铁路交通是社会经济发展的重要组成部分,其能耗在交通运输总能耗中也占据着相当大的比重,不同的操纵方式对于列车能耗的影响区别很大。因此研究列车自动驾驶控制系统对于提高列车操纵水平,解放人力并实现在安全、平稳、准点等要求下的节能运行有着重要的意义。列车自动驾驶控制问题具有高维,非线性,多约束以及时变性等特点,优化搜索空间巨大。目前的解决方案中解析方法无法处理具有复杂约束的情况,数值方法因计算量过大无法适用于实时系统,启发式方法过于依赖人工设计,同时PID控制中参数设定较为困难。针对以上分析,本文提出一种基于机器学习的列车自动驾驶控制方案,通过学习经验丰富的司机驾驶方式获取预优化速度曲线并采取自学习的方式实现PID参数整定,实现列车自动驾驶控制,本文研究内容主要有以下几个部分:1、提出了一种基于机器学习的列车自动驾驶控制方案。首先分析线路模型、列车运行模型以及运行约束和目标,提出了一种基于机器学习的列车自动驾驶控制方案,即预先获取满足运行约束条件及节能目标的预优化速度曲线,再控制列车跟随预优化速度曲线行驶。2、提出了一种基于高阶相关学习的列车自动驾驶模式学习方法。通过分析列车能耗影响因素设计特征集并使用预处理后的运行数据结合超图算法学习优秀驾驶模式并生成预优化速度曲线。3、提出了基于预测PID的列车自动驾驶控制方法。设计预测PID控制器实现列车跟随控制,同时使用符号回归方法对列车状态预测模型进行学习并通过强化学习方法实现PID参数整定。4、对列车自动驾驶控制方案完成实验验证,结果表明本方案生成的预优化速度曲线能够在满足安全、准点、平稳等各种要求的前提下达到9%左右的节能效果,同时设计的控制器能够控制列车较好的跟随预优化速度曲线行驶,从而验证了方案的可行性。