CN112896244A - 基于目标速度曲线跟踪的列车站间运行控制方法及装置 - Google Patents

Abstract

本发明涉及一种基于目标速度曲线跟踪的列车站间运行控制方法及装置，其中方法包括：步骤S1：列车在从车站出发之前，向车站请求发送配置信息和约束条件，其中所述约束条件包括列车性能参数和线路信息；步骤S2：接收由车站发送的配置信息和约束条件，并输入优化模型：步骤S3：采用基于Pareto优化的NSGA‑II求解算法求解优化模型，得到最优目标速度曲线；步骤S4：按照所述最优目标速度曲线控制列车运行。与现有技术相比，本发明将列车站间运行的行为优化模型及基于Pareto优化的NSGA‑II求解算法与列车最优目标速度曲线的计算过程分离开来，增加了列车站间运行的行为优化模型及基于Pareto优化的NSGA‑II求解算法的一般适用性，适用于任意列车和任意站间线路。

Description

基于目标速度曲线跟踪的列车站间运行控制方法及装置

技术领域

本发明涉及列车运行控制领域，尤其是涉及一种基于目标速度曲线跟踪的列车站间运行控制方法及装置。

背景技术

轨道交通系统的能源消耗巨大，节约能源并提高能源利用效率，关乎轨道交通系统的可持续发展，一直受到国家和行业部门的重视。

轨道交通系统的运营具有很强的计划性和组织性，与此同时，列车在复杂环境中运行需要根据实际情况及时做出行为调整。为了保证轨道交通系统运营的计划性和组织性，一般事先确定列车站间运行的最优目标速度曲线，然后列车在站间运行时将该目标速度曲线作为参照，对自身行为进行控制，使列车在允许的误差范围内严格按照该目标速度曲线运行，列车运行的能耗、运行时间、停站精度等参数也相应地确定下来，从而为行车组织的计划性和组织性创造了前提条件。

目前，多采用垂直线图解法，依据列车单位合力曲线，并假定在一定速度间隔内列车单位合力为常数，引入计算机来绘制列车速度与运行距离的关系曲线，然后再根据曲线，用垂直线法回执运行时分与列车运行距离的关系曲线，从而得到列车站间运行的时间。列车站间运行的行为控制一般用作为参照，一旦列车在站间线路某个位置的速度超出允许的误差范围，即通过调整列车行为，使得正常情况下列车始终严格按照该目标速度曲线运行。近年，引入遗传算法、蚁群算法等生物智能算法求解列车站间运行目标速度曲线优化问题，然后将得到的最优的列车目标速度曲线，结合列车参数的自适应修正，用于列车区间行为的控制，形成了列车站间运行的一系列智能控制算法，极大地推动了列车运行控制技术的发展。

铁路和城市轨道交通系统具有很强的计划性和组织性，列车一般必须遵照预先编制好的列车运行图或列车时刻表运行。但是，当列车运行线路上行车状况发生变化，列车原先遵循的站间行为目标速度曲线将无法适应新的情况，列车站间行为必然需要进行适当调整，特别是在线路因自然灾害、设备故障、行车事故中断正常运行，而当线路需要恢复正常行车秩序时，列车应当按照新的目标速度曲线，以尽快恢复按列车运行图或列车时刻表运行。但是既有的优化控制方法无法实现上述目的，需要人工介入或者采用另一套紧急情况下预案的控制方案。

发明内容

本发明的目的就是为了提供一种基于目标速度曲线跟踪的列车站间运行控制方法及装置，将列车站间运行的行为优化模型及基于Pareto优化的NSGA-II求解算法与列车最优目标速度曲线的计算过程分离开来，增加了列车站间运行的行为优化模型及基于Pareto优化的NSGA-II求解算法的一般适用性，适用于任意列车和任意站间线路。

