بازیابی انرژی ترمز در قطارهای مترو یکی از چالش‌های اساسی بهره‌برداری کارآمد از سیستم‌های حمل‌ونقل ریلی شهری است و عدم استفاده از این انرژی منجر به اتلاف حرارتی قابل توجه و کاهش راندمان کلی می‌گردد. هدف این پژوهش، تحلیل و مقایسه چهار دسته استراتژی کنترل شارژ/دشارژ ابرخازن شامل هیسترزیس، منطق فازی، کنترل پیش‌بین مدل (MPC) و یادگیری تقویتی، و ارائه چارچوبی برای انتخاب روش بهینه در سامانه‌های ذخیره‌سازی انرژی مترو می‌باشد. پژوهش با رویکرد توصیفی-تحلیلی و روش کتابخانه‌ای انجام شد و معیارهای ارزیابی شامل راندمان بازیابی انرژی، پیچیدگی محاسباتی، نیاز به مدل دقیق، قابلیت تطبیق با تغییرات ترافیک و تأثیر بر عمر مفید ابرخازن بوده است. یافته‌ها نشان می‌دهد کنترل هیسترزیس ساده و کم‌هزینه است اما راندمان پایینی (۶۵-۷۰ درصد) داشته و تنش‌های جریان ناگهانی، عمر ابرخازن را کاهش می‌دهد. منطق فازی راندمان متوسطی دارد اما طراحی آن نیازمند دانش خبرگی و تنظیم تجربی است. کنترل پیش‌بین مدل با راندمان تا ۸۲ درصد از نظر تئوری بهینه است اما به مدل دقیق از دینامیک سیستم و توان محاسباتی بالا نیاز دارد. یادگیری تقویتی بیشترین قابلیت تطبیق با الگوهای متغیر ترافیک را دارد اما با چالش‌های نیاز به داده‌های آموزشی زیاد، زمان طولانی همگرایی و تفسیرپذیری پایین مواجه است. نتیجه اصلی پژوهش، ارائه یک چارچوب مفهومی مبتنی بر استراتژی ترکیبی وفقی است که با سوئیچ خودکار بین روش‌ها بر اساس الگوی ترافیک (ساعات اوج یا غیراوج)، فاصله زمانی قطارها و محدودیت منابع محاسباتی، ضمن حفظ سادگی در شرایط عادی، در ترافیک سنگین و ترمزهای متوالی عملکرد بهینه را تضمین نموده و عمر مفید ابرخازن را افزایش می‌دهد.