高效、低成本的物流配送活动是经济高速发展的有力保障,然而,近几年来,我国物流运输费用一直高占社会物流费用的55%左右,其中道路运输费用约占物流运输费用的63%,道路物流运输成本高居不下是制约我国物流业、经济发展的重要因素。究其原因,物流配送网络交通拥堵是主要因素之一。此外,道路交通拥堵还是造成快递不快、公众出行耗时长等问题的主要原因,成为制约我国物流行业高速发展和向低碳物流发展的关键因素之一。智能物流被认为是解决道路交通拥堵、实现低碳物流的一种有效方法,它通过智能交通系统获取运输路网的交通状况信息,从而实现物流配送的路径选择、动态诱导等现代物流管理服务,降低物流成本,提高物流效率。其实现的关键是实时、准确、高效的道路交通状况预测。在这种背景下,本文以《2008年广东省现代信息服务业发展专项资金扶持项目》为依托,以路网中获取的GPS浮动车数据为基础,研究分析城市路网的交通状况,挖掘道路和区域的交通状况规律,提出了基于这些规律的路况预测算法,对物流配送路网的路况进行预测,从而为智能物流系统的实现提供支持。论文首先对获取的GPS浮动车数据进行预处理,提出基于高斯分布的噪声数据处理算法,去除噪声数据,并进行缺失数据填充,然后转化成道路交通状况时间序列。在此基础上,挖掘单条道路和区域的交通状况历史规律,提出了基于历史频繁模式的道路交通状况预测算法,通过挖掘单条道路交通状况的历史模式,结合当前获取的实时交通信息,对未来一段时间内道路的交通状况进行预测;还提出了两种区域交通状况分析的方法,挖掘区域交通状况的规律。通过分析挖掘的交通状况规律,发现交通状况在一些连续的时段内比较平稳,波动不大,因此,论文提出了基于最大熵的交通状况离散化算法,根据交通状况的相似程度进行时段划分,使每个时段内的交通状况相似程度最高。此外,论文还探讨了路网中静态特征点的挖掘,结合获取的大量GPS浮动车历史数据和实际路网拓扑结构,挖掘路网中存在的信号灯位置。挖掘结果可以为物流配送路径的选取、路况预测提供支持。最后,结合路径规划的最优算法,论文探讨了道路交通状况预测在物流配送路径规划中的应用。对于论文中提出的各种算法,都使用从路网中采集到的GPS浮动车数据进行实验,实验结果验证了各种算法的有效性和鲁棒性。