城市生活垃圾管理包括垃圾分类、收集、运输、处置等一系列过程,其中垃圾收集运输环节具有高成本、高排放、高不确定性等特点,被认为是最为关键的环节,因此在城市快速发展背景下和低碳经济需求下,如何合理应对城市生活垃圾收运过程中的不确定性因素,使企业降低收运成本的同时减少碳排放量、提高垃圾收运效率,是目前城市垃圾收运管理面临的一大挑战。为了同时考虑城市生活垃圾收运问题中的经济效益和环境效益,本文提出了一种不确定环境下的两阶段低碳路径优化问题模型（Two-stage Low-carbon Vehicle Routing Problem in Uncertain Environment,TSLCVRP-UE）。在预优化阶段,以路径成本和碳排放成本构成的综合成本为优化目标,基于各收集点垃圾量的期望值生成并执行预优化路线;在重优化阶段对随机变量作机会约束确定型等价处理,确定路径失败点并执行重优化方案:在失败点前返回,并对所有重优化点统一执行重调度策略。为求解模型,本文基于粒子群算法（Particle Swarm Optimization,PSO）和模拟退火算法（Simulated Annealing Algorithms,SA）设计了粒子群-模拟退火（Particle Swarm Optimization-Simulated Annealing,PSOSA）混合元启发式算法。首先通过PSO算法求解问题初始最优解,接着基于随机选择对初始最优解执行交叉、插入、翻转等一系列邻域搜索操作得到新解,然后对可行解进行模拟退火操作,基于Metropolis规则在一定概率下接受非优解,进而改进了PSO算法易陷入局部最优的问题。随后,通过经典CVRP（Capacitated Vehicle Routing Problem）数据库算例对算法的寻优能力进行检验,结果表明PSOSA算法的求解效果优于PSO算法。最后,对某地区垃圾收运实际案例进行了仿真实验。首先通过对确定环境下垃圾收运问题进行研究,对比了不同目标函数下的优化结果;然后在不确定环境下分别对置信水平和预优化阶段车辆数6)1进行敏感性分析。数值分析结果表明:当预优化阶段车辆数6)1一定时,车辆数6)越少,综合成本越低,同时置信水平在一定范围之内升高不会增加总成本;当置信水平一定时,存在最佳6)1值使得路径距离、碳排放或综合成本取得最优值。最后,基于研究结果对垃圾收运企业和垃圾管理部门提供一些管理建议。