企业官网建设流程全解析

之前在一个铁路场景仿真项目里，需要模拟三台电力机车在高原单线铁路上各自牵引列车运行。最开始的版本只做了平直道匀速逻辑，换到带大坡道、隧道和限速区间的高原线路后，列车频繁出现爬坡速度掉零、区间占用判断错乱、对向列车在车站无法合理会让等问题，网上资料也比较零散。这篇文章就围绕“电力机车牵引列车通过高原单线铁路”这个场景，整理一套从线路建模、牵引计算到单线区间占用的闭环仿真方案，包含完整的 Python 实现和排错思路，做铁路场景仿真、交通运输课程设计或者模拟火车类项目开发的同学都可以直接参考。

1. 背景与核心概念

1.1 高原铁路与单线铁路的特点

铁路线路按照正线数目可以分为单线铁路、双线铁路和多线铁路。单线铁路是指区间只有一条正线的铁路，对向行驶的列车不能在区间内交会，必须在设有配线的车站进行会让。我国西南、西北很多山区和高原铁路采用单线形式，一方面是因为地形条件限制了路基宽度和车站选址，另一方面是初期运量未达到双线标准时，单线加预留双线是更经济的方案。

高原铁路和普通山区铁路相比，有几个非常典型的特点：

• 海拔高，空气密度下降，内燃机功率折减明显，所以高原铁路普遍倾向于电力牵引。
• 线路纵断面复杂，长大坡道多，部分区段坡度达到 20‰ 甚至 30‰。
• 隧道占比高，隧道内附加阻力显著，同时隧道内散热条件差，对列车制动和通风要求更高。
• 冬季冰雪覆盖，轨面粘着系数下降，牵引力发挥受限。

在这个背景下，电力机车牵引列车的运行计算就不能简单套用平直道的匀速模型，必须把坡道附加阻力、隧道附加阻力、基本阻力、限速和车站会让逻辑一起纳入仿真。

1.2 电力机车牵引列车的基本过程

电力机车通过受电弓从接触网获取电能，经过牵引变流器驱动牵引电机，再通过齿轮传动驱动轮对转动。轮轨之间的粘着产生牵引力，牵引列车克服各种阻力向前运动。

列车的纵向运动方程可以简化表示为：

[ F - R = (1 + \gamma) \cdot m \cdot a ]

其中：

• (F) 是机车输出的牵引力（N）；
• (R) 是列车运行总阻力（N）；
• (\gamma) 是回转质量系数，通常取 0.06 到 0.10；
• (m) 是列车总质量（kg）；
• (a) 是列车加速度（m/s²）。

从这个公式可以看出，同样的牵引力下，列车质量越大、线路阻力越大，加速度就越小。当线路阻力等于甚至大于机车最大牵引力时，列车就无法继续加速，严重时速度会持续下降，直到停在坡道上。

1.3 为什么需要做列车运行仿真

列车运行仿真在实际工程和教学研究中用途很广：

• 设计阶段验证线路纵断面是否合理，比如某个长大坡道是否会导致列车速度过低。
• 运行阶段制定列车操纵策略，比如何时满功率牵引、何时惰行、何时制动。
• 信号系统设计时验证闭塞分区划分是否满足追踪间隔要求。
• 单线铁路调度模拟时，验证车站会让方案是否可行、列车是否会在区间内冲突。

用代码做仿真，最大的好处是可以快速调整线路参数、机车参数和列车编组，几秒钟内看到运行结果，不需要在真实线路上做风险很高的试验。本文实现的仿真虽然做了数据简化，但完整保留了牵引计算、区间占用、会让逻辑这几个核心环节，可以直接作为教学项目或进一步开发的基础。

2. 环境准备与版本说明

2.1 运行环境

本文示例使用 Python 实现，依赖库较少，只需要以下几个基础库：

版本方面，本文示例在 Python 3.9 及以上版本验证通过，matplotlib 使用 3.x 版本。如果你的环境版本不同，问题不大，本示例没有使用某个版本的唯一特性，核心逻辑都是通用的。建议在项目目录下创建一个独立虚拟环境，避免和系统 Python 环境冲突：

python -m venv venv source venv/bin/activate # Windows 下使用 venv\Scripts\activate pip install numpy matplotlib

