在城市轨道交通由增量扩张转向存量提质、土地与物业开发收益不确定性增强和长期运营压力上升的背景下，“建轨道就是建城市”成为从轨道建设集中期到运营期转型的城市治理命题。本文以深圳轨道交通30年发展实践为线索，基于第一手资料质性访谈与案例分析方法，探讨轨道交通如何嵌入城市空间组织与治理过程，并转化为城市建设能力。基于深圳不同时期典型轨道交通与城市发展阶段的对应关系，梳理轨道交通在公益定位、线网组织、站点功能与协同实施中的作用机制，并进一步分析“建轨道就是建城市”模式的运行逻辑。研究发现，轨道交通的城市价值并非直接来源于线路规模或沿线开发收益，而是通过可达性提升、空间结构重组与多部门协同逐步实现的；这一模式运行的关键在于公共投入形成的空间增值回流与利益共享机制，而非单纯的市场化开发行为。面向存量发展阶段，轨道交通继续“建城市”的重点应从规模扩张和开发收益导向，转向稳定运营期既有网络效率提升、站城空间城市更新与公共服务再强化。

为破解城轨人工智能（artificial intelligence, AI）技术突破与产业价值释放之间的断层难题，推动行业新质生产力培育与高质量可持续发展，基于学术文献、技术专利及行业问卷数据，采用“感知→决策→执行”技术逻辑，立足新质生产力内涵，针对城轨AI应用落地零散、要素配置滞后、知识转化不足等现实问题，提出“链式递进、内外双驱、场景落地、深度升级、螺旋上升”的城轨AI落地总体框架。首先，提出城轨AI落地也遵循“技术革命性突破→生产要素创新性配置→产业深度转型升级”的递进式发展规律；其次，构建了生产要素创新性配置的内外双驱路径，实现全要素配置效能提升；最后，构建了“场景筛选—场景培育—场景开放—深度升级”的产业转型路径。研究表明，高质量的城轨领域知识库是破解城轨AI技术落地瓶颈的重中之重；数据要素是生产要素创新性配置的核心要素；从1到N的场景扩展路径，是城轨AI从技术突破向产业价值释放的必由之路。

随着城市轨道交通线网规模持续扩大和运营场景日益多元，客流需求呈现出更复杂的时空特征，对列车运行组织和客流管控等提出更高要求。短时客流预测是城市轨道交通运营管理的重要基础，人工智能方法凭借较强的时空特征提取能力，已成为提升预测性能的重要手段。本文围绕人工智能驱动的城市轨道交通短时客流预测方法展开综述。首先，从预测场景、预测对象、数据基础、预测方法和评价指标5个维度构建任务分析框架；其次，梳理预测模型发展脉络；再次，面向进出站客流、起讫点（origin-destination, OD）客流、断面客流、多类型客流协同预测以及以轨道交通为骨干的多模式交通预测等任务，总结相关研究进展和主要挑战；最后，从大语言模型、可信可解释预测、端到端预测优化一体化框架以及世界模型等方面展望其未来发展方向。研究结果表明：城市轨道交通短时客流预测研究正由单一客流类型、单一精度评价和单一预测任务，逐步转向多源感知、多类型协同与多指标评估融合发展；未来研究将进一步聚焦通用适应性、不确定性感知、可信风险评估、决策导向预测以及世界模型驱动的动态推演，构建面向复杂运营场景的一体化智能预测推演体系，以支撑城市轨道交通精细化运营决策。

为深入探讨我国地铁从战备辅助向现代化都市引擎转型的技术演进逻辑与自主创新路径，系统梳理我国地铁轨道结构60多年的发展历程。以钢轨与无缝线路、扣件、道岔、整体道床及减振轨道结构5大关键组成部分为主线，系统阐述其技术发展情况：除根据项目需求逐步采用高速铁路钢轨相关的技术外，结合地铁小半径曲线多、过载频率高的特点，在小半径、道岔等地段采用耐磨性好的钢轨；扣件呈现百花齐放态势，形成以DT、ZX、WJ等系列扣件为代表的标准图体系，且设计技术、制造工艺方面持续取得进步；道岔从沿用国铁标准逐步发展到适配地铁工程建设需求的以城轨系列等为代表的标准图体系；整体道床确立以混凝土长枕埋入式为主的标准体系，并发展出预制装配化技术等新型道床结构；减振轨道结构形成涵盖从扣件、轨枕到道床类减振的多元化技术体系。展望未来，轨道结构技术将在设计、施工、运维及运营线改造等方面得到持续发展，中国地铁技术标准也将逐步走向国际化。

