近年来,城市轨道交通列车的发展对于改善城市污染,减少交通堵塞等方面发挥着越来越重要的作用。自动驾驶系统ATO在城轨列车方面的应用能有效地保证列车运行的安全性和舒适性,在自动调整列车运行速度、车站精确准点停车和降低能耗等方面具有比人工驾驶更突显的优势。列车运行速度曲线作为城轨列车ATO系统实现自动驾驶的重要依据,因此对于运行速度曲线的节能优化将进一步提升列车的运行效率,减少列车运行能耗。在ATO系统中,对优化的列车运行速度曲线进行在线的跟踪与控制,是实现列车自动驾驶技术的关键所在。本文在此背景下进行了如下工作:首先,对于城轨列车的受力情况和动力学模型进行了研究,同时针对列车的动态运行进行了分析,在不同的工况下讨论了列车所受到的合力和相应的运行特点,总结了列车在区间运行过程中主要的能耗构成,并且归纳了几项减少列车运行能耗的措施。其次,对于列车运行速度曲线的节能优化进行了分析与研究。当列车以区间最大能力运行时,可得到列车区间运行的最短时间,进而可得到用于节能优化处理的富余时间。在此基础上,介绍了基于惰行和改变恒速巡航速度的两种优化算法。通过采用实际的列车参数和线路数据,在满足同一正点运行时间的约束下,验证与比较两种优化算法的可行性与节能效果。然后,对于模糊控制理论进行了简要的介绍,在总结了城轨列车的人工驾驶策略的基础上,采用模糊预测控制算法,对列车自动驾驶的六个优化控制目标:准点性、安全性、节能性、乘坐舒适性、停车精确性、速度跟随性,分别建立了对应的模糊隶属度函数,定量的描述这些优化控制目标,同时结合人工驾驶策略,制定了城轨列车自动驾驶的模糊预测控制规则。在满足准点、精确停车等控制目标的情况下,通过Matlab仿真实现了该控制算法对节能优化目标曲线的有效跟踪,验证了此多目标模糊预测控制算法的正确性和可行性。最后,基于Vxworks嵌入式实时操作系统,具体分析了硬件开发平台以及上位机的功能与设计,从数据结构和系统执行过程两方面讨论算法的移植。然后将优化算法和跟踪控制算法成功地移植到以Vxworks为平台的嵌入式系统,最终通过仿真验证了算法在Vxworks平台上运行的正确性和实时性。