王浩宇同学于2025年5月18日参加第七届北京高校人工智能学术论坛，并作题为《BDS for Train Localization Performance Forecast in Railway Environments Using Machine Learning》 的报告。

报告简介：

铁路环境通常由开阔区域、隧道、火车站、城市峡谷、高架桥等组成。开阔区域是GNSS信号接收最理想的环境，而其他环境可能会引发GNSS信号传播效应，如多径效应和信号阻挡，导致GNSS性能下降，这需要针对列车控制目的进行缓解或隔离。为了实现安全的列车定位以满足列车控制需求，必须在列车按照既定时刻表投入运行前，对GNSS定位性能进行预测。因此，本文研究了北斗卫星导航系统（BDS）及其他卫星星座在铁路环境中的性能，特别是在信号退化环境下，采用长序列时间序列预测（LSTF）和短序列时间序列预测（SSTF）方法，分析其精度和可用性性能。研究中应用了LSTM和Informer模型进行时间序列预测，数据来源于两条不同的铁路线路。结果表明，LSTM和Informer模型均可用于精度预测，建立了预测模型结构和数据训练流程。通过以数字轨道地图（DTM）为参考分析并结合参考系统研究垂直轨道误差（VTE）与沿轨道误差（ATE），验证了预测方法在选定环境场景中的合理性。采用该方法，可在列车按特定时刻表运行前预测GNSS性能，为铁路安全相关应用中与时刻表相关的GNSS健康状态提供了一种解决方案。

附件：智能控制与强化学习分论坛信息：AI未来丨智能控制与强化学习分论坛预告