Con el rápido desarrollo del comercio electrónico, los UAVs logísticos (vehículos aéreos no tripulados) han mostrado un gran potencial en el campo de la logística urbana. Sin embargo, la operación a gran escala de los UAVs logísticos ha traído desafíos a la gestión del tráfico aéreo, y la competitividad de la logística de UAVs sigue siendo débil en comparación con la logística terrestre tradicional. Por lo tanto, este documento construye una estructura de red de rutas de doble capa que separa el transbordo logístico de la entrega terminal. En la capa de entrega, se adopta un modo de distribución puerta a puerta, y se construye el modelo de ubicación del servicio del nodo de transbordo, con el fin de obtener la ubicación del nodo de transbordo y la relación de servicio. En la capa de transbordo, se introduce el índice de la desviación estándar de la intermediación de rutas (BSD) para construir el modelo de planificación de la red de rutas. Para resolver el modelo anterior, se diseñó un algoritmo de doble capa. En la capa superior, se utiliza el algoritmo de recocido simulado de múltiples objetivos (MOSA) para resolver el problema de ubicación del servicio del nodo de transbordo, y en la capa inferior, se adopta el algoritmo genético de clasificación no dominada de múltiples objetivos II (NSGA-II) para resolver el modelo de planificación de la red. Basado en datos de obstáculos reales y la situación de demanda, se construyó la red de doble capa a través de experimentos de simulación. Para verificar la racionalidad de la red, se llevaron a cabo vuelos reales en algunas rutas, y se encontró que la diferencia entre el tiempo de ruta de vuelo autónomo del UAV y los cálculos teóricos era relativamente pequeña. Los resultados de la simulación muestran que, en comparación con la red de capa única, la distancia total con la red de doble capa se redujo en un 62.5% y la intersección estructural se redujo en un 96.9%. En comparación con el algoritmo del árbol de expansión mínima (MST), la distancia total de vuelo de tareas obtenida con el NSGA-II se redujo en un 42.4%. Los factores BSD pueden mitigar los riesgos de congestión potencial. La red de rutas propuesta en este documento puede reducir efectivamente el número de intersecciones y hacer que el volumen de paso de los UAV sea más equilibrado.