交通运输作为物流的最重要组成部分，它的快速发展促进了物资交流和人们的往来，大大的缩短了货物运输时间，提高了工作效率。在保证一定的客户服务水平的前提下，最大化利用运输设备和工作人员，对物流配送车辆进行优化调度成为运输企业特别关注的问题。　　 智能运输系统(Intelligent Transportation System，ITS)的未来发展，为行驶中的车辆提供实时的道路状况信息，驾驶员若根据变化的路况信息选择下一时刻的行驶路线，便能避开严重阻塞的路段，选择更加通畅的路段，以节省行驶时间，节约出行费用。　　 在车辆调度问题的研究领域中，针对不确定性环境，学者们偏重于研究单一不确定性问题，如单纯的道路状况的动态变化，或者单一的客户需求不确定性，尚没有两者均为不确定性情况下的研究。基于此，本文在综合分析已有研究的基础上，把车辆调度问题置于一个城市道路网络中，进行不确定性环境条件下的优化调度研究，分为道路状况动态变化、以及道路状况和客户需求同时变化情况下的两类车辆调度问题研究。　　 针对车辆调度的不确定性环境，本文提出了基于动态环境的车辆调度系统原理，设计了动态智能车辆调度系统，系统由离线调度子系统、在线调度子系统、数据库、知识库、信息子系统组成。　　 通过大量的信息统计数据库内容，采用数据挖掘技术形成先验知识的知识库；在执行调度前一天，根据已有的需求信息采用离线调度子系统确定具体客户的访问顺序；在具体调度过程中，根据客户需求新信息和实时路网信息，采用在线调度子系统确定最终调度方案并予以实施。　　 在对动态车辆调度问题进行系统分析的基础上，重点研究了车辆行驶时间对货物运输费用的影响，引出了路阻函数的概念，对路阻函数动态变化下的车辆调度问题进行分析，并分别建立离线子系统的静态调度模型和在线子系统的动态调度模型。在离线子系统中，采用遗传算法进行优化求解，确定客户访问顺序；在在线子系统中，用Floyd 算法求解动态模型，确定车辆每一时刻的具体行驶路线。　　 针对路阻和客户需求同时变化的情况，提出了路阻与客户需求同时变化的动态车辆调度问题，分别建立离线子系统的静态模型和在线子系统的动态模型，并给出了各自的求解方法:采用遗传算法求解静态模型，在离线子系统中得到车辆的预计访问客户顺序和实际的载货量；用Floyd 算法求解动态模型，在在线子系统中确定新客户出现后的车辆访问客户顺序及行驶路线。　　 仿真试验表明，应用本方法对车辆动态调度能使车辆避开严重阻塞的路段，减少行驶时间；最大限度的利用已经行驶在路上的车辆，去满足动态产生的客户需求，减少因重新派车而产生的固定费用，具有很好的实际应用前景。