针对中国海外城市轨道交通基建市场开拓历程、市场特征与现实挑战尚需系统梳理的问题，聚焦2005—2025年中国企业在海外开工建设的城市轨道交通基建项目，对项目数量、分布国家、线路里程、建设状态、区域格局、项目制式及发展阶段进行全面统计，并进一步分析中国企业海外城轨市场版图的形成过程、发展演化轨迹及主要问题。在此基础上，从区域布局、产业链延伸、风险防控、融资模式、成本管理、规则标准和技术人才储备7个角度提出系统性解决方案，包括按区域潜力实施分层精准市场布局，打造TOD“城轨+沿线综合开发”复合型出海生态，搭建国别分级、前置预警的地缘风险防控体系，创新多边金融、站点物业反哺的多元自偿融资模式，建立属地化基准数据库并落地全生命周期成本管控机制，注重规则标准的“软联通”，以及强化自动驾驶、智能运维等核心技术与国际化人才储备。研究结果表明，2005—2025年，中国企业已在全球五大洲21个国家建设55条城轨线路，建成与在建总里程达984.2 km，海外市场空间在地理上高度集中于东南亚、西亚北非及撒哈拉以南非洲3大板块，项目制式以大运量地铁为主；其发展经历了萌芽探索、“一带一路”驱动及向高质量发展转型3个阶段，并呈现出从土建承包向全产业链输出、从短期运维向长期特许经营演进的特征。同时，当前中国企业海外城轨项目仍面临项目推进受阻、投标失败率显著上升、局部亏损等问题。总体来看，中国海外城轨产业正处于由粗放规模扩张向可持续价值输出转型的关键窗口期，亟须通过精准市场布局、复合开发模式、风险前置管控、多元融资机制、全生命周期成本控制、规则标准衔接以及核心技术和人才体系建设，提升海外城轨项目的综合竞争力与可持续发展能力，从而更好服务“一带一路”设施联通和全球交通合作命运共同体建设。

针对目前轨道交通线网优化模型存在理想化假设、现实约束刻画不足的问题，且精确算法、智能启发算法、深度强化学习3类主流求解方法各有计算、稳定性、泛化等短板，基于2015年至2025年相关文献数据，系统论述城市轨道交通线网优化模型与方法的研究进展。首先构建线网规划问题的分类框架，从规划场景、建模形式与求解方法3个维度对问题进行归纳。然后在优化模型方面，梳理单目标向多目标优化的发展路径，归纳效率、成本、公平性及韧性等多维目标体系的演化特征，并进一步总结初始线网生成模型与既有网络扩展优化模型的主要研究进展与建模思路。在求解方法方面，对比分析精确算法、元启发式算法以及深度强化学习方法的发展特点，重点阐述基于马尔可夫决策过程（MDP）的线网序贯决策建模思路。结果表明：当前各类优化模型普遍存在结构性缺陷，落地应用价值受限，脱离工程实际，难以完整刻画换乘、运力、时变客流等现实约束，并提出可通过构建大规模网络混合优化框架、供需协同统一模型、多制式协同优化理论、低碳可持续优化体系及数字孪生驱动的动态决策模型五大方向完善相关研究。

