随着我国城市化进程的快速推进,城市轨道交通在满足乘客出行需求和缓解城市交通拥堵方面发挥了极大的作用。在城轨运营网络成型,且线路基础设施确定的情况下,若要进一步提高行车密度和释放线路运能潜力,缩短列车追踪间隔将是一种行之有效的手段。在传统列控系统中,行车许可由地面设备生成。而在新型列控系统中,车载设备可以通过车-车通信实时获知前车动态信息,借助人工智能等技术预测前车动态行为,在此基础上自主计算行车许可,将其延伸至“越过前车”的适当位置。从而列车能够以“撞软墙”移动闭塞运行,通过缩短列车追踪间隔实现更高密度的动态追踪。论文的主要工作内容如下:（1）研究了新型列控系统行车许可生成原理。首先,分析了新型列控系统总体架构和车载模块主要功能。其次,以面向高密度追踪的新型列控系统行车许可为研究对象,结合移动闭塞的追踪运行模式,总结了新型列控系统行车许可生成原理。最后,详细分析了行车许可生成过程。（2）构建了基于Bi-LSTM（Bi-directional Long Short-term Memory,双向长短时记忆神经网络）神经网络的列车轨迹预测模型。根据成都城市轨道8号线川大江安校区到文星站的列车运行数据,利用Bi-LSTM方法,构建了列车动态时空轨迹预测模型。此外,采用均方根误差、平均绝对误差和平均绝对百分比误差三个指标对模型进行评价,并使用多次实验确定的最佳超参数组合对模型进行优化。在此基础上,分析模型的预测结果,发现在利用一维特征（运行速度）进行列车速度预测和二维特征（运行速度和运行距离）进行列车运行距离预测的情况下,模型的预测精度最高,得到的预测轨迹与实际轨迹拟合程度最好。（3）设计开发了列车轨迹预测和追踪仿真软件。利用C#语言开发了具备列车轨迹预测、预测结果显示、区间追踪仿真以及预测模型管理等功能的软件。并对同质列车区间追踪运行过程进行了仿真分析,结果表明,相比于“撞硬墙”,基于前车预测轨迹的“撞软墙”移动闭塞下的列车动态间隔距离更小。（4）建模验证了新型列控系统行车许可生成功能。基于CPN（Colored Petri Net,着色Petri网）理论,构建了路径资源管理、关联列车识别以及行车许可计算模型,并通过对执行结果和状态空间的分析,验证了行车许可生成功能的逻辑正确性。图74幅,表23个,参考文献85篇。