1、目錄目錄1.前言.12.6G 軌道交通覆蓋技術概述.22.1.6G 軌道交通無線信道.22.2.6G 軌道交通覆蓋技術.42.3.去蜂窩大規模 MIMO 技術.62.4.RIS 在高速移動場景中的應用.83.6G 軌道交通傳輸關鍵技術.93.1.面向未來高鐵的智能快速隨機接入.93.2.面向高鐵 6G 演進的多址接入技術.103.3.OTFS 在智能高鐵中的應用.133.4.太赫茲通信在高速移動場景中的應用.144.構建智能安全的 6G 軌道交通.164.1.面向 6G 軌道交通的邊緣智能技術.164.1.1.面向 6G 軌道交通的邊緣智能網絡架構.164.1.2.邊緣智能技術.174.2.軌

2、道智能交通系統 6G 網絡內生安全.184.2.1.軌道交通 6G 網絡面臨的安全威脅與挑戰.194.2.2.軌道交通 6G 網絡內生安全架構.204.2.3.軌道交通 6G 網絡內生安全關鍵技術.224.3.軌道交通數字孿生網絡.265.軌道交通物聯網技術.295.1.高鐵物聯網監測及傳輸技術.295.1.1.AI 助力的鐵路物聯監測技術.295.1.2.時域功率分配增強的鐵路傳輸技術.305.1.3.無線射頻供電驅動的高鐵物聯網技術.315.1.4.無人機輔助的的高鐵物聯網傳輸計算技術.325.2.綠色物聯網反向散射技術在 6G 軌道交通中的應用.335.3.面向智能高鐵的基于 6G 的海

3、量機器類通信.345.4.通信感知一體化.35參考文獻.39致謝.4111.1.前言前言移動通信系統具有“使用一代、建設一代、研發一代”的發展特點，預計到2030 年將實現第六代移動通信系統（Sixth-Generation,6G）的商用。世界各國已經開始了 6G 研究，例如芬蘭率先啟動 6Genesis 旗艦研究計劃，美國聯邦通訊委員會為 6G 研究開放太赫茲頻譜。2019 年 11 月，我國科技部成立了 6G 技術研發推進工作組和總體專家組，以“創新、協調、綠色、開放、共享”為內涵的新發展理念，成為推動移動通信網絡可持續發展的思路、方向和著力點，標志著我國 6G 研究正式開始。交通是興國之

4、要、強國之基。2019 年 9 月，我國頒布的交通強國建設綱要明確指出，到 2035 年，基本建成交通強國，到本世紀中葉，全面建成人民滿意、保障有力、世界前列的交通強國。為了符合未來智能交通通信的愿景，鐵路運輸行業需要開發創新的通信網絡架構和關鍵技術1，以確保為乘客及鐵路運營和控制系統提供高質量的傳輸。6G 通信系統是一個地面無線與衛星通信集成的全連接世界，可實現全球無縫覆蓋，其不再是簡單的網絡容量和傳輸速率的突破，更是為了實現萬物互聯的“終 極 目 標”。6G 的 數 據 傳 輸 速 率 可 能 達 到 第 五 代 移 動 通 信 系 統（Fifth-Generation,5G）的 50 倍

5、，時延縮短到 5G 的十分之一，在峰值速率、時延、流量密度、連接密度、移動性、頻譜效率、定位能力等方面遠優于 5G。在超高速交通場景下，一些終端移動速度將超過 1000km/h，需滿足超高速下的超高安全性和超高精度定位需求。而 5G 定義的 ITU 指標僅支持 500km/h 的移動速度，對安全和定位精度沒有定義。因此，對于未來智能交通應用場景帶來的指標需求，僅依靠 5G 現有的網絡和技術是難以滿足的，需要未來的 6G 網絡提供比 5G 更全面的性能指標，如超低時延抖動、超高安全、立體覆蓋、超高定位精度等。6G 的發展將為多元化的服務質量（Quality-of-Service,QoS）需求、實

6、時觸覺交互、定制開放服務、通信融合、廣播、計算、傳感、控制、安全和人工智能等奠定基礎。6G 網絡架構方面還需要進行創新，如空天地海一體化網絡、全頻譜全維度覆蓋、智能自感知、機器學習、優化與演進等。另一方面，未來智能交通網絡的潛在應用包括自動列車駕駛、協同列車網絡、列車互聯、超高清（4K/8K）列車視頻、列車自組織網絡和超精確(厘米級)列車定位。在 6G 智能交通領域，國內外高校和研發機構相繼提出了多種技術方案2，但這些方案都處于概念階段，能否成功實現還需更深入的研究與驗證。歐洲鐵路研究咨詢委員會（ERRAC）制訂了Rail Route 2050計劃，提出基于 6G 的高資源效率、智能化 205

7、0 年軌道交通系統發展藍圖。歐盟 Hexa-X 6G 項目面向高速移動場景和需求，定義了全新的 6G 智能網絡架構，開發和實現 6G 各項關鍵使能技術。芬蘭 6Genesis 研究計劃將自動駕駛作為主要應用場景之一，設計了支持 99.99999%可靠性、1ms 時延、和 1000 km/h 超高速移動性的 6G 網絡和技術。為了滿足 6G 智能交通應用的要求，需要全新的移動通信網絡和技術突破，包括但不僅局限于：2（1）去蜂窩大規模 MIMO（Multiple-Input Multiple-Output）網絡架構：為了解決超高移動性導致的傳統蜂窩網絡中頻繁的切換和巨大的開銷問題，去蜂窩大規模 M

8、IMO 可保證無縫切換和高質量的覆蓋。（2）通信-感知一體化技術：針對鐵路建設、裝備、運營的各個環節和場景，復用無線通信網絡與基礎設施的硬件設備、信號處理算法、通信協議等，將接入終端、基站甚至軌道交通無線通信網絡作為智能感知、透徹感知的載體3，從而支撐軌道交通建設環境的監測檢測、運營環境的監測檢測以及智能高效綠色的無線通信。（3）人工智能與安全技術：人工智能技術具有自學習、優化和演進的特點，在6G 智能交通網中的應用前景廣闊。軌道交通的高效運行與高質量應用服務體驗，需要基于人工智能對海量數據及信道信息進行分析處理。同時，為了保障關鍵信息、應用服務、以及運營的安全性，又需要融合一系列安全相關的技

9、術，尤其是內生安全技術，在軌道交通網絡中實現可靠、安全的智能分析與計算。（4）新的超可靠超低時延（Ultra-Reliable Low Latency Communications,URLLC）技術：為保證自動列車的行駛速度達到 1000 公里/小時以上(如新興的超級高鐵系統)，進一步研究有限塊碼長下的新型 URLLC 幀結構來實現超可靠性和超低延遲之間的權衡也是至關重要的4。（5）數字孿生網絡：對軌道交通網絡進行實時的映射分析，包括對列車運行狀態進行感知處理，對列車司機（如緊張、醉酒、困倦、興奮等）的行為進行監控、預測和決策等，對高鐵的安全運營具有重要意義?；?6G 的數字孿生網絡可以從根

10、本上改變列車及司機的歷史和當前行為、狀態的數字特征，從而進行反饋控制并優化其性能。通過應用 6G 新網絡和新技術，未來智能交通的網絡、廣播、通信、互動和安全將得到極大改善，從而大幅提升人們的出行體驗和效率。2.2.6 6G G 軌道交通覆蓋技術概述軌道交通覆蓋技術概述2.1.2.1.6G6G 軌道交通無線信道軌道交通無線信道軌道交通行業是國家經濟發展的支柱行業之一，在中共中央、國務院印發的交通強國建設綱要中明確指出要構建安全、便捷、高效、綠色、經濟的現代化綜合交通體系，打造一流設施、一流技術、一流管理、一流服務，建成人民滿意、保障有力、世界前列的交通強國。未來軌道交通將向著客運服務網絡化、運輸

11、組織智能化、安全監控自動化等方向發展，高效可靠的專用通信系統是軌道交通智能化建設的必要保障，行業內對基于 6G 的鐵路通信服務需求持續增長。對電波傳播特性及信道建模的研究是無線通信系統設計和評估的重要基礎，隨著 6G 技術向全場景、全頻段、全覆蓋維度的拓展5，6G 軌道交通通信場景呈現更加多元化和復雜化的趨勢，除了傳統低頻段車-地通信，6G 軌道交通還將包括空-地通信、高頻通信、物聯網、車-車通信等新場景，如圖 1 所示，這對 6G軌道交通信道測量和建模的研究提出了新的挑戰。當前，6G 軌道交通無線信道的研究與應用主要存在如下難點與挑戰。3圖 1 軌道交通 6G 通信典型場景信道示意圖（1 1

12、）軌道交通車軌道交通車-車通信信道車通信信道軌道交通車-車通信對全面保障 6G 軌道交通無人駕駛、自動駕駛、全自動運營等應用具有重要意義。6G 軌道交通車-車通信場景中，收發端列車的快速雙移動會帶來更加復雜的多普勒效益變化，并引起復雜的信道時變性，通信的廣義平穩假設面臨更大的挑戰。此外，列車運行過程中收發端較長的通信距離、車體近端反散射體分布特性、復雜環境非視距傳播等因素會極大地影響車-車無線信道的特性，對信號的可靠傳輸帶來挑戰。（2 2）軌道交通毫米波信道軌道交通毫米波信道毫米波通信可以為軌道交通提供更高的帶寬和數據傳輸速率。然而毫米波頻段的傳播損耗相比低頻段要高很多，除極高的自由空間傳播損

13、耗和車體透射損耗外，還會受到大氣衰減、雨衰和植被衰減等因素的影響。此外，軌道交通中毫米波通信還需要克服比低頻段更加嚴重的多普勒效應。高頻段下軌道交通的高移動特性會使得信道的多徑（簇）生滅特性加劇、非平穩特征更加顯著、信道的變化特性更加難以建模，這為毫米波通信技術在 6G 軌道交通場景下的應用帶來了更大的挑戰。（3 3）軌道交通物聯網信道軌道交通物聯網信道軌道交通場景下物聯網可通過海量傳感設備實時采集系統中各類設備、人員和環境信息，并進行實時的信息交互，實現軌道交通系統中設備、人、車等要素的全連接，大幅提升綜合管理的智能化水平、可靠性和效率。在信道層面，軌道交通物聯網中海量的接入設備、豐富的部署

14、方式、隨機變化的人流因素均會顯著增加無線傳播環境的復雜性，影響物聯網節點的連通性能。此外，物聯網全連接信道中多樣化的無線傳播鏈路，在傳播距離、散射環境、發射功率、信號帶寬、衰落特征等方面存在顯著差異6，這也為物聯網信道特性的刻畫和標準化模型的建立提出了更高的挑戰。4（4 4）軌道交通空軌道交通空-地信道地信道無人機（Unmanned Aerial Vehicle，UAV）等空中平臺在未來 6G 通信中得到了廣泛關注。由于其通用性和高移動性，無人機可以作為空中基站輔助提升6G 軌道交通的通信質量。與傳統陸地移動通信相比，無人機空-地通信具有很多新特點，如較高的飛行高度、三維高移動性、高視距傳播概

15、率等。但由于無人機載荷、供電、以及特殊區域禁飛等因素的限制，軌道交通場景下空-地信道測量難度很大，目前的一些測試及相關研究主要集中在靜態非軌道交通場景、6 GHz頻段及單天線配置等情況。此外，特定頻段下大氣、雨、霧等自然因素造成的信道復合式衰落特性也尚未得到充分研究。為充分探究 6G 軌道交通空-地信道特性，亟需開展典型場景下信道測量工作，深入分析空-地信道多徑分布及其成簇規律，創建精準的空-地高移動性信道模型，以支撐 6G 軌道交通場景下空地協同通信系統的設計。（5 5）軌道交通智能反射信道軌道交通智能反射信道可重構智能面（Reconfigurable Intelligent Surface

16、,RIS）技術的出現為 6G 軌道交通通信覆蓋的增強及傳輸性能的提升提供了更多的技術選擇，尤其適用于6G 軌道交通復雜場景下超可靠覆蓋的保障。目前大多數研究主要將 RIS 部署在建筑物表面，而在軌道交通場景下 RIS 可以更加靈活的部署在鐵軌沿線，也可將RIS 部署在無人機上通過空中 RIS 來解決軌道交通特殊場景的可靠通信難題。然而，當前對 RIS 信道的研究依然處于起步階段，大規模 RIS 振源電磁輻射及傳播損耗特性、電波智能反射傳播過程的解析分析、基于幾何的 RIS 隨機性信道建模、高速移動狀態下波速的精準調控及相位設計、RIS 振源幅相特性與無線信道的相互影響機制、以及典型場景下的信道

17、實測等均缺乏深入研究，直接制約著軌道交通場景下 RIS 技術的應用。（6 6）軌道交通智能電波預測軌道交通智能電波預測6G 軌道交通無線信道的研究中，人工智能技術在信道特征提取、信道學習與狀態分析、智能電波預測等方面得到廣泛的應用，能夠全面提升無線電波預測的智能化程度和準確性。一方面，人工智能技術將支撐對 6G 軌道交通信道數據特征的深度挖掘，建立數據-特征-場景-無線電波之間的復雜關聯；另一方面，人工智能將借助所挖掘的無線電波與歷史數據、場景等信息的復雜關聯，充分利用軌道交通軌跡固定的特點，實現智能化的無線電波預測，全面改變軌道交通無線電波覆蓋預測的模式，構建基于大數據的電波預測數據庫和模型

