城市轨道交通以其高速度、高容量、高安全性、高可靠性等优势,逐渐成为城市公共交通系统中的重要组成部分。然而,随着城市轨道交通运营规模的不断扩大及车辆运行间隔的不断缩短,其运营能耗也在不断攀升,逐渐成为城市工业用电大户。据统计,列车牵引能耗在城市轨道交通运营总能耗中的占比可以达到35-45%,因此,通过优化列车驾驶策略,能够降低牵引能耗的使用,对城市轨道交通系统节能减排,促进环境友好型公共交通系统的建立,有重大意义。本文结合城市轨道交通列车节能驾驶问题特点,为节能驾驶策略的求解提出如下两点研究思路。首先,列车节能驾驶策略求解的一般思路为在规定运行时分内最小化牵引能耗,但这种思路需要以列车运行时分为中介,使得求解过程更为复杂。针对此问题,本文基于最优牵引能耗与规定运行时分的一一对应关系,提出了列车节能驾驶的反问题,即利用固定的牵引能耗最小化运行时分,并基于该反问题直接求解节能驾驶策略,从而直接从最优能耗的角度出发确定最优驾驶策略;其次,本文使用数据驱动的方法求解列车节能驾驶策略,这类方法既能充分利用城轨系统运营过程中产生的大量运营数据,又可以省略复杂的建模过程,避免建模精度对求解精度的影响。值得注意的是,由于城轨系统每日产生的运营数据具有较强的重复性,这样的特点适合强化学习方法进行处理并从中学习最优驾驶策略。综合以上研究思路,本文提出一种基于强化学习的列车节能驾驶控制方法。具体工作如下:（1）提出列车节能驾驶问题的反问题,针对该反问题引入了一种基于能耗分配的列车节能驾驶策略求解方法,并提炼该方法的马尔科夫特性,将列车节能驾驶问题转化为有限马尔科夫决策过程,使其可以使用强化学习方法进行求解。本文基于列车节能驾驶问题的特征,对强化学习框架中三个关键元素,即状态、动作和奖励,进行了定义。（2）提出一种基于Q学习方法的节能驾驶控制方法。为了满足Q学习方法使用表格存储值函数的要求,本文分别基于列车运行时分与能耗分配状态,提出了两种状态表示方式。此外,通过仿真实验,验证了本方法的有效性,并分析了本方法的超参数敏感性。（3）针对Q学习方法无法应用于大状态空间的问题,本文提出一种基于深度Q网络的节能驾驶控制方法。与Q学习方法相比,本方法可以优化多站间整体的节能驾驶策略,在提高整体节能效果的同时,优化了不同站间的运行时分。此外,通过仿真实验,分析了不同超参数取值及网络结构对算法性能的影响;（4）针对深度Q网络方法在大动作空间决策效率降低和训练时间过长的问题,本文提出一种基于柔性Actor-Critic的节能驾驶控制方法。与Q学习方法和深度Q网络方法相比,本方法在采样复杂度方面具有明显优势,可以减少95.97%和75.03%的训练片段数。同时,通过超参数扫描,验证了本方法对不同超参数取值的收敛性和稳定性。本文包含图39幅,表25个,参考文献98篇。