物流业已发展成为我国国民经济支柱性产业,在其繁荣的同时,行业整体运营效率低下问题也日渐突出。特别是城市小区域配送,占用了大量人力成本,影响物流业长远发展。随着无人驾驶汽车技术的成熟,利用由此改进的无人物流配送车识别城市小区域环境并自主规划路线,代替配送员将货物安全送到指定位置,成为城市小区域配送可行的解决方案。目前,国内外多家研究机构都在进行城市小区域无人物流配送试验,但由于无人驾驶技术的不完全成熟,目前全球范围内还没有正式启用无人物流配送的公司,相关技术特别是作为核心功能的路径规划算法有待进一步研究。无人物流配送车从配送站出发,遍历包含时间约束的目标点完成路径规划的原理可以参考著名的旅行商问题和带时间窗的旅行商问题。该原理的相关路径组合优化算法可以应用到无人物流配送中来,但没有涉及复杂道路网和不同类型行驶环境等问题。基于城市小区域无人物流配送应用的大趋势和目前存在的问题,本文说明了无人物流配送的硬件装置,并提出一种用遗传算法解决混合时间窗的矢栅结合路径规划算法作为无人物流配送路径规划过程实现机制。通过对硬件装置的介绍,解释了城市小区域无人物流配送的行驶环境包括道路和道路围成的小区。因此在路径规划过程中,针对矢量道路网和小区栅格地图需要采用矢栅结合的路径规划算法;同时,在实际物流配送中客户接收包裹的时间往往是随机灵活的,因此不能完全照搬以往带时间窗路径规划算法;由于路径规划过程中两配送目标点间存在大量可行路径,具有并行运算机制、逐步优化的遗传算法非常适合应用于有一定数据量的无人物流配送路径组合优化过程。本文通过对无人物流配送路径规划问题进行详细描述并建立相应数学模型,提出了一种基于遗传算法的混合时间窗矢栅结合路径规划算法。本文分析得到了无人物流配送路径规划数学模型的条件假设,介绍了模型中各参数的含义,建立了包含配送过程用时和惩罚时间的目标函数,说明了关于时间窗、起终点、目标点时间的约束条件,并给出了包含每个目标点的配送方案。在进行数学模型的求解时,设计了混合时间窗层算法原理和流程、矢栅结合路径规划层算法原理和流程、路径组合优化层基于遗传算法的原理和实施流程。通过试验结合真实地理坐标的仿真算例,证明本文算法可以求解出混合时间窗矢栅结合的无人物流配送过程最优路径,并对实验结果和算法性能进行了分析。最后,总结全文研究工作,说明文章创新点,并指出研究中的不足为后续研究提供参考。