CN114298398A - 一种基于弹性调整策略的高速列车动态追踪运行优化方法 - Google Patents

Abstract

本发明提供了一种基于弹性调整策略的高速列车动态追踪运行优化方法。包括：根据列车实际到站信息以及前行列车运行计划和区间初始的运行策略，设计弹性调整机制，利用静态人群搜索算法对追踪列车进行离线优化，包括发车间隔、列车运行策略；之后在区间内，采集前车的实时运行状态信息和周围环境信息，结合运输需求，通过弹性调整策略和动态人群搜索算法对追踪列车在剩余区间的运行调整策略进行在线优化，获取当前状态下最优的运行间隔，从而在保障安全的前提下，提高列车运行效率，直至到达终点站。本发明可应用于自动驾驶***或者驾驶辅助***，能够提供安全、高效、节能、平稳的驾驶策略，有效提高高速列车的运行效率。

Description

一种基于弹性调整策略的高速列车动态追踪运行优化方法

技术领域

本发明涉及高速列车运行控制技术领域，尤其涉及一种基于弹性调整策略的高速列车动态追踪运行优化方法。

背景技术

近年来，我国高速铁路快速发展，形成了世界范围内最大的运营网络。依托其运量大、运距远、速度快和全天候等优势，高速铁路逐渐成为公众中长距离出行的首选交通方式。但是，随着路网密度越来越大，列车运行环境愈加复杂，客运需求日益增长，列车运行效率亟待提高。在我国人口密集铁路沿线，以京沪高铁为例也基本达到了运能饱和，已经启动京沪二线的建设论证工作；欧盟Shift2Rail项目进展报告指出，预期到2050年欧洲高速铁路客运需求将会增加50％。伴随着客运量的增加，铁路运输部门已经成为我国国民经济中能源消耗最大的单位之一，与此同时乘客对准点率、舒适度等出行体验提出了更高的要求。因此，在加快高速铁路建设的同时，进一步提升现有高速铁路运输能力和运营质量是当前面临的主要问题之一。

在追踪运行过程中，列车追踪间隔受前后列车的运行速度、控制策略影响动态变化。缩短列车追踪间隔，一方面增大了线路的运能，但另一方面也给列车安全追踪运行过程带来了挑战。同时，频繁的切换列车运行工况可能加大列车牵引制动***的损耗，产生伴随着更多运行能耗，也会给乘客带来较差的乘车体验，列车运行平稳性差。因此，高速列车追踪运行是一个需要同时满足安全、高效、节能和平稳等要求的多目标优化过程，如何均衡各个优化目标、在安全运行的基础上提高列车运行效率是列车追踪运行的核心问题。

近年来，弹性在交通领域受到了越来越多的关注，常用于描述***在应对干扰时恢复性能的能力，并且恢复过程中可根据需要选择不同的调节方法。列车运行过程中的弹性调整机制，能够连续评估列车的追踪状态，量化两车实际间隔与最优间隔的偏离程度，根据运营环境的变化采取相应的调整策略，恢复追踪状态至最优追踪状态。

纵观国内外的研究，现有技术中还没有对基于弹性调整策略的高速列车追踪运行方法进行深入研究。

发明内容

本发明的实施例提供了一种基于弹性调整策略的高速列车动态追踪运行优化方法，以实现有效提高高速列车的运行效率。

为了实现上述目的，本发明采取了如下技术方案。

一种基于弹性调整策略的高速列车动态追踪运行优化方法，包括：

采集列车追踪静态信息，该列车追踪静态信息包括列车基本参数、线路参数以及前行列车运行计划和初始的区间运行策略；

在追踪列车出发前，建立追踪间隔弹性调整机制，根据所述追踪间隔弹性调整机制和所述列车追踪静态信息建立追踪运行多目标优化模型；利用静态人群搜索算法获取列车最优发车间隔；

采集前行列车的实时运行状态信息和临时限速信息；

在追踪列车根据最优发车间隔出发后，基于所述前行列车的实时运行状态信息和临时限速信息采用动态人群搜索算法求解所述追踪运行多目标优化模型，经过迭代寻优获得列车在剩余区间动态最优的追踪运行策略，控制列车运行，直至列车到达终点站。

