1.一种为列车自动驾驶系统生成速度控制命令的方法，所述列车自动驾驶系统能根据速度控制命令对列车的速度进行控制，其特征在于：所涉及的模块包括小种群优化模块、上层优化模块和外部档案模块；所述小种群优化模块中包含有多个小种群；

所述方法包括：

1)设定基础数据和约束参数；所述基础数据包括：线路参数、站点参数、列车参数、ATO系统参数；所述约束参数包括：限速参数、停车位置参数、到站时间参数、列车工况转换原则；

2)按如下方式设定粒子和小种群：为列车设计控制序列；所述控制序列由多个顺次排列的控制阶段组成，每个控制阶段均对应一种列车工况，列车工况切换时控制阶段也随之切换；列车工况切换时，列车在运行线路上所处的位置记为工况转换点；对工况转换点的位置进行调整，即可为控制序列生成多种控制模态，每种控制模态及其对应的多个工况转换点记为一个粒子，粒子的维度即为控制阶段数量与工况转换点数量之和；设粒子数量为x、小种群数量为y，将x个粒子平均分配至y个小种群中；

3)小种群优化模块根据粒子群优化算法，控制各个小种群按公式一对所辖粒子进行粒子速度更新处理，得到各个粒子当前的粒子速度，然后根据粒子速度，小种群按公式三对各个粒子进行粒子位置更新处理，得到各个粒子当前的粒子位置；进入步骤4)；

4)满足约束参数条件的粒子位置记为可行解，不满足约束参数条件的粒子位置记为非可行解，若某一小种群所对应的多个粒子位置中存在可行解，则将相应小种群记为可行小种群，若某一小种群所对应的多个粒子位置均为非可行解，则将相应小种群记为非可行小种群；

根据约束参数，对各个小种群的状态进行判断：

若所有小种群均为非可行小种群，则进入步骤5B)；若多个小种群中既存在可行小种群又存在非可行小种群，则进入步骤5A)；

5A)小种群优化模块将可行解输入外部档案模块，同时，小种群优化模块将每个可行小种群所对应的可行解中的最优者作为精英解输入上层优化模块，同时，小种群优化模块将每个非可行小种群所对应的非可行解中的最优者作为精英解输入上层优化模块；

外部档案模块第一次收到可行解时，若可行解的数量为1，则外部档案模块直接对可行解进行保存，若可行解的数量为2个或2个以上，则外部档案模块对所有可行解进行支配关系识别：对于不存在支配关系的可行解，则全部保留，对于存在支配关系的可行解，只保留支配者，移除受支配者；保留在外部档案模块中的可行解记为Pareto前沿解；后续迭代过程中，外部档案模块对新收到的可行解和Pareto前沿解整体进行支配关系识别：对于不存在支配关系的可行解，则全部保留，对于存在支配关系的可行解，只保留支配者，移除受支配者；

上层优化模块收到多个精英解后，对多个精英解进行优化处理，得到小种群全局最优位置，然后将小种群全局最优位置反馈至所有小种群中，小种群根据小种群全局最优位置对公式二中的相应因子进行更新；

待外部档案模块和上层优化模块的前述动作都完成后，对迭代次数进行判断，若迭代次数达到设定值，则进入步骤6)，若迭代次数未达到设定值，则小种群优化模块从外部档案模块中调用Pareto前沿解并从该前沿解中提取出外部全局最优位置，然后将外部全局最优位置反馈至所有小种群中，小种群根据外部全局最优位置对公式二中的相应因子进行更新；然后小种群按公式二对多个小种群中的多个粒子进行粒子速度更新处理，得到各个粒子当前的粒子速度，然后根据粒子速度，小种群按公式三对各个粒子进行粒子位置更新处理，得到各个粒子当前的粒子位置；返回步骤4)；

5B)将每个小种群所对应的非可行解中，与约束参数背离程度最小的非可行解作为精英解输入上层优化模块中，上层优化模块收到多个精英解后，对多个精英解进行优化处理，得到种群全局最优位置，然后将种群全局最优位置反馈至所有小种群中，小种群根据种群全局最优位置对公式一中的相应因子进行更新；然后对迭代次数进行判断，若迭代次数达到设定值，则进入步骤6)，若迭代次数未达到设定值，则返回步骤3)；

6)若外部档案模块中不存在Pareto前沿解，则操作结束；若外部档案模块中存在Pareto前沿解，则从Pareto前沿解中选取一者，然后求解出相应的速度控制命令；

所述公式一为：

其中，w为惯性权重，w为设定值； 为相应小种群中第d维度上第i个粒子第k次搜索时的粒子速度， 为设定值； 为相应小种群中第d维度上第i个粒子第k+1次搜索时的粒子速度；c1和c2均是数值为正的常数，c1和c2均为设定值； 和 均为[0,1]区间上的随机数， 和 的具体数值由小种群根据粒子群优化算法随机生成； 为相应小种群中第d维度上第i个粒子在第k次搜索时的自身最优位置， 为设定值，后续过程中的 由各个小种群根据粒子群优化算法自动更新； 为第d维度上第k次搜索时的小种群全局最优位置， 为设定值； 为相应小种群中第d维度上第i个粒子第k次搜索时的位置向量， 为设定值；

所述公式二为：

其中，c3是数值为正的常数，c3为设定值， 为[0,1]区间上的随机数， 的具体数值由小种群根据粒子群优化算法随机生成， 为第d维度上第k次搜索时的外部全局最优位置；

所述公式三为：

其中， 为相应小种群中第d维度上第i个粒子第k+1次搜索时的位置向量；

所述步骤5A)中，小种群优化模块按如下方式从外部档案模块中调用Pareto前沿解：

若外部档案模块中的Pareto前沿解数量只有1个时，则直接调用该Pareto前沿解；

若外部档案模块中的Pareto前沿解数量大于1且小于4时，则以随机选择方式任选一个Pareto前沿解；

若外部档案模块中的Pareto前沿解数量大于或等于4时，则按如下方式处理：

1)在运行时长和能耗大小中任选一者作为参考标准，参考标准的最大值和最小值所对应的两个Pareto前沿解分别记为两个边界解，其余Pareto前沿解记为非边界解；

2)按获取时间顺序，用1至n的整数将多个非边界解连续编号，然后根据Pareto原理，计算出各个非边界解的拥挤距离值，然后按下式计算出各个非边界解所对应的选取概率pi：其中，di为第i个非边界解的拥挤距离值，n为非边界解的数量；

3)根据各个非边界解所对应的选取概率pi，采用轮盘赌选择方法，从多个非边界解中抽选出一者作为备用解，然后以随机选择方式，从两个边界解和备用解三者中任选一个作为外部全局最优位置。