随着我国轨道交通行业近几年的蓬勃发展,以高铁为典型代表的轨道交通前沿产品已经成为了一张闪亮的国家名片,铁路、城轨等轨道交通系统的发展,使国民的生活更加快捷、方便的同时,也进一步加重了国家的耗能负担,缓解列车能源消耗压力迫在眉睫。如何有效降低列车运行能耗一直是研究者们关注的重点科学问题。为了有效降低列车运行能耗,同时提高列车的智能化水平,研究者们通过建立各种数学模型加入多种优化算法对控制策略和运行仿真进行了深入的研究。论文的研究主体创新内容为以下三个部分:(1)根据列车在多种状态下的受力情况和通过总结归纳众多优秀列车司机的驾驶经验与先验知识得到的启发式规则,并结合列车运行过程中,可能受到的一些运行阻力的能耗敏感性分析结果,建立了对应的启发式列车运行模型;(2)简单介绍经典遗传算法相关信息与运行流程,分析其在列车运行曲线优化方面的优点和不足。根据其不足的地方加以改进,设计改良遗传算法,并详细介绍改良遗传算法的设计思路和改进点;而后,将最优巡航速度和惰行点位置作为个体基因,以这种新模型作为启发式算法的适应度计算函数优化个体基因,达到优化列车节能运行目标速度曲线的目的。(3)通过实例仿真,分多种线路情况,分析本文算法与其他算法对比之下所具有的改进和优势,并详细叙述其中优化细节。然后根据以上步骤,针对传统牵引优化算法在极限线路条件下鲁棒性差、优化效果不理想,而常规进化算法运行效率低且易于陷入局部最优等问题,提出了一种基于启发式遗传算法的列车运行速度曲线优化策略。在Matlab R2016b仿真环境下,使用改进的遗传算法对运行曲线进行仿真求解。仿真实验结果显示,该算法具有收敛速度快,优化精度高,鲁棒性高等优点,且能够达到有效降低列车运行能耗的目的。特别地,该算法有效克服了进化算法搜索结果不确定性和速度波动性的缺点,对该领域以及其他交通工具的节能运行和自动驾驶,具有较好的参考意义和实用价值。