張青苗，趙軍輝,*，張丹陽，吳 遙，董翰智

(1.華東交通大學 信息工程學院,江西 南昌 330013；2.北京交通大學 電子信息工程學院，北京 100044)

0 引言

軌道交通具有便捷性、大容量的特點，是人們最適宜的地面交通方式[1]。截止2021年12月31日，我國鐵路運營里程達14.6×105km，其中高速鐵路近3.8×105km，城市軌道交通里程7 978.19 km，我國軌道交通運營里程數(shù)居世界第一[2]。數(shù)據(jù)顯示，2021年，全國城市軌道交通客運量為229.62億人次。

地面基礎設施、列車和信號系統(tǒng)是軌道交通系統(tǒng)的3個主要部分，其中信號系統(tǒng)，也稱為列車控制系統(tǒng)，是保障列車安全運行的關鍵?，F(xiàn)有的列車控制系統(tǒng)標準主要有高鐵中的中國列車控制系統(tǒng)(Chinese Train Control System,CTCS)、歐洲列車控制系統(tǒng)(European Train Control System,ETCS)和地鐵中的基于通信的列車控制(Communication-Based Train Control,CBTC)系統(tǒng)。它們利用車載設備和地面設施之間雙向的無線通信傳輸列控指令，以保障列車安全運行。除了傳輸列車控制數(shù)據(jù)，無線通信系統(tǒng)還為乘客提供網(wǎng)絡接入、高質(zhì)量語音和視頻廣播等服務，以提升乘客乘車體驗[3]。

一方面，軌道交通場景下，無線通信具有場景復雜、移動高速、電磁環(huán)境惡劣、服務質(zhì)量要求嚴苛、用戶密度高等特征，因此，軌道交通中無線通信面臨諸多技術挑戰(zhàn)，如怎樣實現(xiàn)復雜場景下的信道建模，如何準確估計快速時變信道，如何高效地移動管理以降低通信時延和中斷概率，以及怎樣分配資源以提高系統(tǒng)頻譜效率和能效等，引起了學術界和產(chǎn)業(yè)界的普遍關注[4]。另一方面，軌道交通場景中，列車運行軌跡固定，無線通信又具有規(guī)律性和可預測性等特點，因此，可充分利用軌道交通無線通信的特點，結合機器學習算法，以及毫米波、D2D通信等新興信息使能技術，實現(xiàn)軌道交通智能化，為軌道交通無線通信的關鍵技術提供解決方案，實現(xiàn)軌道交通高效安全運行與乘客高質(zhì)量乘車體驗的目標。

在現(xiàn)有軌道交通無線網(wǎng)絡上，綜合應用通信技術、大數(shù)據(jù)、人工智能等，發(fā)展智能軌道交通，是實現(xiàn)軌道交通向新基建轉型升級的必然選擇。本文在分析軌道交通無線通信的特征和需求的基礎上，重點探討機器學習、毫米波、D2D通信等新興信息技術與無線通信融合的解決方案，指出未來軌道交通無線通信的發(fā)展方向。

1 軌道交通無線通信的特征和挑戰(zhàn)

1.1 軌道交通無線通信的特征

1.1.1 復雜的信道環(huán)境

無線信道與物理環(huán)境有著緊密聯(lián)系。列車運行的場景復雜多樣，如隧道、高架、城市、郊區(qū)、山丘等多種地形環(huán)境，這些特殊通信場景往往會導致信號的深度衰落。同時，障礙物，如過往的列車、布設在軌旁的隔音板、擋風板等也會引起信號的反射、衍射和散射，帶來額外的路徑損耗。

1.1.2 高速的移動

高速移動是軌道交通無線通信的另一個典型特征，特別在高鐵中，列車移動速度超過300 km/h,甚至達到500 km/h，無線信道呈現(xiàn)快速時變非平穩(wěn)特性。另外，列車高速移動也會產(chǎn)生較大的多普勒頻移。例如，當列車速度達450 km/h，載波頻率為2.6 GHz時，最大多普勒頻移可達1 083 Hz，很大程度上超出了當前無線通信系統(tǒng)可以處理的范圍。同時列車頻繁移動在不同的物理環(huán)境，則會導致多徑結構的快速變化，從而增加信道估計和多普勒頻移估計的難度。另外，列車的高速移動需要頻繁的越區(qū)切換，造成掉話，嚴重的甚至會導致列控信息傳輸?shù)闹袛郲5]。

