近年来,经济持续快速发展,人民生活质量得到显著提升,消费需求也在持续扩大。乘用汽车作为人民出行重要的交通工具,市场需求量也在不断增长。乘用汽车消费需求的不断扩大驱动了汽车物流行业的进步。铁路运输作为汽车物流的运输方式之一也实现了快速发展。在发展的过程中,铁路运输的固有属性使其具备了长距离、大批量、可靠性强等优势。基于铁路的优势特征以及汽车物流的特殊性,铁路运输逐渐发展成为了乘用汽车物流的主要运输方式。但随着铁路运量需求的不断提升以及铁路运输基础设施的不断完善,由于乘用汽车铁路运输组织缺乏一定的统筹规划经验,乘用汽车物流在运输过程中逐渐突显出配送路径长、运输成本高等问题。在此背景下,如何基于现有运输资源,科学合理的规划乘用汽车铁路运输路线对于缩短铁路运输路径、优化运输布局具有重要意义。基于上述内容,本文以乘用汽车铁路运量需求预测及运输优化问题为研究内容。结合汽车物流、运量需求预测及运输路径优化等相关理论,本文构建了乘用汽车铁路运量需求组合预测模型和运输路径优化模型。乘用汽车铁路运量需求预测研究主要应用了SARIMA和Holt-Winters组合模型对乘用汽车需求的未来变化趋势进行了预测估计。在预测的过程中,本文采用了预测有效度指标来分配组合模型的权重参数,有效提升了组合模型的预测效果。乘用汽车铁路运输路径优化研究是在需求预测分析的基础上,运用半开放式运输规划策略,构建了以运输路径最小化为目标函数的优化模型。模型预设的约束条件主要包括了运输班列最大载重能力、班列起始点及停靠点、区域分拨中心运输服务次数、整车分拨中心配送服务等相关内容。随后结合乘用汽车需求的预测内容,本文利用构建的路径模型对连续时间周期内的运输路径进行了优化。基于模型优化内容及其约束条件,本文设计了改进遗传算法对其进行求解。改进遗传算法在传统算法的基础上引入了贪婪策略,有效改进了算法初始解的优度,有利于算法寻求全局最优解。最后本文结合乘用汽车实际需求及铁路运输相关数据对需求预测模型和运输路径优化模型进行了实证分析。实证研究表明,相较于单一的预测方法,组合预测方式更进一步的提高了需求预测精度。运输路径优化模型有效的缩短了配送路径,优化了铁路运输布局。对比传统算法,改进遗传算法的求解结果相对更优,运输路径更短。