1.一种基于分布式的地铁列车虚拟编队运行控制方法，其特征在于，包括如下步骤：
S1：将地铁列车追踪速度运行曲线，列车限速信息，列车摩擦阻力系数作为控制系统输入；
S2：在每个采样控制周期，监测并得到各列车的实时速度和位置信息；
S3：根据各列车实时速度和位置信息，设计基于分布式的地铁列车虚拟编队运行控制方法，基于序列二次规划算法计算各列车的控制输出，并对列车进行控制，地铁列车虚拟编队运行控制方法步骤包括：
S31：建立地铁列车动态运行模型；
S32：设计预测控制算法，设定预测控制时域，在设定预测控制时域内，根据地铁列车动态运行模型、控制系统约束和控制目标，以各地铁列车的位置及运行速度为状态变量，以各编队列车的控制力为控制变量，分别对编队内领导列车和跟随列车形成优化控制问题，实现编队内列车的分布式控制；
S33：基于序列二次规划算法，求解各列车优化控制问题，得出编队内每个列车控制力，并将其作用于列车运行控制系统；
S4：重复步骤S2‑S3，直到控制过程结束；
所述步骤S31包括如下步骤：
S311：考虑虚拟编队由n辆地铁列车组成；设定Mi为地铁列车i的质量，si为地铁列车i的位置，vi为地铁列车i的速度；地铁列车运行控制模型建立如下：
i
其中,i＝1时，表示领导列车；i＝2,3,...n时，表示跟随列车；u为地铁列车i的控制力，i i i i
α、β 、γ 为地铁列车i的运行基本阻力系数；F为地铁列车i的附加阻力，附加阻力的计算公式如下：
其中，fr为坡度阻力，fc为弯道阻力，ft为隧道空气阻力，κ为轨道坡度的千分数，τ为弯道曲率半径，Ls为隧道长度；κ和r的值取决于列车运行的线路条件；
S312：对于地铁列车运行控制系统，列车控制是在采样周期内进行反馈信息采样，并进行控制；采样周期Δt选取0.1秒；采用地铁列车运动控制的离散动态模型进行控制设计；在时间点k，地铁列车运行控制模型的离散动态形式建立如下：
i i i i
其中，s(k)、v (k)、u (k)分别为地铁列车i在时间点k的位置、速度及控制力；s (k+1)和i
v(k+1)表示一时间点k时的变量值动态更新得到的列车i在时间点k+1的位置及速度；
i i i T i
令x (k)＝(s (k)v (k)) 为状态变量，上标T表示矩阵转置，u (k)为控制变量，得到式(4)所示的动态方程：
i i i i
x(k+1)＝x(k)+Δtf'(x(k),u(k))i＝1,2,...,n    (4)
其中，
表示地铁列车i在时间点k的状态变
i
量x(k)对时间t的导数；
所述步骤S32包括如下步骤：
S321：控制系统约束；
由于领导列车和跟随列车优化控制需达到的目标不相同，分别考虑领导列车和跟随列车的限制约束；
S322：控制目标函数；
S323：优化控制模型；
基于模型预测控制算法框架，在当前采样点t，给定预测控制时域Tp，对预测时域内各时间点k进行控制力 的优化控制；且当前采样点t的初始状态变量输入值为：
其中， 为当前采样点t监测得到的地铁列车i的实际状态；
通过考虑上述控制目标函数(15)(16)、动态方程(4)、领导列车的控制系统约束(5)‑(8)、跟随列车的控制系统约束(9)‑(14)以及初始状态变量输入值(17)，将地铁列车运行控制问题转换为最优控制问题；
所述步骤S321包括如下步骤：
S3211：领导列车的控制系统约束
领导列车的控制系统约束包括：领导列车的运行限制速度约束、领导列车的控制力约束，领导列车的运行追踪速度约束，领导列车运行平稳约束；
所述领导列车的运行限制速度约束为：
1
其中，v (k)表示领导列车在时间点k的运行速度， 为领导列车在时间点k时所在位置的运行限制速度，上标1表示领导列车；
所述领导列车的控制力约束为：
1
其中，u(k)表示领导列车在时间点k的控制输入， 为领导列车的最大制动力， 为领导列车的最大牵引动力；
所述领导列车的运行追踪速度约束为：
其中， 为根据列车追踪速度曲线得到的预测时域终点k+Tp时领导列车所在位置的追踪速度；
所述领导列车运行平稳约束为：
其中， 为单位时间领导列车控制力最大减小值， 为单位时间领导列车控制力最大增加值；
式(5)‑(8)合称为领导列车的控制系统约束；
S3212：跟随列车的控制系统约束
跟随列车的控制系统约束包括：跟随列车的运行限制速度约束、跟随列车的控制力约束，跟随列车的运行追踪速度约束，跟随列车运行平稳约束、地铁列车间的安全距离约束，地铁列车间安全距离的终端约束；
所述跟随列车的运行限制速度约束为：
i
其中，v (k)表示跟随列车i在时间点k的运行速度， 为跟随列车i在时间点k时所处位置的运行限制速度，上标i表示跟随列车，i＝2,3,...n；
所述跟随列车的控制力约束为：
i
其中，u (k)表示跟随列车i在时间点k的控制输入， 为跟随列车i的最大制动动力，为跟随列车i的最大牵引动力；
所述跟随列车的运行追踪速度约束为：
其中， 为根据追踪速度曲线所得到的预测时域终点k+Tp时跟随列车i所在位置的追踪速度；
所述跟随列车运行平稳约束为：