1.1.3 嚴重的干擾

我國鐵路移動通信系統(tǒng)GSM-R上行和下行分別使用885～889 MHz和930～934 MHz頻段，該頻段也是中國移動運營公眾移動通信系統(tǒng)運營服務頻段，二者按地域共用，可能存在嚴重的同頻干擾。在地鐵CBTC系統(tǒng)中，車地通信使用WiFi技術，運營頻率(2.4 GHz)為非授權頻段，存在嚴重的干擾。此外，作為列車電力供應的弓形電網(wǎng)也會產(chǎn)生強烈的電磁干擾[6]。

1.1.4 嚴苛的服務質(zhì)量

軌道交通系統(tǒng)對數(shù)據(jù)速率、傳輸時延、誤碼率等服務質(zhì)量有嚴苛的要求。首先，軌道交通系統(tǒng)是安全苛求系統(tǒng)，對安全的要求高于公用的移動通信系統(tǒng)。例如公用的移動通信系統(tǒng)中，允許偶爾的掉話，但鐵路數(shù)字移動通信系統(tǒng)負責列控信息的傳輸，要求有更高的通信可靠性。軌道交通也是時延敏感系統(tǒng)，例如高鐵和地鐵對通信時延的要求分別是10 s和3.6 s[3]。一旦列車未能時延范圍內(nèi)收到列控信息，列車可能會觸發(fā)緊急制動，降低列車運行效率和乘客乘車舒適度。

1.2 軌道交通無線通信面臨的挑戰(zhàn)

軌道交通無線通信獨特的特征，給無線通信系統(tǒng)的建模、估計、設計和管理帶來了一系列技術挑戰(zhàn)。同時，當前軌道交通智能化發(fā)展，也對軌道交通無線通信技術提出了更高的要求。

1.2.1 精準的信道建模

依據(jù)無線通信相關環(huán)境中電波傳播規(guī)律和特點，準確描述和表達信道特征，即精準的信道建模，是無線通信系統(tǒng)設計的先決條件和基礎。但軌道交通場景下，不僅通信環(huán)境復雜，而且列車高速移動，信道具有強烈的非平穩(wěn)性和快速的動態(tài)變化性，由此引起多徑生滅過程的快速變化，大大增加信道特征提取的難度。因此，精準的信道建模是軌道交通無線通信面臨的挑戰(zhàn)之一。

1.2.2 準確的信道估計

信道估計是根據(jù)當前的信道狀態(tài)來恢復出發(fā)射信號?？焖贉蚀_地估計出信道狀態(tài)信息，可以有效提高發(fā)送信號的檢測性能、降低誤碼率、優(yōu)化通信質(zhì)量、提高運營效率和減少事故發(fā)生的概率。因此，信道估計的準確度在很大程度上影響著無線通信系統(tǒng)的性能和用戶體驗。但軌道交通場景下，列車高速移動使得難以準確估計、跟蹤和預測快速時變衰落信道系數(shù)。

1.2.3 高效的移動管理

軌道交通中，不僅由于列車高速移動，無線通信需要頻繁的越區(qū)切換；而且由于密閉的車體結構，特別在高鐵和地鐵中，無線通信還面臨著嚴重的穿透損耗(20～35 dB)[4]。因此，為滿足軌道交通服務質(zhì)量的要求，需要高效的移動管理，以降低切換次數(shù)、切換時延和切換失敗的概率。

1.2.4 優(yōu)化的資源管理

隨著軌道交通系統(tǒng)智能化發(fā)展的需求，軌道交通無線通信系統(tǒng)承載的業(yè)務日益增加，無線通信資源(頻譜、功率等)日益緊張，如何優(yōu)化利用通信資源，提升資源利用率也是軌道交通無線通信技術需要解決的關鍵問題。

2 智能軌道交通中無線通信技術應用

當前，軌道交通場景中，乘客娛樂和列車視頻監(jiān)控等業(yè)務使得數(shù)據(jù)流量需求呈爆發(fā)式增長；列車安全自主運行對通信時延及可靠性提出更高要求；鐵路物聯(lián)網(wǎng)的發(fā)展促使“人-機-物-網(wǎng)”大規(guī)?；ヂ?lián)。為滿足鐵路通信服務的日益增長的需求，越來越多的國家提出建設智能軌道交通的方案。通信系統(tǒng)是軌道交通智能化發(fā)展的底座，為應對軌道交通無線通信系統(tǒng)面臨的技術挑戰(zhàn)，提升軌道交通的運行效率和服務質(zhì)量，本節(jié)重點探討智能軌道交通中無線通信關鍵技術解決方案，包括信道建模、信道估計、移動管理和資源管理。

