随着我国新型城镇化、城市群等国家级战略的落地推进，我国常住人口城镇化率持续增长，至2020年末已突破60%。城市物流既是物流供应链的“最后一公里”，也是支撑城市经济发展的基础性产业，还是保障城市居民日常生活的重要工程，推动城市物流健康高质量发展是提高城市竞争力和经济质量的重要途径。目前，我国城市物流仍然是人力密集型产业，不断增长的劳动力成本极大地压缩了城市物流配送企业的成长空间，不断取得突破并趋于成熟的L4级别无人驾驶车辆在城市物流领域具有广阔的应用前景。作为城市物流的重要组成部分，配送路径规划在降低配送成本和提高配送效率方面发挥着重要作用。因此，本文将探索L4级别无人驾驶配送车辆可在国家法律允许、数字化基础设施支持的部分城市区域提供无人化物流配送服务场景下，有人驾驶配送车辆和L4级别无人驾驶配送车辆组成的混合车队配送路径优化问题，研究内容主要为：
　　⑴考虑AVs仅能在AV区域内提供无人化物流配送服务的特性，本文提出有人-无人驾驶混合车队两级配送模式，该模式要求在AV区域内设置中转站，MVs主要承担将货物从配送中心运送至中转站的桥梁作用和向AV区域以外的客户需求点提供物流配送服务的补充作用，AVs则负责AV区域范围内的物流配送服务。建立了带车辆容量约束的有人-无人驾驶混合车队两级配送路径优化模型，该模型以MVs和AVs的总配送时间最小化为优化目标。针对这一混合整数规划模型，设计了包括交换邻域操作、插入邻域操作以及逆转邻域操作等邻域结构的自适应邻域搜索算法。最后，还基于Solomon的R101标准算例数据构造30个客户需求点和60个客户需求点的案例进行数据分析。实验结果表明：本文设计的自适应邻域搜索算法可有效求解有人-无人驾驶混合车队配送路径问题；在两级配送模式中，AVs可大幅减少MVs驾驶员的工作时间，从而极大地降低物流配送成本，提高物流配送效率。
　　⑵考虑部分AV区域配送需求在时间分布存在潮汐特征，而两级配送模式则要求在每一AV区域至少配置1辆AVs，不同AV区域的AVs不能共同使用，容易造成AVs运力的浪费。因此，本文提出了有人-无人驾驶混合车队协同配送模式，该模式要求以MVs为领航车辆，后车为AVs的队列行驶方式从配送中心出发，以编队方式对AV区域外的客户需求点提供物流配送服务，到达AV区域第一个客户需求点后，MVs与AVs解除编队，AVs单独对AV区域内的客户需求点提供物流配送服务，随后在AV区域最后一个客户需求点重新编队，继续进行物流配送服务，最后回到配送中心。针对带容量约束的有人-无人驾驶混合车队协同配送路径优化问题，建立了以配送员工作时间最短为目标的混合整数规划模型。在算法设计方面，鉴于有人-无人驾驶混合车队协同配送路径优化问题变量繁多和约束复杂的特性造成求解难度陡增，本文将k-means聚类方法嵌入自适应邻域搜索算法中，将一个大规模的有人-无人驾驶混合车队协同配送路径问题转化为k个有人-无人驾驶混合车队协同配送TSP路径问题。邻域结构中包括交换邻域操作、逆转邻域操作、簇内交换邻域操作以及连接点更新操作。算例实验结果证明：本文设计的自适应聚类邻域搜索算法可有效求解有人-无人驾驶混合车队协同配送路径问题，且算法收敛速度明显优于自适应邻域搜索算法；有人-无人驾驶混合车队协同配送模式可在AVs数量较少情况下，较大幅度减少配送员的工作时间。