城市轨道列车作为重要的城际间交通工具,在近几年来发展迅猛。在轨道列车迅猛进步之际,为了使得列车能够安全行驶、准点到站,运输效率更高,满足旅客舒适度和环保节能的需求,亟待对列车的运行速度曲线进行优化处理研究。但是,在过去几年内国内外在列车自动运行(Automatic Train Operation,ATO)控制策略的研究和优化大多都是针对特定指标来进行的,在考虑多目标优化情形时的效果并不理想。为了提高列车的运输效率和改善自动运行策略,各国公司和学者纷纷着手研究列车自动运行速度曲线优化,但在列车运行过程中的列车控制策略很难做到实时的在线优化;而列车运行过程的多目标性、复杂性和非线性使得研究者很难做到确定精确模型和最优速度曲线。然而,人工智能技术和混合优化理论的迅速发展为列车自动运行控制策略的研究和创新提供了新的契机。本论文主要针对列车自动运行速度曲线优化这一问题,首先分析了列车运行控制策略和列车运行时刻的各项优化原则,结合自动运行速度曲线的各性能指标评价体系,建立各项指标的评价指标模型;其次,结合层次分析法(Analytic Hierarchy Process, AHP )和熵(Entropy )权法综合的方法计算出各项性能指标的权重分配大小;而后结合列车的自身参数和运行线路工况,在建立的评价指标模型的基础上,设计了基于遗传算法和基于GA-SPSO算法的优化策略对列车自动运行速度曲线进行优化;最后,采用MATLAB软件进行仿真测试,结果表明基于GA-SPSO算法的优化策略效果好于基于遗传算法的优化策略,实现了列车自动运行控制,确定了更适合给定运行环境和实际运行路线的速度曲线,在确保了列车安全运行的条件下,保证了列车的准点、精准停车、减少能耗以及乘客的舒适性等各性能指标的基本要求。