2.1 智能軌道交通中的信道建模

軌道交通的安全運行依賴車地或車車間可靠的無線通信，而精準的信道建模是設計無線通信系統(tǒng)的前提。確定性建模和統(tǒng)計性建模是現(xiàn)有的兩種主要信道建模方法。確定性建模是依據(jù)電磁波傳播理論或光學射線理論，利用傳播場景中詳細的地理形態(tài)特征，獲取信道傳輸特性。確定性建模一般不需要做大量的信道實測，依據(jù)指定環(huán)境的細節(jié)即可準確預測無線信號的傳輸特性，但確定性建模算法復雜，計算資源消耗大，多用于較小范圍的信道建模。統(tǒng)計性建模則是依據(jù)對各種特定環(huán)境的實測信道數(shù)據(jù)，分析無線信道傳輸特性的數(shù)學統(tǒng)計規(guī)律來建立信道模型。統(tǒng)計性建模算法能夠較為準確地刻畫某一類典型傳播環(huán)境的信道特征。

軌道交通場景下，一方面，環(huán)境復雜和高速移動帶來信道強烈的非平穩(wěn)性，增加了信道建模的難度；另一方面，由于列車運行軌跡固定，所以信道中主要反射、散射體通常呈現(xiàn)一定的規(guī)律性，又給信道建模提供了便利。因此，可借助機器學習、智能反射和無人機等技術，結合具體通信場景下的信道特征和歷史信道狀態(tài)信息，實現(xiàn)信道的精準預測。

隨著人工智能、大數(shù)據(jù)和無線通信的不斷融合，越來越多的研究采用機器學習的方法來信道建模。文獻[7]提出可以使用機器學習方法，實現(xiàn)軌道交通場景下對非平穩(wěn)信道參數(shù)的準確提取。文獻[8]將機器學習方法應用到信道建模，提出了一種“波-簇-信道”的三層結構。He等人提出使用大數(shù)據(jù)和人工智能方法基于簇的信道建模方法[9]。另外，由于不同場景對通信的業(yè)務需求也不同，因此，準確合理的場景劃分是信道建模的基礎。智能軌道交通無線通信系統(tǒng)中，應用和業(yè)務更加多樣，數(shù)據(jù)中蘊含更豐富的無線信號傳輸特征。充分利用大數(shù)據(jù)和機器學習算法，發(fā)掘軌道交通場景下電波傳播規(guī)律，提取動態(tài)信道特征參數(shù)，實現(xiàn)精細的場景劃分是當前研究的熱點問題之一。文獻[10]利用機器學習算法建立場景識別模型，實驗結果表明，在城區(qū)、隧道、高速公路和車輛遮擋等4種場景中，模型的識別率超過98%。由于軌道交通具有運行路線不變的優(yōu)勢，所以可在精準刻畫特定場景信道特征的基礎上，充分利用歷史信道狀態(tài)數(shù)據(jù)，建立相應的信道模型庫，采用機器學習算法進行信道建模和預測，為軌道交通無線通信系統(tǒng)設計提供支撐，其基本過程如圖1所示。

圖1 基于機器學習的信道建模流程

2.2 智能軌道交通中的信道估計

信道估計是在接收端估計出接收信號中蘊含的信道特征參數(shù)，其目標是獲取詳細的信道狀態(tài)信息，以正確地恢復出發(fā)射信號。軌道交通場景下，列車高速移動帶來信道的快速時變和非平穩(wěn)性，為獲取準確的信道狀態(tài)信息，需要估計的信道參數(shù)也急劇增加[11]。隨著列車速度增大，誤碼率(Bit Error Ratio,BER)呈增長趨勢。無線信道的時變性增強，使得信道估計的精度降低，從而影響無線通信系統(tǒng)的性能。

當前，一些學者將深度學習算法應用在信道估計中，通過設定一定的環(huán)境誤差函數(shù)，并不斷訓練更新來擬合真實的信道環(huán)境，以得到更精確的估計。文獻[12]利用深度神經(jīng)網(wǎng)絡(Deep Neural Network,DNN)提出了一種基于在線深度學習的雙選擇性衰落信道估計算法，通過正確選擇輸入，DNN不僅可以利用先前信道估計的信道變化特征，還可以從導頻和接收信號中提取額外的特征，該算法特別適用于具有建模誤差或非平穩(wěn)信道的通信系統(tǒng)。文獻[13]利用深度學習算法，提出了適用于正交頻分復用系統(tǒng)隱式估計信道狀態(tài)信息方法，該方法可解決信道失真問題，其性能與最小均方誤差估計器相當，但更具魯棒性。文獻[14]將學習技術與前導碼訓練符號和導頻相結合，從而能夠在線跟蹤信道變化，更好地適用于當前車輛通信、水聲系統(tǒng)等時變信道。

