高速铁路是我国重要的基础设施之一,在国民经济中占有重要地位,而列车运行控制系统是保证列车安全、快速运行的关键,列控系统中用于保障安全的核心是列车自动防护系统(Automatic Train Protection,ATP),ATP通过超速防护实现列车的间隔控制和速度控制,从而保证列车的运行安全。在列车制动过程中,现有的ATP超速防护算法是基于列车自身参数建立模型,但是在实际制动中,由于线路状况不同、天气情况复杂以及自身参数变化等客观情况的影响,基于参数模型的制动控制往往和实际情况存在差异,影响行车安全。因此,运用非参数模型实现更精确地列车制动速度计算,对于列车超速防护算法的研究具有一定的参考意义。本文采用数据驱动方法,将高斯过程回归应用到列车ATP超速防护算法领域,对速度监控曲线中列车制动过程速度的计算与预测进行研究。本文主要工作包括:(1)研究了列车运行控制过程和列车超速防护曲线,分析列车的力学模型,运用两种参数模型方法,主要针对列车进站制动过程进行了仿真研究。(2)从权值空间与函数空间两个角度推导高斯过程回归理论,分析了不同单一核函数的结构与适用的数据类型,研究了不同单一核函数、组合核函数对预测模型的影响,总结了面对不同类型的数据时选择核函数的规律。用基于不同核函数的高斯过程回归模型拟合列车进站速度,通过舒适度对比,将拟合表现最好的组合核函数模型得到的结果视为列车优化制动曲线。比较由高斯过程回归模型得到的优化制动曲线和传统参数模型得到的制动曲线,说明了优化制动曲线更符合列车制动的实际过程,列车优化制动曲线可以像传统ATP防护曲线一样为列车控制提供参考,实现列车制动过程中的速度优化。(3)针对列车当前制动时速度-距离数据不断产生,而标准高斯过程回归方法无法及时将新样本纳入模型的问题,采用迭代高斯过程回归方法进行列车进站制动速度的预测,相较于标准高斯过程回归方法,提高了算法的精度与实时性,能够及时将新样本加入训练模型,提高了模型的可靠度。说明了列车速度预测曲线可以和优化制动曲线相互配合,实现列车速度控制优化。