优选地，所述的在追踪列车出发前，建立追踪间隔弹性调整机制，包括：

以追踪列车实际追踪间隔为评估对象，建立追踪间隔弹性调整机制，包括建立最优追踪间隔模型、追踪状态评估模型和列车弹性调整策略；

追踪列车与前行列车的最优追踪间隔

的计算如下：

其中，ξ为最优间隔因子；

为追踪列车与前行列车的最小安全追踪间隔，计算过程如下：

其中，

为司机反应时间内追踪列车运行距离；

为追踪列车当前运行速度下的常用制动距离；

为安全防护距离；

为列车长度；

为列车i-1的紧急制动距离；

追踪状态评估模型的计算过程如下：

其中，

前后车的实际追踪间隔，计算过程如下：

其中，

为列车i的实际运行位置；

为列车i-1的实际运行位置。

结合前行列车在下一时刻的运行工况，列车弹性调整策略为追踪列车提供下一时刻的控制命令，具体包括：

当Q_i∈(1+ξ，+∞)时，列车实际追踪间隔小于最小安全追踪间隔，即

追踪列车在下一时刻应采取制动工况；

当Q_i∈(1,1+ξ)时，列车追踪状态为“间隔较小”，即

如果前行列车在下一时刻为制动工况，则追踪列车在下一时刻也应采取制动工况，否则采取惰行工况；

当Q_i∈[1/(1+ε),1]时，列车追踪状态为“间隔适中”，即

其中ε为追踪效率因子，如果前行列车在下一时刻为制动工况，则追踪列车在下一时刻应采取惰行工况，否则采取巡航工况；

当Q_i∈(-∞，1/(1+ε))时，列车追踪状态为“间隔过大”，即

其中ε为追踪效率因子，如果前行列车在下一时刻为惰行工况或者制动工况，则追踪列车在下一时刻应采取巡航工况，否则采取牵引工况。

优选地，所述的根据所述追踪间隔弹性调整机制和所述列车追踪静态信息建立追踪运行多目标优化模型，包括：

根据所述追踪状态评估模型和弹性调整策略，以列车运行效率、运行能耗、工况切换次数为优化目标，建立列车追踪运行多目标优化模型，具体包括：

min G(Φ_C,Φ_E,Φ_N)

性能指标计算公式：

速度约束：v^lim-v≥0

追踪间隔约束：L^act-L^safe≥0

列车运行平稳性约束：S-0.2≤0

发车间隔约束：H^act-H^min≥0

其中，Φ_C、Φ_E、Φ_N分别表示运行效率、运行能耗以及工况转换频繁度；T^act为列车实际运行时间；u为列车运行工况；t_u为工况u下列车的行走时间；F为列车输出控制力；N_change为全程的切换次数；H^act、H^min分别为列车的实际发车间隔和最小发车间隔；v^lim为列车当前最大允许速度；S表示列车运行平稳性，计算公式如下：

其中，σ、c分别为宽度系数和中心位置；a(t)为t时刻下列车的加速度；Δt为时间间隔。

优选地，所述的利用静态人群搜索算法获取列车最优发车间隔，包括：

初始化列车、线路信息基本参数，获取前行列车预计的运行计划和区间运行策略，以发车间隔、追踪效率因子和最优间隔因子为决策变量，初始种群，计算公式如下：

其中，G为当前进化代数；N_p为种群规模；X^G为当前进化代数G下的初始种群；

为G代种群中第j个个体；H_j为第j个个体的发车间隔；ε_j为第j个个体的追踪效率因子；ξ_j为第j个个体的最优间隔因子，个体代表列车，ξ_j表示第j个列车的最优发车间隔。

优选地，所述的在追踪列车根据最优发车间隔出发后，基于所述前行列车的实时运行状态信息和临时限速信息采用动态人群搜索算法求解所述追踪运行多目标优化模型，经过迭代寻优获得列车在剩余区间动态最优的追踪运行策略，控制列车运行，直至列车到达终点站，包括：

在追踪列车根据最优发车间隔出发后，执行追踪列车运行策略站间动态调整，设定定时间隔，基于所述前行列车的实时运行状态信息和临时限速信息采用动态人群搜索算法求解所述追踪运行多目标优化模型；

所述动态人群搜索算法的处理过程包括：

初始化列车、线路信息基本参数，以追踪效率因子和最优间隔因子为决策变量，列车运行效率、运行能耗、工况切换次数为优化目标，始种群计算公式如下：

其中，G为当前进化代数；N_p为种群规模；X^G为当前进化代数G下的初始种群；

为G代种群中第j个个体；ε_j为第j个个体的追踪效率因子；ξ_j为第j个个体的最优间隔因子；

获取前行列车当前运行状态和在剩余区间的运行策略，获取追踪列车当前运行状态和在剩余区间的运行路程，以定时间隔t_c秒，循环迭代寻优获得列车在剩余区间动态最优的追踪运行策略，控制列车运行，直至列车到达终点站。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例的方法可应用于自动驾驶***或者驾驶辅助***，能够提供安全、高效、节能、平稳的驾驶策略，有效提高高速列车的运行效率。可以在保障安全的前提下，提高列车运行效率，直至到达终点站。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于弹性调整策略的高速列车动态追踪运行优化方法流程示意图；

