中国是世界上人口最多的国家,也是世界上领土面积第三大国家,因此城市交通对于中国而言十分重要。根据中国城市轨道交通协会2018年统计报告,截至2018年底,我国（不含港澳台）开通城市轨道的城市共有35个城市,包含交通运营线路185条,运营线路总长度5761.4公里。拥有运营线路超过4条,且换乘站在3座及以上,实现网络化运营的城市有16个,这些城市的地铁运营线路共4354.3公里。但各个城市的地铁运营却因无法精确停车频频上微博热搜,相关部门和地铁运营商近年来也不断寻求地铁精确停车技术上的突破。因此,地铁精确停车问题自然而然地成为了轨道交通领域的一个重点研究课题。工科领域研究这一问题的思路是考虑复杂的建模及计算,并且使用大量的附加设备,通过对设备参数、传感器等的不断调试以实现精准停车。但该类方法都依赖于物理模型的建立和设备参数的调整,而忽略了对列车运行数据本身的学习和建模。因此本文利用某市地铁运行的实际数据,从统计学角度来考虑精准停车问题。通过对数据的分析、处理得出了影响地铁精确停车的因素,并建立了预测模型提前知晓列车的停车情况,针对预测停不准的列车,本文提出了启发式精确停车算法,对其停车制动过程的速度进行调控。本文主要工作如下:1.由于列车运行数据是通过传感器按时序采集,因此在数据预处理阶段,本文首先进行了数据切分,按照站点将数据切分成列车从出站到进入目标站点的行车过程;其次,由于信号数据的不稳定性,本文通过基于规则和基于算法的两种方法剔除了原始数据中的异常值。2.在进行模型研究之前,本文先研究了影响精确停车的因素。通过查阅文献,本文得到了“进入停车制动时的速度、位置相关变量是影响精确停车的关键”的结论;通过对原始数据进行分析,利用生存分析理论得出了信号紊乱的影响因素。进一步对信号紊乱实例对应的警报数据进行了分析,发现警报多为测速系统、位置传感器故障。3.在列车进入停车制动阶段前预测出列车到站停车情况。根据前一阶段的研究,本文首先进行了特征工程,构造了30个特征,经过特征选择后剩余15个相关特征;同时,由于列车到站停不准是一个小概率事件,因此正负样本极度不均衡,不均衡比约为500左右,因此本文利用bagging集成的思想,通过构建多个正负样本均衡的数据集建立不同的子模型,然后利用取投票/平均的方法得出最终的预测结果。在基模型的选择方面,本文尝试了逻辑回归模型、随机森林模型、GBDT模型、XGBoost模型,其中随机森林的效果最好,其AUC为0.8001,模型输出的特征重要性排序也与前一阶段研究结论一致。除此之外,为了列车行驶检测员更好的进行行车干预,本文也预测了列车的停车位置。4.最后,本文针对未停准的行车过程提出了启发式精确停车算法。该算法不需要实际运行速度不断逼近参考速度曲线,而是参照人工驾驶经验,直接在小段时间内采用固定的制动率,从而减少了因不断逼近参考速度曲线造成的停不准现象。通过停车准点率、停车精度、乘客舒适度、单位质量能耗这四个性能指标的评价,本文得出,在停车精度上启发式精确停车算法表现略优于原本算法,但要以牺牲一小部分乘客舒适度为代价。综上所述,本文实现了基于数据本身的列车精确停车问题的研究。其中的预测模块和精确停车算法模块可以对现有的ATO系统进行一个功能补充。