18、庫，提升軌道交通覆蓋預測與優化分析的智能化水平和準確性。2.2.2.2.6G6G 軌道交通覆蓋技術軌道交通覆蓋技術隨著我國軌道交通網絡的迅猛發展，以信息及通信技術驅動的軌道交通高質量服務需求也在持續增長。根據黨中央國務院發布的交通強國建設綱要，未來軌道交通將逐步向著智能化、智慧化的方向發展，這需要加快推動 6G、大數據、人工智能等技術與軌道交通行業深度融合，構建泛在先進的軌道交通信息基5礎設施。為了實現這一愿景，軌道交通需要高效可靠的專用通信系統，而通信網絡的覆蓋質量是軌道交通通信系統的重要基礎性指標。6G 軌道交通場景和業務應用更加豐富，通信場景高可靠深度覆蓋的需求顯著提升?？紤]到軌道交通場

19、景移動性高、環境復雜、網絡結構時空頻尺度跨度大、資源屬性差異大、以及存在多類型和全場景的異構業務，如何實現容量和能效約束下的高可靠電波覆蓋將成為未來軌道交通建設發展的主要瓶頸之一。由于未來 6G 網絡的基礎設施將從平面到立體延伸、從局部到全球延伸、從中低頻段向高頻段延伸，無人機、智能超表面、毫米波、超大規模天線、精準波束追蹤等將成為 6G 軌道交通覆蓋擴展技術的重要驅動力，如圖 2 所示。圖 2 軌道交通場景下 6G 覆蓋擴展技術應用示意圖與傳統陸地通信相比，UAV 通信具有諸多新特點，如較高的視距概率、更加靈活的部署方式等，可以作為空中基站提升 6G 軌道交通各類復雜惡劣傳播場景下的覆蓋質量

20、。但高動態傳播環境、極端天氣條件、以及空-地信道反散射體分布及傳播機制等因素，增加了 UAV 空-地信道建模的難度，這也成為評估 UAV輔助 6G 軌道交通覆蓋性能的關鍵。此外，UAV 的能量受限性也是影響無線覆蓋性能的重要因素之一，有必要通過軌跡優化算法降低 UAV 能耗，從而滿足 6G軌道交通高能效綠色覆蓋的需求7。UAV 復雜三維運動姿態是影響無線覆蓋性能的另一重要因素，可以通過優化 UAV 仰角、時間分裂因子等參數，在給定的可容忍中斷概率下最大化覆蓋范圍，提升 6G 軌道交通覆蓋的廣度。在 UAV 輔助的無線網絡覆蓋中，需要針對 UAV 立體協同組網方式構建立體協同移動跟蹤覆蓋機制，從

21、而提高地面大規模接入節點的覆蓋深度。UAV 也可用于軌道交通應急場景非均勻業務需求下的按需覆蓋和動態資源適配，通過空中基站的聯合部署，在地面軌道交通網絡存在的前提下利用低空 UAV 攜帶基站進行擴展覆蓋，并在地面軌道交通網絡損毀情況下提供高可靠應急覆蓋。毫米波技術可為 6G 軌道交通提供更高的數據傳輸速率。然而軌道交通的覆蓋范圍較大，電磁波在毫米波頻段的傳播損耗相比低頻段要高很多，除路徑損耗外，還會受到大氣衰減、雨衰和植被衰減等因素的影響。因此，將毫米波用于軌道交通無線覆蓋的主要問題在于如何克服高傳播損耗、植被衰減、陰影衰落等因6素的影響。一方面可以考慮在車站等可提供短距離通信的場景下部署毫米

22、波系統以提升特定業務需求的傳輸速率，另一方面可以將 6G 超大規模 MIMO 與波束成形技術結合，利用超大規模天線陣列產生的高增益定向波束抵消毫米波信號在傳輸過程中的損耗，提高毫米波波束的覆蓋廣度，實現軌道交通場景下覆蓋性能的提升。此外，全雙工技術允許無線通信設備在同一頻段上同時發送和接收信號，可成倍地提升通信系統的容量。通過將全雙工技術引入毫米波通信系統，部署在列車車體頂部的中繼基站，優化帶寬資源的分配機制，進而大幅度提升 6G 軌道交通無線覆蓋的質量。然而，由于毫米波較大的穿透損耗和較低的反散射能量，軌道側基站和列車終端之間的可用無線傳播路徑減少，這依然嚴重影響了6G無線覆蓋的有效范圍。為

23、了進一步改善覆蓋，可以通過部署 RIS 提供額外的反散射能量，實現高增益波束，提升覆蓋質量。RIS 是包括大量無源反射元件的平面，每個無源反射元件能夠獨立地對入射信號引起可控的幅度和/或相位變化，可用于 6G 軌道交通場景通信覆蓋及傳輸性能的提升，尤其適用于軌道交通復雜場景下高可靠無線覆蓋的保障。一方面，將 RIS 引入到軌道交通通信系統中，基站（Base Station，BS）側可以配備更少的天線，從而降低硬件成本和能耗；另一方面，通過適當部署 RIS抵抗通信路徑的遮擋，擴大覆蓋范圍，RIS 幅度和相移的可編程屬性也可用于解決軌道交通場景中的多普勒效應和衰落問題，提高系統的頻譜效率。此外，當

24、前RIS 的研究大多將反射面部署在建筑物表面，而軌道交通場景下 RIS 的部署可以更加靈活，可在軌道沿線環境中的各類基礎設施上部署，例如軌道側、列車車窗、車廂內壁等。RIS 也可部署在 UAV 上，通過空中 RIS 來解決 6G 軌道交通復雜場景下的通信可靠傳輸問題，從而保障軌道交通復雜場景的可靠覆蓋。切換是軌道交通無線通信系統的重要環節，也是保障高可靠連續性覆蓋的關鍵。在高速移動場景下，由于信道的快速時變特性，相鄰基站之間可能存在移動終端的頻繁切換，導致切換失敗率高、通信中斷概率高，無法滿足用戶高速且穩定的傳輸速率需求，嚴重影響著 6G 軌道交通無線覆蓋的平滑度。此外，實際鐵路往往要經歷高架

25、橋、隧道、平原、丘陵、山區等復雜多樣的地形，這對切換算法提出了更高的要求。在基于位置的切換算法中，當列車駛入重疊帶時，相鄰兩基站動態調整波束成形增益，實現隨移動終端的波束跟蹤，該方法可以提高終端設備接收到的信號強度，進而達到提升切換成功率的目的。此外，還可以通過利用預測的參考切換點觸發切換，以減輕切換過程中的中斷概率，為軌道交通通信系統提供更平滑的 6G 無線覆蓋。2.3.2.3.去蜂窩大規模去蜂窩大規模 M MIMOIMO 技術技術在高速移動場景中，移動性帶來的多普勒頻移會造成嚴重的通信系統性能損失。而去蜂窩大規模 MIMO 技術能夠充分利用空間自由度及宏分集增益，從而獲得高系統性能和均勻網

26、絡覆蓋，使其成為面向未來無線通信高移動性要求的潛在技術之一。去蜂窩大規模 MIMO 技術是傳統大規模 MIMO 的演進技術，同時也是蜂窩網絡邁向無蜂窩網絡架構的巨大跳躍。去蜂窩大規模 MIMO 系統包含多個分布式接入點（Access Point,AP），這些 AP 通過前傳鏈路連接到中央處理單元（Central Processing Unit,CPU），并利用相同的時頻資源為網絡中的所7有用戶同時進行服務。因此去蜂窩大規模 MIMO 技術能夠增強網絡覆蓋，提供均勻的頻譜效率，并且該網絡架構中不存在傳統的小區概念和小區邊緣效應。由于鐵路特別是高鐵的蓬勃發展，高鐵通信也引起了學術界和工業界的極大關

27、注。高架橋和隧道是高鐵無線傳播環境中的兩種典型場景，比如京滬高鐵86.5%的路段使用高架橋，這就導致高鐵場景無線傳播環境幾乎不存在散射和反射路徑，因此視距（Line-of-Sight，LoS）信道的假設被廣泛用于高鐵無線通信的分析。然而在高鐵實際場景中無線傳播環境是極其多樣化的，除高架橋、隧道外，列車還可能在車站、山區、森林、市區等多種地形中行駛，這些場景下無線傳播環境存在豐富的散射路徑。因此，還需要考慮非視距（Non-Line-of-Sight，NLoS）路徑來準確刻畫高鐵無線通信信道?；?K 因子的萊斯（Rician）衰落信道能夠有效描述高鐵通信中無線信道的 LoS 和 NLoS 分量，

28、因此可以被用于高鐵通信的信道建模以得到重要的分析結論。此外，正交頻分復用（Orthogonal Frequency Division Multiplexing，OFDM）技術被應用于鐵路長期演進技術（Long-Term Evolution for Railway，LTE-R）以實現與現有地面蜂窩網絡的無縫連接。然而，在高鐵的高速移動場景中多普勒頻偏會造成嚴重的子載波間干擾從而降低高鐵通信系統的性能。另外在高速移動下的快速信號處理和頻繁的基站切換也是高鐵通信系統設計的兩個挑戰。而解決這些問題可能的有效方法是采用分布式的大規模 MIMO 網絡架構，原因是分布式天線系統架構可以減少不必要的基站切換，

29、從而降低切換失敗和鏈路中斷的概率。但在分布式天線系統中仍然需要簡單的基站快速切換方案來提供超可靠和低延遲的高鐵通信。而去蜂窩大規模 MIMO 系統作為分布式大規模 MIMO 架構的新框架可以完全消除小區邊緣，因此非常適合在高鐵通信中應用。雖然去蜂窩大規模 MIMO-OFDM 已經有了相關研究，但目前都是基于靜止的場景，而忽視了子載波間干擾問題。因此去蜂窩大規模 MIMO-OFDM 系統在高鐵通信中的應用部署依然是個亟待解決的問題。圖 3 基于去蜂窩大規模 MIMO-OFDM 的高速移動網絡架構圖在如圖 3 所示的基于去蜂窩大規模 MIMO-OFDM 的高鐵通信系統中，主要面臨可擴展部署和嚴重的

30、多普勒頻移兩大問題。由于 AP 數量隨著鐵路線的長度不斷增加，總的信號處理計算復雜度和前傳容量要求也將趨于無窮大，導致 AP 協作和功率控制算法在實際的應用中將面臨無法擴展到大型網絡的問題?；谝攒囕d天線為中心的動態協作聚類（Dynamic8Cooperation Clustering）思想可以設計出可擴展的去蜂窩大規模 MIMO-OFDM系統以應用到整個鐵路系統。在去蜂窩大規模 MIMO-OFDM 高鐵通信系統中不同的車載天線產生的多普勒干擾是不同的，因此可以利用不同的發射功率在一定程度上消除干擾以補償高速移動導致的性能損失。例如可以根據不同目標需求使用啟發式分數（Fractional）功率

31、控制算法、最大最小化（Max-Min）功率控制算法以及最大和速率（Max-Sum）功率控制算法等。2.4.2.4.RISRIS 在高速移動場景中的應用在高速移動場景中的應用當載波頻率增加時，由于較大的穿透損耗和較低的散射水平，導致發射機和接收機之間的有用傳播路徑減少，無線傳播條件變得更具挑戰性。在這種情況下，可通過部署和利用智能超表面提供額外的散射來改善傳播條件，通過朝所需的接收器創建無源波束成形，實現高波束成形增益。RIS 是包括大量無源反射元件的平面，每個無源反射元件能夠獨立地對入射信號引起可控的幅度和/或相位變化。通過在無線網絡中密集部署 RIS 并智能地協調其反射，可以靈活地配置發送器

32、和接收器之間的信號無線信道，從而提供解決信道衰落損害和干擾問題的新方法。RIS 在實施方面也具有優勢。首先，它的反射元件僅能被動地反射或透射信號，而無需任何發射射頻（Radio Frequency，RF）鏈，因此需要具有低數量級的硬件或能源成本；并且，RIS 以全雙工模式運行，沒有任何天線噪聲放大和自干擾；此外，由于 RIS 通常具有輕便和保形的特點，因此可以很容易地將其安裝在環境物體上。高速移動列車（High Speed Trail，HST）通信具有特殊的場景特性。首先，列車高速移動引起的多普勒效應始終是不可避免的問題。其次，列車車廂造成的信號穿透損耗會降低系統性能。最后，對于多用戶同時接入

33、新的基站來說，頻繁的切換是一個很大的挑戰。因此，非常有必要將 RIS 引入到 HST 通信系統中進行研究。在 RIS 輔助的 HST 系統中，BS 可以配備更少的天線來實現承諾的 QoS，從而實現低硬件成本部署和降低能耗。此外，通過創建虛擬視距路徑，可以適當地部署 RIS 來抵抗通信路徑的遮擋，以及擴大覆蓋范圍，從而減少頻繁的小區切換。幅度和相移的可重新配置屬性也可以用于解決多普勒效應和衰落問題，提高系統的頻譜效率?？紤]到高速移動性和列車的特性，在 RIS 輔助的 HST 通信系統中可以考慮三種不同的應用場景網絡架構，如圖 4 所示。一種直接的方案是在鐵路一側（例如在廣告板上或者建筑墻體上）部

