祁 颖，赵 辉，张永鹏，王一力，宋亚京

（1. 北京市地铁运营有限公司 通信信号分公司，北京 100082；2. 北京市地铁运营有限公司 地铁运营技术研发中心，北京 100044；3. 交控科技股份有限公司 交控研究院，北京 100070)

列车检测作为列车自动驾驶的核心技术，可以有效地降低列车追尾等事故造成的人身危险和财产损失。随着我国地铁首条无人驾驶的自主化全自动运行系统(Fully Automatic Operation，FAO)开通[1-3]，对列车检测精准性要求提高。现有的自动驾驶列车完全依赖于通信系统，不具备前向列车识别能力，只能通过信号系统获取前向列车的距离。然而，当信号系统出现故障时，列车间距就无法精准地获取，容易引发列车碰撞等交通事故，因而需要增强列车对周边运行环境的自主识别能力，有效地进行列车识别[4-6]。研究基于图像的列车检测方法，采用卷积神经网络对车载图像中前向列车进行识别，以判断列车前向的一定范围内是否存在有列车。当列车信号系统故障时，采用信号系统的备用方式，通过基于卷积神经网络的列车检测方法识别出前方列车，从而实现前向列车安全防护，提升列车的行车安全水平，保护乘客的出行安全。

1 基于卷积神经网络的列车检测算法

1.1 算法框架

基于卷积神经网络的列车检测算法主要包括特征提取、列车定位及列车分类3 部分，各部分概述如下。①特征提取。采用一种改进的卷积神经网络，对输入图像进行特征提取，卷积生成的特征包含物体的位置信息，并且提高了处理速度。……