1.一种无人驾驶列车控制系统的控制方法，其特征在于：所述控制系统包括中心云计算单元、列车控制调度中心、分布式数据采集单元、多个边缘云计算单元；

设某运营线路上有多个站点，相邻两个站点之间的路段记为一个子线路；所述多个边缘云计算单元与多个子线路一一对应，单个边缘云计算单元设置在对应的子线路的起点站内，单个边缘云计算单元与对应子线路上运行的列车对应；

所述中心云计算单元包括数据库模块、深度学习模块、评估模块和中心通信模块；

所述数据库模块用于存储和补充专家知识数据，还能接收中心通信模块传输的样本数据，所述数据库模块还能将所述专家知识数据和所述样本数据传输给深度学习模块；

所述深度学习模块能从所述数据库模块获取专家知识数据和样本数据，所述深度学习模块能通过深度学习算法构建深度学习模型，并利用获取的专家知识数据和样本数据训练所述深度学习模型，深度学习模块还能将深度学习模型数据传输给所述评估模块；

所述评估模块能对收到的深度学习模型数据进行评估，当评估结果不满足设定的误差要求时，评估模块控制深度学习模块继续对深度学习模型进行训练；当评估结果满足设定的误差要求时，评估模块还能将得到的可用深度学习模型数据传输给中心通信模块；

所述中心通信模块能将收到的可用深度学习模型下发给各个边缘云计算单元的边缘通信模块，所述中心通信模块还能从边缘通信模块接收样本数据，并将接收的样本数据传输给数据库模块；

所述边缘云计算单元包括驾驶模式控制模块、深度学习模型模块、智能算法模块和边缘通信模块；

所述边缘通信模块能将从中心通信模块接收的可用深度学习模型数据传输给所述深度学习模型模块；所述边缘通信模块能将从数据采集单元接收的状态数据传输给驾驶模式控制模块和智能算法模块；边缘通信模块还能将从列车控制调度中心接收的线路和列车基础数据传输给深度学习模型模块和智能算法模块；边缘通信模块能将从深度学习模型模块接收的驾驶档位操纵序列数据发送给对应列车的车载控制系统；边缘通信模块能将从智能算法模块接收的智能驾驶曲线数据发送给对应列车的车载控制系统；边缘通信模块能将从智能算法模块接收的样本数据发送给中心通信模块；

所述驾驶模式控制模块能对收到的所述状态数据进行处理，并识别对应子线路的运行环境状态是否正常，然后根据识别结果触发深度学习模型模块工作或智能算法模块工作；

所述深度学习模型模块能利用可用深度学习模型对收到的线路和列车基础数据进行处理得到驾驶档位操纵序列，并将驾驶档位操纵序列数据传输给边缘通信模块；

所述智能算法模块能利用仿生智能算法对收到的线路和列车基础数据和所述状态数据进行处理得到智能驾驶曲线数据，并将智能驾驶曲线数据传输给边缘通信模块；智能算法模块能从得到的所述智能驾驶曲线中提取多个样本数据，智能算法模块能将得到的多个所述样本数据传输给边缘通信模块；

所述分布式数据采集单元部署在列车运行线路的轨道设备上，所述分布式数据采集单元能采集各类异构的状态数据并通过无线通信的方式传输给相应的边缘云计算单元的边缘通信模块；

所述列车控制调度中心能将子线路的线路和列车基础数据发送给对应的边缘云计算单元的边缘通信模块；

所述控制方法包括：

按方法一在数据库模块中生成初始的训练样本数据集，然后数据库模块将所述初始的训练样本数据集传输给所述深度学习模块，然后所述深度学习模块通过深度学习算法构建深度学习模型，然后所述中心云计算单元按方法二生成可用深度学习模型并将可用深度学习模型迁移到各个边缘云计算单元；后续过程中，中心云计算单元按方法四在数据库模块中生成新的训练样本数据集，数据库模块每次生成新的训练样本数据集后，即将新的训练样本数据集传输给深度学习模块，然后中心云计算单元按方法二生成新的可用深度学习模型并将新生成的可用深度学习模型迁移到各个边缘云计算单元；

各个所述边缘云计算单元自首次收到可用深度学习模型后，均按方法三控制对应子线路上运行列车的运行；

所述方法一包括：

操作人员按设定数量将专家知识数据输入所述中心云计算单元的数据库模块；同时，各个边缘计算单元均按以下方式获取初始的样本数据集：

1)所述边缘通信模块向列车控制调度中心发送请求并接收列车控制调度中心发送的对应子线路的线路和列车基础数据，然后边缘通信模块将收到的所述线路和列车基础数据传输给所述智能算法模块；

