随着社会经济的发展,绿色节能理念愈加受重视,更多人选择乘坐速度快、准点率高的地铁出行。但由于地铁的运量较大,导致其运行能耗较大。如何降低地铁运行能耗成为当前亟需解决的问题。本课题组与地铁运营企业合作十余年,发现某种情形下的地铁运行,存在能耗最低的“最优运行图”。但经由仿真系统计算得出最优运行图通常需要几天的时间,这无法满足当出现突发状况时的地铁需求。因此本课题组选择将案例推理技术应用于城市轨道交通运行图节能案例库的设计中。由于案例推理技术自身增量式学习的特性,只有不断的向案例库中添加新案例,才能持续提高系统解决问题的能力。随着时间的推移,轨道交通线路运营生成的运行图案例种类及数量越来越多。这不仅会增强运行图推理系统解决问题的能力,同时也会增加检索时间。当时间达到一定限值,会造成系统整体性下降。因此,如何在保证案例检索质量的前提下,控制案例库的规模,提高检索效率,实现对运行图案例库的维护,是本文的研究目标。通过分析影响城轨交通运行能耗的因素以及案例库维护技术,本文从案例库结构调整和冗余案例删除两方面对运行图节能案例库进行维护。首先采用框架法及三元组方法对运行图案例进行表示。提出了基于灰色关联度和层次分析法的综合权重确定方法。采用了高维数据相似度计算方法,解决了因属性维度过多导致的案例相似度间区分度过低的情况,通过试验验证了该方法的有效性。采用基于密度的聚类方法DBSCAN对案例库进行结构调整,对案例库进行了分层处理。针对DBSCAN算法距离参数确定方法进行了改进,利用斜率和均值理论确定了距离参数,解决了常用方法无法全部覆盖本数据集的问题。基于2K-距离孤立点算法计算各子案例库中案例的密度值DNR,选取了对应的代表性案例,并在此基础上计算了每个子案例库的隶属度。为保留案例库中重要的案例,在案例上添加了两个属性:案例构建时间（Construction Time）和被检次数（Retrieval Times）,提出了案例被检率的概念,构建了基于案例覆盖度、案例被检率和案例能耗值的删除函数。在案例删除前,通过冗余度检测,对案例冗余情形进行了分类。从检索结果的能耗值和查准率评价了函数的有效性。基于以上方法对原始运行图节能案例库系统进行了改进和维护,并通过实际案例检索,从能耗值和检索时间上验证了维护方案的有效性。