34、署 RIS，以幫助擴大覆蓋范圍。當 RIS 的位置在兩個 BS 之間時，可以用具有成本效益的RIS 替換某些 BS。這樣的部署可以減少頻繁切換，并減少由于使用有源 BS 而引起的硬件成本。BS 和 RIS 之間的信道是準靜態的，并且假定具有很強的 LoS 路徑。第二種網絡架構是，RIS 部署在列車的窗戶上。此處，RIS 是透明表面，可以控制透射參數以提供更好的通信服務。由于 RIS 到 UE 的距離越小，RIS 與UE 之間的路徑損耗就越小。與室內情況類似，RIS 也可以放置在列車的墻上。從 BS 發送的信號通過窗口到達 RIS，然后 RIS 配置反射系數并將信號反射到接收機。9圖 4 基于

35、RIS 的高速移動網絡架構圖從信號處理的角度考慮實用的 RIS 輔助 HST 通信系統，下面將分別介紹信道估計、波束成形設計和波束跟蹤的關鍵挑戰。準確的 CSI 估計對于性能的提升非常重要。RIS 輔助 HST 通信系統的信道估計存在以下挑戰。首先，難以準確估計快速變化的信道；其次，多普勒效應將帶來估計誤差，這將在設計波束成形時降低系統性能。在高速移動場景中，需要采用魯棒的波束成形設計，使其可以在一定的信道估計誤差范圍內帶來性能增益。魯棒的波束成形設計，可以考慮兩種 CSI 誤差模型，即在有界 CSI 誤差模型中，目標是最大化最小 SINR 以保證 QoS 要求，而在統計 CSI 誤差模型中，

36、則是保證中斷概率不超過規定大小。為了保證高速移動性，波束跟蹤是一種可行的解決方案?？梢岳媚承┻\動預測濾波器（例如卡爾曼濾波器）來跟蹤時變的 BS-列車信道。此外，波束選擇算法可以基于預定的分層碼本設計選擇跟蹤 BS 到列車的信道。3.3.6 6G G 軌道交通傳輸關鍵技術軌道交通傳輸關鍵技術3.1.3.1.面向未來高鐵的智能快速隨機接入面向未來高鐵的智能快速隨機接入未來高鐵將向著客運服務網絡化、運輸組織智能化、安全監控自動化等方向發展，形成智能高鐵。大規模物聯網是智能高鐵的一個重要應用領域，圖 5 所示為智能高鐵大規模物聯網示意圖。拓展的物聯網業務有智能行車編組調度、乘務組動態調度、移動票務

37、系統、旅客行李安防系統、貨運管理信息系統、鐵路集裝箱聯運系統等。圖 5 智能高鐵大規模物聯網10基于授權的訪問控制需要對上行請求進行良好的預測、額外的控制信令或信息交換，以促進資源的授權。高鐵大規模物聯網所服務的地面設備往往具有低功耗要求，因而業界引入了免授權隨機接入過程以降低設備的信令開銷。一般來說，免授權隨機接入是指用戶設備無需與基站建立連接即可接入無線網絡。因此，檢測某一時刻哪些設備需要接入無線網絡成為免授權隨機接入的關鍵。一般而言，物聯網數據流量通常情況下是偶發的，即在一個特定時隙內所有的潛在設備只有少部分處于激活狀態，設備的激活信息是稀疏的。因此，采用基于稀疏理論的壓縮感知技術來檢測

38、激活設備成為必然。隨著人工智能、深度學習的快速發展，其強大的表達能力和計算能力符合通信系統中對系統數據快速準確處理的要求，因此考慮將深度學習引入通信領域的相關研究中，處理復雜的通信系統問題。由于傳統的壓縮感知算法往往需要大量的迭代次數，收斂速度較慢，人們開始運用深度學習的方法來嘗試加快稀疏恢復的收斂速度和檢測準確率。將壓縮感知算法的迭代形式展開為前饋的神經網絡，通過學習得到網絡中的參數，可以大大提高檢測活躍用戶的準確率。也有研究將自編碼器（Auto Encoder）、長短期記憶神經網絡（Long Short-Term Memory，LSTM）等深度學習中常用的網絡引入到隨機接入的設備活躍度檢測

39、中，進一步提高檢測的準確率，實現快速準確的隨機接入。同時，由于大規模用戶的接入需求和有限的頻譜資源之間存在矛盾，傳統正交多址無法滿足大規模用戶，進而需要考慮非正交多址接入方式。非正交多址技術能夠提供更高的頻譜利用率和較高的連接過載率，其系統可利用有限頻譜資源服務大規模用戶的免授權隨機接入。除了新興的串聯擴頻多址技術、稀疏碼分多址接入等，也有研究開始使用深度學習算法來設計非正交多址接入的星座圖，從而實現更好的檢測性能。當前免授權隨機接入仍存在許多亟待解決的問題：目前的壓縮重構算法需要消耗相當的計算資源，必然給整個通信系統帶來極高運算復雜度，影響算法實用性和實時性；壓縮感知框架下，用戶所需發送的前

40、導序列長度理論下界值可指導序列長度的自適應選擇，減少序列存儲、傳輸開銷，具有重要的研究意義，但目前對其理論的分析仍然任重而道遠；通信中往往存在異步的情況，這會導致基于壓縮感知的活躍用戶檢測算法性能急劇惡化，甚至失效，這也是壓縮感知算法在大規模隨機接入實用化中面臨的一大挑戰，但目前對該問題的研究較少8。3.2.3.2.面向高鐵面向高鐵 6 6G G 演進的多址接入技術演進的多址接入技術高鐵智能化應用的實現需要一系列海量的新型感知設備進行支撐。然而，現有電氣方式的基礎裝備存在電纜用量大、傳輸能效低、系統能力有限等問題，嚴重制約高鐵智能化發展。因此需要考慮結合先進移動通信技術來打造鐵路沿線的大規模物

41、聯網平臺，使海量的傳感器可以對綜合高鐵系統中的移動設備、固定設施、自然環境及其他相關要素等進行全面透徹的信息感知。如圖 6 所示，在高鐵中，6G 海量機器設備形成的大規模物聯網可以應用于設備故障檢測、鋼軌探傷、環境監測、周界安防等多種感知業務。但是，在高鐵大規模物聯網的研究中，仍存在許多問題亟待解決，如面向高鐵大規模物聯網接入技術的大規模用戶高可靠接入需求、用戶缺乏協作、信道資源稀缺、多普勒頻偏及信道快速時變等。11圖 6 面向高鐵物聯網的大規模機器通信場景串聯擴頻多址技術（TSMA）是一種適用于大規模機器通信系統（massiveMachine Type Communication,mMTC）

42、的多址接入技術。在 mMTC 中，一個基站需要支持大量各類設備的隨機接入。其中，隨機接入可以分為基于調度的隨機接入和免調度的隨機接入。在基于調度的隨機接入系統中，數據的傳輸過程是由控制信號進行協調，從而可以避免碰撞。但是，協調大量用戶連接的控制信號的資源開銷是巨大的。而在免調度隨機接入系統中，傳輸過程不被協調，可節約相應的控制信號資源開銷。然而，由于缺乏協調，這種傳輸是匿名的，于是用戶識別必須在免調度隨機接入系統的眾多用戶接入設計中考慮。同時，自主性的傳輸會造成用戶數據包碰撞的不確定性。針對以上兩個挑戰，相關研究提出了串聯擴頻多址技術。其基本思想是將用戶數據包劃分為段，然后進行段編碼，生成冗余

43、段，并使用多個序列擴頻對這些冗余段進行擴頻。因此，碰撞只發生在特定的數據段，并可以通過冗余段來解決，從而通過犧牲用戶的數據傳輸率來實現高連接性和高可靠性。圖 7TSMA 用戶發射機示意圖TSMA 發射機如圖 7 所示9，用戶終端發送的原始比特流先經信道編碼，然后根據系統輸入參數生成的段編碼碼本完成數據分段及段編碼，發射機進而對段編碼后的數據進行調制，并再一次根據碼本中擴頻序列組合方式完成串聯擴頻，而后進行發送。與傳統的發射機相比較，TSMA 引入了段編碼及串聯擴頻。其中12段編碼將信道編碼后的用戶數據比特進行分段，并以段為單位進行編碼以生成冗余數據段。串聯擴頻則是在調制之后利用多個擴頻序列對不

44、同編碼數據段上的調制符號進行擴頻。在串聯擴頻中，TSMA 提出了串聯擴頻碼本來規定不同編碼數據段上擴頻序列的選取。同時，用戶在不同數據段上所選取的擴頻序列組成了表征該用戶身份的串聯擴頻組合。圖 8 TSMA 接收機示意圖TSMA 接收機如圖 8 所示9，接收機在收到來自激活用戶的疊加信號后，首先將該信號進行分段，然后通過能量檢測來檢測每個編碼段的潛在正交擴頻序列。TSMA 針對串聯擴頻碼本進行了設計以使每個用戶具有唯一的串聯擴頻組合，因而接收端可根據不同段上所檢出的正交擴頻序列實現用戶識別。在用戶識別之后，通過相對應的正交擴頻序列組合對每個已識別用戶的信號進行解擴。而后在段解碼中，接收機根據已

45、識別用戶的擴頻序列組合來獲得識別用戶的碰撞段，并利用相應的冗余段進行恢復。在面向高速移動的大規模多址接入場景中，新型多址方案的設計存在兩個矛盾。其一為如何在有限信道資源下實現大規模用戶的高可靠免授權接入，即如何解決“協作缺乏、有限信道-大規模用戶高可靠接入”這一矛盾；其二為如何在高速移動場景中處理多普勒頻偏及信道快速時變以實現可靠傳輸，即如何解決“高速移動-可靠傳輸”這一矛盾。為此，考慮結合 TSMA 技術和正交時頻空（Orthogonal Time Frequency Space,OTFS）技術，提出 OTFS-TSMA 多址方案。OTFS-TSMA 方案的核心思想在于資源映射方案的設計，同

46、時需要考慮時延多普勒（Delay Doppler，DD）域的信道特性。如圖 9 所示，在基于理想收發波形的 OTFS 中，DD 域信道沖激響應（Channel Impulse Response，CIR）作用下的資源元素呈現出二維循環移位特性。故可設計交織/解交織方案，使得 Doppler 和 Delay 資源元素的二維循環移位轉化為用戶數據中的可恢復循環移位。另外，由于 TSMA 方案是基于正交擴頻的，故可選擇具備循環正交性的離散傅里葉變換序列作為擴頻序列集，基于此，可將DD 域資源塊二維循環移位轉化為多普勒資源塊、數據段、符號和碼片的循環移13位。針對多普勒資源塊移位，考慮傳輸環境中用戶的多

47、普勒特性，以進行無組間干擾的用戶分組；針對數據段移位，考慮設計具有循環移位魯棒性的 TSMA 碼本，以實現有效的段循環移位恢復和數據識別；針對符號移位，考慮設計導頻添加和識別方案，以實現各段數據有效的符號移位恢復；針對碼片移位，考慮針對碼片移位的特征，分別補償各數據段中由循環移位帶來的相位偏移。此外，OTFS-TSMA 方案可利用多普勒資源塊移位帶來的多徑分集，通過采取多種合并技術，提升數據接收的可靠性。圖 9 時頻域信道與時延-多普勒域信道3.3.3.3.OTFSOTFS 在智能高鐵中的應用在智能高鐵中的應用隨著智能高鐵的快速發展，高速移動場景逐漸成為 6G 通信中的主要場景之一。但是通信環

48、境的復雜性,以及列車速度的不斷提升，收發機之間的相對運動產生的多普勒效應顯著，為可靠通信帶來極大的挑戰。目前，采用正交頻分復用技術在實現高速率傳輸的同時，可以有效對抗多徑信道帶來的符號間干擾。但多普勒效應破壞了子載波間的正交性，從而產生載波間干擾，進而影響 OFDM 在高速移動場景下的性能。針對載波間干擾，現有文獻主要使用載波頻偏估計和補償。然而，隨著速度的不斷提升，信道的相干時間不斷降低，頻偏估計和補償的難度加大。芬蘭大學提出的首份 6G 白皮書中指出，OFDM 對于寬帶連接非常有效。當傳輸帶寬達到極限時，傳統的收發器設計就會開始失效，且多載波調制機制難以正常工作。因此，需要更強大的新型模擬

49、調制方案。為了對抗智能高鐵場景下的多普勒頻移問題，正交時頻空作為新型二維多載波調制技術于近期被提出。OTFS 可以看作是一種特殊的時頻擴展技術，其中每個 QAM 符號都由在整個時頻網格上擴展的二維基函數承載。當被視為時頻擴展技術時，OTFS 表現出與任何類型的多載波調制方案（包括常規 OFDM）均具有架構兼容性?？梢造`活地設計 OTFS 數據包以填充時頻網格的任意區域，并與信道參考信令的任何約定兼容。OTFS 作為一個擴展頻譜，可抵抗窄帶干擾和全分14集增益。OTFS 的抗干擾能力使其成為支持覆蓋在常規數據包上的超可靠、低延遲通信包的理想之選。不同于 OFDM 采用時頻域復用符號，OTFS 采