针对传统节点-场所模型难以充分刻画轨道交通车站实际客流活力及其出行情景差异的问题，引入活力维度构建节点-场所-活力模型，用于识别城市轨道交通站域类型及其情景差异。以西安市211座轨道交通车站为研究对象，综合轨道交通网络拓扑结构、车站设施供给、接驳交通、建成环境、人口活动、兴趣点（point of interest, POI）功能设施及小时级起讫点（origin-destination, OD）客流等多源数据，构建涵盖节点、场所和活力三维度的评价指标体系，采用组合赋权方法确定指标权重，并利用高斯混合模型识别工作日和国庆长假情景下的站域类型，分析不同情景下站域类型的转换特征。结果表明：西安市轨道交通车站节点、场所和活力得分总体呈现“中心城区高、外围线路低”的空间格局，国庆长假情景下部分车站活力集聚程度明显增强；站域可划分为枢纽综合型、站城协调型、活力响应型、场所承载型和基础培育型5类，其空间分布呈现“中心集聚—外围分异”的圈层特征；工作日与国庆长假情景下站域类型整体保持稳定，211座车站中有192个站域类型不变，占比91.00%，19座车站发生转换，占比9.00%，站域类型转换主要发生在场所承载型与基础培育型之间，并主要分布于二环以外区域。研究结果可为轨道交通站域功能优化、外围车站培育、公共交通导向开发（transit-oriented development, TOD）模式下的差异化建设和精细化运营管理提供科学依据。

为深入探讨市域快速轨道（简称市域快轨）与地铁等轨道交通系统在客流的分布规律上的差异，并进行科学合理的评价，基于《城市轨道交通运营指标体系》（GB/T38374—2019）与中国城市轨道交通协会2025年度统计数据，系统界定客运强度与客流密度的指标内涵与适用边界，分析市域快轨在出行空间、时间、需求等方面的运营特征。以全国22座城市34条已运营市域快轨线路及多条典型地铁线路数据为例，开展量化实证研究。研究表明：2025年全国市域快轨所属中运能系统平均客运强度仅0.18万人次/（km·d），远低于地铁0.73万人次/（km·d），而客流密度达2.46万人次·km/（km·d），运输效率被低估；市域快轨平均运距普遍大于30 km，这是两类指标评价偏差的核心因素；客流密度更能够匹配市域快轨长距离运输的功能定位，客流密度指标对中心城区较短运距的地铁同样适用，但因地铁平均运距较短，客运强度与客流密度高度正相关。在系统梳理现有研究的基础上，提出以客流密度为核心、兼顾平均运距与时空收敛效益等多维度的市域快轨评价框架，并通过理论、实证与综合效益3个层面验证其客观性，提出四方面优化建议，为都市圈轨道交通规划审批、运营考核与高质量可持续发展提供理论支撑与参考。

为梳理虚拟编组技术在轨道交通运输组织领域的研究进展，明确其在列车运行计划优化与运行调整中的应用现状及未来发展方向，对近年来国内外相关文献进行综述。基于运营与服务视角，以2022—2025年发表于Web of Science、Scopus、IEEE Xplore及中国知网等数据库的42篇代表性文献为研究对象，对开行方案编制、时刻表优化、时刻表与车底周转一体化优化，以及列车延误调整、中断持续阶段调整和中断恢复阶段调整等研究进行归纳与比较分析。结果表明：虚拟编组通过缩小列车运行间隔和支持动态重联/解编，能够显著提升线路通过能力与运力配置灵活性；在运行计划优化方面，研究已由单一时刻表优化逐步发展为时刻表、停站方案、交路及车底周转的一体化优化；在运行调整方面，虚拟编组可有效提高中断场景下的运输组织韧性与客流疏解效率。当前研究仍存在一体化程度有限、复杂网络场景考虑有限、多策略协同机制缺乏以及全过程中断调整研究欠缺等问题。未来应重点关注时刻表—停站—交路—车底协同优化、行-调-控一体化建模、多策略协同调整、全过程中断调整以及深度强化学习等智能优化方法在虚拟编组场景下的应用，为虚拟编组技术在轨道交通运输组织中的深入应用与工程实践提供理论参考和方法指导。

