近年来,我国城市轨道交通高速发展使城市化进程加快带来的环境污染、交通拥堵等问题得到了极大改善。同时随着城市轨道交通线网规模的不断扩大,能耗剧增问题日益突出,如何降低运行系统能耗已经成为目前保持城市轨道交通绿色可持续发展的核心问题之一。在城市轨道交通运行系统的日常能源消耗形式中,其主要能耗构成形式为列车运行牵引力做功所消耗的能量。因此,研究降低列车运行牵引能耗对于减少系统总体能耗与运营成本具有重要的现实研究意义。在城市轨道交通中,列车通过ATO（Automatic Train Operation,列车自动运行）系统的速度自动调整跟踪控制功能,实现列车的无人自动驾驶。ATO系统将优化层生成的目标速度曲线作为参考曲线,通过牵引、制动单元的指令输出,实现列车对目标曲线的贴近跟踪,这一跟踪过程决定了列车实际运行所消耗的具体能耗值。而传统列车节能研究多采用不同算法在各约束条件下,优化列车目标速度曲线,没有综合考虑ATO实际运行中的跟踪控制调整模块,使列车速度控制器实际输出的运行控制指令与目标速度曲线存在偏差,对列车实际运行能耗造成一定影响。基于此,本文提出模拟退火概率突跳改进粒子群算法和人群搜索PID控制方法对列车目标速度曲线和ATO跟踪控制策略进行优化,实现城轨列车站间节能运行。具体研究内容如下:（1）首先,对列车ATO系统工作原理、功能和双层控制结构进行深入分析,明确列车运行控制系统中核心ATO子系统与其他子系统之间的紧密联系。通过对列车牵引特性、制动特性、阻力特性及工况转换原则进行分析,建立城轨列车动力学模型。在此基础上,分析列车运行能耗的组成以及主要影响因素,提出城轨列车运行能耗的几种计算方法,为城轨列车节能运行优化提供必要的理论基础。（2）其次,对列车运行过程及运行模式进行分析,提出基于操纵工况的列车节能优化控制策略,将节能优化问题转化为求解列车运行过程中的工况转换速度序列问题,并综合考虑多项约束指标建立列车节能运行控制优化模型。（3）再次,对标准PSO（Particle Swarm Optimization,粒子群算法）进行改进,提出一种PSOCFSA（Particle Swarm Optimization with Constrict Factor of Simulate Anneal,模拟退火压缩因子粒子群算法）对列车节能控制模型求解,优化列车节能运行目标速度曲线,获得ATO优化层最低目标运行能耗。相对于标准PSO算法,改进后的算法引入压缩因子调整控制参数,结合模拟退火机制,有效提高算法全局寻优性能和收敛性能,并验证算法的有效性。（4）最后,针对当前城轨列车自动驾驶运行采用传统PID控制,由于其参数调节繁琐造成列车速度控制的不灵活问题,提出利用SOA（Seeker Optimization Algorithm,人群搜索算法）将其三个参数作为组合寻优量,进行PID参数自整定。并将设计好的SOA-PID改进控制器应用于ATO跟踪控制层,使列车能够精确跟踪节能目标速度曲线,完成站间平稳运行,验证改进后的控制器能够保证良好的跟踪控制效果,减少列车实际运行能耗与目标曲线能耗的差值,有效降低列车运行能耗。