50、用延時-多普勒域進行復用。發送符號經逆辛有限傅里葉變換（Inverse Symplectic Finite Fourier Transform,ISFFT）轉換到時頻域。接收端進行對應的反變換。在延時-多普勒域中,信道呈緩慢變化且稀疏的特征，可有效對抗智能高鐵場景下快速時變信道帶來的時頻域雙彌散效應。OTFS 可以保證智能高鐵在高度移動場景下通信的可靠性。與此同時，延時-多普勒域符號與信道之間的二維卷積關系給信道估計和符號檢測帶來了挑戰。延時-多普勒域有效且低開銷的信道估計算法和低復雜度的符號檢測算法的設計是 OTFS 領域的最受關注的研究方向之一。圖 10 智能高鐵場景下 OTFS 性能信號

51、處理流程圖OTFS 二維新型多載波調制方案抵抗了高多普勒頻移的影響，保證了智能高鐵場景下通信的可靠性，OTFS 聯合其新型信道估計算法和符號檢測方案推動了智能高鐵通信以及 6G 又快又好的發展。3.4.3.4.太赫茲通信在高速移動場景中的應用太赫茲通信在高速移動場景中的應用近年來，世界范圍內的鐵路服務需求持續增長，未來高鐵將向著客運服務網絡化、運輸組織智能化、安全監控自動化方向發展。一方面，為進一步強化高鐵運行安全并提高運營效率，鐵路物聯網、鐵路多媒體調度、高清晰度視頻安全監控等新的列車運營相關業務和應用不斷涌現；另一方面，隨著新型的移動應用如在線高清視頻、在線互動游戲、虛擬現實等爆發式的增長

52、，旅客寬帶移動通信需求激增，尤其是流媒體業務占比不斷攀升，給無線網絡的運營和維護帶來了難以想象的挑戰。針對未來高鐵發展的新業務與應用需求，需要具有高帶寬、高數據傳輸速率的鐵路移動通信系統來支撐。太赫茲（THz）波是一種波長位于毫米波和紅外光波之間的電磁波，其波長和頻率范圍分別為 0.03 mm3 mm 和 0.1THz10THz。太赫茲頻段具有極大的未被分配使用的帶寬，能夠支持 100Gbps 以上的數據傳輸速率，并且具有更好的保密性及抗干擾能力。因此，將太赫茲通信引入未來高鐵無線通信系統，將極大地緩解日益增長的業務需求與網絡容量之間的矛盾。由于頻點高，太赫茲通信面臨較高的傳播損耗，需要收發端

53、均采用高度方向性的波束來彌補鏈路損耗。另外，太赫茲具有近光特性，因此鏈路對障礙物的遮擋比較敏感。15此外，考慮到高速列車的高速移動性，高速列車在小區的駐留時間較短。高速移動性也導致信道快衰落、多普勒效應、頻繁小區切換等，對無線信號傳輸造成嚴重影響。同時，鐵路交通部署區域廣泛，軌道沿途運行環境復雜多變，如城市、鄉村、山區等多種典型場景，建筑物或地形結構等會對無線鏈路造成隨機短時遮擋，嚴重降低車地鏈路質量?？紤]到高清晰度視頻安全監控等列車運營相關業務以及高速列車中聚集的大量用戶，車地間以及車車間的數據業務需求量巨大。因此，如何在列車高速移動時實現大容量的車地以及車車間數據傳輸成為高鐵通信系統面臨的

54、關鍵挑戰之一。借助太赫茲通信極高的傳輸速率，車地以及車車通信可利用太赫茲頻段在信道條件好時進行機會通信，在短時間內完成大容量數據傳輸。另一方面，高速列車車廂間采用虛擬或無線技術進行連接成為未來智能高速列車的發展方向。太赫茲通信的高速率低干擾優勢使其成為虛擬連接的備用技術。將太赫茲通信應用于車廂間通信，將極大地提升車廂間虛擬聯接的傳輸速率，為智能高速列車的發展提供技術支撐。因此，太赫茲通信在高速移動場景中的應用可以考慮三種不同的情形，如圖 11、圖 12、圖 13 所示。圖 11 太赫茲車地通信圖 12 太赫茲車車通信圖 13 太赫茲虛擬聯接首先，太赫茲頻段用于車地通信如圖 11 所示，采用分布

55、式基站架構。每個小區由一個基帶處理單元（Baseband Processing Unit,BBU）與三個射頻拉遠單元（Remote Radio Head,RRH）組成。其中 BBU 安置于機房內，通過光纖與所屬小區范圍內的三個 RRH 相連接。各 RRH 平行部署在軌旁，旅客用戶設備通過16車頂中繼 MR 與路邊相應的 RRH 采用太赫茲頻段進行數據傳輸；其次，太赫茲頻段用于車車通信如圖 12 所示，兩列同向行駛的列車，通過太赫茲鏈路進行車車通信；此外，太赫茲虛擬聯接如圖 13 所示，車廂間通過太赫茲鏈路進行高速率連接。然而，將太赫茲通信應用到高鐵通信系統仍存在以下幾點挑戰。（1）由于太赫茲傳

56、播損耗高，需要收發端采用極細的高增益方向性天線進行通信。在高速移動狀態下，如車地通信或車車反向行駛情況，如何保證收發端的波束對齊成為關鍵挑戰。由于列車行駛軌跡固定，且多數情況為直線行駛，可利用列車的位置信息輔助車地間的波束對齊。列車的位置信息可通過列車控制系統獲取，或通過保證覆蓋的低頻段通信的 CSI 信息預測得到。（2）由于太赫茲通信容易受障礙物遮擋，當由于遮擋發生鏈路中斷時，如何進行波束調整以快速恢復鏈路保證通信質量也是太赫茲應用的難點之一?？蛇x的解決方案有備份波束切換、重新波束掃描等。另外，也可通過資源分配實現機會通信，充分利用信道條件好時的通信，以保證非延時敏感業務的通信質量。（3）由

57、于太赫茲通信范圍受限，高速移動狀態下將面臨頻繁的越區切換，如何高效地完成越區切換以保證車地通信傳輸，也將成為太赫茲在高鐵無線通信中應用的難點之一。4.4.構建智能安全的構建智能安全的 6 6G G 軌道交通軌道交通4.1.4.1.面向面向 6G6G 軌道交通的邊緣智能技術軌道交通的邊緣智能技術4.1.1.4.1.1.面向面向 6G6G 軌道交通的邊緣智能網絡架構軌道交通的邊緣智能網絡架構面向軌道交通的網絡連接在 6G 時代將全面“提速”，邊緣計算技術的引入和人工智能手段的融合，為軌道交通在 6G 時代的發展提出了新的憧憬。軌道交通場景中，列車內的邊緣智能服務器同邊緣數據中心間協同交互通信，支撐

58、業務場景的部署、實施，邊緣數據中心通過異構網絡和計算資源的池化，為智能化的實現提供了堅實的底座。圖 14 為面向 6G 軌道交通的邊緣智能網絡架構。圖中體現為兩層邊緣智能架構，一層為移動邊緣智能實體，另一層為邊緣數據中心。移動邊緣智能在軌道交通場景中為車載邊緣計算實體，主要實現用戶在車內低時延類業務的提供，以及車內接入用戶對實時信道獲取的智能化預測。邊緣數據中心則補充移動邊緣智能實體因業務場景限制等因素未能實現的用戶需求。從保證軌道交通業務服務質量和資源合理分配的角度出發，6G 時代的軌道交通邊緣智能網絡需要滿足云化、智能化和服務化的特征。（1）云化軌道交通場景需滿足靈活安裝、靈活接入和業務靈

59、活部署的特征，云化部署方式有助于資源的統一調度、業務的快速部署和網絡功能的靈活組合，保證軌道交通各種功能的可靠性，為管理人員提供更簡潔的運維方式。（2）智能化17軌道交通 6G 網絡的目標為實現內生智能，為了滿足多種接入場景信道的動態變化、車廂內高并發業務需求，以及資源的合理調度和業務內容緩存等多種需求的驅動，多種智能化算法需要協同部署和應用，實現智能交通智慧大腦。（3）（3）服務化采用服務化的方法能達到架構模塊化、無狀態、獨立化的特點，可實現 RAN功能靈活快速部署，充分利用云中間件能力，加速軌道交通場景應用的實施落地，支持未來 6G 軌道交通場景智能化的快速部署和實現。圖 14 面向 6G

60、 軌道交通的邊緣智能網絡架構4.1.2.4.1.2.邊緣智能技術邊緣智能技術6G 系統將是無線網絡和人工智能技術之間深度融合的產物。移動邊緣計算（Mobile Edge Computing，MEC）是基于移動通信網絡的一種分布式計算方式，通過在基站側構建微型云服務環境，靠近用戶處理業務，形成內容、應用與網絡的協同優化，可同時解決大量實時數據處理的時延限制和數據安全隱私問題。隨著人工智能和機器學習功能被大量部署到 MEC 上，進一步形成了邊緣智能。對于無線接入網而言，邊緣智能以通用的微服務平臺架構，既能為用戶業務提供本地化的人工智能和機器學習功能從而降低接入網和骨干網之間的通信負載，又能針對業務

61、模式對無線通信進行優化，充分體現了 6G 通信時代感知、通信、計算、存儲一體化的優越性。以高鐵為代表的通信場景與業務需求都有鮮明的行業特色。首先是信道場景復雜多變，涉及到高架、隧道、車站、山地等多種場景，每種場景下的信道都有各自鮮明的物理特性；其次是列車路軌沿線基站都是帶狀覆蓋，難以利用城市里的宏基站、微基站的多層次網狀覆蓋、多點協同方式來提升無線信號覆蓋的質量或系統容量，或者提高系統容量的成本過于高昂。帶狀覆蓋的特點是信號強度必然隨著列車在相鄰基站之間的位置改變而呈現起伏波動，無法帶來穩定的信道容量，會嚴重影響上層業務的服務質量。另一方面，軌道交通特點是移動軌跡固定，因此可以利用人工智能、機

62、器學習技術在列車運行時在線學習和訓練不同信道場18景下的模型特征，并對短時間內的信道及其容量變化及進行精準的實時預測，以便支撐用邊緣智能對用戶業務進行計算服務和通信機制的聯合優化。從業務場景上，高鐵和城市軌道交通的業務在列車運行中主要包括列車運行控制類業務和旅客通信信息業務兩類。列車運行控制業務包括自動駕駛控制、運行狀態監測、列車內外部實時視頻監控等，特點是實時性要求高，上行傳輸信息量遠大于下行信息傳輸，上傳包含傳感器采集信息、視頻圖像、機器學習模型參數等多種數據，具有數據類型異構、業務到達模型和服務質量要求差異大等特點。盡管如此，用于列車運行控制的傳感器和視頻監控等業務的流量到達模型具有很強

63、的規律性和可預測性，因此為上行傳輸資源分配和調度提供了可利用的模型信息。對于旅客通信信息業務，通過車載基站和 MEC 可以為乘客提供更好的網絡覆蓋、多種業務的內容緩存和計算卸載等服務，但這也會導致大量位置集中的用戶并發業務對車載基站無線資源和 MEC 計算存貯資源的激烈競爭。特別地，當大量的用戶終端同時向 MEC 進行計算卸載，并發的無線傳輸會形成嚴重的互相干擾從而提高每個終端的通信傳輸錯誤概率，并且造成 MEC 的任務隊列擁塞而延長了每個任務的等待時延?；?6G 無線邊緣智能，對上述高鐵和城市軌道交通的通信問題可以采取如下的技術方案：（1 1）針對車）針對車-地通信的動態變化的信道情況地通

64、信的動態變化的信道情況在車載 MEC 上實時訓練基于機器學習的信道預測模型，并在列車不運行時采用離線的聯邦學習技術交換不同列車的本地模型訓練參數，從而使所有列車上的信道識別與預測模型收斂于全局最優的統一模型，再用全局模型來更新每列車載的機器學習模型。車載 MEC 基于列車運行中的實時信道預測，并結合列控傳感器、監控視頻等業務到達的模型，可以對上行無線傳輸采用動態隨機最優化策略，以滿足不同業務的服務質量需求。（2 2）針對車廂內大量用戶終端的并發計算卸載業務）針對車廂內大量用戶終端的并發計算卸載業務由于不同用戶終端所需的計算服務不一樣，構成了一個超密集網絡場景下的動態卸載問題，帶來了干擾和 ME

65、C 計算負載的不確定性。此時可以采用平均場博弈方法協調大量密集分布終端的計算卸載的上行計算卸載和傳輸策略，從而實現系統的總能耗和 MEC 處理時延最小化。4.2.4.2.軌道智能交通系統軌道智能交通系統 6 6G G 網絡內生安全網絡內生安全未來的智能軌道交通系統以強大的軌道交通大腦為核心，通過塑造一個可信的交通環境來保障人們安全出行。第六代移動通信網絡作為信息交互的基礎設施，將基于軟件定義切片平臺與邊緣計算（Edge Computing，EC），充分利用人工智能（Artificial Intelligence，AI）與大數據挖掘的融合革新來支持更多樣化的軌道交通應用場景與更高目標的性能要求，

