智能轨道交通中无线通信技术应用与展望

张青苗，赵军辉,*，张丹阳，吴 遥，董翰智

(1.华东交通大学 信息工程学院,江西 南昌 330013；2.北京交通大学 电子信息工程学院，北京 100044)

0 引言

轨道交通具有便捷性、大容量的特点，是人们最适宜的地面交通方式[1]。截止2021年12月31日，我国铁路运营里程达14.6×105km，其中高速铁路近3.8×105km，城市轨道交通里程7 978.19 km，我国轨道交通运营里程数居世界第一[2]。数据显示，2021年，全国城市轨道交通客运量为229.62亿人次。

地面基础设施、列车和信号系统是轨道交通系统的3个主要部分，其中信号系统，也称为列车控制系统，是保障列车安全运行的关键。现有的列车控制系统标准主要有高铁中的中国列车控制系统(Chinese Train Control System,CTCS)、欧洲列车控制系统(European Train Control System,ETCS)和地铁中的基于通信的列车控制(Communication-Based Train Control,CBTC)系统。它们利用车载设备和地面设施之间双向的无线通信传输列控指令，以保障列车安全运行。除了传输列车控制数据，无线通信系统还为乘客提供网络接入、高质量语音和视频广播等服务，以提升乘客乘车体验[3]。

一方面，轨道交通场景下，无线通信具有场景复杂、移动高速、电磁环境恶劣、服务质量要求严苛、用户密度高等特征，因此，轨道交通中无线通信面临诸多技术挑战，如怎样实现复杂场景下的信道建模，如何准确估计快速时变信道，如何高效地移动管理以降低通信时延和中断概率，以及怎样分配资源以提高系统频谱效率和能效等，引起了学术界和产业界的普遍关注[4]。另一方面，轨道交通场景中，列车运行轨迹固定，无线通信又具有规律性和可预测性等特点，因此，可充分利用轨道交通无线通信的特点，结合机器学习算法，以及毫米波、D2D通信等新兴信息使能技术，实现轨道交通智能化，为轨道交通无线通信的关键技术提供解决方案，实现轨道交通高效安全运行与乘客高质量乘车体验的目标。

在现有轨道交通无线网络上，综合应用通信技术、大数据、人工智能等，发展智能轨道交通，是实现轨道交通向新基建转型升级的必然选择。本文在分析轨道交通无线通信的特征和需求的基础上，重点探讨机器学习、毫米波、D2D通信等新兴信息技术与无线通信融合的解决方案，指出未来轨道交通无线通信的发展方向。

1 轨道交通无线通信的特征和挑战

1.1 轨道交通无线通信的特征

1.1.1 复杂的信道环境

无线信道与物理环境有着紧密联系。列车运行的场景复杂多样，如隧道、高架、城市、郊区、山丘等多种地形环境，这些特殊通信场景往往会导致信号的深度衰落。同时，障碍物，如过往的列车、布设在轨旁的隔音板、挡风板等也会引起信号的反射、衍射和散射，带来额外的路径损耗。

1.1.2 高速的移动

高速移动是轨道交通无线通信的另一个典型特征，特别在高铁中，列车移动速度超过300 km/h,甚至达到500 km/h，无线信道呈现快速时变非平稳特性。另外，列车高速移动也会产生较大的多普勒频移。例如，当列车速度达450 km/h，载波频率为2.6 GHz时，最大多普勒频移可达1 083 Hz，很大程度上超出了当前无线通信系统可以处理的范围。同时列车频繁移动在不同的物理环境，则会导致多径结构的快速变化，从而增加信道估计和多普勒频移估计的难度。另外，列车的高速移动需要频繁的越区切换，造成掉话，严重的甚至会导致列控信息传输的中断[5]。

1.1.3 严重的干扰

我国铁路移动通信系统GSM-R上行和下行分别使用885～889 MHz和930～934 MHz频段，该频段也是中国移动运营公众移动通信系统运营服务频段，二者按地域共用，可能存在严重的同频干扰。在地铁CBTC系统中，车地通信使用WiFi技术，运营频率(2.4 GHz)为非授权频段，存在严重的干扰。此外，作为列车电力供应的弓形电网也会产生强烈的电磁干扰[6]。

1.1.4 严苛的服务质量

轨道交通系统对数据速率、传输时延、误码率等服务质量有严苛的要求。首先，轨道交通系统是安全苛求系统，对安全的要求高于公用的移动通信系统。例如公用的移动通信系统中，允许偶尔的掉话，但铁路数字移动通信系统负责列控信息的传输，要求有更高的通信可靠性。轨道交通也是时延敏感系统，例如高铁和地铁对通信时延的要求分别是10 s和3.6 s[3]。一旦列车未能时延范围内收到列控信息，列车可能会触发紧急制动，降低列车运行效率和乘客乘车舒适度。

