列车自动驾驶技术（Automatic Train Operation,ATO）是构成中国高速铁路智能化发展极为关键的一部分,它可以大大减少司机的工作量,减轻司机的工作强度,提高高速铁路运输的准点率,同时可降低电力资源的消耗。ATO车载设备是生成ATO目标速度曲线的关键设备,列车ATO目标速度曲线主要依靠车载设备对列车多目标优化方程进行求解并生成。在我国高速铁路自动驾驶系统中,车载ATO模块是基于列车防护系统（Automatic Train Protection,ATP）的约束下工作的,本研究通过建立列车运动学模型,得到列车多目标优化方程,对中国列车控制系统3级（Chinese Train Control System3,CTCS-3）条件下不同的运行场景进行分析,利用改进的萤火虫算法（Firefly Algorithm,FA）对多目标方程进行求解,解决ATO目标速度曲线通用性问题。主要研究内容如下:首先,对CTCS-3级、CTCS-2级列车运行控制系统及ATO系统结构进行分析,了解主要设备的工作原理;采用均质棒模型建立列车动力学模型,分析列车运动状态,建立工况转换关系,通过相对应的关系得到列车多目标优化方程。根据建立好的模型推导出牵引计算公式完成列车运行能耗、运行时间及相关的参数计算。其次,对CTCS-3+ATO及CTCS-2+ATO运行场景进行分析总结,介绍各场景下对应的技术指标及行车策略,对各个运行场景进行说明总结,并进行嵌套处理,考虑后续ATO多目标优化曲线的通用性问题。然后,介绍萤火虫算法的基本原理,分析萤火虫算法的优缺点,根据实际问题对萤火虫算法进行改进,并验证改进后萤火虫算法的优化性能。将改进后萤火虫算法与其他优秀算法进行比较分析,验证改进后的萤火虫算法的优越性。设计分层思想的ATO运行曲线优化算法,底层算法用于列车运行时间、运行舒适度及列车运行能耗的优化,在此基础上利用顶层算法实时调整目标速度曲线,引入“时间窗”的概念,使列车运行过程中可以实时调整当前运行工况以达到运行目标速度曲线最优的目的,得到符合实际运行需求的列车目标速度曲线。最后,仿真验证不同运行场景下生成的多目标优化曲线,通过对比不同场景下运行时间及运行能耗等参数,得出结论,验证改进的萤火虫算法的有效性并解决高速铁路自动驾驶技术的通用性问题,为后续ATO研究打下理论与仿真基础。