随着定位技术的不断提升和定位设备的大量普及，获取人与物体的位置信息变得愈加便捷。与此同时，随着物联网(Internet of things)技术的不断成熟，通过海量的传感器定时发送相关数据，信息的实时采集能力得到了极大的提高。智 能仓储园区内，为了紧跟市场需求，路网的拓扑结构需要经常发生更新，这给其中的基础问题点对点最短路径的计算带来了新的挑战。　　本文回顾了点对点最短路径问题的研究进展，针对大多数算法无法处理数据动态更新的问题，提出了利用并行计算技术组合各种预计算和非预计算算法，提供更加快速的查询，并分别以A*算法和ALT算法为代表，对其做了相应的性能优化。具体而言，本文的主要研究内容和成果包括:　　(1)提出了一种时分查询框架，能够组合各种预计算和非预计算算法，用于动态路网中点对点最短路径的查询。　　(2)提出了两种基于中心性概念的重要位置(landmark)选取策略，能够在较短时间内构建辅助数据，减小后续搜索空间。　　(3)提出了一种混合估值的启发式搜索算法，并利用多阶段策略进一步减少每种估值函数的计算开销，从而降低算法的运行时间。　　(4)提出一种两点间距离的近似计算方法，减少了估值函数的计算开销，并基于此提升了A*算法运行效率。　　(5)将以上方法在多个公开数据集上进行实验，并和以前的经典方法进行对比，验证方法的有效性。