66、但這也使得網絡安全形勢發生重大變化。一方面網絡逐漸邊緣化、軟件逐漸虛擬化導致軌道智能交通系統網絡安全邊界逐漸模糊，網絡架構所引發的安全缺陷越來越凸顯；另一方面，邊緣計算、人工智19能與大數據挖掘的深度泛在融合，也使得軌道交通場景下邊緣網絡數據安全問題面臨著前所未有的新挑戰10?，F有典型的軌道交通通信網絡在設計之初都缺乏架構級的安全考慮，其安全防護依靠外掛式、補丁式的方案，因而依靠現有的安全防護技術無法實現未來軌道智能交通系統 6G 網絡的無縫安全通信保障11,12。構建安全可信的智能軌道交通系統 6G 網絡（簡稱軌道交通 6G 網絡）迫切需要在建網規劃的同時充分考慮通過內置安全防護體系以提高自

67、身安全防御能力，使其業務能力和安全能力得到融合發展，從而實現智能軌道交通 6G 網絡的內生安全。4.2.1.4.2.1.軌道交通軌道交通 6G6G 網絡面臨的安全威脅與挑戰網絡面臨的安全威脅與挑戰軌道交通 6G 網絡自身的開放性和支撐軌道交通多業務場景的特性，使得 6G網絡自身的安全問題和業務應用的安全問題相互交融，這將主要帶來以下幾方面的安全威脅與安全挑戰。（1 1）軌道交通列車控制系統安全威脅）軌道交通列車控制系統安全威脅軌道交通列車控制系統（簡稱列控系統）是一個龐大而又復雜的安全控制系統，主要由中心設備、車站設備、軌旁設備和車載設備組成，上述設備通過列控安全數據網絡進行數據信息交換，提供

68、安全控車服務。在早期的列控系統網絡設計過程中，更多的關注功能安全（Safety）而非網絡信息安全（Security），主要通過網絡物理隔離和邊界防火墻實現最基本的防護以應對網絡攻擊威脅。隨著信息化的快速發展，一直以來被認為相對封閉、專業和安全的軌道交通控制系統已不再是一座安全的“孤島”，致使列控系統設備、主機、網絡、數據極易遭受來自外部及內部的網絡安全攻擊13。（2 2）遠程云服務平臺管理安全威脅）遠程云服務平臺管理安全威脅6G 網絡功能虛擬化（Network Function Virtualization，NFV）使基礎設施云化成為趨勢，因而模糊了智能軌道交通系統安全防護邊界，改變了傳統網元

69、設備物理安全隔離的現狀，導致傳統網絡安全發生了變化，帶來了新的安全威脅。具體表現為虛擬化環境內部通信安全（惡意代碼或病毒、DoS 攻擊、DDoS 攻擊、垃圾郵件等）、虛擬化管理安全（權限濫用，密碼、賬號盜用等）、網絡功能安全（偽造/篡改軟件包）等14;計算、存儲及網絡資源共享化，導致引入虛擬機安全、虛擬化軟件安全、數據安全等問題；部署集中化，用戶、應用和數據資源聚集15，數據泄露與被攻擊風險加大，且引入通用硬件導致病毒能夠在集中部署區域迅速傳播，漏洞更容易被攻擊者發現和利用，受攻擊影響范圍廣、危害大14。（3 3）隱私保護和通用大數據安全威脅）隱私保護和通用大數據安全威脅智能軌道交通系統是綜合

70、計算、網絡和物理環境的多維復雜系統,需要通過3C 技術，即計算、通信和控制的有機融合與深度協作，實現車-地、車-車的實時感知、動態控制和信息服務。隨著軌道交通智聯網時代的到來，車載終端、高鐵監測傳感設備等會產生大量的數據，然而在一些要求高精度、低時延的應用場景下，例如列車自動駕駛、遠程操控維修等，在云端完成計算已無法滿足應用需20求，越來越多的人工智能應用需要遷移到邊緣端。然而傳統的深度神經網絡需要將邊緣設備采集到的海量大數據傳輸到集中式服務器進行訓練，這在一方面會大量的占用網絡帶寬，另一方面難以保證傳輸數據的隱私安全。（4 4）接入終端安全威脅）接入終端安全威脅海量異構終端不僅意味著網絡內部

71、與外界之間有了更多不安全的攻擊入口，也對網絡接入認證協議、接入控制協議提出了更高精度的要求，現有機制盡管提高了用戶身份認證過程的安全性與身份保密性，但依然存在接入后的合法用戶被跟蹤、用戶服務被降級甚至掉線的漏洞。同時，智能軌道交通系統 6G 應用將采取多樣化軟件定義切片網絡，由于切片接口開放、切片間協議差異等增加了接入攻擊口，使終端接入的安全形勢變得更為嚴峻。因此，終端安全面臨著惡意終端身份偽造、可信終端接入受阻、接入終端干擾降級、被追蹤的安全挑戰，6G 網絡終端安全機制應從身份認證增強的角度保障海量異構終端設備的接入真實、接入可信以及接入終端的防跟蹤防掉線保護10。（5 5）網絡側安全威脅）

72、網絡側安全威脅行業應用驅動下的大規模異構設備連接、泛在智能與網絡通信計算能力的不斷下沉，也為網絡側安全帶來了新的威脅與挑戰。網絡節點的分布式部署及邊緣節點自身資源的局限性，使得邊緣網絡面臨著邊緣數據受威脅、網絡狀態易探知、分布式架構難防御等安全挑戰。對于邊緣數據安全保護，網絡側安全既應充分保障大規模異構小數據的保密性與完整性保護，提高數據抗篡改、抗偽造的能力，又應全面地增強邊緣數據的安全共享能力，以支撐軌道交通 6G 網絡基礎設施融合共享開放的新局面。同時，邊緣網絡應提高安全感知能力與分布式防御能力，通過多樣化抽樣的感知、多維化的威脅分析與高可信的風險預判，形成網絡內生的主動安全免疫力，增強對

73、異常邊緣節點的流量控制、安全隔離與高優先級的狀態處理機制，使網絡具備緩解攻擊和抵御自保的安全能力10。4.2.2.4.2.2.軌道交通軌道交通 6G6G 網絡內生安全架構網絡內生安全架構軌道交通 6G 網絡將實現全面升級，由原來的關注互聯網安全向重視網絡空間安全演進，網絡安全的內涵和外延將不斷擴大。智能軌道交通 6G 網絡將在系統設計之初就植入防御機制，增強網絡機體自身的“免疫力”16，它以 AI 為引擎，實時監控系統狀態并研判潛在的安全風險，并將抵御惡意入侵攻擊與預測危險相結合17，從而實現智能化的內生安全，即“風險預判，主動免疫”?；谶@種內生安全框架，智能軌道交通 6G 網絡將推動新一代

74、身份安全、重構網絡縱深安全、泛終端與物聯網安全、云數據中心安全建設、大數據應用與流轉安全、實戰化的安全運行等工程任務，從而與軌道交通行業的信息化發展相融合。圖 15展示了基于 6G 的智能軌道交通通信網絡內生安全架構。從硬件設備支持、數據信息共識、安全態勢感知、攻擊防御方法等角度出發，軌道交通 6G 網絡的內生安全需要滿足 4 個方面的需求，即：智能共識、智能防御、可信增強和泛在協同17,18。21（1 1）智能共識）智能共識軌道交通場景下的智能共識是指通過聯網的智能設備（如物聯網接入網關或智能終端和設備）的信息交互和協同形成共識，并基于分布式節點的共識來排除干擾，從而保障軌道交通各類運營關鍵

75、信息的完整性、一致性和可用性，為信息和數據提供高安全等級的保護。（2 2）智能防御）智能防御軌道交通 6G 網絡防御的目標，目前已經從已知威脅防御開始向未知威脅防御轉變。為了應對海量未知威脅，安全防御體系逐步開始向基于 AI 的自動化對抗演進?；?AI 和大數據技術、精準部署更高級的安全功能并優化安全對抗策略，實現主動的縱深安全防御。（3 3）可信增強）可信增強使用可信計算技術，為軌道交通 6G 網絡基礎設施、軟件等提供主動免疫功能，增強基礎平臺的安全水平。（4 4）泛在協同）泛在協同通過軌道智能交通系統中的各類終端、邊緣節點、通信管道、云基礎設施的泛在協同，準確感知整個軌道交通 6G 網絡

76、安全態勢，敏捷處置安全風險。圖 15 基于 6G 的軌道交通通信網絡內生安全架構224.2.3.4.2.3.軌道交通軌道交通 6G6G 網絡內生安全關鍵技術網絡內生安全關鍵技術（1 1）區塊鏈技術）區塊鏈技術作為 6G 的核心關鍵技術之一，內生安全將和分布式、去中心化的無線網絡體系結構智能適配。6G 自身所蘊含的邊緣節點分布式和去中心化等特征，使得區塊鏈技術能夠用來提升 6G 內生安全性能18。區塊鏈技術是一種綜合了分布式存儲、點到點傳輸、新型共識機制及加密算法等多種技術的新型技術。區塊鏈利用許多現成的加密機制，加密地將用戶偽身份與標記資產交易聯系在一起，并創造性地建立一種共識機制，可以在大量

77、的無信任節點間提供關于全局分類賬本和數據狀態的共識。區塊鏈具有數據不可篡改、操作受監督及無需高成本處理中心等突出優勢，可以有效的保證鏈上數據的安全性16，能夠在互不可信的的多方設備間建立一種安全可靠的協作機制，為 6G 安全提供支撐。未來，區塊鏈在智能軌道交通系統6G網絡中可應用于公專融合網絡的頻譜智能安全共享和在軌道交通物聯網中提供分布式安全機制并設計輕量化的算法。針對前述軌道交通所面臨的安全威脅，區塊鏈在軌道交通中主要可以采用三種部署方式：分別是面向云服務平臺部署、面向軌道網絡邊緣側部署以及面向接入終端用戶側部署，如圖 16 所示。圖 16 基于區塊鏈的軌道交通可信網絡架構1 1面向云服務

78、平臺面向云服務平臺主要針對軌道交通集成系統（如列車集中調度系統）的安全，區塊鏈直接部署在云端服務器節點之上，通過將數據存儲在鏈上，確保數據的安全與隱私。云端服務器收集來自各基站的網絡運行數據，并通過在云端利用人工智能算法進行處理分析，從而實現對全局安全態勢的感知分析。232 2面向軌道網絡邊緣側面向軌道網絡邊緣側主要針對軌道網絡邊緣側的信息安全。其中，區塊鏈節點部署在配備邊緣服務器的基站之上，可以實現對網絡接入設備以及節點運行信息的可靠收集存儲?；谒占募磿r數據和區塊鏈歷史數據，基站節點可以利用邊緣計算、人工智能等技術對風險進行分析和預判，提升系統整體的安全防護水平。3 3面向接入終端用戶

79、面向接入終端用戶主要針對接入終端設備的安全。區塊鏈節點部署于基站之上，負責維護區塊鏈系統的運行。網絡接入設備則作為區塊鏈的用戶節點，具有訪問區塊鏈的權限。進一步，通過結合分布式機器學習（如聯邦學習）等技術，可以直接在接入終端設備運行分析進程。不僅可以降低原始數據泄露的風險，而且基站通過收集返回的結果并進行綜合研判，還可以提升系統整體的異常檢測與安全防護能力。此外，區塊鏈節點可以有效建立對終端用戶的接入認證以及訪問控制機制，從而增強身份認證的可靠性，提升對終端用戶的安全防護等級。區塊鏈的引入可以顯著增強軌道交通 6G 系統的安全性與可靠性?；谝陨喜渴鸱绞?，區塊鏈在軌道交通 6G 網絡中有著廣泛

80、的應用場景，具體包括網絡切片管理、D2D（Device to Device）通信、資源共享和頻譜管理等。1 1網絡切片管理網絡切片管理網絡切片是實現 6G 網絡資源調度和服務保障的關鍵。但現有網絡切片管理方案高度依賴于單個運營商的資源池，難以實現跨運營商的全局管理。通過利用區塊鏈作為去中心化的管理平臺，可以將不同網絡中跨運營商的資源都上鏈，通過智能合約等進行打包交易，從而實現更加系統化的全局網絡切片管理。區塊鏈的引入，可以有效的提升網絡切片管理的安全性，并且進一步降低運營成本。2 2D D2D2D 安全通信安全通信軌道交通網絡中的 D2D 通信允許在設備間直接進行通信與數據共享。而現有的 D2

81、D 通信模式由于缺乏信任管理機制，阻礙了終端設備的有效參與。通過區塊鏈在設備間建立可信認證以及激勵機制，可以增強 D2D 通信的安全性以及可靠性。3 3資源可信共享資源可信共享軌道交通無線網絡中的資源包括計算、存儲、數據等資源，分布式資源共享可以有效的利用終端設備的資源，提升整體服務體驗。區塊鏈的引入在資源提供方和需求方之間建立了安全可信的橋梁，有效的擴大了資源共享的范圍，可以更好的激勵資源在分布式用戶間合理調配。244 4跨頻段頻譜管理跨頻段頻譜管理為了更好的適用“人、機、物”系統，軌道交通 6G 網絡中需要挖掘并利用多種頻率資源?；趨^塊鏈的頻譜共享機制可以有效的實現跨頻段的頻譜動態共享，

