在城市轨道交通蓬勃发展的过程中，安全和高效始终是其追求的两大目标，而相对于人工驾驶而言，列车的自动驾驶在安全和高效等方面都有着极大的优势，所以自动驾驶代替人工驾驶是未来城市轨道交通发展的必然趋势。因此，列车自动驾驶系统是轨道交通的一个非常重要而又有研究价值的系统。　　本文首先研究了列车自动驾驶系统的控制原理及基本功能，并对ATO系统的速度控制过程进行了详细的分析。然后建立了相关的列车运行模型，并利用粒子群算法生成了ATO目标速度曲线。随后以串励直流电机为例对被控对象建立了传递函数模型，并利用传统PID控制算法设计了速度控制器对ATO目标速度曲线进行跟随控制，并用Simulink工具箱进行了仿真分析。PID控制算法简单，可靠性高，有着良好的响应特性和控制精度，但其参数固定不变，缺乏自适应能力。针对这一缺陷，本文设计了基于RBF网络辨识的单神经元自适应PID控制器，并对神经元的学习算法了做了改进。利用神经网络能够对PID参数进行自动调节，使其具备了自适应能力，但其对加速度的控制不够平滑，容易产生振荡，影响了乘客的舒适性。据此本文最后利用模糊理论设计了模糊控制器，模糊控制器能够对干扰进行有效的抑制，对加速度的控制比较平滑且有着良好的响应特性和鲁棒性，使列车的运行性能得到了全面提高。