地铁和其他快速交通系统是现代大都市的标志。对地铁列车进行定位,是保证列车安全高效运行的关键。准确地定位和跟踪地铁列车,能帮助乘客制定出行计划,为运营商提供有关列车的辅助信息。还能为轨道状态预测、碰撞预警系统和列车异常缺陷与维护提供方便。另外还能够为其他一些固定轨道特征的定位场景提供一种可供参考的弹性计算数据。由此提出了一种两阶段的自动实时定位地铁框架,仅使用消费级的低成本的加速度传感器实现地铁车辆的定位与监测。通过在地铁列车和站台上部署消费级加速度传感器和用于接收传感器信号的探针,来节省复杂基础设施的费用。在离线阶段,利用观测加速度数据和车站间稀疏的速度位移的反馈信息生成离线参考地图。在线阶段,为了处理缺失数据和未校准的消费级传感器,采用高斯过程回归对在线加速度进行插值和预测。然后应用卡尔曼滤波算法将加速度预测数据与离线参考地图相结合,对地铁车辆进行实时定位与监测。在武汉地铁2号线进行系统测试,结果表明该系统定位误差在5%以下。通过使用多个加速度传感器进行冗余计算,解决了没有高精度的工业级传感器带来的累积误差和数据缺失问题。使用高斯过程回归的插值方法与其他确定性的插值方法相比,不仅能尽量保持列车运行加速度的统计特性,还具有更好的定位精度。应用非线性的卡尔曼滤波算法,也比线性卡尔曼滤波算法更加适应地铁模型的构建。