82、解決無線頻譜供需矛盾問題，使得無線頻譜共享過程更加透明化。隨著 6G網絡的密集化，基于區塊鏈的無線頻譜共享將成為未來發展的一個主要趨勢。但同時在 6G 網絡中，系統的超低時延指標也給上述區塊鏈的應用提出了新的挑戰。傳統“重型”區塊鏈的運行效率難以適應軌道交通 6G 網絡的低時延要求。為此，可以考慮在軌道交通 6G 網絡中設計和部署輕量級的新型區塊鏈系統架構（例如區塊鏈分片），從而進一步縮短鏈上數據的認證和校驗時延，提升區塊鏈的吞吐量以及運行效率。（2 2）時空匹配可信增強）時空匹配可信增強技術技術與傳統的可信計算概念不同，在面向軌道智能交通的 6G 網絡可信控制中，除了對設備進行可信認證之外，

83、還應對列車的運行時間和空間等因素進行綜合的認證，如圖 17 所示。圖 17 面向軌道智能交通系統 6G 網絡的可信增強技術（3 3）可信認證技術）可信認證技術軌道交通具有運行密集、軌道固定、運行時間穩定的特點，通過設備可信認證、時間可信認證和空間可信認證的多維規則匹配，保證只有合法的列車或設備才可以接入到 6G 網絡中，從而確保軌道智能交通系統 6G 網絡安全性。同時，在這個過程中可以對異常的時空信息進行發現、報告和處理，可以提高軌道交通的智能化水平，減少軌道交通運行事故發生的概率，提升列車運行的正點率和效率等。但由于列車運行速度快，時空信息變化迅速，如何實現精準的匹配，從而保證非法用戶無法接

84、入網絡存在很大挑戰。無線網絡接入點設備可信列車和接入點雙向認證，確保雙方的合法性。時間可信接入網絡根據列車調度計劃，檢查列車運行到當前區域的時間是否異常?？臻g可信接入網絡根據列車調度計劃，檢查列車在當前區域的運行方向和位置等空間信息是否異常。25（4 4）智能入侵檢測技術）智能入侵檢測技術智能入侵檢測技術將實現軌道交通場景下安全自動化的處理、快速的檢測以及快速的響應。相比于傳統消費互聯網中人的行為的復雜性與不確定性，軌道交通系統中的業務數據和行為模式相對簡單，列車行駛軌跡和時速固定，流量模型可預測。同時，由于網絡切片的使用，隔離了各種不同業務特征的網絡流量，便于對異常行為進行檢測。入侵檢測的基

85、本思路是通過對網絡數據流量特征的分析,抽取數據特征,進而識別入侵行為。傳統入侵檢測大多采用統計學或利用算法抽取數據包主要特征,建立分類模型的方法對入侵行為進行識別19?；诮y計和基于數據包的檢測方法，都存在不足，如基于數據包的檢測往往對算力有較高的要求，而基于統計的方法往往只能在攻擊發生后才能檢測。引入 AI 技術可以更加準確地對軌道交通業務流量與行為的異常進行檢測、回溯與根因分析，為用戶提供實用化的安全分析與告警，抵御各類高級持續性威脅（Advanced PersistentThreat，APT）攻擊，并適應對未知入侵風險行為的識別20。（5 5）無縫快速安全切換）無縫快速安全切換磁懸浮列車

86、等承載的終端的移動速度將超過 1000 km/h，這對軌道交通 6G網絡在超高移速下支持實時通信業務和高精度定位業務提出挑戰。無線接入點或無線接入基站的覆蓋范圍有限，而列車運行的距離長、時間快，導致軌道交通車地通信存在著頻繁的網絡切換過程，為減少切換不及時造成網絡中斷的影響，目前大多采取推遲執行切換認證的策略，但這無法保證列車運行全程的無縫安全性。如何解決軌道交通車地信息傳輸中的安全需求和實時高效可用之間的矛盾是可信切換認證問題中的關鍵難點。傳統的切換認證機制，會造成網絡存在非可信的連通狀態，需探索實現一種適合于軌道交通無線網絡的可信切換預認證機制，保證車輛高速運行時信息傳輸的安全性和實時性。

87、可考慮基于預認證的思想將認證信息流和列車行駛路線相匹配，利用預認證信息直接裝配相關數據，減少關聯、認證等交互步驟，從而實現無縫快速安全切換。（6 6）大數據安全隱私保護技術）大數據安全隱私保護技術為滿足高精度、低時延、高可靠的應用場景需求，越來越多的軌道交通人工智能應用需要遷移到移動邊緣計算端。智能高速列車計算任務可在本地或卸載傳輸到 MEC 完成。然而傳統的深度神經網絡需要將邊緣設備采集到的海量數據傳輸到訓練側，難以保證傳輸數據的隱私安全。聯邦學習作為分布式學習的一種，可以使得車載終端自主感知周邊環境、采集數據，然后自主進行本地訓練得出本地訓練模型，最后通過整合不同本地訓練模型來得出更新后的

88、全局訓練模型。聯邦學習這一架構，避免了原始數據的傳輸，提升了系統整體通過內生結構實現隱私保護的能力。通過聯邦學習這一可信協同框架，可以打破數據孤島的壁壘，進一步實現網絡、設備間保護隱私的互聯互通。在實際應用中，將聯邦學習部署到軌道交通 6G 網絡中，主要可以采取兩種部署方式：面向終端和面向基站。在面向終端的方式中，可以將車載終端、移動用戶設備等作為聯邦學習的參與客戶端，在其本地訓練聯邦學習模型。覆蓋這些終端設備的基站則作為聯邦學習的服務器，負責參數聚合；在面向基站的方式中，26基站作為聯邦學習的參與客戶端，宏基站或者云服務器則作為聚合服務器。面向終端的方式可以更好的利用終端資源和保護數據隱私。

89、而面向基站的方式則具備更大的訓練數據規模、更強的計算能力，并且能更好的應對網絡拓撲的動態變化。此外，為了進一步提升針對大數據的隱私保護能力，可以通過將區塊鏈節點與MEC 節點耦合，將車載終端上傳的本地訓練模型數據記錄在區塊中，通過智能合約完成全局訓練模型自動化的整合，從而增強聚合過程中的安全性。通過引入聯邦學習和區塊鏈的方法，既減少了網絡中的通信數據量，又可以讓采集數據只在本地進行處理從而保證其隱私性，還可以避免因聯邦學習本身的中心化聚合方式帶來的弱安全性?？傊?，未來的軌道交通 6G 網絡將構建不依賴補丁式安全增強方案的可信安全體系，遵循“自適應”、“自主”、“自生長”三大原則演進，同時引入標

90、識區塊鏈、可信計算和人工智能威脅感知等技術，提升網絡體系內生的安全強度，達到身份真實、控制安全、通信可靠、數據可信的安全目標。為可信的交通環境和便捷安全出行構建防護長城。4.3.4.3.軌道交通數字孿生網絡軌道交通數字孿生網絡由于列車的高速移動性，軌道交通的網絡拓撲及網絡狀態不斷動態變化，這給軌道交通系統的實時運行調度及分析決策帶來了較大的挑戰。為了應對軌道交通網絡動態變化的系統狀態，可以應用數字孿生技術對軌道交通系統進行建模分析及映射，從而實現實時的狀態感知、分析決策及運行控制等。數字孿生技術是一種新興的數字化技術，它能夠充分利用物理模型、傳感器數據、設備運行的歷史數據等，通過集成多學科、多

91、物理量、多尺度的數字鏡像過程，實現在虛擬數字空間中對物理實體的精準映射。不同于傳統的建模仿真等，數字孿生通過與物理實體間的雙向交互，可以實時對物理實體進行一對一的映射。數字孿生技術通過優化、預測分析、容錯控制以及自動化過程等，可以有效地密切監測系統的運行狀態、減少系統運行維護開銷、提升系統的可靠性及運行性能。隨著 5G、物聯網等信息技術的發展，軌道交通正在進入數字化、智能化、信息化、自動化的新時代。與此同時，網絡規模的日益擴大與接入物聯網終端設備的迅猛增加，也使得軌道交通網絡呈現出復雜多樣、動態快變的特點。尤其是隨著 6G 研究的推進，如何在軌道交通網絡中實現泛在的智能連接，是智能軌道交通網絡

92、所面臨的巨大挑戰。通過引入數字孿生技術對網絡狀態實時感知分析，可以有效提升網絡連接性能與智能計算的效率，從而提升軌道交通的運行效率與應用服務質量。在數字孿生驅動的軌道交通網絡中，物理實體可以為傳感器終端、物聯網設備、車輛終端等，也可以是某個應用服務、業務系統等。27圖 18 軌道交通數字孿生網絡架構模型考慮智能交通網絡的結構特點，軌道交通數字孿生網絡架構如圖 18 所示。整個網絡模型分為三個部分，分別為用戶層、邊緣層、應用層。其中用戶層由車輛與物聯網終端設備等組成。在邊緣層，每個用戶層物理實體具有一個數字孿生畫像，運行于邊緣服務器之上。由于用戶層物理實體間所存在的關聯，邊緣層每個數字孿生體之間

93、同樣相互連接，并進一步形成數字孿生網絡。運行在邊緣層的數字孿生網絡可以動態實時的反映軌道交通系統的運行狀態與實體間的相互關系。在應用層，基于人工智能算法等對數字孿生網絡進行計算分析，從而為用戶層運行提供進一步的決策與反饋。當前，數字孿生驅動的智能軌道交通系統仍面臨著如下挑戰。首先，數字孿生體是對物理實體的完全映射。軌道交通網絡中包含著海量的傳感器終端和物聯網節點，以及復雜的列車運行系統。如何基于有限的資源對復雜多變的軌道交通系統進行數字孿生建模，是當前構建軌道交通數字孿生網絡需要解決的關鍵挑戰。其次，基于設備歷史及當前運行數據所構建的數字孿生模型，由于傳輸過程及數據訓練過程的損失，與物理實體的

94、真實狀態難免存在一定的誤差。如何最大限度的減小數字孿生體與軌道交通物理實體間的誤差，提升系統容錯能力，仍然需要進一步研究。此外，如何基于所構建的數字孿生網絡，結合分布式人工智能等分析技術對軌道交通系統進行狀態預測以及業務決策，也是未來需要關注的重點。28圖 19 6G 軌道交通數字孿生模型6G 可以更好的支撐軌道交通數字孿生應用構建。在軌道交通的設備物聯方面，實現多專業系統、多接口類型、多通信協議的規范化系統設備接入，提高軌交各專業系統設備接口調試效率。如圖 19 所示，構建軌交系統設備物模型體系，將傳統軌交系統設備映射到數字空間，實現系統設備的全生命周期的抽象建模，提高系統設備運維管理效率。

95、基于平臺數字孿生建模能力進行車站、列車建模仿真，將軌交設備狀態信息映射至數字孿生空間，提供軌交系統設備場景聯控的虛擬化呈現和自主化配置，提高軌交各專業系統場景聯動能力?；谛袠I知識沉淀和專家經驗，構建軌道交通全生命周期運行管理的基礎機理模型；基于軌交系統基礎要素的全面數字化以及動態要素的全面感知、實時計算，構建基于海量數據、人工智能的數據驅動模型；融合機理模型和數據驅動模型，實現軌道交通全場景全要素的數字孿生構建，并根據預測推演、孿生驗證結果等實時反饋激勵物理軌道交通系統。6G 軌交數字孿生通過全量匯聚的生產、管理和經營類系統數據，可按主題域進行跨專業、跨業務的數據資產沉淀、融合，為智慧軌道交

96、通的創新應用提供數據支撐及服務開放。通過互聯網云原生架構，將相關數據模型、業務模型通過微服務的方式開放和共享給生態合作伙伴，實現合作伙伴應用的快速接入，進而達成產業生態應用互聯互通的目標。應用開發可基于平臺沉淀的可復用、通用化的組件能力，靈活調用及便捷組合，使開發邊際成本極大降低，有效打破傳統軌交系統煙囪式的固化邊界。通過軟件資源編排、服務器節點管理、腳本自動化執行、日志檢索等平臺運維管理工具，實現在資源的全生命周期管理中提供完備的監控、告警、自愈的機制，有效減少運維人力成本。295.5.軌道交通物聯網技術軌道交通物聯網技術5.1.5.1.高鐵物聯網監測及傳輸技術高鐵物聯網監測及傳輸技術5.1

97、.1.5.1.1.AIAI 助力的鐵路物聯監測技術助力的鐵路物聯監測技術隨著高鐵物聯網的不斷部署，高鐵信息系統中海量數據訪問和處理需求的不斷提高，致使傳統的計算方法無法滿足新的數據處理需求。而人工智能技術可以填補數據分析和智能決策之間的空白，結合人工智能的高鐵物聯網是未來的必然發展方向。目前，AI 融合物聯網形成了 AIoT（AI+IoT）技術。一方面，物聯網為人工智能提供了海量的感知數據；另一方面，人工智能的引入大大增強了物聯網的信息處理能力。將人工智能融合到高鐵物聯網的價值主要體現在綜合安全監控、視頻采集和分析、故障診斷和輔助決策等方面：（1 1）設備和設施的智能診斷和預測性維護）設備和設