本发明的目的可以通过以下技术方案来实现：

一种基于目标速度曲线跟踪的列车站间运行控制方法，包括：

步骤S1：列车在从车站出发之前，向车站请求发送配置信息和约束条件，其中所述约束条件包括列车性能参数和线路信息；

步骤S2：接收由车站发送的配置信息和约束条件，并输入优化模型：

s.t.列车性能参数：{m,M,P,v_{max_train},M_f},

线路信息：{L,S(S_i,S_e,p),C(C₀,C_e,c),V(L_i,L_e),v_{max_route}}

其中：J为优化目标，E(v(t))为列车运行能耗，T(v(t))为列车运行时间，

为配置信息，α和β为决策变量，不同时为零，D为列车停车的精确度，m为列车质量，f(v(t))为列车运行阻力，v(t)为t时刻列车的速度，s为t时刻列车行驶的距离，L为站间距，P_train为列车实际停车点，P₀为指定列车停车点，M为列车牵引阶段加速运行的恒力矩常数，P为列车牵引阶段加速运行的恒功率常数，v_{max_train}为列车的最大运行速度，M_f为列车制动阶段的恒力矩，S(S_i,S_e,p)为坡道参数的集合，S_i为坡道起点，S_e为坡道终点，p为坡道坡度，C(C₀,C_e,c)为弯道参数的集合，C₀为弯道地点，C_e为弯道终点，c为弯道曲率，V(L_i,L_e)为线路限速速度，L_i为限速区段起点，L_e为限速区段终点，v_{max_route}为线路允许的最大列车运行速度；

步骤S3：采用基于Pareto优化的NSGA-II求解算法求解优化模型，得到最优目标速度曲线；

步骤S4：按照所述最优目标速度曲线控制列车运行。

所述步骤S4具体包括：

步骤S41：强得到的最优目标速度曲线发送至车站；

步骤S42：在接收到车站的确认指令后，控制列车启动；

步骤S43：列车运行过程中，按预配置的采样周期实时获取自身在当前位置处的运行速度，并与所述最优目标速度曲线对比，根据对比结果控制列车的运行。

所述根据对比结果控制列车的运行具体包括：

策略1：|v(s)-V(s)|＜δ时，列车保持当前速度运行，其中，δ为预配置的误差阈值，v(s)为采集到的列车在当前位置s处运行速度，V(s)为根据所述最优目标速度曲线得到的当前位置s处的期望速度；

策略2：v(s)-V(s)＜-δ时，以列车速度调整的平稳性和快捷性为依据，按照预配置的规则确定加速度调整因子λ的取值，然后控制单元驱动列车传动机构，使列车以

加速运行，以缩小与期望速度的差距，其中，T为采样周期；

策略3：v(s)-V(s)＞δ时，以列车速度调整的平稳性和快捷性为依据，按照预配置的规则确定加速度调整因子的取值，然后控制单元驱动列车传动机构，使列车以

减速运行，以缩小与期望速度的差距。

所述预配置的规则具体为：当列车加速度小于设定阈值时，加速度调整因子取大于1，反之，则取小于1。

所述配置信息的确定具体包括：

当列车站间行为控制为能耗、快捷性和停车精确度的综合优化过程时，α＝1且β＝1；

当列车站间行为控制为能耗和停车精确度的综合优化过程，而忽略快捷性时，α＝1且β＝0；

当受包括自然灾害、设备故障、行车事故在内突发事件导致当前列车时刻表所规定的行车秩序遭到破坏时，α＝0且β＝1。

所述步骤S3具体包括：

步骤S31：初始化列车性能参数、线路参数和算法参数；

步骤S32：运用基于Pareto优化的NSGA-II求解算法，依次计算、生成以列车停车精确度D、列车运行能耗E(v(t))、列车运行时间T(v(t))为优化目标的Pareto解集；

步骤S33：在Pareto解集中，选取(αE(v(t))²+(βT(v(t))²+D²最小的解作为最优解，与此相应的V-S曲线即为列车站间运行的最优目标速度曲线。

