Gao, Y. (2015). Fault tree analysis combined with quantitative analysis for high-speed railway accidents. Safety Science, 79, 344–357. https://doi.org/10.1016/j.ssci.2015.06.017
78.	Liu, Y., Li, K., & Yan, D. (2024). Quantification analysis of potential risk in railway accidents: A new random walk based approach. Reliability Engineering & System Safety, 242, 109778. https://doi.org/10.1016/j.ress.2023.109778
79.	Liu, Y., Liu, Y., Ma, X.-X., & Qiao, W.-L. (2019). A Comprehensive Model for Human Factor Risk Assessment: HFACS-FFT-ANN. Proceedings of the 5th Annual International Conference on Management, Economics and Social Development (ICMESD 2019). Proceedings of the 5th Annual International Conference on Management, Economics and Social Development (ICMESD 2019), Suzhou, China. https://doi.org/10.2991/icmesd-19.2019.21
80.	Ma X., Li K.-P., Luo Z.-Y., & Zhou J. (2014). Analyzing the causation of a railway accident based on a complex network. Chinese Physics B, 23(2), 028904. https://doi.org/10.1088/1674-1056/23/2/028904
81.	Marchau, V. A. W. J., & Van Der Heijden, R. E. C. M. (1998). Policy aspects of driver support systems implementation: Results of an international Delphi study. Transport Policy, 5(4), 249–258. https://doi.org/10.1016/S0967-070X(98)00018-3
82.	Meng, H., Tong, X., Zheng, Y., Xie, G., Ji, W., & Hei, X. (2022). Railway accident prediction strategy based on ensemble learning. Accident Analysis & Prevention, 176, 106817. https://doi.org/10.1016/j.aap.2022.106817
83.	Miller, A. J. (1961). A Queueing Model for Road Traffic Flow. Journal of the Royal Statistical Society. Series B (Methodological), 23(1), 64–90.
84.	Ou, L., Chen, Y., Zhang, J., & Ma, C. (2022). Dematel-ISM-Based Study of the Impact of Safety Factors on Urban Rail Tunnel Construction Projects. Computational Intelligence and Neuroscience, 2022, 1–12. https://doi.org/10.1155/2022/2222556
85.	Pajković, V., & Grdinić-Rakonjac, M. (2021). Evaluation of Road Safety Performance Based on Self-Reported Behaviour Data Set. Sustainability, 13(24), 13837. https://doi.org/10.3390/su132413837
86.	Paydar, M., Kamani Fard, A., & Mashlool, F. (2021). Cycling network and its related criteria; the case study: Shiraz, Iran. Journal of Transport & Health, 21, 101045. https://doi.org/10.1016/j.jth.2021.101045
87.	Punzet, L., Pignata, S., & Rose, J. (2018). Error types and potential mitigation strategies in Signal Passed at Danger (SPAD) events in an Australian rail organisation. Safety Science, 110, 89–99. https://doi.org/10.1016/j.ssci.2018.05.015
88.	Qureshi, Z. H. (n.d.). A Review of Accident Modelling Approaches for Complex Socio-Technical Systems.
89.	Read, G. J. M., Lenné, M. G., & Moss, S. A. (2012). Associations between task, training and social environmental factors and error types involved in rail incidents and accidents. Accident Analysis & Prevention, 48, 416–422. https://doi.org/10.1016/j.aap.2012.02.014
90.	Read, G. J. M., Salmon, P. M., & Lenné, M. G. (2013). Sounding the warning bells: The need for a systems approach to understanding behaviour at rail level crossings. Applied Ergonomics, 44(5), 764–774. https://doi.org/10.1016/j.apergo.2013.01.007
91.	Reinach, S., & Viale, A. (2006). Application of a human error framework to conduct train accident/incident investigations. Accident Analysis & Prevention, 38(2), 396–406. https://doi.org/10.1016/j.aap.2005.10.013
92.	RezaHoseini, A., Ahmadi, E., Saremi, P., & BagherPour, M. (2021). Implementation of Building Information Modeling (BIM) Using Hybrid Z-DEMATEL-ISM Approach. Advances in Civil Engineering, 2021, 1–35. https://doi.org/10.1155/2021/6686761
93.	Rungskunroch, P., Jack, A., & Kaewunruen, S. (2021). Benchmarking on railway safety performance using Bayesian inference, decision tree and petri-net techniques based on long-term accidental data sets. Reliability Engineering & System Safety, 213, 107684. https://doi.org/10.1016/j.ress.2021.107684
94.	Sandbhor, S., & Khanum, H. (2020). TISM Based Hierarchical Analysis of Factors Leading to Accidents on Indian Highways. Transportation Research Procedia, 48, 1166–1173. https://doi.org/10.1016/j.trpro.2020.08.140
95.	Sathvik, S., Krishnaraj, L., & Awuzie, B. O. (2023). Establishing the root causes of unsafe behaviors among construction workers: An integrative interpretive structural modeling analysis. Scientific Reports, 13(1), 7006. https://doi.org/10.1038/s41598-023-31793-4
96.	Shakerian, M., Jahangiri, M., Alimohammadlou, M., Nami, M., & Choobineh, A. (2019). Individual cognitive factors affecting unsafe acts among Iranian industrial workers: An integrative meta-synthesis interpretive structural modeling (ISM) approach. Safety Science, 120, 89–98. https://doi.org/10.1016/j.ssci.2019.06.041
