随着城市轨道交通中能耗问题日益严重,降低轨道交通运行能耗已成为城市可持续发展的追求目标。如今,基于通信的列车控制(CBTC)系统已成为国内外城市轨道交通列车控制系统的首选,列车通过ATO系统追踪目标速度曲线以完成自动驾驶,在运行准点率、安全性及节能方面取得了良好的效果。因此,利用列车节能目标速度曲线以指导列车运行成为降低列车能耗的有效手段之一。在以往的研究中,大多将列车运行控制与列车运行计划优化看作两个独立的过程,但实际上列车的运行控制方案是以计划运行时间为前提进行优化的,二者相互影响。因此,本文旨在研究将列车控制与运行计划相结合的列车节能双层优化方法。由于现代列车自动控制系统(如CBTC系统)在列车运行的过程中会产生与存储大量行车信息,如线路条件(坡度、永久限速)、临时限速和站间运行时间等信息。这些线路因素又时刻影响着列车的驾驶策略,间接地影响列车的节能驾驶。因此,需采用一种可处理上述大量行车约束信息并能计算出优化结果的算法,以得出在线路因素影响下的列车节能驾驶策略。进化算法便是一种成熟且具有高鲁棒性及广泛适应性的全局优化算法,能够有效解决传统优化算法因存在大量的约束数据而无法处理的复杂寻优问题。本文采用优化粒子群算法为核心算法,在粒子群算法的基础上进行优化改进,进一步提升了算法的搜索速度与搜索能力,减少早熟现象的发生。同时,提出列车在起伏坡道和时间约束下的两阶段双层列车节能优化方法,即在获得最优节能目标速度曲线后对时刻表的运行时间再进一步优化,即第一阶段利用优化粒子群算法全面搜索列车最优节能驾驶曲线,在符合运行时间的前提下获得最优运行曲线。第二阶段优化为时刻表运行时间优化,充分利用第一阶段所获得的优化结果信息,生成各区间的能耗-时间曲线,对列车运行时间进一步分配与优化,进而优化列车时刻表。本文选取北京亦庄线的线路数据进行优化与仿真,通过对比可知所得结果较好,在最优驾驶策略的基础上,全局优化方法可降低总体能耗的14.77%。因此,本文采用的全局优化算法对实际线路中列车的节能运行以及时刻表的制定与优化具有较好的节能效果。