城市轨道交通（简称“城轨”）存在高峰期拥挤、平低峰期运力浪费的问题，能够根据客流实时变化动态调整线路运力的虚拟编组技术已逐渐成为轨道交通列车运行控制系统的发展方向和研究热点。介绍了虚拟编组列车的概念和整体研究现状，分析了对实现虚拟编组最重要的列车安全防护和运行控制两项关键技术的研究进展，并指出了仍需解决的关键问题和可能的解决方案。其中，在安全防护方面，现有方法虽普遍采用相对制动距离原则，但暂未对列车单元的时空关系进行分析，无法严格保证列车运行安全性。因此，针对性地提出了基于时空分隔的列车安全防护方法；在列车驾驶控制方面，既有研究大多仅关注站间稳定运行过程，而在城轨中尤为重要的列车进站过程及虚拟编组可能存在的停车不同步问题仍未得到充分关注，因此，指出该问题并提出基于协同控制的列车单元跟踪控制方法。本文可为读者了解城市轨道交通列车虚拟编组技术的发展趋势和投身相关研究提供参考。

总结了机器人技术在轨道交通的装备制造、运维巡检、运营服务3个方面的应用，结合智能机器人技术在该领域的发展现状，总结了机器人的核心技术挑战，提出了未来机器人技术与轨道交通融合发展的方向。

面向虚拟编组在城市轨道交通中的应用需求，提出了对虚拟编组列车运行具有重要影响的停站时间不同步问题，并定义了停站时间差的计算方式；在分析相关领域多智能体协同控制方法的基础上，提出了基于信息汇总集中决策型协同控制方式的虚拟编组列车参考曲线生成方法；构建了虚拟编组列车参考曲线生成问题的数学优化模型，并设计了基于强化学习DQN（deep Q network）的求解方法，在考虑全局优化目标的基础上为每一个列车单元生成各自的参考曲线，指导各列车单元协同运行控制实现虚拟编组列车整体运行的目标；基于北京地铁11号线真实数据进行了数值仿真实验并与既有文献中的虚拟编组列车运行控制方式进行了对比，实验结果验证了所提基于协同控制的虚拟编组列车参考曲线生成方法的有效性。

为了解决基于深度学习的列车智能视觉定位系统难以测试问题，提出一种面向列车智能视觉定位的安全测试方法。基于风格迁移思想，通过构建生成式对抗网络（GAN）实现测试用例的生成；基于深度变异测试方法，实现对测试用例错误检测能力的量化评价；针对城轨运营组织特点，提出一种“虚拟-半实-真实”平行测试平台架构，用于支持测试用例生成模型的构建和测试执行。实验结果表明，本方法生成的测试用例场景种类分布更为均匀多样，能够较为全面地测试模型在不同场景下的安全性，有效提升列车智能视觉定位的测试效率。

基于车-车通信的新型列控系统，通过等距离间隔、等时间间隔和变时距3种控制策略实现高效率的列车追踪控制。由于在车队控制中，领航车的控制具有随机性，如何保证不同控制策略中车队的稳定性至关重要。提出了一种基于随机价格时间博弈理论（stochastic priced timed game，SPTG）的车-车通信控制策略建模与验证方法。首先，针对不同控制策略要求，利用随机价格时间自动机，建立包含领航车和跟随车的车队控制模型，并进行稳定性验证；然后，以时间为成本函数，通过对建立车队随机价格时间博弈自动机模型，利用Q-learning强化学习方法得到车队的最优驾驶策略；最后，结合多车运行追踪场景，进行车队的稳定性仿真优化。结果表明：相比于车队的随机运行策略，该方法使得车队的稳定误差更小。