基于长期演进（Long Term Evolution,LTE）技术承载信息传输的《城市轨道交通车地综合通信系统（LTE-M）规范》要求通信系统在1785MHz～1805MHz专用授权频段进行布网。由于安全要求的提高和智慧地铁的发展,车地间需要传输的数据大幅增加,目前的20MHz频谱带宽逐渐难以满足传输需求。随着免授权频段长期演进（LTE in unlicensed,LTE-U）技术的发展,可利用的免授权频段频谱资源越来越多。因此,本文提出利用免授权频段部署城市轨道交通车地通信系统的方案。本文首先分析了无线局域网（Wireless Local Area Network,WLAN）系统和城市轨道交通车地通信系统的信道接入机制,发现将城市轨道交通车地通信系统部署在免授权频段会造成信道长期占用,导致已经部署在该频段的WLAN系统失去信道使用权限。因此,提出基于占空比的频谱资源分配方案,借助分配到的频谱资源,WLAN系统和城市轨道交通车地通信系统交替获得信道使用权限,实现各自数据传输。其次,为高效利用资源,本文采用强化学习（Reinforcement Learning,RL）中的一种免模型算法—Q-learning实现频谱资源的动态分配。动态分配策略是一个马尔可夫决策过程,对该过程进行数学抽象,使其变为可求解的状态值函数,最终,通过状态值函数找到最优策略。依据此策略为城市轨道交通车地通信系统和WLAN系统分配频谱资源。仿真结果表明,基于Q-learning算法的频谱资源分配方案在吞吐量和用户满意度方面明显优于固定占空比方案。最后,为了更好地感知WLAN用户的业务需求,引入具有感知能力和决策能力的深度强化学习（Deep Reinforcement Learning,DRL）技术,采用DRL中的深度Q网络（Deep Q Network,DQN）算法进行免授权频段的资源分配。DQN算法通过在Q-learning中引入神经网络以完成对频谱资源和用户业务请求等状态特征的提取,最终的资源分配方案通过深度Q网络输出。仿真结果表明,本方案在保证城市轨道交通车地通信系统数据传输的同时能达到较高的WLAN数据包送达率,较高质量地完成了两个系统在免授权频段的数据传输。