为提升城市轨道交通列车运行的安全性，抵御极端气候条件下带来的列车运行风险，克服传统依赖轮轨黏着的制动方式效能大幅降低的不足，针对城市轨道交通频繁启停、工况复杂，特别是雨雪极端天气影响的特点，研究高悬挂磁轨制动器在紧急制动工况下的振动产生机理与动态响应规律。基于“电磁吸附-摩擦制动”的工作机制，通过模拟雨雪天气对线路的影响，识别出其振动特征。建立“制动装置—转向架—车体”振动传递路径，通过三轴加速度传感器采集不同工况下的垂向与横向振动数据，结合平稳性与稳定性指标对车辆运行安全性及舒适性进行量化评估。研究结果表明：在雨雪天气湿轨工况时，高悬挂磁轨制动器振动加速度峰值小于2.5 m/s²，振动通过转向架—车体传递，对车载电子设备使用寿命影响较小；高悬挂磁轨制动器制动模式对车辆运行平稳性几乎无影响，通过增加磁轨制动对保障城市轨道交通在各类复杂气象条件下高速、安全、舒适运营具有重要工程价值。

针对城轨机房智能巡检算法在复杂环境中特征提取能力弱、多源数据适应性差的问题，本文提出一种基于视觉大模型的城轨机房智能巡检创新方案。该方案利用视觉大模型强大的深层语义建模能力，对机房监控图像进行多粒度特征提取，同时引入自适应多尺度融合模块，以优化特征表征能力。为兼顾计算效率与识别精度，本方案设计云-边协同架构。云端部署完整视觉大模型，负责复杂场景下的高精度推理与模型迭代，边缘端则部署轻量化推理模块，实现巡检图像的预处理、实时检测和故障预警，保障机房运维的即时性与安全性。为验证所提方案的有效性，基于大连地铁1号线大连北站机房真实运营数据开展测试验证，涵盖多种设备类型。实验结果表明，该算法在设备状态识别任务中mAP@50达0.923, F1分数为0.915，综合检测性能优于主流巡检算法。经济效益分析显示，方案年均运营成本约44万元，较传统人工及定期维护方案年均节约46万元，具备良好的经济可行性。此外，本方案采用通用工业硬件采集架构、标准化数据接入协议与模块化算法设计，场景适配性强，不局限于城轨机房，还可拓展应用于地铁隧道、车站等轨道交通场景。

针对轨道交通运维知识图谱构建过程中人工依赖程度高、数据处理复杂、构建效率低等问题，提出一种基于大语言模型的自动化知识图谱构建方法。首先，设计面向轨道交通运维领域的双阶段垂域专属提示词模板，分别用于领域概念层生成和运维数据抽取；其次，利用大语言模型的零样本学习能力，自动生成符合资源描述框架（resource description framework, RDF）语法规范的知识图谱数据；最后，构建基于提示词驱动的知识图谱构建框架，实现轨道交通运维元数据向RDF知识图谱的自动转化，并支持与已有知识图谱的融合。实验结果表明：与通用Prompt相比，本文方法的实体抽取准确率由81.2%提升至93.8%；概念层完整性由68.4%提升至91.6%，复杂关系抽取准确率由46.7%提升至78.9%；与OpenNRE、语言技术平台（language technology platform, LTP）、Bert4Keras 3种三元组抽取方法相比，本文方法Prompt+LLM的精确率为94%，召回率为93%，F1值为0.93，抽取时间为562 ms，整体效果最优。该方法有效提高轨道交通运维知识图谱的构建效率和质量，可为轨道交通智能运维决策及其他领域知识图谱自动构建提供参考。

在城市轨道交通智能化发展背景下，列车自动驾驶需在节能与准点性之间实现有效权衡，而现有调度规章多以自然语言形式表达，难以直接用于控制建模。为此，本文提出一种融合大语言模型（large language model, LLM）与近端策略优化（proximal policy optimization, PPO）的列车自动驾驶控制方法。该方法利用LLM对调度规章与运行经验进行语义解析，并在知识图谱（knowledge graph, KG）约束下自动构建包含状态空间、动作集合、奖励函数与安全约束的马尔可夫决策过程（markov decision process, MDP）模型。在此基础上，引入动作屏蔽机制与奖励权重自适应调节策略，采用PPO算法在仿真环境中训练安全可控的自动驾驶策略。仿真结果表明：与传统规则控制、模型预测控制（model predictive control, MPC）和深度Q网络（deep Q-network, DQN）方法相比，本文方法的平均牵引能耗分别降低约2.5%、1.5%和1.0%，平均晚点时间分别降低约13.7%、19.6%和16.3%，且平均jerk值降至0.59m/s³，验证了LLM语义建模与强化学习相结合在列车自动驾驶控制中的有效性。进一步的半实物仿真结果表明，知识图谱校验能够降低语义解析中的规则遗漏与物理不一致风险，动作屏蔽机制可将限速和安全间隔等硬约束嵌入策略执行过程，奖励权重调节机制能够依据能耗、晚点和舒适度指标动态调整多目标权衡。所提方法形成了“语义建模—策略优化—反馈调节”的闭环，为自然语言调度知识参与列车自动驾驶控制建模提供了可解释的实现思路。

