作为名副其实的轨道交通强国,当前轨道交通正在进行手动驾驶过渡到自动驾驶的模式转变,轨道交通车辆自动驾驶系统在安全性、稳定性、准时性等方面均得到了极大的提高,与此同时,保障轨道交通安全和通行秩序的轨道作业车辆同样急需改进,并与此适应。其中,轨道接触网作业车是用来保证轨道车辆正常取电以及接触网安全的特种作业车辆,主要承担与接触网有关的架线、检修、立杆等任务。作业车配备两名驾驶员承担驾驶任务,且以夜间任务为主;为降低劳动强度,减员增效,接触网作业车的自动驾驶系统研究变得尤为重要。本文针对JW-4G型轨道接触网作业车自动驾驶控制系统中的速度曲线优化以及曲线跟踪控制进行了相应的研究,这对于保障轨道交通的安全与通行效率具有重要意义。本文主要进行了如下工作:（1）建立接触网作业车单质点动力模型,并基于作业车节能性、准时性、乘坐舒适性以及停车精准性建立了多目标优化模型;模型中提出了适应轨道作业车辆的操作序列,同传统的四阶段操作序列相比,在能耗方面的约束明显放宽,切换点增加,有利于多项性能的协同优化,适用于现代自动驾驶规划控制。（2）借鉴列车曲线优化问题中广泛采用的遗传算法并加入爬山算法、基因重组以及个体集聚性判断手段;提升了算法局部寻优的能力,加快了算法收敛速度,抑制了种群个体集聚现象的发生,有利于解决本文模型提出的多切换点多工况的操作序列优化问题;另外,为增强算法自适应性,减小优化搜索范围,本文根据驾驶经验增加相应的约束,间接提高了优化速率。（3）为降低目前铁路运行曲线跟踪所采用的模糊控制器以及模糊PID控制算法对于参数调整上的依赖,本文设计了一种带有超速防护功能的模型预测控制器,一方面增强了控制器对于速度曲线的跟踪能力,保证了作业车能够在检测轨道车运行控制设备（以下简称GYK）限速的工况下实现平稳跟踪,另一方面提高了控制器的自适应性并弱化了控制器的调参过程。本文最后基于多场景工况进行运行曲线优化仿真以及速度跟踪控制的仿真,并验证了基于本文改进遗传算法以及控制算法的有效性以及可行性。