2.2 版本与参数说明的边界

必须说明的是，真实的电力机车牵引计算需要用到机车出厂牵引特性曲线、电制动特性曲线、列车编组质量、轮径、传动比、粘着限制等一系列参数，不同车型差异很大。本文示例使用教学简化模型，牵引力按照“恒力启动 + 恒功率运行”两段式近似，制动力按照恒定最大减速度近似。

这种简化在课程设计、方案预研层面完全够用。如果要做实际的列车运行图编制或线路能力计算，需要替换为真实参数，这个会在后文“最佳实践与工程建议”中单独说明。

2.3 示例项目结构

本文代码建议按照下面的目录结构组织：

train_simulation/ ├── requirements.txt ├── data/ │ ├── route_kalang.csv # 线路纵断面数据 │ └── trains.json # 列车编组与机车参数 ├── train_model.py # 列车模型与阻力计算 ├── route_model.py # 线路模型与区间占用 ├── simulation.py # 主仿真循环 └── result/ └── curves.png # 输出可视化曲线

如果只是跑通示例，将代码放在同一个.py文件里也可以。下面的实战部分为了便于阅读，按模块拆开讲解。

3. 核心原理拆解

3.1 列车运行阻力计算

列车运行阻力是仿真中最核心的计算模块。通常分为基本阻力和附加阻力两大类。

基本阻力包括轴承摩擦阻力、滚动阻力、轮轨滑动阻力、冲击和振动阻力、空气阻力等，经验公式常用下面的形式（单位 N/kN）：

[ w_0 = a + b \cdot v + c \cdot v^2 ]

其中 (v) 是列车速度（km/h），(a)、(b)、(c) 是与车辆类型有关的经验系数。我国常用货运列车的单位基本阻力公式为：

[ w_0 = 0.92 + 0.0048 \cdot v + 0.000125 \cdot v^2 ]

客运列车会略有差异，但形式相同。

附加阻力主要包括坡道附加阻力、曲线附加阻力和隧道附加阻力。其中坡道附加阻力在高原铁路中影响最大。工程上通常用坡度千分数 (i) 来表示坡道附加阻力，单位阻力值近似等于：

[ w_i = i ]

也就是说，列车在 20‰ 的上坡道上，每千牛重力需要额外承担约 20 牛顿的坡道阻力。这个换算关系非常直观，也是做牵引计算最常用的经验简化。

隧道附加阻力与隧道长度、列车长度、隧道净空面积、列车速度等因素有关，近似计算时可以按隧道长度折算为等效坡道阻力。本文示例中用简化方案：隧道区段单位阻力额外增加 0.1 N/kN，数值上相当于 0.1‰ 的附加坡度。

总阻力计算时，需要把它们换算为绝对阻力（单位 N）：

[ R = \frac{m \cdot g}{1000} \cdot (w_0 + w_i + w_r + w_t) ]

其中 (m) 是列车总质量（kg），(g) 是重力加速度（9.81 m/s²），(w_0) 是单位基本阻力（N/kN），(w_i) 是单位坡道阻力（N/kN），(w_r) 和 (w_t) 分别是曲线和隧道附加阻力。

3.2 电力机车牵引力特性简化

真实的机车牵引力特性是一条受粘着限制、牵引电机能力和功率限制共同决定的曲线。在低速区，牵引力受粘着限制，基本上是一个恒定值；随着速度升高，牵引电机功率达到额定值后，牵引力按功率/速度关系下降，形成恒功率区。

为了做教学仿真，可以把牵引力简化成两段式：

[ F(v) = \begin{cases} F_{\max}, & v \le v_{base} \ \min\left(F_{\max}, \frac{P_{max} \cdot \eta}{v \cdot 1000 / 3600}\right), & v > v_{base} \end{cases} ]

