城市轨道交通具有安全、高效、运量大、节能环保等特点，是城市公共交通的主干线和客流运送的大动脉，近年来在我国大中型城市得到了迅猛的发展。随着轨道交通路网规模的扩张，其整体呈现巨型化、网络化特征，实际运营条件越来越复杂，运营管理控制难度急剧增加。日常运营中由于客流变化、设备故障、突发事件等因素的影响，导致列车频繁发生延误现象，如果不及时进行列车调整控制，会造成线路乃至整个网络运营秩序紊乱、乘客滞留等严重危害。城市轨道交通列车运行调整包括行车组织层面的运行图调整和列车运行控制层面的驾驶曲线调整。随着通信技术、计算机技术和控制技术的不断发展，轨道交通系统自动化程度不断提高，如何从一体化的角度结合行车组织与运行控制实现灵活、高效的列车运行调整逐渐成为近年来的研究热点问题。
　　本文以城市轨道交通列车延误及运行调整问题为背景，主要研究基于近似动态规划理论（Approximate Dynamic Programming，ADP）的城轨列车运行一体化调整方法。面向城轨列车的轻微延误、普通延误和严重中断延误三种场景对近似动态规划方法进行了若干种改进、形成快速有效的求解算法，从一体化的层面实时调整轨道交通列车运行图以及相应的驾驶控制曲线，克服传统动态规划方法“求解速度慢”的不足之处，降低延误对乘客与运营商带来的负面影响，保证列车按图有序运行并降低调整过程中列车牵引总能耗。具体来说，本文开展了以下几点研究工作:
　　(1)首先建立了列车运行一体化调整的基础理论模型。结合城市轨道交通列车自动控制系统结构以及列车运行调整基本原理提出基于离散时空状态网络（Discrete State-space-time Network Modelling）的列车运行图与速度曲线一体化调整建模方法，考虑宏观层面的列车运行图、微观层面的列车运行速度曲线以及客流的时空变化过程，生成基于系统优化的列车运行图与速度曲线调整方案。在理论模型的基础上进一步探讨ADP算法应用的技术路线，以解决实际城市轨道交通列车运行一体化调整问题。
　　(2)针对列车出现轻微延误、但不影响后续列车运行的情况，研究了单列车的一体化调整方法。通过分析和推导城市轨道交通列车延误传播机理，建立了基于随机马尔科夫决策过程(Markov Decision Process，MDP)的列车运行调整模型。设计了基于专家系统(Expert System)和近似动态规划Q学习（Q-Learning）的单列车到发时分与速度曲线一体化调整算法，以列车全周转准点率和运行总能耗为优化目标，动态调整列车在各个区间的运行时分以及相应的运行速度曲线，使列车实际全周转时间尽量接近计划全周转时间。仿真实例结果说明，该方法可以在运营高峰时段显著提高列车全周转准点率，降低延误对于列车运行的影响。
　　(3)针对实际运营中突发故障影响多辆列车的情况，研究了多列车的运行图与速度曲线一体化调整，使延误列车尽快恢复至计划运行图，尽量降低延误对乘客造成的负面影响。建立了基于非齐次泊松分布(Non-Homogeneous PoissonDistribution)的动态不确定客流预测模型以及基于随机整数规划(Stochastic IntegerProgramming)的多列车协同调整模型。设计了基于前向搜索的近似动态规划算法(Look-ahead Policy based ADP)用于模型求解;为进一步提高计算速度以满足城市轨道交通列车运行调整的实际需求，设计了基于线性分段值函数逼近的近似动态规划算法（Value Function Approximation based ADP），在短时间内得到高质量的列车一体化调整方案，使列车尽快恢复至初始运行图，并降低延误乘客的等待时间、旅行时间和列车运行总能耗。
　　(4)最后，针对实际运营中故障导致线路列车运行秩序紊乱、大量乘客滞留的情况，进一步探讨了列车数量变化条件下的运行调整问题。考虑城市轨道交通路网的存车侧线可以提前储存备车用于故障后应急使用，构建了基于非线性整数规划(Nonlinear Integer Programming)的列车运行调整模型，优化正线运行列车和侧线备车的运行图，通过对正线列车和备用列车的协同调整来提高线路运力、尽快疏散各个站台滞留乘客。为了解决列车种类不同所导致的运行次序变化问题，提出了基于IF-THEN规则的模型约束条件。为了快速求解该模型，进一步提出了三个模型引理，分别使用大M方法(Big-M Method)、引入冗余变量(RedundentVariables)和约束的方式将原模型转化为可以有效求解的混合整数线性规划模型（Mixed-integer Linear Programming），并且给出了模型转化等效性的严格数学证明。