为检验轨道交通导向的公共交通系统在提升出行公平方面的实际成效并识别潜在问题，基于手机信令数据，以深圳为例，构建整合空间公平与群体公平的就业可达性公平评价框架，提出“先识别空间差异，再归纳人群特征”的分析路径。研究在不同通勤情境下，联合测度绝对与相对就业可达性，依据“低绝对—高相对”双重劣势标准识别交通劣势单元，并采用K-medoids聚类刻画社会经济属性，引入可分解泰尔指数拆解不公平来源。结果表明：深圳就业可达性呈现“机会空间不均等、通勤时间趋同”的特征，轨道交通压缩了通勤时间，但就业机会仍集中于站点核心区及优势区位，交通劣势单元随距轨道站点距离增加而增多。研究识别出多重社会弱势群体、经验型劳动群体、传统型劳动群体及双高通勤错配群体，揭示弱势成因的多元性。泰尔指数分解显示，不公平主要源于群体内部差异，群体间差异则主要由教育与收入驱动。研究结果为轨道交通导向的公共交通系统公平性测度及其可持续运营提供了新的思路。

膨胀土因蒙脱石等黏土矿物的水敏感性及晶格吸胀特性，易产生显著的胀缩变形，严重威胁城市轨道交通隧道工程等结构的安全与稳定。针对传统凝胶材料固化技术的高能耗、高碳排放及耐久性不足等问题，提出一种弱膨胀土的性能主动调控方法。通过研发新型环保型固化剂与水泥-石灰复合调控剂，对弱膨胀土的宏-微观力学性能进行动态调控，实现其力学性能、耐久性与环保性的全面提升。基于多尺度试验方法，揭示固化剂通过离子交换、凝胶网络形成、物理填充及骨架强化等多重机制协同作用，可主动调控土体微结构与力学性能。结果表明：水泥-石灰-固化剂复合体系显著提升膨胀土的力学性能与耐久性能，其核心在于微观层面胶凝物质对孔隙的定向填充及三维网络结构的构建；推荐工程最佳改良配合比为水泥∶石灰∶固化剂为3%∶3%∶0.02%。该配比在保证改良效果的同时，可大幅减少水泥和石灰的用量，有效控制工程成本。本研究从化学-物理协同调控角度，为绿色高效改良膨胀土提供理论支撑与技术路径。

针对列车自主运行与虚拟编组新型运行制式快速发展背景下，传统列车车辆系统与车载信号系统独立设计、车辆侧采用分布式控制架构，导致的列车自动驾驶（automatic train operation, ATO）控车链路冗长、响应延迟大及控制精度低等工程问题，提出一种多系统融合的列车减速度闭环控制方法。首先，搭建集成车辆控制与信号控制功能的一体化软硬件平台，构建多系统融合控制架构；其次，基于该平台对列车自动驾驶控制全过程进行功能重分配，深度融合ATO控车调控、牵引/制动力协同分配、闭环反馈控制等核心环节，重构控制闭环；最后，通过实车试验对所提方法的控制性能进行验证。测试结果表明：相较于传统分布式列车控制系统，融合控制系统在多个工况下控车效果均得到提升，融合控制系统ATO控车模式控制精度提升35%，响应延时缩短25%；纯电制动工况下控制精度提升70%、响应延时缩短20%；电空混合制动工况下控制精度提升30%，响应延时缩短14%。该多系统融合控制架构可有效改善列车制动平稳性，提升停车控制精度，为列车智能化、自主化安全高效运行提供重要的技术支撑。

