近年来，物流业随着人们生活水平的提高而快速发展，物流业与人民的生活工作联系的也更加紧密。在目前倡导发展低碳物流的大背景下，物流业不仅面临着成本高的挑战，还面临着来自环境与能源等多方面的压力，物流企业的生存环境愈加艰辛。车辆路径问题是研究运输合理化的有效手段,对降低物流成本、减少能源消耗具有重要意义，而现有的车辆路径优化方法大多停留在二维平面空间内,即只考虑了节点间道路的水平距离，缺乏对竖直方向上车辆行驶状态的定量描述，导致目前的车辆路径优化方法忽视了道路地形的影响，而在实际行驶过程中，道路地形对车辆油耗的影响是不可忽略的。所以本文综合考虑实际运输过程中的道路条件，以减少能源消耗和运输成本为目标，提出了考虑道路地形的城市车辆路径优化方法。
　　本文从单目标车辆路径优化的角度出发，运用文献检索的方法，总结了车辆路径优化问题的相关理论和基本模型，采用综合排放测算模型来计算车辆载重、车辆速度与道路坡度的变化对车辆燃料的消耗，利用软时间窗来反映时间惩罚成本，在客户时间窗约束下，同时考虑道路地形和多通路对车辆路径选择的影响，建立了以包含油耗成本和时间惩罚成本在内的运输总成本最低的数学模型。同时，为了进一步提高遗传算法的收敛速度和求解精度，本文根据云模型的原理及特点，结合遗传算法中交叉和变异的定义及基本操作，引入双曲正切函数和余弦函数来使遗传算法在进化过程中具备随机性和稳定倾向性，并验证算法的有效性。
　　最后结合山东省济南市某公司的实际配送案例，首先利用大数据来分析济南市道路交通的运行状况，利用LocaSpace Viewer来提取道路地形数据，采用三维数组来存储节点间道路坡度数据；然后对算法及模型进行参数设定并运行求解，通过道路坡度影响分析、结果对比及优化效果评价，验证了本文所提出考虑道路地形的城市车辆路径优化方法的科学性和有效性，提出了车辆可通过行驶坡度小的道路来降低油耗，而不一定是距离最短的道路的观点。本文研究的考虑道路地形的城市车辆路径优化方法不仅降低了物流成本，减少了能源消耗和碳排放，同时也为今后VRP问题的研究提供了一个新的视角。