1.一种车机协同配送灾后救援物资的路径规划方法，其特征在于，所述方法包括：S1、获取受灾数据以及多个用于配送灾后救援物资车辆和无人机组成的联合体数据；

S2、基于所述受灾数据和多个用于配送灾后救援物资车辆和无人机组成的联合体数据，以到达所有灾民聚集点时间总长最短为目标构建需求可分割的车机协同路径问题模型；

S3、基于所述受灾数据、多个用于配送灾后救援物资车辆和无人机组成的联合体数据、车机协同路径问题模型和文化基因算法获取最优的配送路径。

2.如权利要求1所述的车机协同配送灾后救援物资的路径规划方法，其特征在于，所述多个用于配送灾后救援物资车辆和无人机组成的联合体数据包括：无人机的信息和车辆信息，所述无人机的信息包括：无人机的无人机编号、无人机飞行速度、无人机承载能力和无人机续航能力；所述车辆信息包括车辆编号和车辆行驶速度。

3.如权利要求1所述的车机协同配送灾后救援物资的路径规划方法，其特征在于，所述需求可分割的车机协同路径问题模型包括目标函数，如公式(1)所示：其中，i为灾民聚集点的编号，T为灾民聚集点集合；m为无人机编号，U为无人机集合；n为车辆编号，V为车辆集合； 为编号m的无人机送达至灾民聚集点i的包裹数量， 为编号n的车辆送达至灾民聚集点i的包裹数量； 为编号m的无人机到达灾民聚集点i的时间，为编号n的车辆到达灾民聚集点i的时间；目标函数表示到达所有灾民聚集点时间总长最短。

4.如权利要求1所述的车机协同配送灾后救援物资的路径规划方法，其特征在于，所述需求可分割的车机协同路径问题模型包括约束条件，采用公式(2)至(21)来表示：其中，公式(2)表示每个节点至少被访问一次；公式(3)表示确保每辆车必须从仓库出发；公式(4)表示每辆车完成任务后必须返回仓库；公式(5)流量守恒约束；公式(6)变量与公式(6)中的到达时间相关联，防止了不包含仓库的子路径；公式(7)表示如果无人机m从i点发射并在k点收集，则必须将点i和k分配给车辆n，即在车辆的路径上；公式(8)和公式(9)确保当无人机m从i点发射时，车辆n和无人机m是时间协调的，注意，无人机m和车辆n可能在不同的时间离开基地，这些约束将迫使车辆n和无人机m同时到达i点；当车辆n和无人机m在k点会合时，公式(10)和(11)表示进行时间协调，这些约束将迫使车辆n和无人机m同时到达节点k；公式(8)‑(11)假设，如果无人机m在i点从车辆n发射，则它们不能在i点会合，即无人机不能从同一个点多次发射；公式(12)和公式(13)表示假设无人机m在i点从车辆n发射，访问j点后在k点与车辆会合，公式(12)约束了无人机到达j点的时间，公式(13)约束了无人机到达k点的时间；公式(14)解决了无人机的续航约束，其中Tmax为无人机的最大续航时长；公式(15)定义了车辆和无人机的出发时间；公式(16)～(17)确保只有在车辆和无人机访问该节点时才能为该节点提供服务；公式(18)确保每架无人机的最大负荷不超过其U

容量C；公式(19)要求满足每个点的全部需求；公式(20)～(21)定义了决策变量的取值；

i为节点编号，T为灾民聚集点集合，N为节点集合；m为无人机编号，U为无人机集合；n为车辆编号，V为车辆集合； 为决策变量，编号m的无人机是否选择从节点i出发到达灾民聚集点j并在k点与编号m的车辆会合的路径，如果k点为仓库，则该决策变量表示编号m的无人机是否选择从节点i出发到达灾民聚集点j并返回仓库的路径； 为决策变量，编号n的车辆是否选择从节点i到灾民聚集点j的路径； 为决策变量，编号n的车辆从仓库0出发到达灾民聚集点i的路径； 为决策变量，编号n的车辆从灾民聚集点i到仓库L+1的路径； 为编号n的车辆从节点j到节点k的路径； 为编号n的车辆从节点i到节点j的时间； 为编号n的车辆到达节点j的到达时间； 为编号n的车辆到达节点i的到达时间； 为决策变量，编号n的车辆从节点h到达节点i的路径； 为决策变量，编号n的车辆从节点k到达节点l的路径； 为编号m的无人机到达节点i的到达时间； 为编号m的无人机到达节点k的到达时间；

