近年来城市轨道交通蓬勃发展,轨道交通庞大的规模造成了巨量的能源消耗,2018年北京市地铁耗电约19亿千瓦时,降低地铁能耗成为当前的热门研究方向。随着基于通信的列车控制系统的出现,列车能快速地获知地面情况并做出反应。提升了列车运行的自动化程度,使得在线运行优化算法可以落地实现。本文从多个层面提出优化方法,降低列车的牵引能耗并提升准点性和舒适度,主要研究内容如下。(1)以单列车为研究对象,面向多个目标优化其运行速度曲线,并优化分配了全线各区间的运行时间。首先建立了列车运动学方程,并且采用极大值原理推导出节能最优工况的必要条件。然后建立了节能、准点和舒适性等优化效果的评价函数和速度曲线优化的数学模型。采用改进的多目标粒子群(Multi-Object Particle Swarm Optimal,MOPSO)算法搜索最优解。考虑处理线路限速和坡度条件时,提出了一种两阶段的优化方法。利用列车速度曲线优化成果数据建立了全线能耗和区间运行时间关系的函数模型,采用最速下降法优化分配全线路各站间运行时间。最后采用了北京地铁亦庄线的线路数据进行了仿真,验证了算法的有效性。(2)提出了一种基于xgboost的在线智能列车控制算法,能够从优秀列车驾驶数据中学习规则,控制列车运行。该算法以ATO系统提供的列车实时状态信息和线路数据作为输入特征,列车的加速度作为控制输出。同时还设计了区间时间分配算法和安全防护算法保证列车能够安全运行。仿真结果表明xgboost算法相比PID算法在节能、准点上有一定的优越性。(3)从提升再生制动能量利用率的角度,研究多列车协同优化。首先分析了再生制动的原理和能量利用条件。考虑了两列车下的再生制动场景,并且在多列车情况下建立再生能利用的时间离散-近似化计算模型,分析了能够影响有效再生能的因素。利用PSO算法对客流高峰期和平峰期发车时间间隔和停站时间进行了优化。结果表明本文提出的优化方法能够有效的提升再生制动能的利用效率,该算法在平峰时段更为有效。图58幅,表15个,参考文献56篇。