随着我国高速铁路新建改建车站的不断增多与调度集中(Centralized Traffic Control,CTC)系统在铁路上的广泛应用,车站通过能力与车站车务人员的业务能力对高速铁路车站的作业效率与行车安全产生着愈发重要的影响,正确评估车站的通过能力和提升车站车务人员的业务能力对于提升铁路运能和运输管理效率具有重要的现实意义。同时,云平台(Cloud Platform)、大数据(Big Data)等新技术的发展应用也为提升铁路运输效率和能力提供了新的研究方向。为提升高速铁路车站车务人员的业务能力与完成高速铁路车站通过能力的自动分析,实现铁路车站车务的“非接触式”培训,本文以高速铁路车站车务仿真与能力分析云平台为研究对象,在保证操作方式、显示界面与联锁关系与现场实际的系统一致的基础上,实现带有车站通过能力分析与设备操作时间分析功能的云平台车务仿真系统搭建。本文的主要工作包括:(1)研究了调度集中、车站通过能力以及云平台和聚类分析算法相关理论。首先介绍了CTC系统的体系结构、控制模式和主要功能,接着分析了车站通过能力的影响因素并介绍了车站通过能力的计算方法、云平台关键技术和大数据的挖掘聚类算法;最后论证了车务仿真系统结合云平台与车站通过能力分析计算的可行性,并以此为基础对系统总体结构和云平台通信基础进行了设计。(2)设计了一种新型的基于车务仿真模型的车站通过能力计算方法。设计了道岔自动分组算法,实现了道岔的自动分组功能;给出了道岔组的非空闲时间的计算方法,设计了列车运行计划导入功能,并在此基础上完成了车站通过能力自动分析仿真模型的建立。(3)提出了一种改进的模糊矩阵聚类分析算法并以此为基础完成了车站设备操作时间聚类分析功能的设计。对改进的模糊矩阵聚类分析算法和K-means聚类分析算法进行算例模拟,并从聚类效率、聚类速度和聚类误差方面对聚类结果进行对比分析,证明了本文提出的聚类算法在聚类效率和紧凑度方面具有一定的优越性。(4)完成了云平台系统的实例研究。介绍了系统的初始界面和显示风格,并对列车运行计划导入功能、道岔自动分组功能、车站通过能力分析功能、车站设备操作时间评价功能以及车站设备操作时间聚类分析功能进行了实现。