近些年,随着国内外危险品车辆安全事故发生率的显著提升,国内外学者对于危险品运输车辆的路径规划研究也在逐年增多,而有关危险品在运输流程的安全性不仅与人口暴露情况、交通流量状况、道路施工现场以及不确定的天气等自然因素有关之外,还与危险品自身属性的特点密不可分,因此利用对危险品自身的危险等级分类,合理建立道路运输风险安全评估模型具有现实研究的意义。本文首先针对单一危险品运输车辆的路径规划问题进行了详细的研究,其中提出了一种改进的FOA（果蝇优化算法）算法优化模型,通过引入遗传算法的交叉信息机制,利用父代种群间的交叉,位移等策略改进了传统果蝇优化算法容易陷入局部最优特征的缺点,且根据改进后的算法设计方案,提出基于不同种群间信息基因的学习特点,通过构建种群间优质基因与劣质基因的学习机制,来提高算法的精确性和效率性。其次基于构建的以安全风险和平均运输时间为主的多目标优化运输模型来获得路径寻优的最优解。最后实验部分通过matlab仿真模拟的网络节点来验证模型的准确性,主要是设计了多组算例,通过设置仓库节点及客户节点,通过不同组別的运输车辆来获得多组实验结果,最终通过以安全风险大小,平均运输时间长短以及算法优化时间等几个因素来衡量算法的有效性,结果表面通过与传统的蚁群算法相对比该算法能够准确的得到最优路径并且能够有效降低交通运输风险。其次实验基于单一危险品运输车辆机制的基础上,提出针对多危险品运输车辆的研究运输问题,就危险品类型的不同提出一种基于危险品安全风险等级高低优先排队处理的方法,其中考虑运输成本问题及安全风险的协同多目标路径优化模型方案,包含针对转运流程,计算排队所需成本和服务流程总体成本,构建最低化运输成本核算以及最小化运输风险模型,最后提出利用非支配排序性遗传算法求解模型的最优解。文章最后通过模拟数据来仿真现实中的转运客户节点,通过研究不同路径的运输成本,道路状况,以及设计不同的危险品风险等级,来构建多目标优化设计算例,实验结果表明模型具备完整的有效性,以及能够准确的寻找出符合要求的最低风险及最低成本耦合值。