随着城市化进程不断加快,城市人口也在迅猛增长。为了缓解人口压力,国内外各大城市也加紧了城市轨道交通建设与运营的步伐,城市轨道交通也因为方便快捷、舒适性佳的优势成为人们主要的出行方式之一。随着城市轨道交通无人驾驶技术的发展,FAO(Fully Automatic Operation,全自动驾驶)系统成为了未来城市轨道交通发展的方向。由于TD-LTE技术具有高速率传输和低延迟等优势,全自动驾驶系统也将采用TD-LTE(Time Division Long Term Evolution,分时长期演进)技术承载无线车地通信业务,保证列车在切换过程中能够实现不间断通信,从而保障乘客的生命安全。因此,对基于TD-LTE的城市轨道交通FAO系统的越区切换问题进行深入研究具有十分重要的意义。本文首先介绍了我国城市轨道交通的发展现状和越区切换问题的国内外研究现状,分析了城市轨道交通环境对越区切换的影响。介绍了全自动驾驶系统总体架构和TD-LTE技术的基本概念,阐述了越区切换的信令流程、TD-LTE车地无线通信系统的架构以及城市轨道交通环境常见的无线信道模型和A3事件。其次,针对城市轨道交通列车在越区切换过程中接收到的参考信号接收功率值波动较大,导致乒乓切换频繁发生的问题,结合A3事件,提出一种改进的灰色预测与BP神经网络相结合的算法(IGM-BP)。根据车载数据终端接收到的t时刻前4组RSRP(Reference Signal Receiving Power,参考信号接收功率)值建立灰色模型GM(1,1)并得到一组预测值,将预测值取均值作为期望值,为改善灰色预测算法对数据的波动性适应不理想的问题,再利用BP神经网络算法修正通过灰色预测算法得到的预测值,从而得到期望的RSRP值。仿真结果表明,与传统切换算法和灰色预测算法相比,利用提出的IGM-BP算法可以使RSRP值波动幅度减小,降低了乒乓切换率,提高了切换成功率。最后,通过分析切换迟滞参数的表达式,得到列车速度与切换迟滞参数之间的约束关系,提出一种根据列车不同速度等级动态调整迟滞切换参数的切换策略。首先大量采集列车不同速度等级下切换效果较好的切换迟滞参数集,送入BP神经网络进行训练,为了解决BP神经网络易陷入局部最小的问题,采用遗传算法优化BP神经网络的初始权值和阈值,最后通过GA-BP算法对列车速度和迟滞切换参数进行非线性拟合,得到拟合曲线。仿真结果表明,拟合曲线效果较好,可以根据不同速度取得最优迟滞参数,乒乓切换率降低,有效提高通信质量。