随着轨道交通的不断发展,列车运行速度逐渐提高,运行环境更加复杂,车地无线通信系统需要更加安全高效的无线通信技术。LTE-M是专用于城市轨道交通行车指挥的无线通信系统,具有信息传输速率高、抗干扰性强和传输时延小等优点。列车高速运行,需要频繁的越区切换,越区切换技术是保证连续车地通信的基础,直接影响车地无线通信的实时性和可靠性。现有的越区切换算法在轨道交通运行环境中适应性较差,容易产生通信中断和乒乓切换,所以本文针对轨道交通运行环境特点,来优化越区切换算法。本文主要工作如下:（1）研究LTE-M系统架构和越区切换流程,确定LTE-M切换所需参数和实现方式。分析轨道交通运行环境对切换的具体影响,完成无线覆盖具体方案和信道建模,为实现切换算法的优化和仿真建立理论基础。（2）分析A3切换算法原理,研究速度对切换的影响,发现切换迟滞门限和延迟触发时间需要随速度增大而减小。本文采用基于速度的自适应切换算法,通过建立函数模型实现切换迟滞门限随速度动态变化,延迟触发时间则采用基于统计特性和速度分级的方式实现动态改变。通过仿真表明,基于均方函数模型的切换算法具有更好的切换触发率和切换成功率,所以该函数模型更适用于切换判决参数的调节。（3）针对参考信号接收功率RSRP波动性问题,本文采用基于DGM（1,1）灰色神经网络的方式进行拟合预测,减少信道突变对切换测量的影响。首先分别研究离散灰色预测算法和BP神经网络实现原理,发现二者结合可以取长补短获得更好的预测性能。然后将基于DGM（1,1）的灰色神经网络与传统切换算法相结合,给出相关数据预处理方法,设计基于DGM（1,1）灰色神经网络的切换算法具体实现步骤。最后仿真表明,基于DGM（1,1）的灰色神经网络切换算法能够改善RSRP的波动性,降低乒乓切换率。