随着网络购物的兴起,城市物流的重要性引起了广泛注意。为了能够高效处理城市内持续增长的物流配送量,满足客户的配送需求以更好地提升消费者体验,以电动无人车为代表的城市无人物流配送已经日渐成为现实并受到广泛关注。当前研究主要聚焦在无人化配送的可行性以及电动无人车的运营规划等,深入考虑电动无人车配送特点的城市物流配送问题研究尚有欠缺。电动无人车从配送中心出发,完成配送任务的路径规划原理可以参考著名的旅行商问题,但还需要进一步刻画电动无人车的充电决策。本文针对使用电动无人车进行城市物流配送活动进行研究,为保证电动无人车能够在城市中进行配送时维持其电量,对充电站选址问题建立模型,设计了改进k-means算法进行求解,将建设充电站数量和位置进行了合理布局;考虑到电动无人车自身的独特性,提出了相应的电动无人车充电原则,并对物流成本进行分析,建立相应的非线性整数规划模型。该模型是经典车辆路径问题(VRP)的拓展,是NP-hard问题,通常采用智能算法有效地求解该问题,因此论文设计了遗传模拟退火算法以及介绍了该算法的求解思路和过程,运用了 Lingo求解器对所建的路径规划模型进行精确求解,验证本文路径规划模型的正确性以及遗传模拟退火算法的可行性。在案例分析阶段,论文对M公司的经营状况进行了简述,并且选取了该公司的800条客户数据进行优化分析。从充电站建设成本出发,考虑到数据规模较大,运用了改进k-means算法对充电站进行选址,通过对比建设不同充电站的数量时所产生的成本,确定了合理的充电站数量和位置;在电动无人车配送路径规划中,应用所建立的数学模型,以车辆固定使用成本、行驶成本、等待成本和充电成本为目标函数,车辆载重、电量以及客户时间窗等为约束,使用设计的算法对本文案例中大规模数据量进行路径规划;最后,对遗传模拟退火算法进行对比分析,验证其在求解大规模数据问题时的优越性,并且将行驶速度、电量消耗系数和充电系数等参数进行灵敏度分析,结果表明这些因素对配送成本有着一定的影响。电动无人车进行城市物流配送时的最大行驶里程受电量限制,所以解决当前城市中充电站的布局以及电动无人车如何寻找和选择充电站进行充电以保障能够在城市中安全配送成为在实际应用中的关键问题,本文研究可以为物流公司的城市物流配送业务发展提供参考和指导。