其中 (v_{base}) 是恒力/恒功率转折速度，(P_{max}) 是机车最大功率（kW），(\eta) 是传动效率。

在仿真循环中，每个时间步都根据当前速度计算当前可用的最大牵引力，再结合司机操纵策略（满功率、部分功率或惰行）确定实际牵引力输出。

3.3 单线铁路区间占用与会让逻辑

单线铁路列车运行与双线最大的区别在于区间不能对向交会。常见的单线行车组织方式是“站间区间闭塞”，即一个区间在同一时刻只允许一列车占用。如果两列对向列车需要交会，必须一列在车站停车等待，另一列通过后再进入区间。

用程序实现时，需要抽象两个对象：

• 车站：具有到发线和信号设备，列车可以在此停车、会让、通过。
• 区间：车站之间的闭塞分区，同一时间最多只能有一列车占用。

例如线路中有 A、B 两个车站，从 A 到 B 的列车和从 B 到 A 的列车不能同时处于 A—B 区间内。如果一列车已经进入区间，则对向列车必须在车站等待，直到区间空闲且对方到达车站后方可发车。

在本文的三列车场景中，三台机车分别牵引三列车在同一单线铁路上运行，但方向不同、出发时间不同，因此需要根据单线闭塞规则决定是否允许列车进入区间。这个过程用事件驱动或时间步长扫描都可以实现，本文的示例采用时间步长扫描，每个时间步检查区间占用状态，逻辑更直观。

4. 完整实战案例：三列车通过喀兰—鲁斯芙娅单线

下面构建一个简化版仿真场景，模拟“拉普兰德”“德克萨斯”“普罗旺斯”三台电力机车牵引各自列车，通过一段包含多个车站和长大坡道的单线高原铁路。

为了规避真实地名和真实机车参数带来的不必要争议，本示例将线路命名为“喀兰—鲁斯芙娅单线”，在仿真数据中以代号表示。机车和列车参数均为教学简化模型，不代指任何真实车型。

4.1 线路数据设计

首先定义线路纵断面数据。用 CSV 表示线路上的离散坡段和特征点，每一行包含里程、坡度、限速、是否为隧道、是否为车站。

# 文件路径：data/route_kalang.csv # 字段说明：pos(里程,m), grade(坡度千分数,上坡为正), speed_limit(限速km/h), tunnel(是否隧道), station(车站名或空) 0,2.0,80,0, 2500,10.0,70,0, 6000,18.0,60,0, 10000,25.0,50,1, 15000,18.0,60,1, 19000,8.0,70,0, 23000,-6.0,80,0, 27000,-12.0,80,0, 31000,0.0,60,鲁斯芙娅

这个 CSV 模拟了一段全长 31 km 的高原单线铁路，中间包含大坡道、隧道区段，末段有车站。实际使用中你可以替换为自己的线路纵断面数据。

读取线路数据的函数如下：

# 文件路径：route_model.py import csv from dataclasses import dataclass @dataclass class RoutePoint: pos: float # 里程，单位 m grade: float # 坡度千分数，上坡为正 speed_limit: float # 限速，单位 km/h tunnel: bool # 是否隧道 station: str = "" # 车站名，空表示非车站 def load_route(csv_path: str): points = [] with open(csv_path, "r", encoding="utf-8") as f: reader = csv.DictReader(f) for row in reader: points.append( RoutePoint( pos=float(row["pos"]), grade=float(row["grade"]), speed_limit=float(row["speed_limit"]), tunnel=row["tunnel"].strip() == "1", station=row["station"].strip(), ) ) return points def get_current_route_info(route: list[RoutePoint], pos: float): """根据列车当前位置返回当前所在坡段的线路参数""" current = route[0] for point in route: if point.pos <= pos: current = point else: break return current

这里需要注意，get_current_route_info假设线路是按里程升序排列的，并且列车位置不会超过最后一个特征点。仿真时如果列车跑出线路终点，应该触发终止条件。