图2为本发明实施例提供的弹性调整机制原理图；

图3为本发明实施例提供的静态人群搜索算法流程图；

图4为本发明实施例提供的静态人群搜索算法流程图；

图5(a)为本发明实施例提供的无干扰场景下追踪列车与前行列车区间运行速度-距离的变化关系图；

图5(b)为本发明实施例提供的无干扰场景下追踪列车与前行列车实际间隔与最小安全间隔差值的变化关系图；

图6(a)为本发明实施例提供的临时限速干扰场景下追踪列车与前行列车区间运行速度-距离的变化关系图；

图6(b)为本发明实施例提供的临时限速干扰场景下追踪列车与前行列车实际间隔与最小安全间隔差值的变化关系图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

本发明提供的一种基于弹性调整策略的高速列车动态追踪运行优化方法的处理流程如图1所示，具体包括如下的处理步骤：

步骤S1：在追踪列车发车前，采集列车基本参数、线路参数，接收前行列车运行计划和初始的区间运行策略；

步骤S2：执行追踪列车运行策略站内静态规划。

步骤S2.1：以追踪列车实际追踪间隔为评估对象，建立如图2所示的追踪间隔弹性调整机制，包括建立最优追踪间隔模型、追踪状态评估模型和列车弹性调整策略。

追踪列车与前行列车的最优追踪间隔

的计算如下：

其中，ξ为最优间隔因子；

为追踪列车与前行列车的最小安全追踪间隔，计算过程如下：

其中，

为司机反应时间内追踪列车运行距离；

为追踪列车当前运行速度下的常用制动距离；

为安全防护距离；

为列车长度；

为列车i-1的紧急制动距离。

追踪状态评估模型的计算过程如下：

其中，

前后车的实际追踪间隔，计算过程如下：

其中，

为列车i的实际运行位置；

为列车i-1的实际运行位置。

结合前行列车在下一时刻的运行工况，列车弹性调整策略为追踪列车提供下一时刻的控制命令，具体包括：

当Q_i∈(1+ξ，+∞)时，列车实际追踪间隔小于最小安全追踪间隔，即

追踪列车在下一时刻应采取制动工况；

当Q_i∈(1,1+ξ)时，列车追踪状态为“间隔较小”，即

如果前行列车在下一时刻为制动工况，则追踪列车在下一时刻也应采取制动工况，否则采取惰行工况。

当Q_i∈[1/(1+ε),1]时，列车追踪状态为“间隔适中”，即

其中ε为追踪效率因子。如果前行列车在下一时刻为制动工况，则追踪列车在下一时刻应采取惰行工况，否则采取巡航工况。

当Q_i∈(-∞，1/(1+ε))时，列车追踪状态为“间隔过大”，即

其中ε为追踪效率因子。如果前行列车在下一时刻为惰行工况或者制动工况，则追踪列车在下一时刻应采取巡航工况，否则采取牵引工况。

步骤S2.2：根据所述追踪状态评估模型和弹性调整策略，以列车运行效率、运行能耗、工况切换次数为优化目标，建立列车追踪运行多目标优化模型，具体包括：

min G(Φ_C,Φ_E,Φ_N)

性能指标计算公式：

速度约束：v^lim-v≥0

追踪间隔约束：L^act-L^safe≥0

列车运行平稳性约束：S-0.2≤0

发车间隔约束：H^act-H^min≥0

其中，Φ_C、Φ_E、Φ_N分别表示运行效率、运行能耗以及工况转换频繁度；T^act为列车实际运行时间；u为列车运行工况；t_u为工况u下列车的行走时间；F为列车输出控制力；N_change为全程的切换次数；H^act、H^min分别为列车的实际发车间隔和最小发车间隔；v^lim为列车当前最大允许速度；S表示列车运行平稳性，计算公式如下：

其中，σ、c分别为宽度系数和中心位置；a(t)为t时刻下列车的加速度；Δt为时间间隔。

步骤S2.3：进一步地，利用静态人群搜索算法获取列车最优发车间隔和静态最优的运行策略，静态人群搜索算法流程图如图3所示。具体包括：

初始化列车、线路信息等基本参数，获取前行列车预计的运行计划和区间运行策略，以发车间隔、追踪效率因子和最优间隔因子为决策变量，初始种群计算公式如下：

其中，G为当前进化代数；N_p为种群规模；X^G为当前进化代数G下的初始种群；

为G代种群中第j个个体；H_j为第j个个体的发车间隔；ε_j为第j个个体的追踪效率因子；ξ_j为第j个个体的最优间隔因子。上述个体代表列车，ξ_j表示第j个列车的最优发车间隔。