98、施的智能診斷和預測性維護通過高鐵物聯網，可監控設備和設施的狀態。然后通過將人工智能與模式識別、聚類分析和專家系統相結合，建立自動分析模型，提前預測可能出現的故障，從而提供有價值的預測性維修建議。（2 2）智能綜合監控）智能綜合監控利用計算機視覺，攝像機采集視頻信息，然后通過智能圖像處理、狀態識別、空間形狀描述、幾何建模和運動跟蹤，機器可以自動檢測、識別、跟蹤和測量視頻數據中的目標對象。從而可以取代人眼的功能，實現智能化綜合監控。（3 3）智能決策）智能決策基于傳感器采集的列車外部環境、線路網絡狀態、車站狀態等復雜信息，結合當前交通流和貨流，智能識別生產場景，優化車輛流徑，利用人工智能技術可以有

99、效地調整調度計劃，做出科學的預測、決策和建議。如圖 20 和圖 21 所示，可使用帶計算模塊的高像素紅外攝像機捕獲鐵路轉轍機位置圖像，其中原始圖像經過處理，并通過在線計算機視覺分析局部提取特征。同時，視頻數據、道岔轉轍機位置信息、溫度、濕度、振動等數據通過通信線路傳送到計算中心，通過人工智能算法進行學習。因為通過長期監測可以積累大量數據，利用深度學習可以訓練一個有效的模型來提高報警精度。30 SensorGigabit NetworkServerTemperature21.0Humidit:48.5Temperature23.4Humidit:43.7Temperature24.1Humidi

100、t:44.7Normal position3.55 Reverse position-Normal position1.65 Reverse position-Normal position5.45 Reverse position-圖 20 機器學習輔助的鐵路高精度轉轍機預警系統圖 21 機器學習輔助的鐵路高精度轉轍機實驗結果（精度在 0.1mm 以內）5.1.2.5.1.2.時域功率分配增強的鐵路傳輸技術時域功率分配增強的鐵路傳輸技術先進無線通信技術提供的海量網絡接入、超低延遲和高可靠性傳輸以及超高的信息傳輸速率大大促進高鐵系統的信息服務能力。首先，網絡的巨大連接容量有助于實現高鐵沿線的全

101、覆蓋，從而推動鐵路經濟帶的發展。其次，網絡的大帶寬能力可以支持機車、動車組等大量監控數據的下載，實現大量車輛的地面傳輸。再次，借助網絡的低延遲功能，乘客可以瀏覽視頻，更好地享受在線購票、在線訂購、中間換乘等信息服務。未來 6G 網絡將融入很多自適應網絡優化技術。例如，為降低切換頻率，可以采用新型通信的控制數據平面解耦架構，沿軌道部署分布式天線，如圖 22 所示。進一步采用時域功率分配策略來降低切換失敗概率和通信中斷概率，根據GPS 定位和位置預測等技術，在列車離基站遠的時刻采用較大功率發送數據，在離基站近的地方，按設計目標適當調低功率，這樣可在整個高鐵通信系統能量消耗不增加的情況下，有效改善高

102、鐵車-地通信隨時間劇烈變化的遠近效應問題，同時可增大越區切換中當前小區與目標切換小區接收功率的信道差異辨識度，進而提升切換的成功率并降低切換過程中的通信中斷概率。如圖 23 所示，通過新型通信架構的輔助和時域功率調節技術，切換失敗概率和通信中斷概率可以分別降低約 20%和 15%。Normal position To Reverse positionMillimeterStaticMigrateTimeTrain31圖 22 5G 控制-數據平面分離架構的高鐵通信網絡示意圖圖 23 采用時域功率調節技術后對切換成功率的提升實驗結果5.1.3.5.1.3.無線射頻供電驅動的高鐵物聯網技術無線射頻

103、供電驅動的高鐵物聯網技術在未來的高鐵物聯網中，將部署大量的傳感設備，由于鐵路沿線環境復雜多變，使得人工網絡節點電池管理的成本和危險非常高。采用射頻（RF）能量采集技術可為低功耗物聯網節點設備供電并驅動其采集和傳輸數據。如圖 24 所示，傳感器可從附近基站或一些專用射頻發射點發送的無線電磁波信號中采集能量，部分設備也可由安裝在列車上的射頻發射機供電驅動。圖 25 顯示了不同移動速度下，移動列車和地面物聯網設備鏈路上的可實現信息能量（I-E）區域?？梢钥闯?，列車的移動速度越低，可實現的 I-E 區域越大，并且在收獲的能量和接收到的信息之間存在權衡。圖 24 無線能量傳輸驅動的高鐵物聯網32圖 25

104、 無線能量傳輸驅動的高鐵物聯網傳輸性能5.1.4.5.1.4.無人機輔助的的高鐵物聯網傳輸計算技術無人機輔助的的高鐵物聯網傳輸計算技術在鐵路沿線部署大量的物聯網基礎設施，成本高、開銷大。由于無人機具有高靈活性和低成本的優勢，可采用無人機為一些場景下的高鐵物聯網應用提供無線通信和計算服務。如圖 26 所示，通過使用配備攝像頭、無線通信模塊和計算機的無人機，可以定期掃描軌道沿線的路基和電力線?？紤]到所記錄的視頻或圖像數據的量可能太大，而無人機的計算能力有限，可以將捕獲的數據卸載到附近的基站以實現邊緣計算。此外，由于無人機的可用能量有限，通過自適應調整飛行速度和卸載數據量，無人機與基站提供的地面邊緣

105、計算協同完成計算任務。由于無人機本身能量有限，可通過軌跡優化、強化學習等技術自適應控制無人機的巡航軌跡和飛行姿態。圖 27 給出了無人機輔助的高鐵物聯網無人機速度自適應控制實驗結果，顯示了無人機的速度與軌跡上的時隙的關系。當無人機接近基站時，其飛行速度較慢，當無人機離開基站時，其飛行速度逐漸加快。圖 26 無人機輔助的高鐵物聯網33圖 27 無人機輔助的高鐵物聯網無人機速度自適應控制實驗結果5.2.5.2.綠色物聯網反向散射技術在綠色物聯網反向散射技術在 6G6G 軌道交通中的應用軌道交通中的應用無源反向散射通信技術是物聯網新興的技術之一，其能讓傳感器擺脫電池的束縛，降低無線傳感器的成本，在

106、6G 和智慧物聯網中有廣泛的潛在應用需求。無源反向散射標簽結合軌道交通場景 6G 網絡，有兩個典型應用場景：1）低功耗低成本的貨物及人員有效跟蹤和識別；2）隧道信號和覆蓋綠色增強。圖 28 乘客行李箱在 6G 軌道交通系統中的定位和抵達時間預測軌道交通系統中貨物跟蹤和人員有效定位可以保障火車站及車輛的正常穩定運行。例如，對于在遇到突發狀態時，通過調度平臺調度距離最近的業務對口工作人員處理問題效率明顯，且意義重大。利用無源標簽結合鐵路內部 6G 網絡，可以做到低功耗低成本的貨物和人員有效跟蹤和識別。將來乘客可以進入火車站臺托運行李，下車自動取行李。例如工作人員配備標簽，標簽和鐵路專屬 6G 網絡

107、相互通信，識別該標簽并定位。又例如貨運物品或者乘客行李箱貼上簡易標簽，在整個軌道交通系統內傳輸過程中能定位跟蹤到該行李箱，乘客打開鐵路 12306的APP相關鏈接能看到該行李箱當前位置和行李的預測抵達時間,如圖28所示。鐵路隧道是軌道交通的典型場景。目前隧道內無線通信系統主要問題在于接收信號質量差、連續性弱及出現覆蓋盲區等問題。在隧道覆蓋的建設中，多采用內部架設泄漏電纜或有源中繼的方案以滿足用戶通信及各種隧道安防設備數據34傳輸需求。隧道中聯合部署分布式標簽和有源中繼節點，能有效降低成本并提高傳輸效率，如圖 29 所示。圖 29 聯合部署分布式標簽和中繼節點5.3.5.3.面向智能高鐵的基于面

108、向智能高鐵的基于 6 6G G 的海量機器類通信的海量機器類通信隨著軌道交通信息化和智能化的發展，未來將有海量的傳感器、監控等數據采集裝置部署在軌道交通系統，如圖 30 所示。智能高鐵將利用海量機器類通信實現高鐵及沿線基礎設施的全生命周期智能檢測與維護，以及列車運行中的全天候環境智能感知，從而保障智能高鐵的安全運行。為了保證高速列車的行駛安全，通信網絡一方面要能夠滿足海量設備的接入，另一方面要能夠保證數據的低時延高可靠傳輸。然而，現有的接入技術不足以支持海量設備高可靠低時延的接入。6G 需要更加高效可靠的接入方案來保障高可靠低時延的海量機器類設備接入和數據傳輸，提高有限資源可以支持的機器類設備

109、的數量。免授權的隨機接入可以避免繁瑣的調度流程，通過避免控制信令來顯著降低設備接入的開銷，因此十分適用于機器類通信的小數據包傳輸。然而，由于有限的時頻傳輸資源，面向海量設備的免授權隨機接入過程會在接收端造成多個活躍用戶數據的疊加。非正交多址接入通過多用戶在碼率、功率域等的復用允許多個用戶共享相同的時頻資源，因此不僅能夠提供更高的頻譜利用率，也能夠提供較高的連接過載率，使系統可以利用有限頻譜資源來服務大規模連接用戶。若要通過稀缺的無線電資源支持海量機器類通信中的大規模連接，在設計多址接入協議時需要適用非正交接入。圖 30 大規模軌道交通車地傳感通信場景35面向海量機器類型設備的零星上行通信，利用

110、該特性帶來的稀疏性，可以使用基于壓縮感知的多用戶檢測（CS-MUD）技術實現海量用戶的接入。在基于 CS-MUD 的接入算法中，用戶可以采用免授權的隨機接入，接收端通過多用戶檢測確認哪些用戶是活躍的，并利用 CS 算法恢復活躍用戶的數據。該方法可以通過避免繁瑣的調度流程及控制信令來顯著降低設備接入的開銷。此外，CS-MUD 還可以通過利用各種先驗信息的檢測算法、聯合的設備活躍度檢測和信道估計算法以及在多天線系統中的接入方案等提升接入算法的性能。但是，在高鐵的應用場景中，存在著信道快速時變、多普勒效應、頻繁的越區切換等相關問題，直接影響著信道估計和信號檢測的性能，降低傳輸效率。同時，面向智能高鐵

111、的海量機器類通信要求能夠在保障海量用戶接入的同時保障低時延和高可靠性。因此，如何在高鐵的應用場景下，滿足海量機器接入的同時保證系統的低時延和高可靠性，是實現高鐵智能感知的核心難題。通過設計面向高鐵場景的專用接入協議，可以有效的降低高鐵應用場景中的快速時變信道等問題所帶來的影響，提高系統接入的準確率，降低接入時延。5.4.5.4.通信感知一體化通信感知一體化十四五期間，我國鐵路將圍繞川藏鐵路建設、西部邊疆鐵路網建設、“八縱八橫”高鐵網建設、普速鐵路網覆蓋、城市群都市圈城際鐵路和市域（郊）鐵路發展這五個方面進行重點的規劃建設。預計 2025 年底，全國鐵路營業里程將達16.5 萬公里左右，其中高鐵

112、（含部分城際鐵路）5 萬公里左右、覆蓋 95%以上的50 萬人口以上城市，基本形成“全國 123 高鐵出行圈”，從而更好滿足人們美好出行需要。為此，鐵路建設應以建設智能鐵路為主攻方向，全力構建一體化信息集成平臺，建設覆蓋戰略決策、經營開發、運輸生產、建設管理、資源管理和綜合協同六大業務領域的信息系統，構建網絡安全和信息化保障體系，提升信息化支撐生產經營、客戶服務、開放共享三大能力。針對鐵路建設、裝備、運營的各個環節和場景，在勘察設計、工程施工、建設管理、移動裝備、通信信號、牽引供電、檢測監測、客運服務、運輸組織、養護維修等十大領域推進信息化、智能化，實現體系化的智能高鐵技術需要我們在 5G 落

113、地應用中不斷深化，也需要在未來 6G 軌道交通中進行支撐和實現。隨著軌道交通的信息化和智能化發展，未來軌道交通系統中的傳感器數量將越來越多。智能高鐵將利用這些傳感器網絡感知列車位置、列車周邊環境，以及高鐵及沿線基礎設施，從而保障智能高鐵的安全運行。此外，軌道交通系統中的無線通信頻段向毫米波、太赫茲和可見光等更高頻段發展，與傳統感知頻段將產生越來越多的重疊。如何在相同的頻譜中同時實現感知和通信功能是未來軌道交通系統中的一個關鍵問題。為了保證高速列車的行駛安全，既需要高可靠低時延的通信網絡，又需要大范圍高精度的傳感網絡。然而，現有傳感系統和通信系統各自獨立工作，大量的傳感設備與通信設備將導致惡劣的

114、電磁環境與擁堵的頻譜，極大的影響軌道交通系統中的通信質量與感知精度。智能高鐵需要一種新的通信感知一體化系統，同時兼顧感知功能與通信功能，整合通信與感知資源，提高通信質量與感知精度。而在現有軌道交通系統中，感知系統與通信系統通常是獨立設計的。通過專用化設計，現有感知系統和通信系統能夠分別實現優越的感知性36能和通信性能。但現有感知信號，如線性調頻脈沖（LFM）信號，無法攜帶大量的通信數據，而通信信號，如正交頻分復用（OFDM）信號，很難用以實現高精度的感知工作。所以在一次（電磁波）傳輸過程中，需要一種新的信號設計方案來同時實現感知和通信功能。通信感知一體化技術是一種基于軟硬件資源共享或信息共享，

