铁路行业设有工务部门负责线路的施工、维护和维修。由于施工现场环境复杂,实际工程作业时往往与前期制定的施工方案不一致,导致作业时存在安全隐患。因此,本文通过对工务施工作业现状的分析,提出了施工人员与线路车辆间距分级预警策略和基本数学模型;利用基于机器学习的三种算法对该模型进行仿真对比研究;研制了工务施工预警系统,并进行了功能测试。本文主要研究内容包括:第一,通过对工务施工安全问题的分析,提出了线路车辆与施工人员之间的距离分级预警方法,制定了施工安全并行预警策略;详细阐述了安全预警实现的关键技术,为后面的研究工作打下基础。第二,建立了铁路工务施工安全预警的数学间距模型,基于机器学习的思想和工程应用要求,用“反方向传播（BP）”、“改进遗传算法的BP神经网络（GA-BP）”和“支持向量机（SVM）”三种算法,对所建立的间距计算数学模型进行仿真研究,并借助萧杭路段的列车运营数据对以上三种预警算法的安全间距精度和响应时间进行评估。评估结果对比得出:当线路车辆行驶速度为49m/s（178km/h）时,BP、GA-BP、SVM三种预警算法最小安全间距分别为56_-0⁺⁰..₆₃¹⁸m、56_-0⁺⁰..₃₇²²m、56_-0⁺⁰..₃₉²¹m,响应时间为0.15s、0.09s、0.19s,综合考虑准确性和实时性,认为GA-BP算法更适用于工务施工作业场景。第三,设计了安全预警系统。硬件部分完成了系统硬件的结构和硬件设备的功能设计;软件部分对列车定位、无线通信、预警逻辑等和上位机界面进行了详细设计。本系统基于STM32内核,实现了作业管理人员及施工人员与线路车辆在线运行时的安全预警与响应。第四,对BP、GA-BP、SVM三种算法在施工作业场景中的适用性进行了试验,GA-BP算法的性能表现最好;然后,将GA-BP算法导入预警系统中,对系统进行了功能性验证,验证结果表明:系统实现了预警、报警和检测功能,并能为车辆驾驶员和施工人员提供两者的速度、距离等信息,满足系统的功能需求。结论,通过实验与仿真结果的一致性分析,验证了安全间距模型的正确性和预警算法的实用性,可为铁路工务安全与管理提供借鉴和参考。