步骤S3：高速列车车载设备负责采集实时运行状态信息(位置、速度、加速度与运行工况)和来自无线闭塞中心的临时限速信息，并通过车车通信***接收前行列车的实时运行状态信息。

步骤S4：在追踪列车根据最优发车间隔出发后，执行追踪列车运行策略站间动态调整，具体包括：

步骤S4.1：进一步地，建立追踪间隔弹性调整机制。

步骤S4.1：进一步地，建立追踪运行多目标优化模型。

步骤S4.2：进一步地，以t_c＝120秒为定时间隔，采用动态人群搜索算法，经过迭代寻优获得列车在剩余区间动态最优的追踪运行策略，直至到达终点站，动态人群搜索算法流程图如图4所示。具体包括：

初始化列车、线路信息等基本参数，获取前行列车当前运行状态和在剩余区间的运行策略，获取追踪列车当前运行状态和在剩余区间的运行路程，以追踪效率因子和最优间隔因子为决策变量，初始种群计算公式如下：

其中，G为当前进化代数；N_p为种群规模；X^G为当前进化代数G下的初始种群；

为G代种群中第j个个体；ε_j为第j个个体的追踪效率因子；ξ_j为第j个个体的最优间隔因子。

以上算法及过程，可以用一些常用的计算机语言去实现，例如C#、C++和Matlab语言等。

本实施例中，假设列车车型为CRH380AL，最大允许速度为350km/h，最小发车间隔为120s。

根据上述各数据并通过本发明方法可以得出以下实验结果：

利用弹性调整策略对列车进行控制，图5为追踪列车在没有外界干扰情况下的运行结果图，包括追踪列车与前行列车区间运行速度-距离曲线和实际间隔与最小安全追踪间隔差值的变化关系，弹性调整策略能够保证列车追踪间隔保持最优运行状态。图6为追踪列车在前车因临时限速突然减速下的运行结果图，包括追踪列车与前行列车区间运行速度-距离曲线和实际间隔与最小安全追踪间隔差值的变化关系，弹性调整策略能够在前行列车因临时限速突然减速时，保证列车追踪状态及时恢复最优状态，并且追踪间隔始终大于最小安全追踪间隔。

本发明方法适用于单向双列车的高速铁路***中的列车追踪运行优化，特别的，也适用于复杂干扰环境下的列车动态追踪运行优化。对于准点性运输需求也适用，可以通过修改多目标优化模型来实现。

综上所述，本发明实施例的基于弹性调整策略的高速列车动态追踪运行优化方法可以用于优化高速列车追踪运行过程，并具有如下有益效果：

(1)采用追踪间隔弹性调整机制，可以在保证列车运行安全的基础上缩短列车间隔，提升列车运行效率；

(2)采用动态人群搜索算法，可以根据运营环境的变化设计实时最优的追踪间隔，结合弹性调整策略恢复追踪状态至当前运行环境下的最优追踪状态，实现列车追踪的动态调整；

(3)可用于列车运行控制***，指导高速列车安全、高效、节能、平稳的追踪运行。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或***实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及***实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种基于弹性调整策略的高速列车动态追踪运行优化方法，其特征在于，包括：

采集列车追踪静态信息，该列车追踪静态信息包括列车基本参数、线路参数以及前行列车运行计划和初始的区间运行策略；

在追踪列车出发前，建立追踪间隔弹性调整机制，根据所述追踪间隔弹性调整机制和所述列车追踪静态信息建立追踪运行多目标优化模型；利用静态人群搜索算法获取列车最优发车间隔；

采集前行列车的实时运行状态信息和临时限速信息；

在追踪列车根据最优发车间隔出发后，基于所述前行列车的实时运行状态信息和临时限速信息采用动态人群搜索算法求解所述追踪运行多目标优化模型，经过迭代寻优获得列车在剩余区间动态最优的追踪运行策略，控制列车运行，直至列车到达终点站。