115、同時實現感知與通信功能協同的新型信息處理技術，可以有效提升系統頻譜效率、硬件效率和信息處理效率。利用無線通信網絡和設施，以通信-感知一體化（通感一體化）為核心技術，構建一體化的信息采集與傳輸系統，結合后端云處理，實現 6G 軌道交通的透徹感知與全息感知，支撐全場景、全頻段、全覆蓋的智能高鐵信息感知、傳輸、處理與控制系統。圖 31 6G 軌道交通通信-感知一體化的典型場景與應用領域圖 31 給出了 6G 軌道交通運營過程中通信-感知一體化技術的一種典型場景，實際上該場景也涉及到車地通信系統與軌道交通的建設與運營兩個領域。在智能交通復雜的應用場景中，通信業務和感知業務的信息處理流程呈現出工作時空域

116、互相重疊、功能互相影響、都依賴于大寬帶頻譜和大孔徑天線的高度耦合特征。利用同一套設備或共享部分設備器件實現通信與感知，降低設備成本、體積和功耗，將會是未來智能高鐵中的一項關鍵技術。通信感知一體化方案將使得感知系統與通信系統從競爭走向協同，在滿足未來智能高鐵所必需的高可靠、低時延通信能力與大范圍、高精度感知能力的同時，降低硬件成本、減少頻譜開銷、提高能量效率。此外，超大規模天線、人工智能、大帶寬、智能超表面等技術的發展將進一步提升通信感知一體化技術的整體性能。目前對通信和感知的理論框架還停留在各自的領域，需要針對通感一體化系統建立新的理論，探索通感一體化系統的最佳性能邊界和性能折中。而當前通信感

117、知的空口與信號處理技術難以同時滿足感知和通信的需求，還要持續探索新的一體化設計方案，研究最優的空口方案。此外，目前缺少一體化的傳輸協議，為了實現感知和通信體制的進一步融合，需要設計新的一體化傳輸協議和系統架構，以實現兩者的協同傳輸。通感一體化需要一套硬件同時支持通信和感知功能，而高可靠、低時延通信和高精度、大范圍感知對硬件的需求不同，因此統一的低成本硬件平臺設計也是后續通感一體化需要解決的問題。在6G軌道交通無線通感一體化的研究與應用中，主要存在如下難點與挑戰。37（1 1）軌道交通軌道交通通感一體化的用例與性能指標通感一體化的用例與性能指標通感一體化技術在 6G 軌道交通領域的應用需要以典型

118、場景、典型用例為牽引，通過核心問題的梳理確定通信、感知以及兩者互相折中或互相強化的性能指標體系。與傳統的軌道交通無線通信系統相比，6G 軌道交通無線通感一體化需要在硬件設備、信號處理算法、通信協議等方面盡可能復用無線通信中的設計范式與模塊，同時也需要以通信系統為出發點，深入探究軌道交通的需求與無線信號處理的能力邊界，將新的信號波形設計、新的系統架構、新的信號處理范式融入無線通信系統，進而建立起通信、感知性能的折中機制，打通通信與感知的跨領域屏障。為此，急需針對智能高鐵十八個方向，即空天地一體化工程勘察、基于 BIM 工程設計、橋隧路軌工程智能化施工、客運站工程智能化施工、四電工程智能化施工、基

119、于 BIM+GIS 工程建設管理、智能動車組、智能綜合檢測車、信號、通信、智能牽引供電、智能檢測監測、智能客運、智能票務、智能綜合調度、智能行車調度、工電供一體化運維、動車組智能運維等，逐個辨析通感一體化的潛在用例與性能指標，深入分析與總結幾類典型用例與關鍵性能指標集，探究傳統無線通信系統與設計范式的適用性與擴展性要求，提出 6G 軌道交通一體化的關鍵技術組合模式與需求，支撐 6G 軌道交通場景下的智能高鐵建設。（2 2）面向軌道交通建設環境監測檢測的通感一體化）面向軌道交通建設環境監測檢測的通感一體化高鐵勘察設計與工程施工的建設過程中，需要對軌道交通的環境進行實時、準實時的監測檢測，對環境各

120、要素、各狀態進行全過程的透徹感知。同時，在勘察設計與工程施工階段，無線通信基礎設施存在覆蓋深度與廣度有所欠缺、網絡連接可能中斷、網絡拓撲與部署發生改變等挑戰。因此，需繼續開展如下幾個方面的研究：面向軌道交通典型場景的全頻譜適用技術辨析，探究綜合復雜的軌道交通系統中不同場景和環境工況所適配的通感一體化工作頻段或頻段組合，探究2400 MHz 和/或更高頻段無線信號的適用性；基于無線射頻信號的同步成像和制圖，如環境地圖，支撐不同時空尺度下暴露空間的環境重構，支持不同時空尺度下滑坡、落石等現象的監測檢測，進而作為信息基礎設施的一種基本能力輔助自動駕駛、智能建造、智能運營；基于無線射頻信號的山體、隧道

121、等高精度結構監測，探索環境狀況、結構應力等因素對無線信號傳播的影響機理，進而反演環境狀況與環境內部結構，支撐非暴露空間在不同時空尺度下的應力、位移等監測檢測；基于信道狀態信息（CSI）或接收信號強度（RSSI）的多基站協作感知，支撐軌道交通建設環境中物體、車輛等目標的動態識別、動態跟蹤與動態預警。（3 3）面向軌道交通運營環境監測檢測的通感一體化）面向軌道交通運營環境監測檢測的通感一體化軌道交通的建設管理、移動裝備、牽引供電、養護維修涉及大量人員及設備的安全檢測、人員管理、設備管理等工作。從客觀效果而言，傳統條條框框的管理機制獲得了良好的效果，但其代價是帶來了極大的人力成本和管理成本，也存在相

122、關人員責任與壓力負荷長期較重等挑戰。未來智能高鐵的發展需要支持全過程數字化管理，實現減員增效的基本目標。為此，需要重點研究：基于無線信號的光譜分析，例如空氣質量、CO2排放等，以鐵路通信網絡為基礎設施，以通感一體化為技術手段，提供全國范圍內，特別是經濟發達地區的實時基礎數據，支38撐軌道交通行業碳達峰、碳中和戰略目標的實現；基于無線信號的工件裂縫檢測，例如輪軸、軌道板、車廂、隧道、混凝土等，以通感一體化為技術手段，支持在線無損探傷、無損檢測；基于通感一體技術的高鐵路基沉降變形檢測，相比于常規的全站儀、激光測距機、液體沉降系統等檢測方法，支持全天候、全自動實時檢測，并依托于后臺數據處理，形成全生

123、命周期的監測、檢測與預警；面向軌道交通車站場景，基于通感一體化實現乘客的姿態識別、安全檢測、禁限帶物品的檢測、人物關聯，實現重點人員的時空一致性跟蹤，從而支撐智能安檢，支撐高精度流調與密接人群的精準分析，提高車站效率與安全。（4 4）面向軌道交通智能無線通信的通感一體化）面向軌道交通智能無線通信的通感一體化面向智能軌道交通的發展，無線通信系統的發展需要重點解決如下挑戰：高效的車地無線通信與車車無線通信、綠色低碳的無線通信與通信網絡、基于透徹感知的智能無線通信賦能智能高鐵。為此，面向軌道交通智能無線通信的通感一體化技術，需繼續重點突破如下關鍵挑戰：面向未來超級高鐵的發展，探究基于通感一體化的多普

124、勒擴展補償，降低無線通信的信令開銷；面向軌道交通作業場景的典型特性，研究基于通感一體化的波束管理，降低甚至避免波束管理引入的信令開銷，提高系統頻譜效率和系統響應速度，降低能耗；面向軌道交通典型場景，研究基于通感一體化的高精度定位，降低對當前列車定位，如地面應答器的強烈需求，從而支持在線全程高精度定位，支撐無人駕駛、減小追蹤間隔，從而提高運營效率；面向軌道交通典型場景，研究基于通感一體化的入侵檢測，實現全天候無差別的電子圍墻和入侵對象的軌跡與姿態跟蹤；研究基于通感一體化的軌道交通透徹感知，為指揮決策提供可靠的信息，實現“看得更遠，看得更高，看得更清，看得更全面”；研究基于人工智能的通感一體化增強

125、技術，以通感一體為手段獲取的海量數據為基礎，以場景、應用適配的算法為核心，構建基于大數據的軌道交通場景數據庫，突破感知輔助通信的信息論瓶頸，將不同域（Domain）的先驗信息進行融合，從而有效提升無線通信的效率、提升高鐵的智能化水平。39參考文獻參考文獻1 國務院，國發 2021 27 號“十四五”現代綜合交通運輸體系發展規劃，2021 年 12 月 9 日.2 B.Ai,A.F.Molisch,M.Rupp and Z.-D.Zhong,5G Key Technologies forSmart Railways,in Proceedings of the IEEE,vol.108,no.6,

126、pp.856-893,June 2020,doi:10.1109/JPROC.2020.2988595.3 IMT-2030（6G）工作組，通信感知一體化技術研究報告，2021.4 You,X.,Wang,CX.,Huang,J.et al.Towards 6G wireless communicationnetworks:vision,enabling technologies,and new paradigm shifts.Sci.ChinaInf.Sci.64,110301(2021).5 張平，牛凱，田輝，聶高峰，秦曉琦，戚琦，張嬌.6G 移動通信技術展望J.通信學報，2019，40(

127、01):141-148.6 尤肖虎,尹浩,鄔賀銓.6G 與廣域物聯網J.物聯網學報,2020,4(1):3-11.7 Niu,Z.,Zhou,S.and Crespi,N.(2021).Greening 6G.In Shaping Future 6GNetworks(eds E.Bertin,N.Crespi and T.Magedanz).8 范平志,李里,陳歡,程高峰,楊林杰,湯小波.面向大規模物聯網的隨機 接 入：現 狀、挑 戰 與 機 遇.通 信 學 報 J,2021,42(4):1-21doi:10.11959/j.issn.1000-436x.20210989“White pape

128、r on Evolved Random Access and Multiple Access TransmissionTechnologies”,未來移動通信論壇,2021.12.2110劉楊，彭木根.6G 內生安全：體系結構與關鍵技術J.電信科學，2020，36(01):11-20.11 江 偉 玉，劉 冰 洋，王 闖.內 生 安 全 網 絡 架 構 J.電 信 科學,2019,35(09):20-28.12 劉楊，李珺，陳文韻，彭木根.面向 6G 的霧無線接入網內生安全數據共享機制研究J.通信學報，2021，42(01):67-78.4013 劉貞,何躍鷹,丁歡.軌道交通列控系統網絡安全風

129、險和防護對策研究J.鐵路通信信號工程技術,2020,17(12):1-7.14 游偉,李英樂,柏溢,等.5G 核心網內生安全技術研究J.無線電通信技術,2020,46(4):385-390.15 高楓,馬錚,張曼君,等.5G 網安全部署探討J.郵電設計技術,2019,4:45-48.16 翟立君,王妮煒,潘沭銘,等.6G 無線接入關鍵技術J.無線電通信技術,2021,47(1):1-11.17 劉光毅,金婧,王啟星,董靜,樓夢婷,黃宇紅,陳志偉,馮瑤.6G 愿景與需求:數字孿生、智能泛在J.移動通信,2020,44(06):3-9.18 聶 凱 君,曹 儐,彭 木 根.6G 內 生 安 全：區

130、 塊 鏈 技 術 J.電 信 科學,2020,36(01):21-27.19 丁珊.基于深度學習的入侵檢測關鍵技術研究D.北京交通大學,201820 湯凱.基于 5G 的垂直行業安全新特征與對策J.中興通訊技術,2019,25(4):50-55.41致謝致謝北京交通大學：艾渤，盧云龍，沈超，陳為，何睿斯，章嘉懿，熊軻，牛勇，王方剛，王公仆，王海波，吳昊，林思雨，馬國玉，楊汨，費丹，劉留，朱力，丁建文，鐘章隊北京城建設計研究院有限公司：劉劍鋒，李金海，鄧進北京京投卓越科技發展有限公司：宣晶，劉忠良，呂桐，李原北京市地鐵運營有限公司：白文飛,吳雁軍，趙華偉,豆飛，張衡，光志瑞，陳炎，李明北京協同創新軌道交通研究院有限公司：吳昊北京郵電大學：張平，陶小峰，許曉東，秦曉琦，馬楠東南大學：尤肖虎，崔鐵軍，王海明，金石國家高速列車技術創新中心：杜杰偉鵬城實驗室：陳昊三星電子中國研究院：張代君，孫程君，王翯神州高鐵：蔡宏宇，胡斌，王迎寬騰訊云計算（北京）有限責任公司：施雪松，張云飛，劉思楊中車青島四方車輛研究所有限公司：姚小強，李震中國電信研究院：楊峰義，劉洋，王晴天中國聯通：唐雄燕，李福昌，馬錚中國移動研究院：劉光毅，王啟星，夏亮中興通訊：段向陽，胡留軍