随着中国高铁与大数据、人工智能等技术的协同发展,铁路信息系统智能化成为了高速铁路未来发展的新方向。越来越多的智能应用与智能设备的接入使得云计算平台成为承载这些智慧化服务的基础;近年来私有云的快速发展也为铁路私有云的建设做好了铺垫。在铁路系统逐步迁移到云平台的同时,也存在着许多问题。其中就包括如何对铁路私有云的性能做出准确的评价,如何确定合适的性能基线标准。由于铁路系统实时计算类、大数据吞吐类、可靠低时延类业务的需求特殊性,现有的云平台性能评测技术并不适用于铁路私有云。本文旨在针对铁路系统的业务需求,研究并提出一套适用于铁路私有云的性能评测方案并对其进行验证。针对实验中发现的物理节点负载过高会导致云平台性能下降的问题,提出了一套负载均衡方案,提高了铁路私有云的负载均衡能力及服务稳定性。本文首先通过研究分析铁路私有云的架构与特征,结合铁路系统业务需求,提出三层评测模型:底层虚拟化性能测试、中层资源管理能力测试与顶层服务提供能力测试;并为每层测试设置相应的测试项目、指标及工具;对云平台各项测试指标进行量化,确定其理论最优的性能表现值。接着在京沈高铁试验线辽宁段中搭建基于OpenStack的私有云实验环境,通过与阿里云的性能进行比对,对比结果显示铁路私有云的性能可以达到业务要求,验证该方案的正确性与可行性,并且提出相应的铁路私有云性能基线标准。最后根据实验中发现的物理机高负载情况下平台性能降低的情况,提出一个基于BP神经网络的负载均衡算法,通过在实际场景中进行对比实验,发现应用负载均衡算法后物理机的负载显著降低,服务响应时间保持在要求范围内,验证了该负载均衡方案的可行性,证明了使用该负载均衡方案后云平台的性能稳定性有较大的提高。