所述算法参数包括种群规模，选择算子，交叉算子，变异算子，拥挤距离，总迭代次数和优化目标初始值，其中，所述选择算子设定为α，变异算子设定为β。

所述步骤S32具体包括：

步骤S321：将站间运行线路均匀划分为n+1个微小区间，始发站编号为0，到站编号为n+1，中间共有n个均匀分布的位置点可用于列车在站间运行过程中进行工况的转换；

步骤S322：以列车停车的精确度D为优化目标，在约束条件下对n+1个微小区间的列车工况进行随机设置，然后运用基于Pareto优化的NSGA-II求解算法，计算、生成Pareto解集1；

步骤S323：选择Pareto解集1中列车停车精确度D最高的最优解、(αE(v(t))²+(βT(v(t))²+D²最小的最优解和拥挤距离最大的最优解进入下一代，以列车运行能耗E(v(t))为优化目标，在约束条件下对n+1个微小区间的列车工况进行随机设置，然后运用基于Pareto优化的NSGA-II求解算法，计算、生成Pareto解集2；

步骤S324：选择Pareto解集2中列车运行能耗E(v(t))最高的最优解、(αE(v(t))²+(βT(v(t))²+D²最小的最优解和拥挤距离最大的最优解进入下一代，以列车运行时间T(v(t))为优化目标，在约束条件下对n+1个微小区间的列车工况进行随机设置，然后运用基于Pareto优化的NSGA-II求解算法，计算、生成Pareto解集3；

步骤S325：在Pareto解集3中选取E(v(t))、T(v(t))、D均最小或(αE(v(t))²+(βT(v(t))²+D²最小的解作为最优解，与此相应的V-S曲线即为所求最优的列车目标速度曲线。

一种基于目标速度曲线跟踪的列车站间运行控制装置，包括存储器、控制器、数据收发器，以及存储于存储器中并由所述处理器执行的程序，其特征在于，所述处理器执行所述程序时实现如上述的方法。

所述数据收发器为无线数据收发器。

与现有技术相比，本发明具有以下有益效果：

1)将列车站间运行的行为优化模型及基于Pareto优化的NSGA-II求解算法与列车最优目标速度曲线的计算过程分离开来，增加了列车站间运行的行为优化模型及基于Pareto优化的NSGA-II求解算法的一般适用性，适用于任意列车和任意站间线路。

2)列车站间运行最优目标速度曲线的计算，由列车自行完成，所需站间线路信息须向车站请求，车站查证允许后，方能获得由车站发送的由列车所请求的相关线路信息和列车站间行为指导信息，其中列车站间行为指导信息作为列车站间运行行为优化的决策变量，从而使得列车可以根据当前所运行线路的具体行车状况来具体计算、确定最优的目标速度曲线。上述通信和计算过程由专设无线数据通信装置和目标速度曲线生成单元分别完成，增强了列车的自主智能，符合我国乃至世界轨道交通系统列控技术的发展趋势。

