轨道交通闸机系统作为轨道交通主要设备之一，其性能的要求也越来越高，在闸机系统的研发过程中主要存在这几点不足：通行检测的数据主要靠实际人体测试，需要做大量的实验，并且用实验的方式总有存在一些特殊情况未检测到，这种传统的研发方式将导致通行算法的确定花费较多的时间，不能满足快速和精确的需求，增加了研发的成本。本论文以双向剪刀式闸机作为研究对象，在3DS MAX中构建出仿真模型，利用虚拟现实技术，在Virtools中模拟真实设备的工作方式，从人体数据库中提取具有各种体态特征的人物，用虚拟人物运动来解决大量实验的问题。从常用的几种模式识别方法中，确定使用BP神经网络作为轨道交通闸机的通行策略作理论基础，使用Virtools中提取出各种通行情况时的传感器状态值和通行通道状态值作为目标输入和目标输出值，训练BP神经网络，再用传感器数据对训练好的BP神经网络进行测试，得到适合轨道交通闸机的BP神经网络，确定其通行策略。最后利用Stateflow完成闸机主要功能的逻辑流程图，使用其自动代码生成功能自动生成代码，修改后在Microsoft Visual Studio.NET2003编译环境下搭建BB模块功能，实现自定义BB模块的搭建，从而现实整个闸机系统。仿真和测试结果表明：训练好的BP神经网络能准确识别出正常通行和非正常通行，并对一些特殊情况识别判定，满足轨道交通闸机通行策略的要求；在Virtools中闸机实现正常通行检测、闯入检测和尾随检测功能；使用Stateflow自动生成代码生成的代码冗余量少，可直接移植使用。