1.2 轨道交通无线通信面临的挑战

轨道交通无线通信独特的特征，给无线通信系统的建模、估计、设计和管理带来了一系列技术挑战。同时，当前轨道交通智能化发展，也对轨道交通无线通信技术提出了更高的要求。

1.2.1 精准的信道建模

依据无线通信相关环境中电波传播规律和特点，准确描述和表达信道特征，即精准的信道建模，是无线通信系统设计的先决条件和基础。但轨道交通场景下，不仅通信环境复杂，而且列车高速移动，信道具有强烈的非平稳性和快速的动态变化性，由此引起多径生灭过程的快速变化，大大增加信道特征提取的难度。因此，精准的信道建模是轨道交通无线通信面临的挑战之一。

1.2.2 准确的信道估计

信道估计是根据当前的信道状态来恢复出发射信号。快速准确地估计出信道状态信息，可以有效提高发送信号的检测性能、降低误码率、优化通信质量、提高运营效率和减少事故发生的概率。因此，信道估计的准确度在很大程度上影响着无线通信系统的性能和用户体验。但轨道交通场景下，列车高速移动使得难以准确估计、跟踪和预测快速时变衰落信道系数。

1.2.3 高效的移动管理

轨道交通中，不仅由于列车高速移动，无线通信需要频繁的越区切换；而且由于密闭的车体结构，特别在高铁和地铁中，无线通信还面临着严重的穿透损耗(20～35 dB)[4]。因此，为满足轨道交通服务质量的要求，需要高效的移动管理，以降低切换次数、切换时延和切换失败的概率。

1.2.4 优化的资源管理

随着轨道交通系统智能化发展的需求，轨道交通无线通信系统承载的业务日益增加，无线通信资源(频谱、功率等)日益紧张，如何优化利用通信资源，提升资源利用率也是轨道交通无线通信技术需要解决的关键问题。

2 智能轨道交通中无线通信技术应用

当前，轨道交通场景中，乘客娱乐和列车视频监控等业务使得数据流量需求呈爆发式增长；列车安全自主运行对通信时延及可靠性提出更高要求；铁路物联网的发展促使“人-机-物-网”大规模互联。为满足铁路通信服务的日益增长的需求，越来越多的国家提出建设智能轨道交通的方案。通信系统是轨道交通智能化发展的底座，为应对轨道交通无线通信系统面临的技术挑战，提升轨道交通的运行效率和服务质量，本节重点探讨智能轨道交通中无线通信关键技术解决方案，包括信道建模、信道估计、移动管理和资源管理。

2.1 智能轨道交通中的信道建模

轨道交通的安全运行依赖车地或车车间可靠的无线通信，而精准的信道建模是设计无线通信系统的前提。确定性建模和统计性建模是现有的两种主要信道建模方法。确定性建模是依据电磁波传播理论或光学射线理论，利用传播场景中详细的地理形态特征，获取信道传输特性。确定性建模一般不需要做大量的信道实测，依据指定环境的细节即可准确预测无线信号的传输特性，但确定性建模算法复杂，计算资源消耗大，多用于较小范围的信道建模。统计性建模则是依据对各种特定环境的实测信道数据，分析无线信道传输特性的数学统计规律来建立信道模型。统计性建模算法能够较为准确地刻画某一类典型传播环境的信道特征。

轨道交通场景下，一方面，环境复杂和高速移动带来信道强烈的非平稳性，增加了信道建模的难度；另一方面，由于列车运行轨迹固定，所以信道中主要反射、散射体通常呈现一定的规律性，又给信道建模提供了便利。因此，可借助机器学习、智能反射和无人机等技术，结合具体通信场景下的信道特征和历史信道状态信息，实现信道的精准预测。

随着人工智能、大数据和无线通信的不断融合，越来越多的研究采用机器学习的方法来信道建模。文献[7]提出可以使用机器学习方法，实现轨道交通场景下对非平稳信道参数的准确提取。文献[8]将机器学习方法应用到信道建模，提出了一种“波-簇-信道”的三层结构。He等人提出使用大数据和人工智能方法基于簇的信道建模方法[9]。另外，由于不同场景对通信的业务需求也不同，因此，准确合理的场景划分是信道建模的基础。智能轨道交通无线通信系统中，应用和业务更加多样，数据中蕴含更丰富的无线信号传输特征。充分利用大数据和机器学习算法，发掘轨道交通场景下电波传播规律，提取动态信道特征参数，实现精细的场景划分是当前研究的热点问题之一。文献[10]利用机器学习算法建立场景识别模型，实验结果表明，在城区、隧道、高速公路和车辆遮挡等4种场景中，模型的识别率超过98%。由于轨道交通具有运行路线不变的优势，所以可在精准刻画特定场景信道特征的基础上，充分利用历史信道状态数据，建立相应的信道模型库，采用机器学习算法进行信道建模和预测，为轨道交通无线通信系统设计提供支撑，其基本过程如图1所示。

