Bu projenin temel amacı, kentsel lojistik operasyonlarında verimliliği artırmak ve çevresel etkileri minimize etmek amacıyla Genetik Algoritma (GA) ve Takviyeli Öğrenme (RL)'yi bir arada kullanılarak dinamik rota optimizasyon modeli geliştirmektir. Günümüzde kentsel lojistik; trafik yoğunluğu, anlık kaza durumları ve karbon emisyonu gibi belirsizlik faktörleri nedeniyle geleneksel yöntemlerle optimize edilmesi zor bir yapıdadır. Geliştireceğimiz bu hibrit modelde, geniş ölçekli rotalama kabiliyeti yüksek olan Genetik Algoritma ana dağıtım planını ve başlangıç rotalarını belirlemek için Tercih edilmiştir. Anlık trafik değişimleri, araç batarya/yakıt seviyeleri ve yol durumuna göre kararlar veren Takviyeli Öğrenme ajanı ise rotayı gerçek zamanlı olarak güncellemektedir. Çalışma kapsamında SUMO (Simulation of Urban MObility) simülasyon ortamı veya gerçek zamanlı trafik veri setleri kullanılarak farklı trafik senaryoları altında performans analizleri gerçekleştirilecektir. Projenin özgün değerini; zaman, maliyet ve CO₂ salınımını aynı anda optimize eden çok amaçlı ödül fonksiyonu ve kısıtlı enerji kaynaklarını dinamik olarak yöneten karar verme mekanizması oluşturmaktadır. Elde edilecek sonuçlar ile teslimat sürelerinin iyileştirilmesi, kentsel lojistikte yakıt tüketiminin azaltılması ve sürdürülebilir akıllı şehir hedeflerine katkı sağlanması hedeflenmektedir.