1.一种地铁列车冲突解脱的规划方法，其特征在于包括如下步骤：

步骤A、通过地铁交通控制中心获得其在每一采样时刻t推测的各地铁列车在未来时段内的列车轨迹；

步骤B、基于步骤A得到的在每一采样时刻t推测到的各地铁列车在未来时段内的列车轨迹，建立从列车的连续动态到离散冲突逻辑的观测器，将地铁交通系统的连续动态映射为离散观测值表达的冲突状态；当系统有可能违反交通管制规则时，对地铁交通混杂系统的混杂动态行为实施监控，为地铁交通控制中心提供及时的告警信息；

步骤C、当告警信息出现时，在满足列车物理性能、区域容流约束和轨道交通调度规则的前提下，通过设定优化指标函数，采用自适应控制理论方法对列车运行轨迹进行鲁棒双层规划，并将规划结果传输给各列车，各列车接收并执行列车避撞指令直至各列车均到达其解脱终点；其具体过程如下：步骤C1、基于步骤B的分析结果，确定具体所采取的交通流调控措施，包括调整列车的运行速度和/或调整列车在站时间两类措施，以及采用以上调控措施的具体地点和时机；

步骤C2、设定列车避撞规划的终止参考点位置P、避撞策略控制时域Θ、轨迹预测时域γ；

步骤C3、运行冲突解脱过程建模，将轨道交通网络上列车间的运行冲突解脱视为基于宏观和微观层面的内外双重规划问题，其中 表示外层规划模型，即轨道交通路网上列车流流量-密度配置问题， 表示内层规划模型，即轨道交通路段上单列车的状态调整问题；F、x1和u1分别是外层规划问题的目标函数、状态向量和决策向量，G(x1，u1)≤0是外层规划的约束条件，f、x2和u2分别是内层规划问题的目标函数、状态向量和决策向量，g(x2，u2)≤0是内层规划的约束条件，将宏观层面的外层规划结果作为微观层面内层规划的参考输入；

步骤C4、运行冲突解脱变量约束建模，构建包含可调列车数量a、列车速度ω和列车在站时间γ等变量在内的宏观和微观约束条件：其中t时刻需实施冲突解脱的路段k的变量约束可描述为：ak(t)≤aM、ωk(t)≤ωM、γk(t)≤γM，aM、ωM、γM分别为最大可调列车数量、最大列车运行速度和最长列车在站时间，此类解脱变量会受到交通流分布状态、列车物理性能和安全间隔等方面的约束；

步骤C5、多目标鲁棒最优路网流量配置方案求解：基于合作式避撞轨迹规划思想，针对不同的性能指标，通过选择不同的冲突解脱目标函数，在交通流运行宏观层面求解基于欧拉网络模型的多目标交通流最佳流量配置方案且各控制路段在滚动规划间隔内仅实施其第一个优化控制策略；

步骤C6、多目标鲁棒最优路段列车运行状态调整：依据各路段或区域流量配置结果，基于列车运行混杂演化模型和拉格朗日规划模型获取最优的单列车控制量，生成最优的单列车运行轨迹且各调控列车在滚动规划间隔内仅实施其第一个优化控制策略；

步骤C7、各列车接收并执行列车避撞指令；

步骤C8、在下一采样时刻，重复步骤C5至C7直至各列车均到达其解脱终点。

2.根据权利要求1所述的地铁列车冲突解脱的规划方法，其特征在于：步骤B的具体实施过程如下：步骤B1、构造基于管制规则的冲突超曲面函数集：建立超曲面函数集用以反映系统的冲突状况，其中，冲突超曲面中与单一列车相关的连续函数hI为第I型超曲面，与两列车相关的连续函数hII为第II型超曲面；

步骤B2、建立由列车连续状态至离散冲突状态的观测器，构建列车在交通路网内运行时需满足的安全规则集dij(t)≥dmin，其中dij(t)表示列车i和列车j在t时刻的实际间隔，dmin表示列车间的最小安全间隔；

步骤B3、基于人-机系统理论和复杂系统递阶控制原理，根据列车运行模式，构建人在环路的列车实时监控机制，保证系统的运行处于安全可达集内，设计从冲突到冲突解脱手段的离散监控器，当观测器的离散观测向量表明安全规则集会被违反时，立刻发出相应的告警信息。

3.根据权利要求1所述的地铁列车冲突解脱的规划方法，其特征在于：步骤C2中，终止参考点位置P为列车的下一个停站站点。

4.根据权利要求3所述的地铁列车冲突解脱的规划方法，其特征在于：步骤C2中，参数Θ的值为300秒。

5.根据权利要求4所述的地铁列车冲突解脱的规划方法，其特征在于：步骤C2中，γ的值为300秒。

6.根据权利要求1所述的地铁列车冲突解脱的规划方法，其特征在于：步骤C5的具体过程如下：令其中 表示t时刻列车i当前所在位置和下一站点间的距离的平方，Pi(t)＝(xit，yit)表示t时刻列车i的二维坐标值， 表示列车i下一停靠站点的二维坐标值，那么t时刻列车i的优先级指数可设定为：其中nt表示t时刻路段上存在冲突的列车数目，由优先级指数的含义可知，列车距离下一站点越近，其优先级越高；

设定优化指标

其中i∈I(t)表示列车代码且I(t)＝{1，2，...，nt}，Pi(t+sΔt)表示列车在时刻(t+sΔt)的位置向量，∏表示控制时段，即从当前时刻起未来轨迹规划的时间长度，ui表示待优化的列车i的最优控制序列，Qit为正定对角矩阵，其对角元素为列车i在t时刻的优先级指数λit，并且