针对高密度运营条件下地铁车辆制动系统单点故障易由设备级问题演化为运营级风险的现象，以北京地铁某进口制动系统为对象，提出一种面向工程实施的系统分析与优化方法。以典型运营延误事件为牵引，通过系统分解与功能-结构映射，结合实车故障模拟试验，揭示制动控制阀排风电磁阀卡滞、总风路与停放制动强耦合以及制动系统与列车控制和管理系统（train control and management system, TCMS）信号接口失配等关键风险的传播路径与放大机理。在此基础上，采用失效模式与影响分析（failure mode and effects analysis, FMEA）与故障树分析（fault tree analysis, FTA）相结合的方式对风险进行量化评估，并将评估结果作为系统重构的直接约束条件，从软件逻辑、气路结构与人机交互3个层面提出协同优化方案，包括人机界面（human-machine interface, HMI）可触发的制动系统自检与自复位机制、制动风缸低压前馈诊断逻辑、基于单向阀的停放制动供风路径重构，以及面向运营处置的TCMS故障分级与预警提示优化。多线路实车验证结果表明，与优化前方案相比，实施本文所提方法后，3类典型单点故障识别准确率平均提高34.3%，应急处置时间平均减少3.1 min，清客救援、限速运行、晚点等运营影响显著降低。研究形成的“故障模拟-风险量化-系统重构”方法框架，可为城市轨道交通车辆制动系统及其他关键系统的韧性设计与主动风险管理提供工程化参考。

针对城市轨道交通走行轨区段绝缘劣化导致的杂散电流升高，且严重影响系统供电安全及周边地下金属工程安全的问题，开展走行轨区段绝缘劣化时杂散电流动态分布规律及防护方法研究。首先，对城轨线路区段高绝缘防护系统进行方案设计，提出线路高绝缘区段的杂散电流防护方法，设置单向导通装置及高绝缘区段；然后，建立城轨供电系统区段绝缘劣化情况下多列车动态运行仿真模型，并考虑回流系统分区段防护控制特性，进行系统统一链式建模及潮流求解；最后，基于国内实际城市轨道交通线路参数，仿真分析区段绝缘劣化时全线杂散电流及钢轨电位的动态分布，并研究分区段防护对线路杂散电流及钢轨电位的控制效果。研究结果表明，区段绝缘劣化会导致该区段钢轨电位钳位、杂散电流增加；采用分区段防护，隔离区段外的回流电流并在区段内采用高绝缘，能够大大限制区段内杂散电流幅值，同时有效解决区段绝缘劣化导致的钢轨电位钳位问题。相关方法可用于城轨线路关键区段的杂散电流防护。

为解决地铁短时进站客流预测中多粒度时间特征融合不足、站点空间关联异质性刻画不充分等问题，提出一种融合多粒度感知与图注意力机制的地铁短时客流预测模型（multi-granularity and attention-enhanced passenger flow, MGAPF）。模型在时间维度构建4种不同感受野的一维卷积分支，并通过粒度注意力机制自适应融合多尺度时间特征；在空间维度引入图注意力机制，动态学习邻接站点间的关联强度；同时融合节假日、周末及天气等外部特征，并结合门控融合结构、残差连接和Transformer编码器完成时空特征交互与预测输出。基于杭州市地铁真实运营数据的实验结果表明，在10 min与30 min客流预测任务中，MGAPF的MAPE（平均绝对百分比误差）分别达到16.93%与9.52%，相较次优模型分别下降约4.5%与7.8%，且在MAE（平均绝对误差）、RMSE（均方根误差）及预测稳定性方面表现更优，表明融合多时间粒度特征、站点空间关联及外部影响因素能够有效提升地铁短时进站客流预测的精度与稳定性。

