作为智能交通系统重要组成部分的车辆导航技术，因其能有效地提高车辆的运行效率和运行安全服务水平且有庞大的产业规模和应用前景而成为当前交通运输和物流领域科技竞争的热点。当前现代物流配送正朝信息化、网络化、现代化、智能化和柔性化的趋势发展，物流信息平台在物流配送中正发挥越来越大的作用；如何科学合理地调度配送车辆、对配送车辆进行最优路径规划和路径引导，保障配送过程的高效和安全已经成为企业降低成本、提升配送服务水平、提升企业竞争力的关键；通过接入物流信息平台信息资源，建立先进、实用的配送车辆导航系统已成为提高我国物流配送效率的重要手段，符合物流信息化建设的现实需求。 本文针对基于物流信息平台的配送车辆导航系统的关键技术进行研究和探讨。旨在为该系统在我国物流配送行业的实施提供理论和技术支持，并最终为提高我国物流配送效率和改善城市交通问题作出一定的贡献。本文的主要工作和研究成果包括： 一、对基于物流信息平台的配送车辆导航系统进行了定义，分析了系统需求、系统特点、系统数据流程、系统安全、系统与物流信息平台的信息关联以及配送监控中心与车载移动终端之间的导航流程交互关系；并对系统总体结构、功能结构、逻辑结构及物理结构等进行了设计，该研究成果对促进我国车辆导航技术的研究和应用具有一定的指导意义。 二、研究了基于浮动车与线圈检测融合模型的实时交通信息获取技术，试验结果表明该方法在采集道路交通状况信息方面具有明显优势，可以为配送车辆导航系统提供较为完备的交通信息。 三、提出通过RBF神经网络、支持向量机方法对交通流量进行预测，并对以上方法进行了部分改进研究，仿真实验证明以上方法是有效的；通过基于灰色关联分析的卡尔曼滤波方法对行程时间进行预测，深入研究了基于灰色关联分析的路段行程时间卡尔曼滤波预测方法，提出通过灰色关联分析选取行程时间的影响因素，根据行程时间与影响因素的多元回归模型进行卡尔曼递推，从而在保证预测方法实时性的同时，提高了行程时间卡尔曼预测方法的自适应性。 四、充分考虑到物流配送基本特点及其特殊性，根据路网拓扑结构的要求，提出了适于配送车辆导航的路网表示方法；根据配送车辆导航系统进行路径规划的数据需求，分析了系统数据库的结构、存储信息及存储结构；深入分析配送车辆出行的各种可选最优目标，并确定以总代价最低作为配送车辆路径规划的最优目标，系统地总结、分析了决定物流配送路径规划最优目标的交通拥挤度、通行费用等八类因素，运用层次分析法给出了以出行总代价为度量的路网权重标定方法。五、本文以单个车辆从配送中心到各货物配送点行程中的动态路径规划问题为研究对象，建立了基于点对点和遍历模型的配送车辆导航路径规划模型；在对Dijkstra算法、A*算法进行评述的基础上，针对传统路径规划算法无法求解遍历模型的问题，提出将蚁群优化算法和粒子群优化算法引入配送车辆导航路径规划研究，并分别设计了适于物流配送车辆导航的路径规划模型求解算法。 本文在基于物流信息平台的配送车辆导航系统关键技术研究中，坚持研究结果的实用性和先进性原则，强调结合我国物流业发展对配送车辆导航的实际需求，具体分析基于物流信息平台的配送车辆导航系统的用户需求、功能模块、数据流程等；着眼于理论与方法体系研究，尤其在与车辆导航密切相关的交通信息获取与处理技术、适于配送车辆导航的路径规划算法方面，对已有研究思路与研究成果都进行了较为完整的归纳整理，为后续深入研究理清了思路、明确了重点突破方向。此外，本文对基于信息融合的车辆定位技术、配送车辆导航系统路网表达方法和权值标定也进行了深入研究。以上研究成果将有利于促进我国车辆导航技术理论的进一步完善和深入研究，对于开发具有我国自主知识产权的车辆导航产品，促进我国物流配送业的发展也具有重要意义。