随着物联网的普及,物联网逐渐应用于众多领域,其中之一是物流领域。在物流领域中路径规划直接影响着物流成本与物流过程中的时间消耗。由于物流中的物品本身带有实时的时空信息,这使得实时的路径规划与从物流数据中挖掘频繁路径成为可能。本文工作主要体现在两个方面。第一,针对基于物联网的物流网络中路径代价的时变性,建立了一种时间依赖的物流网络模型,并在此基础上研究了实时的物流路径规划问题。针对现实中预测准确性随时间推移而降低,以及在预知程度较低时无法获得较好的路径规划等问题,提出了一种带弧代价预知程度参数的最小时间路径算法SWPL以及基于SWPL实时的逐步规划的解决方案。该算法考虑了预测的精度问题,在传统Di jkstra算法的基础上引入了一种与时间相关的弧代价计算方法。实验表明在预知程度较高与在预知程度较低但采用逐步规划的解决方案都能取得良好的路径规划效果。第二,在基于物联网的物流中,会产生海量蕴含时空信息的物品移动数据。这些数据中包含着很多有助于提高物流科学管理的知识,目前从这些数据中找出这些有用的知识采用的主要是数据挖掘技术。其中频繁路径作为反映物流特征的重要知识之一,可为优化物流的路径规划、研究物流的变化规律等提供重要的参考信息。频繁路径的获取是通过频繁序列模式挖掘算法,本文根据物流网络及物流的特征设计了一种充分考虑物流网络拓扑信息的频繁路径序列挖掘算法PMWTI。在该算法中引入了代价容忍度剪枝法,用于候选路径序列的深度剪枝,以去除部分不可能是频繁路径序列的候选路径序列,在一定程度上降低了候选路径序列规模。实验表明,相比没有采用该剪枝方法的同等算法,PMWTI的频繁路径挖掘效率更高。本文工作可为科学的物流管理提供参考,提出的方法可用于物流中实时的路径规划、物流路由的优化、物流规律的发现等。