图1 基于机器学习的信道建模流程

2.2 智能轨道交通中的信道估计

信道估计是在接收端估计出接收信号中蕴含的信道特征参数，其目标是获取详细的信道状态信息，以正确地恢复出发射信号。轨道交通场景下，列车高速移动带来信道的快速时变和非平稳性，为获取准确的信道状态信息，需要估计的信道参数也急剧增加[11]。随着列车速度增大，误码率(Bit Error Ratio,BER)呈增长趋势。无线信道的时变性增强，使得信道估计的精度降低，从而影响无线通信系统的性能。

当前，一些学者将深度学习算法应用在信道估计中，通过设定一定的环境误差函数，并不断训练更新来拟合真实的信道环境，以得到更精确的估计。文献[12]利用深度神经网络(Deep Neural Network,DNN)提出了一种基于在线深度学习的双选择性衰落信道估计算法，通过正确选择输入，DNN不仅可以利用先前信道估计的信道变化特征，还可以从导频和接收信号中提取额外的特征，该算法特别适用于具有建模误差或非平稳信道的通信系统。文献[13]利用深度学习算法，提出了适用于正交频分复用系统隐式估计信道状态信息方法，该方法可解决信道失真问题，其性能与最小均方误差估计器相当，但更具鲁棒性。文献[14]将学习技术与前导码训练符号和导频相结合，从而能够在线跟踪信道变化，更好地适用于当前车辆通信、水声系统等时变信道。

针对轨道交通场景造成的快速时变非平稳信道，解决信道估计复杂度高的问题，提出了一种基于生成对抗网络(Generative Adversarial Network,GAN)的信道估计算法，具体结构见文献[15]。利用GAN中的鉴别器来学习和提取信道时变特征，采用标准的无线高速移动信道数据进行网络的离线训练，再利用GAN的生成器网络提取高维时变信道的特征，生成并还原接近真实的信道信息。仿真结果表明，所提出的信道估计方法能够有效地提取快速时变信道的特性和分布，并预测信道响应。

2.3 智能轨道交通中的移动管理

移动管理是实现用户移动过程中网络间通信链接无缝切换的关键技术，当前轨道交通无线通信系统移动性管理主要从网络结构和切换策略两方面考虑。从网络结构上，首先，可以考虑两跳的网络结构。如文献[4]提出在列车顶部安装移动中继，形成两跳结构，不仅可以避免车厢穿透损耗的影响，而且使得车厢内用户与移动中继之间是相对静止的，不需要切换操作。其次，为减少切换的次数，也可以通过优化部署无线远端单元(Radio Remote Unit,RRU)来扩大小区的覆盖范围[16]。同属一个基带处理单元的多个RRU之间不需要切换，所以可显著降低掉话概率。最后，可采用高低频组网的方式建立通信网络[17]：宏基站使用低频信号传输重要的控制平面信令以保障通信的可靠性；微基站使用较高频率信号传输用户面数据以满足通信容量要求。从切换策略上，由于轨道交通场景中，列车运行路线固定、运行速度测量方便，所以可通过定位器和传感器，近乎实时地追踪列车的位置和速度信息，实现快速切换。

本文结合移动中继以及控制/用户分离的高低频网络架构，将毫米波[18]应用到高铁高架桥场景中，为获得最大功率范围内的通信服务总量，利用列车位置与速度信息，提出了一种波束切换和动态功率分配的方案[19]，如图2所示。图3的仿真结果表明，所提方案能在根据列车运行速度及位置的基础上，实现优化通信容量，其中β表示与速度相关的因子。