2)智能算法模块采用线性同余法生成多个0到1闭区间的随机数，然后将得到的多个所述随机数与对应子线路的长度相乘，即得到多个列车在对应子线路上的模拟定位数据；

3)智能算法模块采用仿生智能算法对收到的线路和列车基础数据及所述模拟定位数据进行处理得到多个模拟智能驾驶曲线；

4)智能算法模块从多个所述模拟智能驾驶曲线中提取得到多个初始的样本数据；

5)当智能算法模块内初始的样本数据的数量未达到设定值时，返回步骤2)；否则，进入步骤6)；

6)智能算法模块将得到的全部初始的样本数据传输给边缘通信模块，然后边缘通信模块将收到的初始的样本数据发送给中心通信模块；

中心通信模块将收到的各个边缘通信模块发送的初始的样本数据均传输给数据库模块，数据库模块内当前的全部初始的样本数据和专家知识数据即组成初始的训练样本数据集；

所述方法二包括：

a)所述深度学习模块利用收到的训练样本数据集对深度学习模型进行训练，然后深度学习模块将训练后的深度学习模型传输给所述评估模块；

b)所述评估模块利用损失函数对收到的深度学习模型进行评估，如果满足设定的误差要求，则将本次得到的深度学习模型记为可用深度学习模型，然后进入步骤c)；否则，返回步骤a)；

c)所述评估模块将可用深度学习模型传输给所述中心通信模块，中心通信模块将收到的可用深度学习模型下发给各个边缘通信模块；

所述方法三包括：

单个边缘通信模块将每次收到的可用深度学习模型传输给所述深度学习模型模块；所述深度学习模型模块始终将最近一次收到的可用深度学习模型用于后续操作；

单个子线路所辖的分布式数据采集单元持续将采集的实时、异构的状态数据发送给所述子线路对应的边缘云计算单元的边缘通信模块；所述边缘通信模块将收到的所述状态数据传输给驾驶模式控制模块和智能算法模块；

A)所述驾驶模式控制模块对收到的状态数据进行处理并识别对应子线路的运行环境状态：当子线路的运行环境状态正常时，进入步骤B)；当子线路的运行环境状态异常时，进入步骤C)；

B)所述驾驶模式控制模块控制深度学习模型模块工作，同时驾驶模式控制模块控制智能算法模块暂停工作；所述边缘通信模块向列车控制调度中心发送请求并接收列车控制调度中心发送的对应子线路当前的线路和列车基础数据，然后边缘通信模块将接收的线路和列车基础数据传输给深度学习模型模块，深度学习模型模块利用所述可用深度学习模型对收到的所述线路和列车基础数据进行处理得到对应子线路上运行的列车的驾驶档位操纵序列，所述深度学习模型模块将得到的所述驾驶档位操纵序列数据传输给边缘通信模块，所述边缘通信模块再将所述驾驶档位操纵序列数据发送给对应列车的车载控制系统用于控制列车的运行；返回步骤A)；

C)所述驾驶模式控制模块控制智能算法模块工作，同时驾驶模式控制模块控制深度学习模型模块暂停工作；所述边缘通信模块向列车控制调度中心发送请求并接收列车控制调度中心发送的对应子线路当前的线路和列车基础数据，然后边缘通信模块将接收的线路和列车基础数据以及所述状态数据传输给智能算法模块，智能算法模块采用仿生智能算法对收到的所述线路和列车基础数据以及状态数据进行处理得到对应子线路上运行的列车的智能驾驶曲线；如果所述智能驾驶曲线的生成时间大于设定时间，则返回步骤B)；否则，进入步骤D)；

当所述步骤A)中所述的运行环境状态异常是由子线路的地面设备故障导致列车停车的情况，则所述的仿生智能算法为密姆算法；当所述步骤A)中所述的运行环境状态异常是由雨或/和雾天气导致列车需要限速通过的情况，则所述的仿生智能算法为NSGA‑Ⅱ算法；

D)智能算法模块将得到的所述智能驾驶曲线数据传输给边缘通信模块，所述边缘通信模块再将所述智能驾驶曲线数据发送给对应列车的车载控制系统用于控制列车的运行；同时，智能算法模块从得到的所述智能驾驶曲线中提取多个样本数据，智能算法模块将得到的多个所述样本数据传输给边缘通信模块，边缘通信模块将收到的所述样本数据发送给中心通信模块；返回步骤A)；

所述方法四包括：

中心通信模块每次收到边缘通信模块发送的样本数据后，即将所述样本数据传输给数据库模块；操作人员定期将新的专家知识数据补充输入到数据库模块中；当数据库模块中补充的专家知识数据和新收到的所述样本数据的数量总和达到设定的阈值时，数据库模块中当前的全部样本数据和专家知识数据即组成新的训练样本数据集。

2.如权利要求1所述的无人驾驶列车控制系统的控制方法，其特征在于：所述步骤C)中，智能算法模块通过对所述状态数据进行处理并提取得到雨和雾两个天气参数值，然后根据模糊推理表采用模糊推理得到列车的限速值，智能算法模块将所述列车的限速值作为后续生成智能驾驶曲线的约束条件之一；

所述模糊推理表为：

{RZ，RS，RM，RB}为输入量雨大小的模糊论域，其中，RZ表示无雨，RS表示小雨，RM表示中雨，RB表示大雨；

{FZ，FS，FM，FB}为输入量雾大小的模糊论域，其中，FZ表示无雾，FS表示轻雾，FM表示中雾，FB表示大雾；

{SS，SL，SM，SH，SB}为输出量限速值的模糊论域，其中，SS表示低限速值，SL表示较低限速值，SM表示中等限速值，SH较高限速值，SB表示高限速值。