1.一种面向乘客舒适性的列车过隧道时长计算方法，其特征在于，利用下式估算列车通过当前隧道的剩余时长：t＝O(i)/fHz(O(i)‑O(i‑1))；其中，列车当前位置距离隧道出口M的距离的最终输出值O(i)＝O (i)+ε(i)；O(i)为列车当前位置距离隧道出口的距离的最终输出值；O(i‑1)为列车上一位置距离隧道出口的距离的最终输出值；ε(i)为补偿误差输出M结果；fHz为位置更新频率；O(i)为当前样本点的模板匹配输出值；

列车当前位置距离隧道出口的距离的最终输出值O(i)的具体确定过程包括：

1)采集隧道气压气象参数，构建隧道气压气象参数数据库；

2)基于隧道气象参数数据库，按照隧道所处的地理位置及隧道内外的气象情况对隧道气象参数数据库内的气象参数进行归类，得到区域内同类样本，实现属性相近的隧道群体的归类；

3)对区域内同类样本进行进一步划分，获取当前类别的典型样本；

4)将典型样本进行相空间重构，获得列车头部和尾部气压气象参数演化性的彩色图像，即模板图像；所有典型样本对应的模板图像组成典型样本联合模板库；

5)分别采集列车当前位置头部和尾部的样本点及往前的一段时间的样本序列，进行相空间重构和RGB颜色空间组合，构建当前位置特征图像{ch,cf}；将当前位置特征图像与典型样本联合模板库中的图像进行相关性计算，确定当前位置在典型样本联合模板库中的最佳匹配位置；

6)采用同类隧道群体的数据，以温度序列、湿度序列、气压序列为输入，以所述最佳匹配位置的预测误差为输出，训练最小二乘支持向量机，建立隧道里程预测误差补偿模型；

7)实时采集列车运行过程中的气压气象参数，构建当前状态特征图像，进行三维图像模板搜索匹配；确定误差补偿输入变量，误差补偿模型，将模板匹配模型输出与误差补偿模型输出融合，获取最终的距隧道出口里程值，即得到O(i)。

2.根据权利要求1所述的面向乘客舒适性的列车过隧道时长计算方法，其特征在于，步骤2)的具体实现过程包括：

1)将隧道群归为N类；

2)获取当前区域中1年以来列车通过隧道前Tmin内的平均气温分布，采用高斯分布函数对平均气温分布进行拟合，获取均值和方差值，将分布按照概率均分为10等份，同属于1等份的样本定义为当前区域下的同类样本。

3.根据权利要求1所述的面向乘客舒适性的列车过隧道时长计算方法，其特征在于，步骤3)的具体实现过程包括：

1)对每个时间序列进行自回归差分滑动平均模型建模，提取各个序列的自回归项、差分项和移动回归项的参数，区域内同类样本的所有特征量组成特征矩阵A；

2)对区域内同类样本的所有特征量组成的特征矩阵A进行降维处理，选取贡献程度最大的M个主成分表征原始特征矩阵A的信息，获取变换后的矩阵A'；

3)定义核函数k＝αkrbf+βklinear+(1‑α‑β)klaplace；其中，krbf为径向基核函数，klinear为线性核，klaplace为拉普拉斯核函数，将A'矩阵中的特征值映射到核函数k对应的特征空间；

4)优化核函数的系数α,β和类别数目n，将样本分成n类，每类样本组成一个样本簇；确定优化目标函数 其中，avg(Ci)为样本簇Ci中样本的平均距离，dcen(Ci,Cj)为样本簇Ci与样本簇Cj中心点间的距离；

5)按上述设定参数，采用灰狼优化算法优化的k‑means聚类算法实现降维后特征的聚类，获取每个聚类样本簇的聚类中心及距离聚类中心最近的5个样本对应的原始时间序列其中 对应于列车头部采集的温度时间序列、列车头部采集的湿度时间序列、列车头部采集的气压时间序列、列车尾部采集的温度时间序列、列车尾部采集的湿度时间序列、列车尾部采集的气压时间序列；将时间序列集合定义为当前类别的典型样本。

4.根据权利要求1所述的面向乘客舒适性的列车过隧道时长计算方法，其特征在于，步骤5)的具体实现过程包括：

1)确定列车当前位置头部和尾部的温度、湿度和气压时间序列中当前样本点及往前的

19个采样点；

2)采用延迟坐标法进行相空间重构，获取6个代表列车头尾部温度湿度气压演化特性的二维重构矩阵，将6个矩阵分头尾按照RGB颜色空间组合，形成当前位置特征图像{ch,cf}；

3)将当前位置特征图像与模板库中的图像进行卷积运算

其中每个gi均为一个一维序列；{hi,fi},i＝0,1,2…5为模板图像；

4)对所有gi序列中的元素进行由大到小的排序，确定的最大的5个元素为候选元素，候选元素对应的排序前所在位置为候选位置，候选位置对应的距隧道出口里程值为sj,j＝1,

2,…5；

5)将候选位置对应的距隧道出口里程值取均值确定为当前的模板匹配输出值，即模板匹配输出值

5.根据权利要求1所述的面向乘客舒适性的列车过隧道时长计算方法，其特征在于，步骤6)的具体实现过程包括：

1)定义输入样本I＝(Th,Hh,Ph,Tf,Hf,Pf),其中Th＝(t1,t2…,t19,t20)为隧道内列车头部当前样本点及往前19个样本点的温度时间序列；Hh为长度为20的列车头部湿度时间序列，Ph为长度为20的列车头部气压时间序列，Th为长度为20的列车尾部温度时间序列，Hh为长度为

20的列车尾部湿度时间序列，Ph为长度为20的列车尾部气压时间序列；输出样本为当前位置对应的里程误差值ε；输入和输出组合Y＝{I,ε}构成建模样本；

2)划分训练样本和验证样本和测试样本，得到训练集和测试集；

3)对输入样本I中每个维度的特征进行二进制编码，当某维度的特征对应的编码值为1时，该特征被选择作为LSSVM模型的输入变量，当某维度的特征对应的编码值为0时，该维度的特征被舍弃；将60个维度特征随机初始化编码为0或1；

4)基于当前特征编码值，确定输入特征，采用训练集数据训练LSSVM模型；将验证集数据输入训练好的LSSVM模型，获取模型输出序列为 定义优化目标函数其中 验证集的真实输出值；

5)采用二进制蚁狮算法进行迭代优化运算，确定最优的输入特征和LSSVM模型，该模型为LSSVM里程预测误差补偿模型。

6.根据权利要求1所述的面向乘客舒适性的列车过隧道时长计算方法，其特征在于，步骤7)的具体实现过程包括：

1)采集列车通过隧道前T min内的平均气温分布，确定当前状态所属于的样本类别，利用安装在列车头部和尾部的温度湿度传感器，获取当前的温度湿度序列；其中，T的取值范围为[10,20]；

2)依据当前平均气温确定当前状态所属的样本类别，提取相应的模板库；

M

3)在模板库中确定最佳匹配位置，输出当前样本点的模板匹配输出值O(i)；

4)获取当前状态的模型输入向量I，代入训练好的LSSVM模型，获取补偿误差输出结果ε(i)；

5)融合三维模板匹输出值和LSSVM模型输出值，获取当前位置距离隧道出口的距离的M最终输出值为O(i)＝O(i)+ε(i)。