基于通信的列车控制（Communication-based Train Control,CBTC）技术的广泛应用提升了城市轨道交通的线路运输效率。为了缓解不断增长的客流压力,CBTC系统的发车间隔已经逼近了设计极限。城市轨道交通客流分布的不均衡性使得均匀发车间隔的CBTC系统难以实现车流和客流的匹配,客流密度大区域运力的不足以及客流密度小区域运力的浪费等现象明显。为提升城市轨道交通的服务质量,提高乘客的满意度,在CBTC系统基础上,亟需构建新型的灵活运输组织模式,实现多列车的高速度、紧追踪,对推动城市轨道交通的可持续发展具有重要意义。基于城市轨道交通客流分布的特征,本文提出了一种基于协同控制的多列车编队架构,为提升运输能力和运输需求的匹配度,创造性地实现了人工势场法和强化学习算法的融合,基于撞“软墙”机制构建了多列车运行追踪模式,提升了城市轨道交通的运行效率,增强了运营组织模式的灵活性。论文的主要工作如下:（1）基于实际客流数据评估了多列车协同编队的可行性和必要性。结合北京地铁八通线的潮汐客流数据,提出了多列车协同编队的解决方案,量化分析了多列车协同编队对列车满载率以及线路运行效率的优化能力,归纳了需求驱动的协同编队模式场景。（2）基于人工势场法的多列车协同编队方法。引入领导者-跟随者模式,设计面向城市轨道交通运行特征的人工势场函数,综合考虑信息传输时延、响应时延、电机效率等多维参数,实现协同编队的列车在运输计划下高效、准点运行。（3）基于强化学习的多列车协同编队方法。将人工势场法和强化学习进行融合,综合撞“硬墙”和撞“软墙”两种列车运行追踪模式,实现多列车编队的快速收敛和精准控制,提升了列车编队的追踪能力、停车精度、编队准点性、舒适度以及安全性。（4）多列车协同编队验证方法。构建了信息空间的ROS（Robot Operating System,ROS）仿真器和物理空间的TB3机器人两种算法验证机制,结合实际运行参数、通信性能评估了多列车协同编队的可行性,并验证了算法的有效性。算法仿真以及验证结果表明,本文设计的多列车协同编队方案提供灵活的运输组织模式,实现车流和客流的匹配,极好地解决城市轨道交通所面临的潮汐客流等问题。图53幅,表15个,参考文献93篇。