附图说明

图1为基于Pareto优化的NSGA-II求解算法示意图；

图2为一种新的基于目标速度曲线跟踪的列车站间运行行为优化控制示意图；

图3为基于目标速度曲线的列车行为控制框图；

图4为基于目标速度曲线跟踪的列车站间运行行为优化的控制过程示意图(δ为微小正数，即列车跟踪目标速度曲线的允许误差)；

图5为列车速度-距离曲线与列车运行能耗情况；

图6为列车站间运行多目标优化速度曲线。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

一种基于目标速度曲线跟踪的列车站间运行控制方法，如图4所示，包括：

步骤S1：列车在从车站出发之前，向车站请求发送配置信息和约束条件，其中约束条件包括列车性能参数和线路信息；

步骤S2：接收由车站发送的配置信息和约束条件，并输入优化模型：

s.t.列车性能参数：{m,M,P,v_{max_train},M_f},

线路信息：{L,S(S_i,S_e,p),C(C₀,C_e,c),V(L_i,L_e),v_{max_route}}

其中：J为优化目标，E(v(t))为列车运行能耗，T(v(t))为列车运行时间，

为配置信息，α和β为决策变量，不同时为零，D为列车停车的精确度，m为列车质量，f(v(t))为列车运行阻力，v(t)为t时刻列车的速度，s为t时刻列车行驶的距离，L为站间距，P_train为列车实际停车点，P₀为指定列车停车点，M为列车牵引阶段加速运行的恒力矩常数，P为列车牵引阶段加速运行的恒功率常数，v_{max_train}为列车的最大运行速度，M_f为列车制动阶段的恒力矩，S(S_i,S_e,p)为坡道参数的集合，S_i为坡道起点位置，S_e为坡道终点位置，p为坡道坡度，C(C₀,C_e,c)为弯道参数的集合，C₀为弯道地点位置，C_e为弯道终点位置，c为弯道曲率，V(L_i,L_e)为线路限速速度，L_i为限速区段起点位置，L_e为限速区段终点位置，v_{max_route}为线路允许的最大列车运行速度；

步骤S3：采用基于Pareto优化的NSGA-II求解算法求解优化模型，得到最优目标速度曲线；

步骤S4：按照最优目标速度曲线控制列车运行。

步骤S4具体包括：

步骤S41：强得到的最优目标速度曲线发送至车站；

步骤S42：在接收到车站的确认指令后，控制列车启动；

步骤S43：列车运行过程中，按预配置的采样周期实时获取自身在当前位置处的运行速度，并与最优目标速度曲线对比，根据对比结果控制列车的运行。

根据对比结果控制列车的运行具体包括：

策略1：|v(s)-V(s)|＜δ时，列车保持当前速度运行，其中，δ为预配置的误差阈值，取微小正数，v(s)为采集到的列车在当前位置s处的运行速度，V(s)为根据最优目标速度曲线得到的当前位置s处的期望速度；

策略2：v(s)-V(s)＜-δ时，以列车速度调整的平稳性和快捷性为依据，按照预配置的规则确定加速度调整因子λ的取值，然后控制单元驱动列车传动机构，使列车以

加速运行，以缩小与期望速度的差距，其中，T为采样周期；

策略3：v(s)-V(s)＞δ时，以列车速度调整的平稳性和快捷性为依据，按照预配置的规则确定加速度调整因子的取值，然后控制单元驱动列车传动机构，使列车以

减速运行，以缩小与期望速度的差距。

预配置的规则具体为：当列车加速度小于设定阈值时，加速度调整因子取大于1，反之，则取小于1。具体的，如图3所示，a(s)为列车在当前时刻所处位置s处应采取的加速度，v₀为当前采样周期内列车的初速度(即上一采样周期的末速度)，v(s)为当前采样周期内列车在当前位置s邻域内的末速度，s₀、s为采样周期内列车的初始位置和最后位置，T为采样周期，λ为加速度调整因子，λ＞0且λ的取值以列车速度调整的平稳性和快捷性为依据，用以避免

过大或过小的问题，当列车加速度a(s)过小，取加速度调整因子λ>1，当列车加速度a过大，则取加速度调整因子λ<1。根据图3，令v₀＝v(s)，采取迭代算法就可以计算得到下一采样周期列车的加速度、速度和位置。

配置信息的确定具体包括：

当列车站间行为控制为能耗、快捷性和停车精确度的综合优化过程时，α＝1且β＝1；

当列车站间行为控制为能耗和停车精确度的综合优化过程，而忽略快捷性时，α＝1且β＝0；

当受包括自然灾害、设备故障、行车事故在内突发事件导致当前列车时刻表所规定的行车秩序遭到破坏时，α＝0且β＝1。

步骤S3具体包括：

步骤S31：初始化列车性能参数、线路参数和算法参数；

步骤S32：运用基于Pareto优化的NSGA-II求解算法，依次计算、生成以列车停车精确度D、列车运行能耗E(v(t))、列车运行时间T(v(t))为优化目标的Pareto解集；

