城市轨道交通作为低污染、低排放、高运能的代表交通运输方式,已成为解决城市交通问题的优先选择。然而,轨道交通在快速发展的同时,也面临着越来越严峻的挑战。一方面,城市轨道交通在满足城市居民出行需求的过程中发挥着越来越大的作用,极大地缓解了城市的交通压力。另一方面,轨道交通能源消耗总量逐年攀升,能耗快速增长成为亟待解决的重要问题。为落实交通系统的节能减排工作,交通运输主管部门需要设定科学合理的节能减排目标,这项任务需要对城市轨道交通系统的能耗水平进行准确的估算。全面考虑不同线路的运营情况,而分析线路运营特征影响下的轨道交通系统能耗水平,是准确估算线路牵引能耗和车站动力能耗的关键。本文依据北京市地铁运营及能耗数据,考虑不同线路类型下的运营特征、季节和温度等外部影响因素,建立了轨道交通系统的能耗估算模型。该模型能准确估算不同线路类型的轨道交通系统能耗,可为交通主管部门的节能减排目标的制定提供可靠的技术支持。研究具体成果如下：(1)通过对历史统计数据和已有的研究成果进行归纳和总结,分析了轨道交通的能耗构成,并进一步分析了牵引能耗和车站能耗的影响因素,总结出在能耗模型的构建过程中应该考虑线路运营指标及季节和温度等因素。(2)考虑到牵引能耗受线路敷设方式的影响,将地铁线路分为地下线和地上线。基于列车运行动力学分析,分别建立了地下线和地上线的基于动力学方程的非线性回归能耗估算模型,并以北京地铁为例,结合线路运营及能耗统计数据,对模型进行了标定。并对比了多元线性回归模型和BP神经网络模型,发现基于动力学方程的非线性回归模型在预测精度、拟合优度及稳定性等方面表现较好。此外,该模型还可将列车运行速度考虑在内,使得模型对影响因素的解释更加全面。(3)考虑到车站敷设方式对车站能耗的影响,本文把车站分为两类：地下站和地上站。并分别构建了车站能耗的多元线性回归模型和BP神经网络模型。通过对两个模型的预测精度及拟合优度的对比分析,BP神经网络模型预测精度较好。(4)对既有线,采用ARIMA乘积季节模型以及Winters加法模型进行相关运营指标的预测,并在此基础上预测其运营能耗。对新线,采用聚类的方法,根据相似性建立新线与既有线之间的定量关系,预测得出新线的运营指标值,进而得到新线的运营能耗。通过两者加和最终得到全路网总的运营能耗预测值,并与真实值进行对比,从而验证了牵引能耗和车站能耗测算模型的有效性。