近些年来,中国城市轨道交通领域的发展日新月异,地铁、轻轨、磁浮等轨道交通系统的总运营里程逐年提高。同时运营里程的增加伴随着巨大的能源消耗,因此列车自动驾驶的节能运行与城市轨道交通的可持续发展密切相关。本文以城市轨道交通为研究对象,建立了基于强化学习相关算法的列车节能运行控制方法。选取实际的地铁线路信息,通过仿真验证了上述方法的有效性。本文主要有以下几个方面的工作:首先,根据国内外对列车节能运行的研究,对列车运行过程进行受力分析,建立列车运动学模型,并分析列车驾驶策略。然后,分析了强化学习算法的结构,并使用马尔科夫决策过程解释强化学习的基本原理。基于Q学习算法,结合列车运动分析设置列车节能运行奖励,并进行列车运行控制的值函数迭代推理。根据强化学习算法,设计了基于Q学习算法的列车自动驾驶节能控制方法。再者,分析深度强化学习的基本原理,为了提高算法训练速度,使用改进的了Dueling DQN网络结构,针对深度强化学习方法在列车运行控制中的应用,建立了基于深度Q网络（deep Q-network,DQN）框架的列车运行环境,搭建了智能体和列车环境。根据列车状态分析,设计状态值函数和优势函数的值函数对列车状态和动作进行评估,并对动作策略进行优化。最后,进行了仿真实验。选用北京地铁亦庄线线路数据,通过仿真对上述算法进行验证。仿真结果表明,在满足基本运行条件的基础上,相对于列车实际运行能耗,算法具有较好的控制效果。Q学习算法在运算速度上有明显的优势,而DQN算法更具智能性,对列车的能耗优化效果也更好。从而验证了本文提出的列车自动驾驶节能控制模型的有效性。图38幅,表10个,参考文献51篇。