4.2 列车参数与阻力计算

列车参数使用 JSON 文件保存，方便后续扩展为多组列车。

// 文件路径：data/trains.json [ { "name": "Raphael", "train_id": "T001", "locomotive_count": 1, "locomotive_weight_ton": 88, "trailer_count": 18, "trailer_weight_ton": 80, "locomotive_power_kw": 7200, "max_traction_kN": 400, "max_brake_kN": 300, "base_speed_kmh": 40, "efficiency": 0.85, "length_m": 500, "start_pos": 0, "direction": 1, "depart_time": 0, "start_station": "喀兰", "end_station": "鲁斯芙娅" }, { "name": "Teksas", "train_id": "T002", "locomotive_count": 1, "locomotive_weight_ton": 88, "trailer_count": 16, "trailer_weight_ton": 80, "locomotive_power_kw": 6400, "max_traction_kN": 360, "max_brake_kN": 280, "base_speed_kmh": 40, "efficiency": 0.85, "length_m": 460, "start_pos": 31000, "direction": -1, "depart_time": 300, "start_station": "鲁斯芙娅", "end_station": "喀兰" }, { "name": "Provence", "train_id": "T003", "locomotive_count": 1, "locomotive_weight_ton": 80, "trailer_count": 20, "trailer_weight_ton": 75, "locomotive_power_kw": 6800, "max_traction_kN": 380, "max_brake_kN": 290, "base_speed_kmh": 42, "efficiency": 0.85, "length_m": 540, "start_pos": 0, "direction": 1, "depart_time": 600, "start_station": "喀兰", "end_station": "鲁斯芙娅" } ]

其中direction=1表示往里程增大方向运行，direction=-1表示往里程减小方向运行。depart_time表示相对仿真起始时刻的出发时间（秒），用于模拟不同列车的发车时刻。

列车总质量、基本阻力和附加阻力的计算封装为Train类：

# 文件路径：train_model.py import json import math G = 9.81 def unit_basic_resistance(v_kmh: float) -> float: """货运列车单位基本阻力 N/kN""" return 0.92 + 0.0048 * v_kmh + 0.000125 * v_kmh ** 2 class Train: def __init__(self, cfg: dict): self.name = cfg["name"] self.train_id = cfg["train_id"] self.locomotive_count = cfg["locomotive_count"] self.locomotive_weight_ton = cfg["locomotive_weight_ton"] self.trailer_count = cfg["trailer_count"] self.trailer_weight_ton = cfg["trailer_weight_ton"] self.power_kw = cfg["locomotive_power_kw"] self.max_traction_kN = cfg["max_traction_kN"] self.max_brake_kN = cfg["max_brake_kN"] self.base_speed_kmh = cfg["base_speed_kmh"] self.efficiency = cfg["efficiency"] self.length_m = cfg["length_m"] self.start_pos = cfg["start_pos"] self.direction = cfg["direction"] self.depart_time = cfg["depart_time"] self.start_station = cfg["start_station"] self.end_station = cfg["end_station"] self.mass_kg = ( self.locomotive_count * self.locomotive_weight_ton + self.trailer_count * self.trailer_weight_ton ) * 1000 def total_weight_kN(self) -> float: return self.mass_kg * G / 1000.0 def max_traction(self, v_kmh: float) -> float: """根据速度返回当前最大可用牵引力（N）""" f_max = self.max_traction_kN * 1000.0 v_ms = v_kmh / 3.6 if v_kmh <= self.base_speed_kmh: return f_max p_limited = (self.power_kw * 1000.0 * self.efficiency) / v_ms return min(f_max, p_limited) def calc_traction_force(self, v_kmh: float, power_ratio: float) -> float: """根据司机手柄位计算实际牵引力""" return self.max_traction(v_kmh) * power_ratio def calc_brake_force(self, brake_ratio: float) -> float: """根据制动手柄位计算制动力（N）""" return self.max_brake_kN * 1000.0 * brake_ratio def calc_resistance(self, v_kmh: float, grade: float, tunnel: bool) -> float: """计算列车总阻力（N）""" unit_w0 = unit_basic_resistance(v_kmh) unit_wg = grade unit_wt = 0.1 if tunnel else 0.0 total_unit = unit_w0 + unit_wg + unit_wt total_resistance = self.total_weight_kN() * total_unit return total_resistance