步骤S33：在Pareto解集中，选取(αE(v(t))²+(βT(v(t))²+D²最小的解作为最优解，与此相应的V-S曲线即为列车站间运行的最优目标速度曲线。

算法参数包括种群规模，种群规模N，选择算子，交叉算子，变异算子γ，拥挤距离L_k(0＜k＜N-1)，总迭代次数G，优化目标初始值J₀，选择算子设定为α，变异算子设定为β。

步骤S32具体包括：

步骤S321：将站间运行线路均匀划分为n+1个微小区间，始发站编号为0，到站编号为n+1，中间共有n个均匀分布的位置点可用于列车在站间运行过程中进行工况的转换；

将列车工况细分为恒力矩加速运行、恒功率加速运行，匀速运行、惰行、制动等5种工况，对列车运行工况进行编码采取实数编码。其中：列车从车站出发，加速运行阶段未达到线路规定的最大运行速度，除非出于安全原因，列车不得采取惰行或制动工况；列车制动阶段，不得采用加速和匀速运行工况。

如图1所示，步骤S322：以列车停车的精确度D为优化目标，在约束条件下对n+1个微小区间的列车工况进行随机设置，然后运用基于Pareto优化的NSGA-II求解算法，计算、生成Pareto解集1；

步骤S323：选择Pareto解集1中列车停车精确度D最高的最优解、(αE(v(t))²+(βT(v(t))²+D²最小的最优解和拥挤距离最大的最优解进入下一代，以列车运行能耗E(v(t))为优化目标，在约束条件下对n+1个微小区间的列车工况进行随机设置，然后运用基于Pareto优化的NSGA-II求解算法，计算、生成Pareto解集2；

步骤S324：选择Pareto解集2中列车运行能耗E(v(t))最高的最优解、(αE(v(t))²+(βT(v(t))²+D²最小的最优解和拥挤距离最大的最优解进入下一代，以列车运行时间T(v(t))为优化目标，在约束条件下对n+1个微小区间的列车工况进行随机设置，然后运用基于Pareto优化的NSGA-II求解算法，计算、生成Pareto解集3；

步骤S325：在Pareto解集3中选取E(v(t))、T(v(t))、D均最小或(αE(v(t))²+(βT(v(t))²+D²最小的解作为最优解，与此相应的V-S曲线即为所求最优的列车目标速度曲线。

一种基于目标速度曲线跟踪的列车站间运行控制装置，包括存储器、控制器、数据收发器，以及存储于存储器中并由处理器执行的程序，其特征在于，处理器执行程序时实现如上述的方法。数据收发器为无线数据收发器。具体的，如图2所示为装置的核心部分，即列车的目标速度曲线生成单元，根据从车站收到的站间线路信息、列车载运货物重量或旅客人数的动态变化信息、列车站间行为指导信息及自身性能参数，将列车站间行为指导信息作为列车行为优化的决策变量，调用目标速度曲线生成代码，该代码运用建立的优化模型和建立的一种基于Pareto优化的NSGA-II求解算法，将列车站间行为指导信息

代入，进行列车站间行为的优化求解，计算、生成列车站间运行的最优目标速度曲线，并经列车无线数据通信装置与车站进行确认。

下面以某地铁8号线DKZ15型列车运行于育知路站到平西府站间线路为例进行试验，某地铁地铁8号线育知路站到平西府站间距为1985.71m，最大允许速度80km/h，计划运行时间140s±30s，