針對軌道交通場景造成的快速時變非平穩(wěn)信道，解決信道估計復雜度高的問題，提出了一種基于生成對抗網(wǎng)絡(Generative Adversarial Network,GAN)的信道估計算法，具體結構見文獻[15]。利用GAN中的鑒別器來學習和提取信道時變特征，采用標準的無線高速移動信道數(shù)據(jù)進行網(wǎng)絡的離線訓練，再利用GAN的生成器網(wǎng)絡提取高維時變信道的特征，生成并還原接近真實的信道信息。仿真結果表明，所提出的信道估計方法能夠有效地提取快速時變信道的特性和分布，并預測信道響應。

2.3 智能軌道交通中的移動管理

移動管理是實現(xiàn)用戶移動過程中網(wǎng)絡間通信鏈接無縫切換的關鍵技術，當前軌道交通無線通信系統(tǒng)移動性管理主要從網(wǎng)絡結構和切換策略兩方面考慮。從網(wǎng)絡結構上，首先，可以考慮兩跳的網(wǎng)絡結構。如文獻[4]提出在列車頂部安裝移動中繼，形成兩跳結構，不僅可以避免車廂穿透損耗的影響，而且使得車廂內(nèi)用戶與移動中繼之間是相對靜止的，不需要切換操作。其次，為減少切換的次數(shù)，也可以通過優(yōu)化部署無線遠端單元(Radio Remote Unit,RRU)來擴大小區(qū)的覆蓋范圍[16]。同屬一個基帶處理單元的多個RRU之間不需要切換，所以可顯著降低掉話概率。最后，可采用高低頻組網(wǎng)的方式建立通信網(wǎng)絡[17]：宏基站使用低頻信號傳輸重要的控制平面信令以保障通信的可靠性；微基站使用較高頻率信號傳輸用戶面數(shù)據(jù)以滿足通信容量要求。從切換策略上，由于軌道交通場景中，列車運行路線固定、運行速度測量方便，所以可通過定位器和傳感器，近乎實時地追蹤列車的位置和速度信息，實現(xiàn)快速切換。

本文結合移動中繼以及控制/用戶分離的高低頻網(wǎng)絡架構，將毫米波[18]應用到高鐵高架橋場景中，為獲得最大功率范圍內(nèi)的通信服務總量，利用列車位置與速度信息，提出了一種波束切換和動態(tài)功率分配的方案[19]，如圖2所示。圖3的仿真結果表明，所提方案能在根據(jù)列車運行速度及位置的基礎上，實現(xiàn)優(yōu)化通信容量，其中β表示與速度相關的因子。

圖2 控制/用戶分離的無線通信網(wǎng)絡架構

圖3 所提方案優(yōu)化的平均通信容量

2.4 智能軌道交通中的資源管理

智能軌道交通通信業(yè)務需求急劇增長，而無線資源是有限的，如何最大限度地利用網(wǎng)絡內(nèi)無線資源，提升系統(tǒng)的頻譜效率或能量效率，已成為資源管理的主要研究方向。文獻[20]提出基于卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks,CNN)的傳輸功率控制策略，利用CNN學習方法最大化網(wǎng)絡頻譜效率和能量效率。文獻[21]從框架系統(tǒng)到方法論角度總結了人工智能賦能的無線資源管理最新進展，討論了基于人工智能的資源管理在未來無線通信網(wǎng)絡中面臨的挑戰(zhàn)和機遇。文獻[22]論證了深度學習方法解決未來無線通信網(wǎng)絡中功率控制NP難問題的可行性,提出了一種基于DNN策略解決現(xiàn)有迭代優(yōu)化算法高計算收斂時間的問題。綜述所述，采用人工智能算法進行聯(lián)合建模優(yōu)化解決無線通信資源管理問題，是當前重要的研究方向之一。

將設D2D通信的思想應用到城市軌道交通系統(tǒng)中，形成車車(Train-to-Train,T2T)通信系統(tǒng)架構，如圖4所示。在頻譜資源有限的當下，T2T鏈路需要復用車地(Train-to-Ground,T2G)通信的上行鏈路資源。然而，頻譜復用會帶來同信道干擾，從而影響無線通信的服務質(zhì)量和列車運行效率。為解決這一問題，提出了一種多智能體深度強化學習通信智能頻譜共享方案。方案把T2T通信鏈路看成智能體，建立多智能體深度Q網(wǎng)絡，解決城市軌道交通無線通信中的頻譜共享和功率選擇問題，實現(xiàn)了有效的資源管理。圖5的仿真結果標明，與文獻[23]方案相比，所提方案能有效增加系統(tǒng)的總信道容量，接近最大信道容量。