牵引力的计算中，恒功率区的功率限制公式要特别注意单位换算。(P = F \cdot v)，速度使用 m/s 时，牵引力单位是 N，功率单位是 W。示例代码中v_ms由v_kmh / 3.6得到，功率power_kw * 1000转为 W，计算得到的力单位就是 N，逻辑上是自洽的。

4.3 单线区间占用与会让逻辑

在只有两个车站的简化线路上，整条线路可以视为一个单线区间。列车发车前必须检查区间是否被占用，到达对方站后释放区间。

为了支持更复杂的多车站场景，这里实现一个简单的LineSection类，记录区间起点、终点和当前占用列车 ID：

# 文件路径：route_model.py class LineSection: def __init__(self, start_pos: float, end_pos: float, name: str): self.start_pos = start_pos self.end_pos = end_pos self.name = name self.occupied_by = None def can_enter(self, train_id: str) -> bool: return self.occupied_by is None or self.occupied_by == train_id def enter(self, train_id: str): if self.occupied_by is not None and self.occupied_by != train_id: raise RuntimeError(f"区间 {self.name} 已被 {self.occupied_by} 占用") self.occupied_by = train_id def release(self, train_id: str): if self.occupied_by == train_id: self.occupied_by = None

在单线双方向运营中，occupied_by不仅用于防止同向列车追尾，也用于防止对向列车进入区间。对向列车到达车站后，如果区间仍被占用，就需要在站内等待。

4.4 主仿真循环

主仿真循环使用固定时间步长dt = 1秒，模拟时长total_time = 1800秒（30分钟）。列车位置速度积分使用简单的欧拉法，虽然精度一般，但教学演示足够。

# 文件路径：simulation.py import json import math import matplotlib.pyplot as plt from route_model import load_route, LineSection, get_current_route_info from train_model import Train DT = 1.0 TOTAL_TIME = 1800 def check_limit(v_kmh: float, limit_kmh: float) -> bool: return v_kmh <= limit_kmh + 0.5 def run_simulation(): route = load_route("data/route_kalang.csv") with open("data/trains.json", "r", encoding="utf-8") as f: train_cfgs = json.load(f) trains = [Train(cfg) for cfg in train_cfgs] section = LineSection(0, 31000, "喀兰—鲁斯芙娅单线") records = {t.train_id: {"pos": [], "speed": [], "time": []} for t in trains} # 状态控制 departed = {t.train_id: False for t in trains} arrived = {t.train_id: False for t in trains} current_pos = {t.train_id: t.start_pos for t in trains} current_speed = {t.train_id: 0.0 for t in trains} for t_sec in range(0, TOTAL_TIME + 1, int(DT)): for train in trains: if arrived[train.train_id]: continue # 发车逻辑：到发车时刻且区间空闲 if not departed[train.train_id]: if t_sec >= train.depart_time and section.can_enter(train.train_id): section.enter(train.train_id) departed[train.train_id] = True else: records[train.train_id]["pos"].append(current_pos[train.train_id]) records[train.train_id]["speed"].append(current_speed[train.train_id]) records[train.train_id]["time"].append(t_sec) continue # 未到达时，列车在区间内移动 if section.occupied_by == train.train_id: info = get_current_route_info(route, current_pos[train.train_id]) v_kmh = current_speed[train.train_id] limit = info.speed_limit # 限速控制：超过限速必须制动 if v_kmh > limit: brake_force = train.calc_brake_force(0.5) total_force = -brake_force elif v_kmh < limit: total_force = train.calc_traction_force(v_kmh, power_ratio=0.8) else: total_force = 0.0 resistance = train.calc_resistance(v_kmh, info.grade, info.tunnel) net_force = total_force - resistance # 考虑回转质量系数 acc = net_force / (train.mass_kg * 1.06) new_speed = v_kmh + acc * DT * 3.6 # 速度不为负 if new_speed < 0: new_speed = 0.0 # 新位置 new_pos = current_pos[train.train_id] + train.direction * new_speed / 3.6 * DT # 到达判断：位置越过终点站 end_pos = 31000 if train.direction == 1 else 0 if (train.direction == 1 and new_pos >= end_pos) or ( train.direction == -1 and new_pos <= end_pos ): new_pos = end_pos section.release(train.train_id) arrived[train.train_id] = True current_pos[train.train_id] = new_pos current_speed[train.train_id] = new_speed records[train.train_id]["pos"].append(current_pos[train.train_id]) records[train.train_id]["speed"].append(current_speed[train.train_id]) records[train.train_id]["time"].append(t_sec) # 绘图 fig, ax = plt.subplots(2, 1, figsize=(10, 8)) for train in trains: rec = records[train.train_id] ax[0].plot(rec["pos"], rec["speed"], label=f"{train.name} {train.train_id}") ax[0].set_xlabel("里程 (m)") ax[0].set_ylabel("速度 (km/h)") ax[0].legend() ax[0].set_title("列车速度-距离曲线") for train in trains: rec = records[train.train_id] # 因为如果列车在区间外等待，位置记录不变，时间线会出现台阶 ax[1].plot(rec["time"], rec["pos"], label=f"{train.name} {train.train_id}") ax[1].set_xlabel("时间 (s)") ax[1].set_ylabel("位置 (m)") ax[1].legend() ax[1].set_title("列车位置-时间曲线") plt.tight_layout() plt.savefig("result/curves.png", dpi=150) plt.close() print("仿真完成，结果已保存到 result/curves.png") if __name__ == "__main__": run_simulation()

