城市轨道交通（城轨）作为我国大中型城市公共交通的核心,是市内通勤人员出行的首选方式。近年来,随着城轨的快速发展,城轨客运量呈逐年增长的趋势。在城轨运营网络已成型的条件下,利用先进技术进一步缩短列车追踪间隔、提高行车密度、充分释放线路运能是满足城轨客流需求的重要手段。现有的城轨采用基于通信的列控系统实现的是“撞硬墙”的移动闭塞技术。该方式由于只考虑前车当前的静态位置信息,在一定程度上限制了线路运能的释放。基于车车通信的新型列控系统实现的是“撞软墙”的理想移动闭塞技术,在充分考虑前车位置、速度、加速度等更多动态信息,能够进一步缩小列车运行间隔、提升系统运力。论文针对新型列控系统的列车控制方式,基于强化学习、模糊控制等算法,对列车区间追踪间隔控制问题进行研究,论文的主要工作如下:（1）研究基于车车通信的新型列控系统的系统结构和主要功能,分析新型列控系统与传统列控系统在系统结构、通信方式及列车控制等方面的差异。根据城轨列车特点建立列车动力学模型,分析列车ATO控制性能指标为列车间隔控制指标的制定提供参考。（2）基于新型列控系统的“撞软墙”技术构建列车间隔控制系统模型,采用蒙特卡洛树搜索算法（Monte Carlo tree search,MCTS）对列车区间运行间隔控制问题进行研究。MCTS算法用于生成列车动作序列,实现对列车未来运行轨迹的预测;采用动态规划算法（Dynamic Programming,DP）对动作序列处理,以获得更具远见性的列车控制策略;在判定列车运行安全的前提下,执行列车控制策略。建立列车间隔控制指标,对基于MCTS的列车间隔控制算法进行评价。（3）针对在线的MCTS算法在列车当前状态距离控制目标较远时所存在的运算效率问题,引入模糊控制对算法进行改进。采用二维Mamdani型模糊控制器对模糊控制算法进行设计,并基于MCTS算法的运算数据生成模糊规则表。形成了以强化学习和模糊控制为核心的集成智能列车间隔控制方法。（4）仿真对比三种不同的控制策略生成方法,确定采用DP算法生成MCTS列车控制策略。对MCTS算法的不同搜索树深度进行仿真,确定树深度为7时算法的效率和控制精度最佳。为验证本文提出的控制算法实际性能,首先对列车区间追踪的多个运行场景进行仿真。然后,基于某一列车真实运行数据进行追踪间隔仿真。最后,针对同一列车追踪场景分别采用本文控制算法和模糊控制算法,进行列车追踪间隔仿真对比。论文研究结果表明,基于强化学习的新型列控系统区间行车间隔控制方法,在解决部分可观测、高维度、复杂非线性等控制问题方面,相比传统的控制算法具有响应速度快、调节时间短、控制精度高等特点,适合于新型列控系统区间行车间隔控制。图42幅,表8个,参考文献80篇。