图2 控制/用户分离的无线通信网络架构

图3 所提方案优化的平均通信容量

2.4 智能轨道交通中的资源管理

智能轨道交通通信业务需求急剧增长，而无线资源是有限的，如何最大限度地利用网络内无线资源，提升系统的频谱效率或能量效率，已成为资源管理的主要研究方向。文献[20]提出基于卷积神经网络(Convolutional Neural Networks,CNN)的传输功率控制策略，利用CNN学习方法最大化网络频谱效率和能量效率。文献[21]从框架系统到方法论角度总结了人工智能赋能的无线资源管理最新进展，讨论了基于人工智能的资源管理在未来无线通信网络中面临的挑战和机遇。文献[22]论证了深度学习方法解决未来无线通信网络中功率控制NP难问题的可行性,提出了一种基于DNN策略解决现有迭代优化算法高计算收敛时间的问题。综述所述，采用人工智能算法进行联合建模优化解决无线通信资源管理问题，是当前重要的研究方向之一。

将设D2D通信的思想应用到城市轨道交通系统中，形成车车(Train-to-Train,T2T)通信系统架构，如图4所示。在频谱资源有限的当下，T2T链路需要复用车地(Train-to-Ground,T2G)通信的上行链路资源。然而，频谱复用会带来同信道干扰，从而影响无线通信的服务质量和列车运行效率。为解决这一问题，提出了一种多智能体深度强化学习通信智能频谱共享方案。方案把T2T通信链路看成智能体，建立多智能体深度Q网络，解决城市轨道交通无线通信中的频谱共享和功率选择问题，实现了有效的资源管理。图5的仿真结果标明，与文献[23]方案相比，所提方案能有效增加系统的总信道容量，接近最大信道容量。

图4 车车通信系统架构

图5 车车通信中信道容量比较

3 智能轨道交通中无线通信未来展望

2019年，国务院印发《交通强国建设纲要》指出：要大力发展智慧交通，推动大数据、互联网、人工智能、区块链、超级计算等新技术与交通行业深度融合。2022年，《“十四五”现代综合交通运输体系发展规划》进一步明确：到2035年，便捷顺畅、经济高效、安全可靠、绿色集约、智能先进的现代化高质量国家综合立体交通网基本建成。

3.1 智能轨道交通中无线通信安全性

安全性是轨道交通的最重要的性能指标之一。无线通信技术在轨道交通中的应用，虽然提高了列车运营的效率，但是也使得列车控制系统由传统的物理系统变为信息物理系统(Cyber-Physical System,CPS)。由于无线通信协议的开放性，CPS易受到网络攻击。2012年，深圳地铁信号系统受到乘客的便携式无线设备干扰，导致紧急停车和列车服务中断。2012年，上海申通车站信息系统和操作系统的无线网络受到攻击，迫使系统降级为手动操作模式。随着无线通信的发展，采用区块链提升无线通信的安全引起了研究者的兴趣[24]。2018年世界移动通信大会上，美国联邦通信委员会强调区块链将在未来无线网络中发挥重要作用。利用区块链为轨道交通无线通信提供可信的环境，有着独特的优势和很大的发展潜力。

3.2 智能轨道交通中感知-通信-计算一体化

智能轨道交通依赖大量的列车运行状态感知和采集，车地间可靠的数据通信，以及控制中心智能的决策。现有的烟囱式信息服务框架通过终端采集数据，通过网络传输信息和通过的云边计算数据，造成时延较长，导致用户体验下降。因此，感知-通信-计算一体化是智能轨道交通发展的重要方向。在该框架中，对列车运行状态信息感知可以增强通信能力，通信可以扩展感知的维度和深度，计算又可以进行多维的数据融合和大数据分析，为列车控制决策提供参考，感知-通信-计算一体化可提供智能体交互能力和机器学习的能力[25-26]。

3.3 智能轨道交通中无线通信绿色化

随着无线通信技术的发展，无线数据业务需求呈指数式增长，能源消耗问题日益突出。无线通信系统频谱效率和能量效率的研究是推动轨道交通绿色发展的一部分。可以针对轨道交通无线信道状态快时变和路径损耗大等特点，通过动态资源分配提升频谱利用率和数据传输效率；通过设计动态功率控制方案，有效补偿路径损耗；也可以通过智能功率控制，降低能量消耗，从而达到提升轨道交通无线通信系统能量效率的目的。

4 结束语

无线通信系统是轨道交通基础设施的重要组成部分，不仅为列车调度、状态监测和控制提供保障和技术支撑，而且为乘客提供各类的通信服务和互联网接入服务。但由于轨道交通的场景复杂多变、移动速度快、服务质量要求苛刻等特点，给无线通信带来一系列的挑战。本文在总结当前研究的基础上，结合机器学习、毫米波、D2D通信等最新的信息技术，探讨了智能轨道交通中无线通信信道建模与估计、移动和资源管理等可行的解决方案，并从安全性、感知-通信-计算一体化和绿色化的角度分析智能轨道交通中无线通信的发展方向。