城市轨道交通以其运量大、效率高、安全、舒适、准时的优点得到越来越多的应用与发展。但是城市轨道交通建设成本高,维护费用高,其中牵引耗电成本占维护费用的一大部分,因此优化列车运行速度曲线具有重要意义。同时,随着列车运行速度越来越高,运行密度越来越大,对于列车司机的工作要求也越来越高。而列车自动运行(Automatic Train Operation,ATO)系统能够大大减少司机的工作量,提升运行效率和性能。对于ATO系统而言,其最重要的功能是目标速度曲线跟踪,因此设计合理有效的ATO跟踪控制算法是实现列车自动运行的关键。本文分别从速度曲线优化与速度曲线追踪两个方面研究了城市轨道列车运行优化与控制问题,本文主要工作如下:(1)建立了列车单质点运动模型、列车运行计算模型,并设计了基于告警速度曲线(Warning Speed Curve,WSPC)的节能运行优化模型。该模型同时考虑了节能性、准时性、精确停车和舒适性指标。与传统多目标节能优化模型相比,基于告警速度曲线的节能运行优化模型合理地缩小了搜索区间,加快了求解效率,为该优化模型的求解提供了良好条件。(2)针对当前列车运行曲线寻优广泛采用的遗传算法,本文设计了一种随机增强遗传算法(Random Reinforcement Genetic Algorithm,RR-GA)用于求解基于告警速度曲线的节能优化模型,该算法可以在不丢失精英个体的同时,增大群体多样性,减小遗传算法陷入局部最优的概率。(3)针对ATO目标速度曲线跟踪问题,现有大多采用的PID和模糊控制器依赖于复杂的参数调整,而鲁棒的自适应方法难以确保有限时间收敛,因此不适用于列车的固定时间间隔。本文设计了一种双滑模面控制律(Double Sliding Surface Guidance,DSSG),用于含有有界扰动的速度曲线有限时间跟踪,并采用Lyapunov理论证明了 DSSG可以在有限时间内渐进稳定。最后,基于北京亦庄地铁运行背景和线路数据进行了多场景对比仿真,仿真结果验证了RR-GA和DSSG的有效性和优越性。