频发的自然灾害和突发性公共卫生事件每年都会给人类造成严重的人身财产损失,及时采取有效的救援措施能够最大限度地降低灾害造成的负面影响。设施选址和车辆调度是应急物流系统中两个相互关联的子问题,目前大多数研究是分开来处理的,这容易产生次优解。结合应急物流的不确定性,应急需求通常无法预知,而且由于灾难对道路的破坏性,车辆在路网中的出行时间也不能确定。此外,决策者对待风险的态度对应急决策至关重要。然而,尚未有研究全部考虑以上因素对应急物流的影响。本研究同时考虑随机需求和出行时间因素,旨在优化应急救援的时间效率和经济效益目标,提出了一个基于带遗憾项的条件风险值（CVaR-R）的双目标组合优化模型。该模型能够抓住决策者对风险的态度,全面地捕捉不确定因素的可变性。遗憾值定义为在相同情况下,已实施解决方案的目标值与最佳目标值之间的差异,其中最佳值通过解决需求和出行时间已知的确定性模型获得。鉴于此,基于CVaR-R的模型通过设计一种混合优化算法（VNS+NSGA-Ⅱ）得到Pareto解集,此时决策者仍无法从Pareto前沿上确定最优解决方案。因此,引入均值测量的平均牺牲量获取纳什议价解（NBS）。本文设计了两个测试算例对模型和算法进行验证,小规模算例分别采用Cplex和VNS算法求解,对比发现其结果一致;大规模算例采用VNS+NSGA-Ⅱ得到Pareto解集,然后通过设定距离参数确定Pareto前沿上的纳什议价解。实验结果表明,VNS算法能够有效地求解小算例的精确解,而混合优化算法也可以在合理的时间内求解基于CVaR-R的双目标组合优化模型。此外,研究还发现置信水平和距离参数都会影响NBS的确定,通过改变距离参数,可以得到符合决策者风险偏好的解决方案,它有助于为应急物流部门在进行设施选址和车辆路径设计时提供决策支持。