车辆调度问题一直是研究的热点问题，也是典型的NP难题。随着各种智能优化算法，例如模拟退火算法、蚁群算法、遗传算法等不断改进和应用，为车辆调度问题的求解提供了更为广阔的手段。无论如何，传统的车辆调度问题研究一直在追求更精确的优化解，并不断提升问题求解的速度及效率。而近年来，车辆调度问题的研究更是朝着贴近现实实际的方向发展，而不再是仅仅局限于车辆调度理论研究。为此，在车辆调度问题中，研究者不断增加限制条件。这些限制条件包括时间窗、单位距离成本函数、车辆的空载率，甚至将司机的合理工作时间加以考虑。这样的研究确实为现实问题的解决提供了更为具体的理论支撑，于此同时，也使得问题规模成几何级数增加。加之电子商务、移动互联的快速兴起，物流业的规模也成几何级数增加。这些，都极大的拓展了车辆调度问题的广度和深度。为了降低车辆调度问题的规模性，统计分区的研究方法很少有文章涉及。而通过研究发现，其实车辆调度问题在不同的区域之间具有弱相关性，说明将车辆调度分区是可行的。本文试图从统计分区的角度，对车辆调度的运行节点进行统计分区，从而降低问题规模，再利用智能优化对分区内的车辆调度问题求解。