97.	Shi, L., Yang, X., Chang, X., Wu, J., & Sun, H. (2023). An improved density peaks clustering algorithm based on k nearest neighbors and turning point for evaluating the severity of railway accidents. Reliability Engineering & System Safety, 233, 109132. https://doi.org/10.1016/j.ress.2023.109132
98.	Shojaei, F., Qaraeian, P., Firoozbakht, A., Chhabra, D., & Jahangiri, K. (2023). The necessity for an integrated Emergency Operations Center (EOC) among first responders: Lesson learned from two Iranian railway accidents. Heliyon, 9(5), e15599. https://doi.org/10.1016/j.heliyon.2023.e15599
99.	Susanty, A., Purwanggono, B., & Situmorang, L. A. (2023). Contextual relationships among barriers to implement Green Supply Chain Management: An integrated DEMATEL and ISM approach. Procedia Computer Science, 224, 288–295. https://doi.org/10.1016/j.procs.2023.09.039
100.	Theophilus, S. C., Esenowo, V. N., Arewa, A. O., Ifelebuegu, A. O., Nnadi, E. O., & Mbanaso, F. U. (2017). Human factors analysis and classification system for the oil and gas industry (HFACS-OGI). Reliability Engineering & System Safety, 167, 168–176. https://doi.org/10.1016/j.ress.2017.05.036
101.	Tripathi, G., Tanksale, A. N., & Verma, M. (2022). Optimal location of accident relief facilities in a railway network. Safety Science, 146, 105560. https://doi.org/10.1016/j.ssci.2021.105560
102.	Tsai, W.-H., Hsu, W., & Chou, W.-C. (2011). A gap analysis model for improving airport service quality. Total Quality Management & Business Excellence, 22(10), 1025–1040. https://doi.org/10.1080/14783363.2011.611326
103.	Twala, B. (2014). Extracting grey relational systems from incomplete road traffic accidents data: The case of Gauteng Province in South Africa. Expert Systems, 31(3), 220–231. https://doi.org/10.1111/exsy.12035

104.	Vandaele, N., Woensel, T. V., & Verbruggen, A. (2000). A queueing based traffic flow model. Transportation Research Part D: Transport and Environment, 5(2), 121–135. https://doi.org/10.1016/S1361-9209(99)00028-0
105.	Venkatesh, V. G., Zhang, A., Luthra, S., Dubey, R., Subramanian, N., & Mangla, S. (2017). Barriers to coastal shipping development: An Indian perspective. Transportation Research Part D: Transport and Environment, 52, 362–378. https://doi.org/10.1016/j.trd.2017.03.016
106.	Wang, D., & Zhang, T. (2015). Engineering accidents in society: A comparison of Chinese and American railway accident investigation. Technology in Society, 43, 69–74. https://doi.org/10.1016/j.techsoc.2015.05.011
107.	Wang M., & Liu D. (2021). Cause Analysis of Railway Traffic Accidents Based on Random Forest. Journal of Physics: Conference Series, 1910(1), 012017. https://doi.org/10.1088/1742-6596/1910/1/012017
108.	Wang, N., Yang, X., Chen, J., Wang, H., & Wu, J. (2023). Hazards correlation analysis of railway accidents: A real-world case study based on the decade-long UK railway accident data. Safety Science, 166, 106238. https://doi.org/10.1016/j.ssci.2023.106238
109.	Wang, Y., Li, S., Lee, K., Tam, H., Qu, Y., Huang, J., & Chu, X. (2023). Accident risk tensor-specific covariant model for railway accident risk assessment and prediction. Reliability Engineering & System Safety, 232, 109069. https://doi.org/10.1016/j.ress.2022.109069
110.	Wang, Y., & Zhang, X. (2023). Key factors influencing paediatric COVID-19 vaccine hesitancy: A brief overview and Decision-making Trial and Evaluation Laboratory analysis. Public Health, 218, 97–105. https://doi.org/10.1016/j.puhe.2022.11.015
111.	Wienen H. C. A., Bukhsh F. A., Vriezekolk E., & Wieringa R. J. (n.d.). Accident Analysis Methods and Models—A Systematic Literature Review. 57.
112.	Xu, J., Tang, Z., Yuan, X., Nie, Y., Ma, Z., Wei, X., & Zhang, J. (2018). A VR-based the emergency rescue training system of railway accident. Entertainment Computing, 27, 23–31. https://doi.org/10.1016/j.entcom.2018.03.002
113.	Yalcin Kavus B., Gulum Tas P., Ayyildiz E., & Taskin A. (2022). A three-level framework to evaluate airline service quality based on interval valued neutrosophic AHP considering the new dimensions. Journal of Air Transport Management, 99, 102179. https://doi.org/10.1016/j.jairtraman.2021.102179
114.	Yan, D., Li, K., Zhu, Q., & Liu, Y. (2023). A railway accident prevention method based on reinforcement learning – Active preventive strategy by multi-modal data. Reliability Engineering & System Safety, 234, 109136. https://doi.org/10.1016/j.ress.2023.109136
115.	Zeng X., Xie X., Sun J., Ma L., & Chen Y. (Eds.). (2023). Proceedings of the 5th International Symposium for Intelligent Transportation and Smart City (ITASC): Branch of the International Symposium on Autonomous Decentralized Systems (ISADS) 2023 (Vol. 1042). Springer Nature Singapore. https://doi.org/10.1007/978-981-99-2252-9
116.	Zhan Q., Zheng W., & Zhao B. (2017). A hybrid human and organizational analysis method for railway accidents based on HFACS-Railway Accidents (HFACS-RAs). Safety Science, 91. https://doi.org/10.1016/j.ssci.2016.08.017