摘要：随着城市轨道交通网络化运营趋势的增强,保障城市轨道列车安全可靠的运营是交通领域迫切需要解决的问题,将城市轨道列车海量的监控数据进行处理是解决轨道列车监控问题的关键。论文基于人工智能数据处理技术,主要研究基于ART-2网络模型的城轨列车监控数据的智能处理算法,以解决从大量的监控列车关键装备获得的实时状态数据中快速、可靠的判别列车状态的问题。在对数据的处理方面,ART-2网络模型可以在没有确定的分类样本的前提下实现自组织的学习过程。将其应用在城市轨道列车的监控数据处理中,通过改变网络权值的更新算法、建立模式识别层的优先激活机制、设置监督功能,解决了传统的ART-2网络存在模式漂移、计算效率低、存储空间大的问题,改进后的网络具有更稳定可靠的聚类效果,更快速的模式识别功能,占用更小的存储空间。本文首先探讨性的分析了城市轨道列车状态监控的内涵、体系结构、实质和监控的关键问题。并针对ART-2网络模型的缺点,提出了改进算法,并应用模式识别领域的经典数据库IRIS进行测试,验证改进后算法的优越性。论文最后将改进后的ART-2算法应用在监控数据的处理中,实验表明,改进后的ART-2算法具有更优的稳定性、可靠性和效率性。