近年来,由于生活品质的提高,人们越来越注重生鲜食品的新鲜程度,对冷链物流行业的要求也越来越高。然而目前我国冷链物流业仍处于发展阶段,再加上节假日、天气变化、重大活动等诸多因素导致配送途中道路畅通状况的不确定性,若在运输过程中遇到道路拥堵情况,不仅会延误配送时间还会导致货物损耗,严重影响着配送效率,给配送企业带来经济损失。为了减少外界不确定因素对配送效率及成本的影响,本文研究了道路畅通状况的变化规律,通过预测的方法来处理道路畅通状况的不确定性,首先创建了一个道路畅通状况历史数据库,并运用K-最近邻(K-Nearest Neighbor,简称KNN)算法对数据库进行训练学习,预测出配送当日车辆行驶路段在各个时段的道路畅通状况,再结合道路畅通状况及客户的具体需求,构建以最小成本和最大满意度为目标函数的冷链物流配送路径优化模型。为了验证模型效果本文设计了两组算例实验:预测和不预测道路畅通状况的冷链物流配送服务,运用结合TENT混沌扰动的遗传算法对算例进行求解,并对算例的结果进行整理分析,结果表明:一,有预测道路畅通状况的物流配送成本明显低于没有预测的配送成本,且满意度更高;二,道路拥堵指数越高,成本及满意度的优化率越高,预测的效果越显著。以上结果证明在冷流物流配送时尤其是道路严重拥堵的情况下预测道路畅通状况的必要性,以及在资源一定的情况下,合理规划配送路线能够降低企业成本,提高客户的满意度。