随着城市化进程的加快,城市呈现区域化分布,而我们的日常出行工具自然离不开汽车,虽然方便了市民的出行,同时也让城市的交通面临着巨大的压力。与此同时,信息时代下互联网技术的快速发展,使得新的购物方式出现,主要是以网上购物的形式来体现,这就使得为此服务的物流企业更加重视其配送过程的控制。高速道路、专用车道、轨道交通等基础交通设施的建设在一定程度上缓解了城市的交通压力,提高了企业的配送时效,但是城市建设的道路复杂性、急剧增加的车辆数和日常出行以及节假日相对固定的出行高峰期,让我们不得不考虑更加合理的路径规划策略。本文以现代智能交通网络为基础,分析智能交通网络中的交通信息特点,道路的时变行、交通路网的错综复杂性等。调用百度智能云API接口,获取实时的道路交通信息,包括交通拥堵状况和车辆行驶时间等信息,一定程度上弥补了在车辆路径规划问题研究中的不考虑真实的道路情况的缺陷。也避免了使用道路阻抗函数来定性描述道路通行状态的不准确性。本文以改进的自适应混合遗传算法为优化算法,对物流车辆的路径规划进行了建模和求解。首先是对标准的遗传算法的整个迭代过程进行分析说明,本文考虑进化过程中算法的各操作算子设置的不合理性,根据迭代过程前期、中期和末期种群的表现,进行了交叉概率和变异概率的自适应选择,使之尽可能的跳出局部最优解寻找到全局最优解。本文设计并建立了基于云计算的城市物流车辆路径规划系统。先是根据云计算技术的特点,将优化算法模型更改为适应于云计算特点的并行式遗传算法,算例验证了更改后的算法的有效性。然后是建立了济南市区域路网信息,根据物流企业的实际需求进行订单需求信息的建立,模拟企业物流配送的过程,设置一定数量的参与配送的车辆信息,并将所有的信息存入数据库。最后基于Visual Studio平台,以配送的成本最小、配送时间最少、行驶距离最小为目标,进行物流配送车辆的轨迹可视化展示。该系统为物流配送企业的车辆调度策略的制定提供了很好的借鉴思路和分析平台。