其中， 为单位时间跟随列车i控制力最大减小值， 为单位时间跟随列车i控制力最大增加值；
所述地铁列车间的安全距离约束为：
其中，d0为相邻列地铁车间的最小安全距离， 为预测得到的列车i的前行列车i‑1i‑1
在时间点k时的位置，L 为前行列车i‑1的长度；
所述地铁列车间安全距离的终端约束为：
其中， 为预测得到的前行列车i‑1在预测时域终点k+Tp时的运行速度，该约束i‑1 i
表示当前行列车以制动加速度a 进行制动，后行列车以制动加速度a 进行制动时，制动过程中的任何时刻相邻列车间的距离都能满足安全距离约束，进一步保证了列车运行过程的安全性；
式(9)‑(14)合称为跟随列车的控制系统约束；
所述步骤S322包括如下步骤：
S3221：领导列车的控制目标函数
对于地铁列车虚拟编队运行控制系统，领导列车的优化控制目标为在满足列车的约束条件下，尽可能提高领导列车的运行速度，从而提高发车频率并改善系统运行效率；基于此，在时间点k和给定预测控制时域Tp，考虑领导列车的控制目标函数如下：
其中，vref为领导列车最大运行速度的参考值；
S3222：跟随列车的控制目标函数
跟随列车的优化控制目标为在满足列车的约束条件下，尽可能减小相邻列车间的距离，并趋向使后行列车的运行速度与其前行列车保持一致；基于此，在采样点k和给定预测控制时域Tp，考虑跟随列车的控制目标函数如下：
其中，dref为相邻列车间距的参考值， 为列车i与前行列车i‑1间速度偏差的权重值，为列车i与前行列车i‑1间距离偏差的权重值；第一项 表示列车i与
前行列车i‑1间速度的偏差量，第二项 表示列车i与前行列
车i‑1的距离与参考距离的偏差量；选择不同的常数 和 来实现速度和距离目标之间的权衡；
所述步骤S323包括如下步骤：
S3231：领导列车的优化控制模型
领导列车的优化控制模型如式(18)所示：
其中， 分别表示在采样点t预测得到的时间点k时领导列车的状态
变量、控制输入和运行速度； 表示在采样点t预测得到的在时间点k时领导列车所在位置对应的运行限制速度； 和 表示在采样点t预测得到的预测时域终点k+Tp时领导列车所在位置的速度及其追踪速度； 表示在采样点t由动态更新方程得到时间点k+1时领导列车的控制力；
S3232：跟随列车的优化控制模型
跟随列车i的优化控制模型如式(19)所示：
其中， 表示在采样点t预测得到的时间点k时跟随列车i的状态变量及决策变量； 表示在采样点t预测得到的时间点k时跟随列车i所在位置对应的运行限制速度； 分别表示在采样点t预测得到的预测时域终点k+Tp时列车i所在位
置对应的运行速度及其追踪速度； 表示在采样点t由动态更新方程得到时间点k+1时跟随列车i的控制力； 表示在采样点t预测得到的列车i的前行列车i‑1在时间点k时的运行速度及位置。
2.根据权利要求1所述的一种基于分布式的地铁列车虚拟编队运行控制方法，其特征在于：领导列车根据信号控制中心提供的信息进行优化控制，跟随列车通过车车通信技术接收前车距离、速度以及制动需求信息对该车进行最优控制；
采用序列二次规划算法对每个预测时域进行优化求解得到各地铁列车的控制力，并将其作用于列车运行控制系统，以完成整个时域内各列车的优化控制。
3.根据权利要求1所述的一种基于分布式的地铁列车虚拟编队运行控制方法，其特征在于，步骤S33具体包括如下步骤：
步骤S331在采样点t，测量获得各地铁列车实际状态
步骤S332在预测控制时域Tp中，序列二次规划算法的迭代优化过程如下所示：
1)设置迭代次数p＝1，分别构建领导列车及跟随列车优化控制模型的拉格朗日函数，如式(20)所示；给定初始拉格朗日乘子 和 设定初始海塞矩阵 为单位矩阵；
其中： 和 分别为地铁列车i非线性优化问题第r个等式约束和第s个不等式约束的拉格朗日乘子； 为等式约束， 为不等式约束，a为等式约束的个数，b
为不等式约束的个数，f(x,u)为目标函数；
2)拉格朗日函数的近似KKT条件如式(21)所示，计算
其中， 和 分别为第p次迭代地铁列车i的状态变量
及控制变量； 为第p次迭代地铁列车i拉格朗日函数的海塞矩阵， 为第p次迭代地铁列车i目标函数 的一阶梯度，为第p次迭代地铁列车i优化问题等式约束
的一阶梯度， 为第p次迭代地铁列车i优化问题不等式约束 的一阶梯
度，上标T表示矩阵转置；
3)得到关于 的二次规划问题，求解并更新 和 二次规划问题如式
(22)所示：
4)通过线搜索更新 并更新状态变量及控制变量
其中，α为线搜索步长， 为在第p次迭代进行线搜
索后，更新得到的地铁列车i的变量值在第p+1次迭代和在第p次迭代的变化值；
5)判断终止条件：设置收敛容差ε，当 时，终止迭代；若不满足条件，转至步骤6；
6)采用BFGS法更新
7)令p＝p+1,,并重复(2)‑(4)，直到满足终止条件，终止迭代；
步骤S333将计算得到的控制力 作用于各地铁列车对整个列车进行控制；
步骤S334对于每个地铁列车i，根据下一采样点t+1的实际状态，重复步骤S331‑S333，直到控制过程结束。