本实施例中，DKZ15型列车取得车站确认，在得到车站发车允许(即车站开放发车信号)后，从车站出发，以上述计算、生成的列车站间运行的最优目标速度曲线为参照，每个采样周期列车采集当前位置s和速度信息v(s)，车载控制计算机根据列车当前位置s，与目标速度曲线生成单元进行通信，根据目标速度曲线生成单元所生成的最优目标速度曲线，从目标速度曲线生成单元获取当前位置列车的期望速度V(s)，车载控制计算机对当前位置的列车实际速度v(s)和期望速度V(s)进行比较分析，然后向控制单元发出指令，驱动列车传动执行机构对速度进行控制，使得列车在允许的误差范围内严格按照最优的目标速度曲线运行，从而实现节能、快速运行，并在下一站指定位置精确定点停车。图5为列车速度-距离曲线与列车运行能耗情况，图6为列车站间运行多目标优化速度曲线。

取δ＝1.0km/h，λ＝1，DKZ15型列车性能参数及线路限速等信息见附表1-3所示。

表1 DKZ15型列车参数

表2 某地铁8号线育知路至平西府线路坡度

表3 某8号线育知路至平西府线路限速信息

Claims (10)

1.一种基于目标速度曲线跟踪的列车站间运行控制方法，其特征在于，包括：

步骤S1：列车在从车站出发之前，向车站请求发送配置信息和约束条件，其中所述约束条件包括列车性能参数和线路信息；

步骤S2：接收由车站发送的配置信息和约束条件，并输入优化模型：

s.t.列车性能参数：{m,M,P,v_{max_train},M_f},

线路信息：{L,S(S_i,S_e,p),C(C₀,C_e,c),V(L_i,L_e),v_{max_route}}

其中：J为优化目标，E(v(t))为列车运行能耗，T(v(t))为列车运行时间，

为配置信息，α和β为决策变量，不同时为零，D为列车停车的精确度，m为列车质量，f(v(t))为列车运行阻力，v(t)为t时刻列车的速度，s为t时刻列车行驶的距离，L为站间距，P_train为列车实际停车点，P₀为指定列车停车点，M为列车牵引阶段加速运行的恒力矩常数，P为列车牵引阶段加速运行的恒功率常数，v_{max_train}为列车的最大运行速度，M_f为列车制动阶段的恒力矩，S(S_i,S_e,p)为坡道参数的集合，S_i为坡道起点，S_e为坡道终点，p为坡道坡度，C(C₀,C_e,c)为弯道参数的集合，C₀为弯道地点，C_e为弯道终点，c为弯道曲率，V(L_i,L_e)为线路限速速度，L_i为限速区段起点，L_e为限速区段终点，v_{max_route}为线路允许的最大列车运行速度；

步骤S3：采用基于Pareto优化的NSGA-II求解算法求解优化模型，得到最优目标速度曲线；

步骤S4：按照所述最优目标速度曲线控制列车运行。

2.根据权利要求1所述的一种基于目标速度曲线跟踪的列车站间运行控制方法，其特征在于，所述步骤S4具体包括：

步骤S41：强得到的最优目标速度曲线发送至车站；

步骤S42：在接收到车站的确认指令后，控制列车启动；

步骤S43：列车运行过程中，按预配置的采样周期实时获取自身在当前位置处的运行速度，并与所述最优目标速度曲线对比，根据对比结果控制列车的运行。

3.根据权利要求1所述的一种基于目标速度曲线跟踪的列车站间运行控制方法，其特征在于，所述根据对比结果控制列车的运行具体包括：

策略1：|v(s)-V(s)|＜δ时，列车保持当前速度运行，其中，δ为预配置的误差阈值，v(s)为采集到的列车在当前位置s处运行速度，V(s)为根据所述最优目标速度曲线得到的当前位置s处的期望速度；

