针对交通运输行业对能源和环境产生的副作用,世界各国致力于发展新能源汽车,其中纯电动汽车凭借其“低噪音,无直接尾气排放”等特点成为新能源交通技术的主导发展方向。同时,为了缓解交通拥堵问题,各大城市纷纷推出共享电动汽车模式作为新型的交通出行方式,以缓解紧张的道路资源。然而,由于找车、停车带来的不便以及人工调度困难等问题,我国共享电动汽车发展缓慢。自动驾驶技术的出现有望解决这些问题,实现共享电动汽车自主调度,以及从“人找车”到“车找人”的巨大转变。由此产生的自动驾驶电动共享汽车（Shared Autonomous Electric Vehicles,SAEVs）服务,将融合电动汽车、共享汽车所带来的环境和社会效益,并基于自动驾驶技术提供比传统共享出行更智能、灵活的需求响应服务。本文以自动驾驶为技术背景,从共享汽车服务运营的角度出发,基于电动汽车的固有特点,结合数学建模与算法设计,研究了SAEVs服务中的相关路径优化问题。首先,针对现有的充电技术,研究了不同充电方式下的SAEVs路径问题,考虑初期SAEVs同时面临的设施决策问题,集成优化了站点设施的选址、车队规模和车辆路径,其中站点既作为车场,又作为充电设施节点。考虑部分充电、完全充电和换电三种充电策略的不同特点,构建了不同充电方式下集成设施选址决策的SAEVs路径非线性优化模型,并针对模型特点设计了实数编码的遗传算法,结合模拟二进制交叉和多项式变异算子对问题进行优化求解。分别采用GAMS软件中的非线性规划求解器和遗传算法求解不同规模的算例,结果表明所提出的遗传算法可以有效求解该模型。通过对比不同充电方式下的优化目标,显示了换电模式在车辆路径优化上的经济优越性。参数敏感性分析发现,采用较大电池容量的车辆和设置较小的最低电池电量水平都将促使运营商以更低的成本运营更小规模的车队。其次,针对自动驾驶车辆在速度控制方面的高效性以及可变速度对电量消耗的影响,研究了考虑速度优化的SAEVs路径问题,结合SAEVs未来采用公共充电设施的应用场景,集成优化了车辆服务路线和行驶速度。考虑换电模式的经济性,将其作为SAEVs的电量补给方式,构建了集成速度变量决策的SAEVs路径优化混合整数线性模型。针对模型特点,设计了自适应大邻域搜索算法进行求解,并在其中嵌套速度优化程序,该程序被应用于充电优化的过程中,以实现充电安排和车辆速度的同时优化。分别采用CPLEX求解器和自适应大邻域搜索算法求解不同规模的算例,并结合文献中相似模型的已知最优解,显示出算法求解该问题的良好性能。通过对比在路径决策时是否同时进行速度优化,表明了速度优化的经济效益,主要体现在对出行时间和电量消耗的节约。同时探索了路径优化时能耗和距离目标之间的正相关性,能耗和出行时间之间的悖反关系以及不同目标对速度的依赖性。参数敏感性分析发现,较大容量的电池和较小的最低电池电量比率设置有助于减少车辆的行驶距离,而较小容量的电池和最低电量比率有助于节省电量消耗,车辆的行驶时间只依赖于其在目标中的权重。最后,基于上述研究,针对实际的交通拥堵情况,研究了考虑出发时间和速度优化的SAEVs路径问题,集成优化了车辆路线、出发时间和行驶速度。结合时间相关的行驶时间和实际能耗函数,构建了集成出发时间和速度变量决策的SAEVs路径优化混合整数线性模型。针对模型特点,设计了自适应大邻域搜索算法来进行求解,并嵌入了出发时间和速度优化子程序,以分别优化车辆的服务顺序以及车辆在各弧段的行驶速度和各节点的出发时间。分别采用CPLEX求解器和自适应大邻域搜索算法求解不同规模的算例,结果显示所设计的算法能有效求解该模型。通过算例的对比实验,表明了对出发时间的优化能使车辆有效规避拥堵时段,同时结合优化的速度达到节约成本的目的。参数敏感性分析发现,较长的拥堵时间主要通过影响出行时间而增加成本,但拥堵造成的较低车辆平均速度在一定程度上可以减少能耗,电池容量和最低电池电量比率对乘客的出行时间影响较大。从出行时间方面来看,运营商在预算范围内采用较大电池容量的车辆,并设置较小的最低电量比率,有利于提高出行服务质量。