当前在物流领域,许多环节已实现自动化。但“最后一公里”快递运输仍以人工为主,其消耗的人力成本成为了物流行业发展的瓶颈,无人机无人车协同快递投递是未来的发展方向。而无人化快递投送的实验两年前就已成功,说明技术上完成快递投递无人化是可以实现的。无人机和无人车如何有效协同作业,以提升无人车和无人机的工作效率,是当前亟待解决的一个问题。本文“最后一公里”路径规划问题是一种多任务多无人车无人机,有路网限制和载重限制的协同路径规划问题,是VRP问题的一种复杂变形,也是一种NP-hard问题。对于NP-hard问题,一般认为不存在一个多项式时间复杂度的算法可以求出NP-hard问题的最优解。物流场景实际应用的算法应是多项式时间复杂度的,所以不要求算法能够求出最优解。基于这种前提,本文首先构建了应用场景问题模型,然后设计了一个两段式启发式算法解决路径规划问题,并证明了算法的可行性,最后进行了测试和总结。该算法分为无人车规划和无人机规划两部分,先进行无人车规划,再根据结果进行无人机规划。如果无人机规划无法完成,则根据反馈情况修改无人车规划的条件,直至无人车规划完成。无人车规划以蚁群算法为基础,针对实际限制条件进行了调整和优化,加入了两个新的参数。无人机规划的思想为贪心思想,逐点进行路径规划。无人机可能由于超重或超距导致对于某点无法完成运输,此时将无法完成运输的原因返回给无人车规划算法,重新进行无人车规划,再进行无人机规划,迭代直至规划完成。最后用java语言搭建了实验平台并进行了测试。实验数据来源于TSPLIB库和随机生成点数据,再加上Delaunay算法生成三角网作为路网数据。由于当前针对文中问题场景的算法较少,因此在实验中与本文提出的未优化的算法进行比较,证明了算法的优化效果。并显示出无人车无人机协同运输极大优于无人车单独运输,证明了算法的有效性和正确性。本文算法对于该领域进一步的算法优化起到了推动作用,对“最后一公里”的无人化的落地实现有所帮助。