策略2：v(s)-V(s)＜-δ时，以列车速度调整的平稳性和快捷性为依据，按照预配置的规则确定加速度调整因子λ的取值，然后控制单元驱动列车传动机构，使列车以

加速运行，以缩小与期望速度的差距，其中，T为采样周期；

策略3：v(s)-V(s)＞δ时，以列车速度调整的平稳性和快捷性为依据，按照预配置的规则确定加速度调整因子的取值，然后控制单元驱动列车传动机构，使列车以

减速运行，以缩小与期望速度的差距。

4.根据权利要求3所述的一种基于目标速度曲线跟踪的列车站间运行控制方法，其特征在于，所述预配置的规则具体为：当列车加速度小于设定阈值时，加速度调整因子取大于1，反之，则取小于1。

5.根据权利要求1所述的一种基于目标速度曲线跟踪的列车站间运行控制方法，其特征在于，所述配置信息的确定具体包括：

当列车站间行为控制为能耗、快捷性和停车精确度的综合优化过程时，α＝1且β＝1；

当列车站间行为控制为能耗和停车精确度的综合优化过程，而忽略快捷性时，α＝1且β＝0；

当受包括自然灾害、设备故障、行车事故在内突发事件导致当前列车时刻表所规定的行车秩序遭到破坏时，α＝0且β＝1。

6.根据权利要求1所述的一种基于目标速度曲线跟踪的列车站间运行控制方法，其特征在于，所述步骤S3具体包括：

步骤S31：初始化列车性能参数、线路参数和算法参数；

步骤S32：运用基于Pareto优化的NSGA-II求解算法，依次计算、生成以列车停车精确度D、列车运行能耗E(v(t))、列车运行时间T(v(t))为优化目标的Pareto解集；

步骤S33：在Pareto解集中，选取(αE(v(t))²+(βT(v(t))²+D²最小的解作为最优解，与此相应的V-S曲线即为列车站间运行的最优目标速度曲线。

7.根据权利要求6所述的一种基于目标速度曲线跟踪的列车站间运行控制方法，其特征在于，所述算法参数包括种群规模，选择算子，交叉算子，变异算子，拥挤距离，总迭代次数和优化目标初始值，其中，所述选择算子设定为α，变异算子设定为β。

8.根据权利要求7所述的一种基于目标速度曲线跟踪的列车站间运行控制方法，其特征在于，所述步骤S32具体包括：

步骤S321：将站间运行线路均匀划分为n+1个微小区间，始发站编号为0，到站编号为n+1，中间共有n个均匀分布的位置点可用于列车在站间运行过程中进行工况的转换；

步骤S322：以列车停车的精确度D为优化目标，在约束条件下对n+1个微小区间的列车工况进行随机设置，然后运用基于Pareto优化的NSGA-II求解算法，计算、生成Pareto解集1；

步骤S323：选择Pareto解集1中列车停车精确度D最高的最优解、(αE(v(t))²+(βT(v(t))²+D²最小的最优解和拥挤距离最大的最优解进入下一代，以列车运行能耗E(v(t))为优化目标，在约束条件下对n+1个微小区间的列车工况进行随机设置，然后运用基于Pareto优化的NSGA-II求解算法，计算、生成Pareto解集2；

步骤S324：选择Pareto解集2中列车运行能耗E(v(t))最高的最优解、(αE(v(t))²+(βT(v(t))²+D²最小的最优解和拥挤距离最大的最优解进入下一代，以列车运行时间T(v(t))为优化目标，在约束条件下对n+1个微小区间的列车工况进行随机设置，然后运用基于Pareto优化的NSGA-II求解算法，计算、生成Pareto解集3；

步骤S325：在Pareto解集3中选取E(v(t))、T(v(t))、D均最小或(αE(v(t))²+(βT(v(t))²+D²最小的解作为最优解，与此相应的V-S曲线即为所求最优的列车目标速度曲线。

9.一种基于目标速度曲线跟踪的列车站间运行控制装置，包括存储器、控制器、数据收发器，以及存储于存储器中并由所述处理器执行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。

10.根据权利要求9所述的装置，其特征在于，所述数据收发器为无线数据收发器。

Images