针对地铁转向架轴承在复杂工况下故障特征隐蔽、原始振动信号易受噪声干扰且传统诊断方法泛化性差、模型复杂度高等问题，提出一种融合欧拉特征提取（eulerian feature extraction, EFE）与浅层卷积神经网络的轴承故障智能诊断方法。该方法通过自适应区间映射实现振动信号的无量纲化与标准化，利用几何相位编码将线性时序信号转化为极坐标相位形式，再通过双重欧拉特征融合构建FirstEuler和SecondEuler两种特征表达，实现时域与相位域特征的深度融合，有效增强微弱故障特征的辨识度。EFE提取的特征可直接作为一维卷积神经网络输入，亦可转换为灰度图输入二维卷积神经网络，分别构建浅层诊断模型以兼顾诊断精度与效率。以凯斯西储大学轴承数据集和加拿大渥太华变速轴承数据集为实验对象，开展单工况、多工况及变转速工况下的故障诊断试验，并与变分模态分解（variational mode decomposition, VMD）、经验模态分解（empirical mode decomposition, EMD）、希尔伯特变换（hilbert transform, HT）等传统特征提取算法进行对比。实验结果表明：EFE在-6 dB强噪声环境下，相比原始信号一维诊断精度提升7.8%以上；单工况二维诊断中精度较原始数据提升约19.5%，对VMD、EMD等算法提取的特征进行二次增强后，诊断精度最高可达100%；多工况与变转速工况下，经EFE二次特征提取后诊断精度平均提升15%，其中VMD结合FirstEuler在变转速全工况组合中实现100%诊断精度。所提方法能有效抑制噪声干扰，突出微弱故障特征，在恒定负载、变负载、变转速等复杂工况下均展现出优异的泛化能力与特征提取性能，且浅层CNN模型降低计算复杂度，为地铁转向架轴承的高效故障诊断提供新的技术方案。

基于轨道交通企业经营视角，针对跨线运营中车辆周转效率、列车满载率与运营经济性协同平衡的问题，构建以最小化运营车公里为目标的多维度跨线运行图协同优化模型。研究聚焦运输资源时空配置的经济性优化，通过集成时刻表编排、折返作业、场段计划与跨线接续等核心要素，建立最大行车间隔与列车满载率的关联约束机制，实现运营成本与服务可靠性的协同管控。为提高求解效率，提出FSAE-CLO（fast solution algorithm for engineering-cross line operation）快速求解算法，将跨线运行图优化转化为跨线决策组合搜索问题，按照可跨线列车顺序逐步筛选可行方案，并基于迭代概率更新机制调整跨线决策，压缩解空间的同时减少无效搜索。以北京地铁房山线与9号线早高峰为例，实证表明：相较于单线运营模式，该方案降低6.83%车公里；较遗传算法减少4%运营里程，并缩短24%求解时间。本研究为运输企业在采用跨线运输组织方法决策中，从降本增效视角提供一种新的理论方法与实践支持，其资源耦合优化机制对提升网络化运营效益具有一定参考价值。

为实现地铁钢轨波磨状态的准确识别与智能监测，提出一种结合小波包分解（WPD）与一维卷积神经网络（1DCNN）的波磨识别方法。基于现场实测列车轴箱垂向加速度信号，采用4层小波包分解提取16个子带能量特征，并进行能量归一化构建能量向量；设计轻量化1DCNN结构，以能量向量为输入，实现多尺度特征学习。选取无波磨、长波波磨和短波波磨3种典型波磨类型作为分类标签，构建训练集与测试集进行模型训练与验证。结合不同波磨类型在低频与高频子带中的能量分布差异，对特征提取结果进行分析。结果表明：该方法平均识别准确率达97.60%，长波波磨的召回率为100%。与SVM、LSTM和2DCNN等模型相比，1DCNN表现出更高的精度与更强的泛化能力，可在不依赖专用检测设备的条件下实现列车运行过程中的波磨智能识别。结合传统波磨测试的波长域评价体系，分析其与本研究识别结果的一致性，提出在线识别与现场精测互补的工程应用流程。本研究验证了WPD与1DCNN融合方法在地铁钢轨波磨识别中的有效性，为轨道运行状态在线监测和智能维护提供了新思路。