基于通信的列车运行控制系统(CBTC)是一个典型的数据驱动控制系统。其根据接收到的移动授权(MA)，使用静态数据、动态数据等实时计算控制列车的模式曲线，监控列车速度，确保列车安全高效行驶。其中静态数据包括线路参数、轨旁设备参数和车载配置参数，这些数据在其供应链的各阶段会由于数据工程师疏忽大意、缺乏经验等因素产生数值偏差，系统应用这些数据后会出现异常停车、晚点，严重时还会导致列车追尾、脱轨。因此有必要对CBTC静态数据的验证方法进行研究。
　　论文针对CBTC系统静态数据的特点及数据验证的本质展开探索。深入研究并归纳了现有数据验证方法中存在的优势和不足，并在此基础上创新性地提出了数据联合偏差阈(Data Joint Deviation Threshold，DJDT)的概念，将数据验证的核心聚焦为多维静态数据联合偏差阈的计算。论文提出了以CBTC静态数据多维分布空间模型(Multidimensional Data Space Model，MDSM)为基础的数据验证方法，主张首先从数据与其宿主系统间契约关系的角度验证数据，提出了基于概率安全裕度(Probability Safety Margin，PSM)方法计算MDSM中每个维度数据的合理偏差阈，从而形成多维数据合理偏差域空间。然后从数据之间具有关联约束的角度验证数据，提出了以数据子值域关联性判断(Data Subdomain Relevance Judgement，DSRJ)方法为核心的数据关联规则挖掘算法来提取数据的隐性关联规则，并对该规则进行合理性验证，从而形成多维数据关联空间。通过对多维数据合理偏差域空间和关联空间求交集，最终得到CBTC静态数据的联合偏差阈。论文最后以天津地铁6号线电子地图数据为例，将本文基于DJDT的数据验证方法步骤进行详细阐述和实施，并与传统数据验证方法进行对比，论证了本文方法的可行性和优势。本文的创新点如下：
　　(1)通过深入分析和总结CBTC静态数据的特点，创新性地提出应分别从数据与系统间契约关系，以及数据之间定量或逻辑约束关系的角度开展静态数据验证方法的研究。静态数据与其应用对象和关联对象间都存在着一定程度的约束限制，数据错误的出现则意味着违背了这些约束限制。
　　(2)创新性地提出了基于DJDT的静态数据验证方法。首先构建了多维数据分布空间模型，并在此基础上分别定义了数据合理偏差域空间和数据关联子值域空间，通过求解各定义空间的交集来加强数据验证时的约束标准，从而将静态数据的验证问题转换为多维数据空间模型的切割问题。这突破了以往纯粹基于关联规则验证数据的局限性和不完整性，实现了静态数据验证的理论创新。
　　(3)针对既有仿真方法在有限次数的模拟运行中，无法准确且完备地评估数据合理偏差范围的缺点，创新性地提出了基于概率安全裕度(Probability Safety Margin，PSM)的最优仿真次数计算方法。通过对仿真结果进行分位点截取和置信度处理，消除了建模过程中的不确定性。在此基础上，利用顺序统计量(Order Statistics，OS)方法计算得到模型的最优仿真次数，使之能够在有限的仿真次数中得到完备的数据合理偏差范围。
　　(4)针对CBTC静态数据间隐性关联规则难以识别的问题，创新性地提出了数据子值域关联性判定DSRJ算法。将传统针对数据值的关联规则提取扩展到基于数据子值域的关联规则提取，在以往关联性判定算法的基础上增加了对数据密集值的降维处理模型，这在一定程度上提高了数据关联性判定的效率，同时也弥补了数据隐性关联规则提取方法的空白。
　　(5)针对基于概率统计方法提取得到的数据隐性关联规则可信度较低的问题，提出了采用可满足方法(Satisfiability，SAT)对数据规则进行合理性验证的解决方案。针对传统SAT在对数据规则进行求解过程中出现的时间复杂度过大问题，创新性地提出将SAT问题转换为有序决策二叉图(Ordered Binary Decision Diagram， OBDD)的搜索问题，这在较大程度上提高了数据规则合理性验证的效率。