列车安全、平稳、高效地自动运行是我国轨道交通发展的重中之重,列车自动运行ATO (Automatic Train Operation)速度曲线的优化则是列车自动运行的有效保障。不同的列车运行曲线,对应的速度防护指标、准时性指标、精确停车指标、舒适性指标和能耗指标也不尽相同,所以在列车运行自动控制系统中非常有必要对ATO速度曲线进行优化。当前,为了提高列车驾驶效率和改善列车自动驾驶策略,在列车运行安全的前提下提高列车停车精度、列车节能性和乘客舒适性,各国企业和学者纷纷开始研究ATO系统。但是很难找到精确的模型和最优速度曲线来描述列车的运行过程,因为列车运行过程是多目标的、复杂的、非线性的。而最优化理论和智能算法的快速发展却为ATO速度曲线的优化研究提供了有力支持。论文主要针对ATO速度曲线的优化问题,首先分析了列车运行控制策略和优化原则,结合列车自动运行曲线的性能指标的评价体系,建立评价指标的模型；其次采用层次分析法AHP (Analytic Hierarchy Process)建立ATO系统的层次结构,通过将熵(Entropy)权法确定客观权重和层次分析法确定主观权重相结合的方法,得到基于AHP-Entropy法确定的各性能指标权重分配；再次,通过对线路和列车参数的描述,在建立的评价指标模型的基础上,研究设计了基于遗传算法的ATO速度曲线优化算法,对ATO控制策略和速度曲线进行了优化；最后,对ATO速度曲线的优化进行了仿真实现,使列车能够自动给出最适合给定运行环境和运行线路的最优的速度曲线,保证列车安全平稳运行的同时,满足准时性指标、停车精度指标、节能性指标和舒适性指标。通过实验测试和结果分析验证了该思路的正确性和优越性。