城市轨道交通作为公共交通体系的重要组成部分,是立体城市建设的主体成分,是解决城市交通拥堵的有效措施。对城轨列车运行时分的精准控制保障了列车运行的安全性、准点性与高效性,有助于更好地执行行车调度计划,进而提高城轨交通服务水平,改善城轨交通网络的运行效率。列车的运行过程具有不确定性,传统的PID（Proportional、Integral and Differential）控制存在自身的局限性,对于变化的工况不能及时作出适应性调整,单一的控制算法难以应对复杂的运行环境。针对传统列车停车控制方法的弊端,本文以城轨列车的精确停车需求为出发点,将数理统计、理论与模型仿真相结合,提出了一种基于神经网络的城轨列车精确停车控制方法。论文首先根据不同的运行线路情况与列车运行工况,详细地分析了运行过程中列车所受的牵引力、制动力与阻力,揭示了列车的运行规律,构建了列车的动力学模型,为论文提供了理论依据与数据支撑。其次,论文在现有的PID控制基础上进行优化改进,将神经网络与PID控制相结合,提出了一种新的控制方法;从系统辨识的角度出发,将列车制动模型转化为抽象数学模型,利用MATLAB/Simulink进行模型仿真,仿真结果表明,相对于现有的PID控制算法,基于BP（Back Propagation）神经网络的PID精确停车控制算法具备自学习、自适应的能力,增强了控制系统的抗干扰性,提高了列车运行的实时控制精度。论文针对列车运行控制系统中的不确定性,基于灰色预测理论,与神经网络PID控制方法结合,提出了一种调节预测误差的自适应预测控制方法,建立了灰色预测神经网络PID控制仿真模型,仿真结果表明灰色预测神经网络PID控制方法能够实现较好的精确停车控制,对列车运行策略的确定具有良好的支撑与借鉴作用。