为编号n的车辆到达节点k的到达时间；为编号m的无人机到达节点j的到达时间； 为编号m的无人机从节点i到灾民聚集点j的时间； 为编号m的无人机从灾民聚集点i到节点k的时间；Tmax为无人机最大续航时长； 为编号m的无人机从仓库0出发的时间； 为编号n的车辆从仓库0出发的时间； 为编号m的无人机送达至灾民聚集点j的包裹数量；qj为灾民U

聚集点j的需求量；C为车辆的承载能力；M为一个足够大的正整数。

5.如权利要求1～4任一所述的车机协同配送灾后救援物资的路径规划方法，其特征在于，所述基于所述受灾数据、多个用于配送灾后救援物资车辆和无人机组成的联合体数据、车机协同路径问题模型和文化基因算法获取最优的配送路径，包括：S301、设定编码规则；

S302、根据所述编码规则，按以下5个步骤完成种群的初始化，得到初始配送路径集合：S302a、先将所有点目标的编号进行随机排列生成染色体的第1行，再将该排列分成K段，在每段的前面和后面各加1个0代表仓库，其中第k段染色体对应于第k辆车的路径；

S302b、对第k段染色体从前向后每次取出2个目标编号，以这2个编号对应的点目标作为椭圆的2个焦点，以无人机的续航能力Tmax为长轴，构造Tmax椭圆；

S302c、如果Tmax椭圆中只有1个点目标，则在前一个目标编号的下面写上该点目标的编号；如果Tmax椭圆中不只1个点目标，则随机选择1个目标编号写在前一个目标编号的下面；

如果Tmax椭圆中没有目标，则在前一个目标编号的下面写上‑1，重复上述操作直到该段染色体的倒数第2位，在最后1位的下面写上‑1；

S302d、重复步骤S302b～S302c共K次，即可得到每个车辆和无人机联合体的路径；

S302e、根据预设的种群规模重复步骤S302a～S302d，得到初始配送路径集合；

S303、采用改进的文化基因算法对初始配送路径集合进行优化，获取最优的配送路径。

6.如权利要求5所述的车机协同配送灾后救援物资的路径规划方法，其特征在于，采用改进的文化基因算法对初始配送路径集合进行优化，获取最优的配送路径，包括：S303a、获取文化基因算法的种群大小NP；

S303b、基于需求可分割的车机协同路径问题模型的目标函数设计适应度值的计算方式，如公式(22)所示：

S303c、根据车机协同交通巡查初始路径规划方案的适应度值和轮盘赌机制选择2个方案用于子代遗传操作，适应度值越小的方案被选择的概率越大；

S303d、对选择的2个方案通过初始方案混合的方式，创建新的候选解决方案；

S303e、从候选方案中选择适应度值大的子方案进行交叉操作；

S303f、选择优良的子方案进行路径规划方案集合，替代原先差的父代路径规划方案；

2

S303g、重复步骤S303d～S303f，直至达到终止迭代条件，当MA连续T次没有更新时，算法自动终止，输出集合中适应度值最优的路径规划方案作为最优的配送路径，其中T为灾民聚集点的数量。

7.如权利要求5所述的车机协同配送灾后救援物资的路径规划方法，其特征在于，所述初始方案混合包括：

步骤1：依据车机协同联合体编号将2个初始路径规划方案划分成|K|个分段；

步骤2：将初始路径规划方案进行交叉操作，判断相同编号的车机协同联合体中车辆访问的路径中是否有相同的巡查点目标，若有相同的巡查点目标，则将从该巡查点目标出发的无人机访问的巡查点目标进行交换；

步骤3：根据车机协同联合体数量|K|重复步骤2，完成所有分段的交叉操作；

步骤4：将|K|个分段进行拼接，形成完整的车机协同配送路径规划方案。

8.一种车机协同配送灾后救援物资的路径规划装置，其特征在于，该装置包括：数据获取装置，用于获取受灾数据以及多个用于配送灾后救援物资车辆和无人机组成的联合体数据；

模型构建装置，用于基于所述受灾数据和多个用于配送灾后救援物资车辆和无人机组成的联合体数据，以到达所有灾民聚集点时间总长最短为目标构建需求可分割的车机协同路径问题模型；

配送路径获取装置，用于基于所述受灾数据、多个用于配送灾后救援物资车辆和无人机组成的联合体数据、车机协同路径问题模型和文化基因算法获取最优的配送路径。

9.一种计算机可读存储介质，其特征在于，其存储用于车机协同配送灾后救援物资的路径规划的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1～7任一所述的车机协同配送灾后救援物资的路径规划方法。

10.一种电子设备，其特征在于，包括：一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1～7任一所述的车机协同配送灾后救援物资的路径规划方法。