近年来,我国城市轨道交通发展十分迅速。随着城市轨道交通运营里程的不断增加,人们越来越关注列车运营的安全性和舒适性。而轨道不平顺对于行车的安全、舒适性以及环境噪声等均有非常重要的影响。因此,研究城市轨道交通轨道不平顺修理决策优化技术,对科学控制轨道不平顺修理成本,确保行车安全有着重要意义。本文通过分析国内外关于轨道不平顺修理决策优化研究现状,结合城市轨道交通轨道不平顺的修理决策需求,构建了基于马尔科夫决策过程(Markov Decision Process,MDP)的城市轨道交通轨道不平顺修理决策优化模型。模型将一条线路以200m为单位划分为多个轨道单元,在考虑轨道不平顺劣化的不确定性和异质性因素的前提下,采用MDP方法制定该条线路在一个长周期内最优的轨道不平顺修理决策。模型以当前决策时刻至周期末的成本最小为目标函数,约束条件包含了修理活动约束、轨道单元数量约束、修理预算约束、状态等级比例约束和状态转移约束等,最后通过混合整数线性规划算法进行模型求解。为对模型进行验证,作者通过参与北京交通大学承担的北京市交通委员会项目《基于大数据的轨道线路精细化管理》以及北京市地铁运营有限公司项目《北京地铁轨道智能运维管理信息系统》,收集了北京地铁1号线上下行的历史轨检车检测数据,年度修理计划和线路设备台账数据,确定了模型计算所需的参数,并通过蒙特卡罗模拟方法对1号线上行线及下行线5年的轨道不平顺状态变化进行动态模拟,实现了修理决策的动态优化。最后,将模型计算后得到的修理决策与现场实际的执行修理决策进行对比,结果表明经模型优化后的修理决策能够基于轨道当前时刻的不平顺状态及状态变化规律,针对不同空间位置的轨道单元科学安排修理活动,在保障安全的同时有效降低了修理成本,从而验证了模型的有效性。作者设计与开发了北京地铁轨道不平顺修理决策优化子系统,作为北京地铁轨道智能运维管理信息系统的子系统。论文对北京地铁轨道不平顺修理决策优化子系统的功能模块和数据库进行了设计,并利用Microsoft Visual Studio 2015开发工具和Matlab程序实现了系统的开发工作。最后利用1号线上行线的轨检车数据进行系统的应用效果分析,验证了系统功能的有效性。