2.根据权利要求1所述的方法，其特征在于，所述的在追踪列车出发前，建立追踪间隔弹性调整机制，包括：

以追踪列车实际追踪间隔为评估对象，建立追踪间隔弹性调整机制，包括建立最优追踪间隔模型、追踪状态评估模型和列车弹性调整策略；

追踪列车与前行列车的最优追踪间隔

的计算如下：

其中，ξ为最优间隔因子；

为追踪列车与前行列车的最小安全追踪间隔，计算过程如下：

其中，

为司机反应时间内追踪列车运行距离；

为追踪列车当前运行速度下的常用制动距离；

为安全防护距离；

为列车长度；

为列车i-1的紧急制动距离；

追踪状态评估模型的计算过程如下：

其中，

前后车的实际追踪间隔，计算过程如下：

其中，

为列车i的实际运行位置；

为列车i-1的实际运行位置。

结合前行列车在下一时刻的运行工况，列车弹性调整策略为追踪列车提供下一时刻的控制命令，具体包括：

当Q_i∈(1+ξ，+∞)时，列车实际追踪间隔小于最小安全追踪间隔，即

追踪列车在下一时刻应采取制动工况；

当Q_i∈(1,1+ξ)时，列车追踪状态为“间隔较小”，即

如果前行列车在下一时刻为制动工况，则追踪列车在下一时刻也应采取制动工况，否则采取惰行工况；

当Q_i∈[1/(1+ε),1]时，列车追踪状态为“间隔适中”，即

其中ε为追踪效率因子，如果前行列车在下一时刻为制动工况，则追踪列车在下一时刻应采取惰行工况，否则采取巡航工况；

当Q_i∈(-∞，1/(1+ε))时，列车追踪状态为“间隔过大”，即

其中ε为追踪效率因子，如果前行列车在下一时刻为惰行工况或者制动工况，则追踪列车在下一时刻应采取巡航工况，否则采取牵引工况。

3.根据权利要求2所述的方法，其特征在于，所述的根据所述追踪间隔弹性调整机制和所述列车追踪静态信息建立追踪运行多目标优化模型，包括：

根据所述追踪状态评估模型和弹性调整策略，以列车运行效率、运行能耗、工况切换次数为优化目标，建立列车追踪运行多目标优化模型，具体包括：

min G(Φ_C,Φ_E,Φ_N)

性能指标计算公式：

速度约束：v^lim-v≥0

追踪间隔约束：L^act-L^safe≥0

列车运行平稳性约束：S-0.2≤0

发车间隔约束：H^act-H^min≥0

其中，Φ_C、Φ_E、Φ_N分别表示运行效率、运行能耗以及工况转换频繁度；T^act为列车实际运行时间；u为列车运行工况；t_u为工况u下列车的行走时间；F为列车输出控制力；N_change为全程的切换次数；H^act、H^min分别为列车的实际发车间隔和最小发车间隔；v^lim为列车当前最大允许速度；S表示列车运行平稳性，计算公式如下：

其中，σ、c分别为宽度系数和中心位置；a(t)为t时刻下列车的加速度；Δt为时间间隔。

4.根据权利要求3所述的方法，其特征在于，所述的利用静态人群搜索算法获取列车最优发车间隔，包括：

初始化列车、线路信息基本参数，获取前行列车预计的运行计划和区间运行策略，以发车间隔、追踪效率因子和最优间隔因子为决策变量，初始种群，计算公式如下：

其中，G为当前进化代数；N_p为种群规模；X^G为当前进化代数G下的初始种群；

为G代种群中第j个个体；H_j为第j个个体的发车间隔；ε_j为第j个个体的追踪效率因子；ξ_j为第j个个体的最优间隔因子，个体代表列车，ξ_j表示第j个列车的最优发车间隔。

5.根据权利要求4所述的方法，其特征在于，所述的在追踪列车根据最优发车间隔出发后，基于所述前行列车的实时运行状态信息和临时限速信息采用动态人群搜索算法求解所述追踪运行多目标优化模型，经过迭代寻优获得列车在剩余区间动态最优的追踪运行策略，控制列车运行，直至列车到达终点站，包括：

在追踪列车根据最优发车间隔出发后，执行追踪列车运行策略站间动态调整，设定定时间隔，基于所述前行列车的实时运行状态信息和临时限速信息采用动态人群搜索算法求解所述追踪运行多目标优化模型；

所述动态人群搜索算法的处理过程包括：

初始化列车、线路信息基本参数，以追踪效率因子和最优间隔因子为决策变量，列车运行效率、运行能耗、工况切换次数为优化目标，始种群计算公式如下：

其中，G为当前进化代数；N_p为种群规模；X^G为当前进化代数G下的初始种群；

为G代种群中第j个个体；ε_j为第j个个体的追踪效率因子；ξ_j为第j个个体的最优间隔因子；

获取前行列车当前运行状态和在剩余区间的运行策略，获取追踪列车当前运行状态和在剩余区间的运行路程，以定时间隔t_c秒，循环迭代寻优获得列车在剩余区间动态最优的追踪运行策略，控制列车运行，直至列车到达终点站。

Images