1.一种基于轨道交通的车辆走行系统，其特征在于，包括：

轨道（1），所述轨道（1）内设置有凹槽；

构架（2），所述构架（2）设置在所述轨道（1）的凹槽内；

悬浮装置，所述悬浮装置设置有两组，两组所述悬浮装置均设置在所述轨道（1）和所述构架（2）之间，每组所述悬浮装置的上顶面均通过悬挂结构与所述构架（2）的下底面固定相连；以及走行装置，所述走行装置包括两组导体板（18）和两组走行结构，所述导体板（18）固定设置在所述凹槽内侧壁上，每组所述走行结构与每组所述导体板（18）对应设置,所述走行结构包括磁轮（3）、第一支撑架（4）、齿轮换向箱（5）和电机（6），所述电机（6）固定设置在所述构架（2）上，所述电机（6）的输出端与所述齿轮换向箱（5）相连接，所述齿轮换向箱（5）的底部套设有磁轮（3），所述齿轮换向箱（5）的底端通过所述第一支撑架（4）与所述构架（2）固定相连;其中，基于轨道交通的车辆走行系统的走行方法，包括：

获取控制台发送的实时地图信息和历史列车运行信息，所述历史列车运行信息包括列车运行的历史实时地图信息和历史行驶信息；

将所述历史实时地图信息和所述实时地图信息进行发送至目标检测模型内进行目标

检测，确定所述历史列车运行信息和所述实时地图信息的区别特征；

基于所述区别特征和所述历史列车运行信息发送至行驶速度预测模型进行速度预测，并通过误差补偿模块进行误差补偿，得到车辆的行驶速度预测信息；

基于所述车辆的行驶速度预测信息生成控制命令，所述控制命令包括控制车辆走行系统按照所述车辆的行驶速度预测信息进行行驶的命令。

2.根据权利要求1所述的基于轨道交通的车辆走行系统，其特征在于，所述磁轮（3）设置有两组，两组所述磁轮（3）均设置为环形，两组所述磁轮（3）均为永磁体阵列组成，且两组所述磁轮（3）设置均为Halbach结构，两组所述磁轮（3）的磁感线方向相反。

3.根据权利要求1所述的基于轨道交通的车辆走行系统，其特征在于，所述构架（2）上还设置电源（7）和上位机（8），所述电源（7）和上位机（8）分别与所述悬浮装置电连接。

4.根据权利要求1所述的基于轨道交通的车辆走行系统，其特征在于，所述构架（2）上还设置有支撑装置，所述支撑装置设置有两组，两组所述支撑装置均与所述构架（2）下底面固定连接，两组所述支撑装置均设置在两组所述悬浮装置之间。

5.根据权利要求4所述的基于轨道交通的车辆走行系统，其特征在于，所述支撑装置包括支撑轮（9）、第二支撑架（10）、第一垫圈（11）、第二垫圈（12）、螺栓（13）和螺母（14），所述第二支撑架（10）的顶部通过螺栓（13）和螺母（14）固定设置在所述构架（2）上，所述螺栓（13）和所述构架（2）的上顶面之间设置有第一垫圈（11），所述螺母（14）和所述第二支撑架（10）之间设置有第二垫圈（12），所述第一垫圈（11）和所述第二垫圈（12）均套设在所述螺栓（13）上，所述支撑架底部设置有支撑轮（9）。

6.根据权利要求5所述的基于轨道交通的车辆走行系统，其特征在于，所述轨道（1）上还设置有支撑板（16）和梯形连接架（17），所述支撑板（16）设置在所述轨道（1）凹槽底部，所述支撑板（16）设置在所述支撑轮（9）正下方，所述支撑板（16）通过所述梯形连接架（17）固定设置在所述轨道（1）凹槽内。

7.根据权利要求1所述的基于轨道交通的车辆走行系统，其特征在于，所述构架（2）上还设置有导向轮（15），所述导向轮（15）的水平高度与所述磁轮（3）的水平高度相同，所述导向轮（15）与所述导体板（18）相接触。

8.根据权利要求7所述的基于轨道交通的车辆走行方法，其特征在于，将所述历史实时地图信息和所述实时地图信息进行发送至目标检测模型内进行目标检测，确定所述历史列车运行信息和所述实时地图信息的区别特征，还包括：将所述历史实时地图信息和所述实时地图信息中的每帧图像分成至少两个大小相等

的图像块，将每块所述图像块的中心点和四个角的边缘点作为特征点，得到每帧图像内所有的特征点；

将所述历史实时地图信息和所述实时地图信息中的所有特征点进行实时对比，其中，将所有的特征点进行坐标转化，并将通过欧式距离和Hessian矩阵迹的判断来确定所述历史实时地图信息内每帧图像对应的实时地图信息中的图像；

基于边缘检测算法确定历史实时地图信息内每帧图像与其对应的图像的不同区域，其中通过所有图像中的边缘目标图像，并通过对比两两对应的图像中的边缘目标图像是否相同，将不同的边缘目标图像作为区别特征。

9.根据权利要求7所述的基于轨道交通的车辆走行方法，其特征在于，基于所述区别特征和所述历史列车运行信息发送至行驶速度预测模型进行速度预测，并通过误差补偿模块进行误差补偿，得到车辆的行驶速度预测信息，包括：将所述历史列车运行信息分为训练集和验证集；

将所述训练集发送至训练后LSTM神经网络内作为输入参数进行速度预测，将预测得到的结果和所述验证集进行对比，得到对比结果；

将所述对比结果分别与所述区别特征进行关联分析，得到每个对比结果与所述区别特征的关联度值，并基于所述关联度值调整所述LSTM神经网络的超参数，并基于调整后的LSTM神经网络确定车辆的行驶速度预测信息。