城市轨道交通具有安全高效、快捷准点、绿色环保等特点,是现代化公共交通发展的重要方向,近年来得到了快速的发展。随着路网规模的逐渐扩大和乘客出行需求的迅猛增长,城市轨道交通的运营环境日益复杂,运营控制难度日趋增大。列车运行过程中会不可避免地出现由设备、环境、人为等因素导致的随机干扰而产生延误,如果不采取有效措施及时地进行列车运行调整,会导致线路甚至路网运营秩序紊乱、站台乘客滞留等危害。目前轨道交通系统行车调度指挥与列车运行控制采用分层架构,突发情况下主要依赖调度员人工经验进行应急处置,效率不高且难以兼顾全局信息,具有一定的局限性。随着轨道交通系统自动化与智能化水平的提高,打破既有行车调度指挥与列车运行控制的分层架构,实现调度控制一体化成为近年来的研究热点。在此背景下,本文针对城市轨道交通运营中干扰对列车运行和乘客出行的影响,从乘客出行需求、行车调度指挥和列车运行控制三个层面出发,研究面向调度控制一体化的列车运行自动调整方法。具体来说,本文的研究工作主要有以下四点:1.针对客流高峰时段干扰对列车运行与候车乘客出行的不利影响,提出面向乘客需求的列车运行自动调整方法。考虑站台容纳能力和列车载客容量的限制建立基于容量约束的动态客流模型,对乘客候车、上下车及滞留等状态进行精确刻画。进一步地,考虑乘客上下车过程对列车停站时间的影响,以减小列车延误时间和站台滞留乘客数量为目标,建立基于容量限制的列车运行调整模型,并针对该模型特点设计基于布谷鸟搜索的列车运行调整算法进行求解。仿真算例结果表明所提方法能够在短时间内得到有效的列车运行调整方案,以快速恢复正常行车秩序并满足乘客出行需求。2.结合实际列车自动调整功能并考虑干扰对列车运行能耗的影响,提出基于预置推荐速度曲线的列车运行自动调整方法。考虑列车运行过程中的载重变化,建立基于再生制动能量利用的列车能耗计算模型,基于二元变量建立列车运行等级与预置推荐速度曲线、运行时间及能耗之间的映射关系。采用压缩时分调整策略,以减少列车运行能耗、延误时间和滞留乘客数量为目标建立混合整数非线性规划模型。基于大M法对模型中非线性约束进行线性化重构,将原模型转化为混合整数线性规划模型,并采用数学规划软件CPLEX求解。仿真算例结果表明所提方法能够通过在线选择列车运行等级,短时间内得到列车运行调整与推荐速度曲线选择一体化的方案,使列车尽快恢复原计划运行,并降低滞留乘客数量与列车运行能耗。3.针对客流高峰时段压缩时分调整策略对降低列车延误时间与滞留乘客数量的局限性,提出预置速度曲线下基于组合策略的列车运行自动调整方法。考虑在线选择列车运行等级,采用扣车和压缩时分的组合策略以进一步均衡列车运行间隔。以减少滞留乘客数量和列车运行延误时间为目标,建立基于扣车和压缩时分策略的列车运行调整模型。提出了基于仿真优化的列车运行调整算法,利用动态客流仿真模型对调整方案进行评估以确定被扣停列车并更新扣车约束条件,通过迭代求解快速得到包含扣停时间、调整后列车运行等级和停站时间的一体化方案。仿真算例结果表明相较于单一的压缩时分策略,采用组合策略的调整方案能进一步减少列车延误时间和站台滞留乘客数量,显著缓解客运压力。4.针对既有行车调度指挥与列车运行控制的分层架构并考虑速度曲线的实时优化,提出基于深度学习和混合搜索的列车调度与控制一体化方法。考虑列车运行调整过程中推荐速度曲线优化的实时性需求,建立列车速度曲线优化模型并采用遗传算法求解以获取带标签的样本数据,并训练卷积神经网络来拟合输入集（列车在各区间的线路条件、运行时间）与输出集（最优曲线对应列车工况转换点及能耗）之间的映射关系。进一步地,以最小化列车运行能耗和延误时间为目标,建立列车运行调整与运行控制一体化模型,提出一种基于混合搜索的列车运行调整算法以求解问题。仿真算例结果表明所提方法能够在短时间内得到列车运行调整与推荐速度优化一体化的方案,所训练的卷积神经网络满足运行调整过程中推荐速度曲线优化的计算精度与速度需求。