1.一种车外大气污染环境下列车乘员健康预警系统，其特征在于包括空气质量监测站点数据获取模块、列车数据获取模块、列车大气污染预测模块和列车空气环境预警模块；空气质量监测站点数据获取模块的输出端和列车数据获取模块的输出端均连接列车大气污染预测模块的输入端；列车大气污染预测模块的输出端连接列车空气环境预警模块；空气质量监测站点数据获取模块用于获取空气质量监测站点的数据信息并上传列车大气污染预测模块；列车数据获取模块用于获取列车的数据信息并上传列车大气污染预测模块；列车大气污染预测模块用于根据上传的数据信息对列车的大气污染进行短时预测，并将预测结果上传列车空气环境预警模块；列车空气环境预警模块用于根据预测结果进行空气环境预警，从而对列车的空气环境及其列车乘员的健康进行预警。

2.一种权利要求1所述的车外大气污染环境下列车乘员健康预警系统的方法，包括如下步骤：S1.获取各个空气质量监测站点的数据信息及其对应的空气质量监测数据；

S2.获取列车所在位置的污染物数据信息和列车的位置信息；

S3.根据步骤S1和步骤S2获取的数据，进行列车-空气质量监测站点的耦合性分析，从而筛选出若干个关联空气质量监测站；

S4.根据步骤S3筛选出的若干个关联空气质量监测站，建立多污染物浓度指标空间混合模型；

S5.采用步骤S4建立的多污染物浓度指标空间混合模型，对列车所在位置的大气污染物浓度进行短时预测；

S6.根据步骤S5得到的短时预测结果，进行列车的空气环境预警。

3.根据权利要求2所述的方法，其特征在于步骤S1所述的各个空气质量监测站点的数据信息及其对应的空气质量监测数据，具体为获取各个空气质量监测站点的编号信息、经纬度信息以及对应的PM2.5浓度信息、PM10浓度信息、CO浓度信息、NO2浓度信息、SO2浓度信息、O3浓度信息和AQI信息。

4.根据权利要求3所述的方法，其特征在于步骤S2所述的列车所在位置的污染物数据信息和列车的位置信息，具体为列车所在位置的经纬度信息、PM2.5浓度信息、PM10浓度信息、CO浓度信息、NO2浓度信息、SO2浓度信息和O3浓度信息，以及列车在过去若干时间内的分均速度信息和列车剩余行驶路线的有向路径信息。

5.根据权利要求4所述的方法，其特征在于步骤S3所述的进行列车-空气质量监测站点的耦合性分析，从而筛选出若干个关联空气质量监测站，具体为采用如下步骤进行耦合性分析并筛选关联空气质量监测站：A.采用如下算式计算列车未来T分钟后列车的预计位置，T为正整数：

式中 为列车未来T分钟后列车的预计位置的经纬度信息；LOTC为列车当前的经度信息，LATC为列车当前的纬度信息，v为列车在过去若干时间内的分均速度信息， 为列车剩余行驶路线的有向路径的经度单位向量， 为列车剩余行驶路线的有向路径的纬度单位向量；

B.计算未来T分钟后，列车与各个空气监测站点之间的距离；

C.采用如下算式计算若干个连续时刻的列车端的污染物数据信息与各个空气质量监测站的空气质量监测数据之间的互信息，从而得到列车端与各个空气质量监测站支架的确定性关联度指标集合：式中 为200个连续时刻内的列车端的AQI序列， 为第i个空气质量监测站的AQI值；P(a,b)为随机变量 和 的联合概率分布函数，P(a)为 的边缘概率分布函数，P(b)为 的边缘概率分布函数， 为边缘熵， 为条件熵；

D.根据列车与各个空气质量监测站之间的距离，分析并选取T分钟后对列车端环境影响最大的若干个关联空气质量监测站。

6.根据权利要求5所述的方法，其特征在于步骤D所述的分析并选取T分钟后对列车端环境影响最大的若干个空气质量监测站，具体为采用如下步骤进行分析和选取：a.采用如下算式计算各个空气质量监测对T分钟后列车端的空气质量的劣化程度式中 为归一化后的空气质量监测站i与T分钟后列车的相对距离；p为扩散因子；

为归一化后的空气质量监测站i与列车的互信息；

b.采用多目标多元宇宙优化算法对扩散因子的取值进行优化；

c.根据步骤a计算得到的劣化程度，选取劣化程度最大的若干个空气质量监测站作为最终的对列车端环境影响最大的空气质量监测站。

7.根据权利要求6所述的方法，其特征在于步骤b所述的采用多目标多元宇宙优化算法对扩散因子的取值进行优化，具体为采用如下步骤进行优化：(1)建立单变量优化模型，优化变量为扩散因子p；

(2)算法初始化，设置算法参数；

(3)将所有宇宙群体按照膨胀率排列并进行存档；

(4)从帕累托解集中筛选出最优宇宙，成为领导宇宙；

(5)开启黑-白洞隧道和虫洞隧道，宇宙中的物体可自适应穿越隧道，直至获取更低的膨胀率；

(6)对搜索次数进行判定：

若搜索次数达到设定的阈值，则输出最优解用于确定扩散因子取值；

否则，则搜索次数加1，并重复步骤(3)～步骤(6)直至搜索次数达到设定的阈值。

8.根据权利要求7所述的方法，其特征在于步骤S4所述的建立多污染物浓度指标空间混合模型，具体为采用如下步骤建立模型：

1)获取关联空气质量监测站的空气质量数据信息，以及列车的污染物数据信息；

2)将步骤1)获取的数据划分为训练集和验证集；

3)将关联空气质量监测站的空气质量数据信息作为预测器模型的输入，将Δt时刻后列车的污染物数据信息作为预测器模型的输出，对预测器模型进行训练，从而得到步长为Δt的关联空气质量监测站污染物浓度预测模型；

4)利用步骤3)得到的关联空气质量监测站污染物浓度预测模型，对关联空气质量监测站所处位置的空气质量进行若干步预测，得到关联空气质量监测站的空气质量预测集合；

5)以关联空气质量监测站的空气质量数据信息和关联空气质量监测站对T分钟后列车端的空气质量的劣化程度的相乘结合项作为深度信念网络模型的输入，以列车端的污染物数据信息作为深度信念网络模型的输出，训练并建立深度信念网络模型，从而得到多污染物浓度指标空间混合模型。

9.根据权利要求8所述的方法，其特征在于步骤3)所述的得到步长为Δt的关联空气质量监测站污染物浓度预测模型，具体为采用GMDH预测器作为预测器模型，GMDH预测器采用Kolmogorov-Gabor多项式作为支撑函数；GMDH预测器的拓扑结构为3层，第一层形成后，模型选择若干神经元作为下一层的输入；将每层的神经元数量限定在100内；并采用如下算式作为评价函数：式中ni为GMDH预测器中第i层的神经元数量，MSE为预测模型在验证集上预测的均方误差。

10.根据权利要求9所述的方法，其特征在于步骤S6所述的进行列车的空气环境预警，具体为采用如下规则进行预警：若未来若干时间内，列车途经地区的AQI预测值小于或等于100，则大气污染预测等级为0；不进行预警；

若未来若干时间内，列车途经地区的AQI预测值存在大于100且均小于或等于200，则大气污染预测等级为1；进行1级预警；

若未来若干时间内，列车途经地区的AQI预测值存在大于200，则大气污染预测等级为

2；进行2级预警。