列车辅助驾驶离不开对列车运行环境的实时检测，而列车运行环境图像存在丰富的小目标。与大中型目标相比，目标占原图比例小于1%的小目标由于分辨率低而存在误检率高、检测精度较差的问题，因此提出一种基于改进YOLOv3的列车运行环境目标检测算法YOLOv3-TOEI （YOLOv3-Train Operating Environment Image）。首先，利用k-means聚类算法优化anchor，从而提高网络的收敛速度；然后，在DarkNet-53中嵌入空洞卷积以增大感受野，并引入稠密卷积网络（DenseNet）获取更丰富的图像底层细节信息；最后，将原始YOLOv3的单向特征融合结构改进为双向自适应特征融合结构，从而实现深浅层特征的有效结合，并提高网络对多尺度目标（特别是小目标）的检测效果。实验结果表明，与原YOLOv3算法相比，YOLOv3-TOEI算法的平均精度均值（mAP）@0.5达到84.5%，提升了12.2%，每秒传输帧数（FPS）为83，拥有更好的列车运行环境图像小目标检测能力。

伪装目标检测（COD）旨在检测隐藏在复杂环境中的目标。现有COD算法在结合多层次特征时，忽略了特征的表达和融合方式对检测性能的影响。为此，提出一种基于递进式特征增强聚合的COD算法。首先，通过主干网络提取多级特征；然后，为了提高特征的表达能力，使用由特征增强模块（FEM）构成的增强网络对多层次特征进行增强；最后，在聚合网络中设计邻近聚合模块（AAM）实现相邻特征之间的信息融合，以突显伪装目标区域的特征，并提出新的递进式聚合策略（PAS）通过渐进的方式聚合邻近特征，从而在实现多层特征有效融合的同时抑制噪声。在3个公开数据集上的实验表明，所提算法相较于12种最先进的算法在4个客观评价指标上均取得最优表现，尤其是在COD10K数据集上所提算法的加权的F测评法和平均绝对误差（MAE）分别达到了0.809和0.037。由此可见，所提算法在COD任务上拥有较优的性能。

针对当前文献搜索系统不能理解用户实时需求的问题,提出了一种面向文献搜索系统的用户实时需求发现方法。首先,分析用户浏览、下载等个性化搜索行为;其次,根据用户搜索行为与用户需求的关系构建用户实时需求文档(RD);然后,从用户需求文档中提取用户需求关键词网络;最后,运用随机游走的方法提取出关键词网络的核心节点构成用户需求图。实验结果表明:在模拟用户需求的环境下,提取需求图的方法比K-medoids算法在检索指标F值上平均高2.5%;在用户搜索文献真实情况下,提取需求图的方法比DBSCAN算法在检索指标F值上平均高5.3%,因此,在用户需求比较稳定的文献搜索中,该方法能够获取用户需求从而提升用户体验。

针对CTCS-4下列车运行的特点，研究了移动闭塞条件下列车追踪运行问题。以多智能体(Multi-Agent)理论为基础，建立了一种移动闭塞条件下的多列车追踪运行多智能体系统(MAS)模型，提出了列车与无线闭塞中心(RBC)之间的MAS交互机制，实现了实时车地通信及多列车追踪运行的安全距离控制。仿真研究了列车追踪运行过程中速度变化关系、不同线路初始化密度对线路交通的影响，得到了相应的定量分析结论。仿真结果表明，该MAS模型能够较好地实现列车控制系统中静态环境与动态环境的复杂系统形式化描述，可以准确地描述CTCS-4列车追踪运行机理，所提方法具有较强的适用性和应用性。

随着我国铁路的迅速发展，对列车运行安全性的要求越来越高。采用Event-B形式化建模方法研究了高速列车安全距离控制形式化验证问题，以Event-B形式化仿真工具Rodin为基础，通过结合多智能体理论，引入感知决策法则，实现了无线闭塞中心(RBC)与列车的车地通信，建立了多列车运行的安全距离控制模型。仿真研究了高速列车最小间隔追踪控制运行，对列车安全距离控车行为进行了形式化建模并进行了POs证明义务验证。仿真结果表明，对于CTCS列车控制系统的复杂逻辑关联行为，采用提出的Event-B和多智能体系统(MAS)结合的形式化验证方法，可进行系统规范的模型验证，对于复杂系统的逻辑验证有较强的实际意义。