这个仿真循环的逻辑分为三部分：

1. 发车阶段，检查发车时刻和区间占用状态。
2. 运行阶段，根据当前线路坡道、限速和速度，计算牵引力、制动力和阻力，再计算加速度和速度变化。
3. 到达阶段，列车位置越过终点站后释放区间。

4.5 运行与验证

在项目目录下执行：

python simulation.py

正常情况下会输出：

仿真完成，结果已保存到 result/curves.png

如果三列车的发车顺序和方向设计合理，可以观察到：

• “拉普兰德”号列车先发车，进入区间后向上坡方向运行，在大坡道段速度下降，但仍能维持运行。
• “德克萨斯”号列车从对向出发，在部分时段会在车站或区间外等待，直到区间空闲。
• “普罗旺斯”号列车在二者之间的时间窗内发车，利用前面的列车已到达、区间释放的空档通行。

通过调整depart_time或机车参数，可以模拟不同的运行场景，观察单线铁路的瓶颈在哪里。

4.6 限速控制与惰行策略的改进

上面代码中的调速策略非常简单：超过限速就施加固定 50% 的制动力，低于限速就满功率牵引，等于限速就惰行。这种策略在实际仿真中会出现速度在限速附近反复震荡的“锯齿”现象，因为制动力和牵引力都不是连续微调的。

更平滑的方式是采用比例控制。设定限速为 (v_{lim})，当前速度为 (v)，当速度接近限速时，将牵引力按比例降低，完整代码如下：

def speed_control_force(self, v_kmh: float, limit: float) -> float: # 比例带 1 km/h if v_kmh <= limit - 1.0: return self.calc_traction_force(v_kmh, power_ratio=0.8) elif v_kmh >= limit: return -self.calc_brake_force(0.3) else: ratio = (limit - v_kmh) / 1.0 return self.calc_traction_force(v_kmh, power_ratio=0.8 * ratio)

