标题：基于深度学习算法的轨道电路分路不良预测方法
作者：孔朗和1；郭仲斌2；邵迪3；陈景周1
作者单位：1 深圳地铁集团有限公司，广东 深圳 518000；2 广州市中海达测绘仪器有限公司，广东 广州511400；3 广州铁路职业技术学院，广东 广州 510430
关键字：轨道电路；分路不良；解决方案
摘要：轨道电路分路不良是影响地铁运营安全的重要因素，对地铁运营保障有着至关重要的作用。当前的分路不良预警做法大概分为2大类：①采用轨道电路的电压值、车站的温度/湿度、钢轨长度、轨道电路类型、钢轨阻抗、道渣电阻来做预警；该做法往往存在数据量小且成本较高的缺陷；②采用传统机器学习方法（SVM），通过微机监测采集的开关量、模拟量数据、电压电流检测曲线来做预警。然而这类方法往往与实际板卡电压的测量有一定的误差，从而导致预测准确性不高。为了弥补以上方法的不足，提出了基于transformer和LSTM网络的深度学习架构来对轨迹电路分类进行预测。该模型充分利用transformer自注意力机制和多头注意力机制能够更好地捕抓电压微小的变化特征的优点，以及LSTM网络天生适合处理时序特征的特点，对轨道电路接收板的电压值进行预测。