1.一种考虑复杂路网的物流配送区域划分方法，其特征在于，所述方法通过考虑城市复杂路网结构，对城市物流配送区域进行网格化，并结合多尺度网络模型构建得到考虑复杂路网的反向k-增长多尺度网络模型，在反向k-增长多尺度网络模型的基础上，采用混合遗传-集束搜索算法实现城市物流配送区域的划分；

所述方法包括：

(1)将城市物流配送区域进行网格化；

(2)将城市复杂路网进行模型化：G＝(V(G),A(G),P(G))城市复杂路网G由点集V(G)、有向路径集A(G)和道路拥堵描述P(G)组成；

V(G)为所有路径节点的集合，V(G)＝{vA(G)由路径矩阵R(v

P(G)为道路拥堵描述；

城市物流配送区域中，客户集散节点的集合J＝{J客户集散节点需求信息为C＝{c其中，

(3)构造目标函数，即总费用GD，由行驶费用、车辆固定成本和时间延迟成本3部分构成：其中，F为车辆的固定成本，l为时间延迟成本；

设D＝(v

每个客户集散节点J

假设客户集散节点集合J划分为S′个配送区域：J＝(JF(4)在复杂路网上搭建反向k-增长多尺度网络模型假设城市物流配送路网Z的边界为L，中心点为O，中心点O的经纬度坐标为(x(5)染色体编码

将路径信息与配送信息进行染色体编码，采用二维染色体编码方式；

第一维度为自然数序列：1,2,3,...,S'，S'为配送区域的个数；

第二个维度是染色体的位置；

染色体位置表示为分配给每个配送中心的客户点的序列号；y(6)设定适应度函数

其中，QZ为惩罚权重，S′(7)染色体选择

采用Monte Carlo法选择算子，个体适应度越大，被选择的概率越高；

(8)确定集束搜索的拓扑结构，即生成可划分客户点的集合；

(9)初始化搜索束宽和权值；

判断初始节点的数量N是否大于bw，N>bw，继续；N

其中，bw为集束搜索的束宽；

(10)引入惩罚函数

maxGD≥QZ

(11)交叉与变异

从父代里随机选择两个个体ww

w

其中β为[0,1]间的随机数；

以预定概率完成均匀变异，使个体适应度更高，从局部角度逼近最优解；变异后的新基因值为：w'＝γ(w

其中w

在经过多次交叉变异后，得到城市物流配送区域的最优路径，得出物流配送区域划分最优结果。

2.根据权利要求1所述的方法，其特征在于，所述(4)在复杂路网上搭建反向k-增长多尺度网络模型，包括：(4.1)确定中心点O

(4.2)初始网格划分

确定中心点O周围的r×r个初始网格，其中r＝g输入：中心点坐标O(x

输出：初始网格坐标GRIDStep1：根据中心点O(xStep2：在初始网格划分总体区域范围内，按照从左到右、从上至下的顺序计算各网格顶点坐标为：GRID

(4.3)网格扩展划分

在第p-1步网格扩展划分结果的基础上进行第p步网格扩展划分，其中P输入：中心点坐标O(x

输出：第p步网格扩展划分结果PGRID(a,b)。

3.根据权利要求2所述的方法，其特征在于，所述道路拥堵描述P(G)中以自然条件、道路等级对道路通行能力的影响评价，引入公式P＝(PP(G)＝{P(v

表示当从路径节点v

4.根据权利要求3所述的方法，其特征在于，时间延迟成本l计算公式如下：其中，ω表示单位距离对应的时间延迟成本。

5.根据权利要求4所述的方法，其特征在于，所述均匀变异的预定概率为0.02。

6.根据权利要求5所述的方法，其特征在于，QZ为惩罚权重，取值为$3800。

7.根据权利要求6所述的方法，其特征在于，所述构造目标函数中，若实际配送线路中，存在无法直接穿越需要绕行的交通障碍，则判断由此产生的绕行成本是否超出配送承受范围，若超出配送承受范围，则在线路规划中避开；无法直接穿越需要绕行的交通障碍包括铁路和河流。

8.一种车辆调度方法，其特征在于，所述方法采用权利要求1-7任一所述的考虑复杂路网的物流配送区域划分方法对车辆调度范围进行区域划分，进而根据区域划分确定车辆调度方案。