这种控制策略对应司机“接近限速时逐渐回手柄”的操纵方式。在课程设计中，可以进一步改进为 PID 控制器，使速度更平滑地贴合限速曲线。

5. 常见问题与排查思路

在编写和运行这个仿真项目的过程中，有几个问题非常典型。下面按问题现象、可能原因、解决思路的顺序整理。

5.1 列车停在坡道上怎么排查

遇到列车停在坡道上，首先要确认是不是线路设计本身的问题。可以采用下面的排查顺序：

1. 在列车速度降为零的位置，读取当前坡度值和线路限速。
2. 用公式计算该坡道上列车需要的总单位阻力 ((w_0 + w_i))。
3. 计算机车在该速度下能提供的最大单位牵引力 (f_{max} = F_{max} / (m \cdot g / 1000))。
4. 如果 (f_{max} < w_0 + w_i)，说明列车无法在该坡道上稳定运行，需要调整编组、增加补机或减小坡度。

5.2 单线会让逻辑的边界条件

一个容易忽略的边界是：列车在区间内尚未到达终点站时，对向列车是否可以进入区间等待？从真实信号系统角度，不行。但在仿真代码里，如果使用“出发站 → 到达站”这种粗粒度的区间占用，可能出现两列车在车站两端同时等待、区间空闲但谁也无法先发车的死锁。

一种稳妥的简化方法是：在仿真开始前给定发车顺序，或设置优先权。例如设定上行列车优先级高于下行列车，冲突时下行列车必须等待。实际工程中，车站值班员同样按照列车运行图规定的会让方案指挥行车，不会出现两列对向列车同时申请进入同一个区间的情况。

6. 最佳实践与工程建议

6.1 线路数据与程序分离

在仿真项目中，线路数据、列车参数应该以外部文件形式存在，不要写死在代码里。原因有三点：

• 便于批量替换不同线路和车型做对比实验。
• 避免改动数据时误改逻辑代码。
• 后续可以对接 Excel 或数据库中的实际线路纵断面数据。

本文示例中使用了CSV和JSON两种格式，实际项目中也可以统一使用数据库或配置文件管理。

6.2 参数标定不能靠拍脑袋

仿真的可信度完全取决于参数。即使做教学项目，参数也应有依据：

• 列车质量可以从实际编组和车辆自重估算。
• 机车功率和牵引力可以从公开的产品手册或论文中获得。
• 阻力公式优先选用《列车牵引计算规程》或相关教材中的经验公式。

如果参数来源存疑，建议在代码注释中标注参数用途和参考来源，方便他人复核。

6.3 安全余量的考虑

真实列车运行中，不会让列车恰好以限速值贴着线路运行，而是会留出 3～5 km/h 的安全余量。仿真代码中，将限速判断改为v_kmh <= limit - 3可以模拟这种安全策略。

同样，在坡道起动校核时，应保留 20% 的牵引力余量，避免因轨面潮湿、粘着下降导致坡停。

6.4 单线铁路仿真的进阶方向

当前示例只是单线铁路列车运行仿真的最小闭环。进一步扩展的方向包括：

• 多车站、多区间的自动闭塞逻辑。
• 列车运行图的编制与冲突检测。
• 车站到发线占用管理。
• 结合真实线路纵断面和 GIS 数据。
• 使用遗传算法或强化学习优化列车操纵策略。

其中“多车站自动闭塞”是最值得优先做的方向。把LineSection从单一区间扩展为多个相邻区间，每列车进入下一个区间前检查该区间是否空闲，就可以模拟更真实的追踪运行。

7. 总结与后续建议

本文围绕电力机车牵引列车通过高原单线铁路的场景，完整实现了从线路建模、阻力计算、牵引力计算到单线区间占用判断的全流程仿真。核心内容包括三部分：

• 列车纵向运动方程和阻力计算原理，明确了坡道在高原铁路中的决定性影响。
• 电力机车牵引力的两段式简化模型，区分了恒力区与恒功率区。
• 单线铁路的区间占用与会让逻辑，实现了多列车在同一单线区间内安全运行的基本约束。

在此基础上，你可以继续补充更精细的牵引特性曲线、车站到发线管理、运行图冲突检测等内容。建议先把本文的代码跑通，再逐步替换线路数据、调整列车参数，观察不同坡度、不同编组对运行时分的影响。动手调参和画图是理解列车牵引计算最快的路径，如果过程中遇到新的问题，欢迎在评论区一起讨论。