全自动运行（Fully Automatic Operation，FAO）系统能在很大程度上降低地铁行车调度团队成员的体力负荷并提升任务执行效率，但也使得监控作业任务的内容和认知决策压力大大增加，尤其是使应急场景下团队任务处理的不确定性变得更加突出。控制中心行车调度团队远程监控作业任务接近取代了原来司机对列车的直接操纵，从而使其任务呈现了很多新的变化，如时间压力下认知策略选择的不确定性，交互界面管理难度的增加，系统的复杂性、耦合性以及内部行为的模糊性导致的团队成员出现“自动化惊讶”以及对自动化的过度依赖和靠前排斥等。这些变化都会导致行车调度团队任务出现更高的复杂性，尤其在面对自动化系统的信息动态变化、工作负荷分配不均时，更容易出现失误，进而对系统安全带来直接风险，甚至酿成灾难性事故。
《城市轨道交通全自动运行系统行车调度团队任务复杂性理论与方法》针对上述问题，从分析FAO行车调度团队任务特征出发，构建基于事件网络的团队任务模型，并从文献研究的角度结合FAO行车调度团队任务过程提出团队任务复杂性概念化模型，同时在团队任务模型和团队任务复杂性概念模型的基础上，提出团队任务复杂性度量模型和分析方法，为FAO调度控制系统关键技术提供理论方法和技术支撑，具有重要的理论与实际应用价值。

1 绪论
1．1 研究背景与意义
1．2 研究内容
1．3 本书章节安排

2 团队任务复杂性研究现状分析
2．1 团队任务复杂性概念研究现状分析
2．2 团队任务复杂性度量方法研究现状分析
2．3 团队任务复杂性来源研究现状分析
2．4 存在的问题
2．5 本章小结

3 FAO行车调度团队任务网络模型建构
3．1 引言
3．2 FAO行车调度团队任务特点分析
3．3 FAO行车调度团队任务分析
3．4 FAO行车调度团队任务网络构建方法
3．5 本章小结

4 FAO行车调度团队任务复杂性概念化模型
4．1 引言
4．2 3-维度团队任务复杂性概念化模型
4．3 讨论
4．4 本章小结

5 FAO行车调度团队任务复杂性度量模型
5．1 引言
5．2 团队任务复杂性综合度量模型
5．3 基于FAO行车调度任务仿真平台的工效学实验验证
5．4 实验结果
5．5 结果讨论
5．6 本章小结

6 FA0行车调度团队任务复杂性分析方法
6．1 引言
6．2 团队任务复杂性分析方法指标选取与计算
6．3 全自动等级下团队任务复杂性分析
6．4 多自动化等级下团队任务复杂性分析
6．5 本章小结

7 结论与展望
7．1 主要研究结论
7．2 本书主要创新点
7．3 研究展望

参考文献

附录A
附录B
附录C
附录D
附录E
附录F