即时物流是指货物不经过仓储和中转而直接进行端到端配送的物流服务,它通过实时全局调度的方式匹配实时需求和实时运力,并提供端到端的小批量多批次准时送达的服务。时效性是即时物流服务的核心。在复杂多变的交通状况下,行车时间的不确定性会造成原有配送方案不合理甚至不可行。因此,对配送车辆路径进行分布鲁棒优化,提高配送方案在不确定行车时间下的可执行性,对于降低物流配送成本,提高配送效率具有重要意义。论文围绕不确定行车时间条件下即时物流配送车辆路径分布鲁棒优化问题展开研究工作。针对分布鲁棒优化中不确定集合选取不合理的问题,提出一种融合交通流预测的不确定集合构建方法,进而构建分布鲁棒优化模型,设计了交通流预测方法和求解算法。并分别对交通流预测和车辆路径分布鲁棒优化方法的有效性进行了验证。论文的主要研究内容如下:（1）把分布鲁棒优化方法引入到即时物流配送车辆路径优化中,用以解决由行车时间不确定导致的配送方案难以执行的问题。针对分布鲁棒优化中不确定集选择难题,提出融合交通流预测的分布不确定集合构建方法,进而构建以最小化车辆行驶成本和违反时间窗的惩罚成本为目标函数的配送车辆路径分布鲁棒优化模型,并将分布鲁棒优化模型转化为相应对等形式以便对模型进行求解。（2）为了提高交通流预测精度,针对交通流预测模型中路网空间结构刻画和交通流时空特性挖掘不充分的问题,构建了一种新型的有向时空图。通过定义节点相对临近度来表征路网结构关系,通过学习邻接节点对当前预测节点的影响权重来表征节点间时空维度的作用关系,从而能更好表达交通流的时空特性。将时空图作为预测模型的输入,采用图卷积获取交通流数据空间依赖关系,采用门控循环单元获取交通流数据的时空依赖关系,建立一种基于时空图的交通流预测模型,对路网内交通流进行预测。（3）设计了车辆路径分布鲁棒优化算法对构建的车辆路径分布鲁棒优化模型进行求解,在求解过程中设计引入节点适应度函数的局部搜索策略的改进优化算法进行解决。