圖4 車車通信系統(tǒng)架構

圖5 車車通信中信道容量比較

3 智能軌道交通中無線通信未來展望

2019年，國務院印發(fā)《交通強國建設綱要》指出：要大力發(fā)展智慧交通，推動大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能、區(qū)塊鏈、超級計算等新技術與交通行業(yè)深度融合。2022年，《“十四五”現(xiàn)代綜合交通運輸體系發(fā)展規(guī)劃》進一步明確：到2035年，便捷順暢、經(jīng)濟高效、安全可靠、綠色集約、智能先進的現(xiàn)代化高質(zhì)量國家綜合立體交通網(wǎng)基本建成。

3.1 智能軌道交通中無線通信安全性

安全性是軌道交通的最重要的性能指標之一。無線通信技術在軌道交通中的應用，雖然提高了列車運營的效率，但是也使得列車控制系統(tǒng)由傳統(tǒng)的物理系統(tǒng)變?yōu)樾畔⑽锢硐到y(tǒng)(Cyber-Physical System,CPS)。由于無線通信協(xié)議的開放性，CPS易受到網(wǎng)絡攻擊。2012年，深圳地鐵信號系統(tǒng)受到乘客的便攜式無線設備干擾，導致緊急停車和列車服務中斷。2012年，上海申通車站信息系統(tǒng)和操作系統(tǒng)的無線網(wǎng)絡受到攻擊，迫使系統(tǒng)降級為手動操作模式。隨著無線通信的發(fā)展，采用區(qū)塊鏈提升無線通信的安全引起了研究者的興趣[24]。2018年世界移動通信大會上，美國聯(lián)邦通信委員會強調(diào)區(qū)塊鏈將在未來無線網(wǎng)絡中發(fā)揮重要作用。利用區(qū)塊鏈為軌道交通無線通信提供可信的環(huán)境，有著獨特的優(yōu)勢和很大的發(fā)展?jié)摿Α?/p>

3.2 智能軌道交通中感知-通信-計算一體化

智能軌道交通依賴大量的列車運行狀態(tài)感知和采集，車地間可靠的數(shù)據(jù)通信，以及控制中心智能的決策?，F(xiàn)有的煙囪式信息服務框架通過終端采集數(shù)據(jù)，通過網(wǎng)絡傳輸信息和通過的云邊計算數(shù)據(jù)，造成時延較長，導致用戶體驗下降。因此，感知-通信-計算一體化是智能軌道交通發(fā)展的重要方向。在該框架中，對列車運行狀態(tài)信息感知可以增強通信能力，通信可以擴展感知的維度和深度，計算又可以進行多維的數(shù)據(jù)融合和大數(shù)據(jù)分析，為列車控制決策提供參考，感知-通信-計算一體化可提供智能體交互能力和機器學習的能力[25-26]。

3.3 智能軌道交通中無線通信綠色化

隨著無線通信技術的發(fā)展，無線數(shù)據(jù)業(yè)務需求呈指數(shù)式增長，能源消耗問題日益突出。無線通信系統(tǒng)頻譜效率和能量效率的研究是推動軌道交通綠色發(fā)展的一部分?？梢葬槍壍澜煌o線信道狀態(tài)快時變和路徑損耗大等特點，通過動態(tài)資源分配提升頻譜利用率和數(shù)據(jù)傳輸效率；通過設計動態(tài)功率控制方案，有效補償路徑損耗；也可以通過智能功率控制，降低能量消耗，從而達到提升軌道交通無線通信系統(tǒng)能量效率的目的。

4 結束語

無線通信系統(tǒng)是軌道交通基礎設施的重要組成部分，不僅為列車調(diào)度、狀態(tài)監(jiān)測和控制提供保障和技術支撐，而且為乘客提供各類的通信服務和互聯(lián)網(wǎng)接入服務。但由于軌道交通的場景復雜多變、移動速度快、服務質(zhì)量要求苛刻等特點，給無線通信帶來一系列的挑戰(zhàn)。本文在總結當前研究的基礎上，結合機器學習、毫米波、D2D通信等最新的信息技術，探討了智能軌道交通中無線通信信道建模與估計、移動和資源管理等可行的解決方案，并從安全性、感知-通信-計算一體化和綠色化的角度分析智能軌道交通中無線通信的發(fā)展方向。