即时物流提供一种在同城范围内,无中间仓储,直接门对门的货物即时送达服务。即时物流的核心在于即时性,即满足用户提出的极速、准时的配送要求。在复杂多变的交通状况下,如何能够快速,及时,准时的将快件送达,使得服务一定量的客户所用配送时间最短,是即时物流要解决的主要问题。在即时配送的路径选择过程中,不确定的交通状况会造成时效性差,配送效率低下等问题,导致整体配送方案不合理甚至不可行。通过对路网的短时交通流状态进行预测,并融合到路径动态选择中,是解决这一问题的有效手段。本文以最小化即时配送的行程时间为目标,构建一个融合交通流预测的动态路径选择模型,设计了一种修正的滑动窗口更新算法对模型进行求解,主要的研究工作如下:首先,对目前即时物流的研究背景以及交通流预测和动态路径选择的研究现状进行综述,分析了交通流数据的基本特征和参数,以及介绍了几种交通流数据预处理方法和相关格式的规约,提高交通流数据的质量,以方便后续交通流预测的展开。接着,针对在交通流预测过程中,交通流数据具有的时空特性不能够同时进行获取导致预测精度存在缺陷的问题。本文首先构建交通流数据时空图模型,采用图形卷积循环神经网络算法对路网进行预测,并构造状态转移方程来刻画交通流空间状态的演化过程。交通流预测为实现即时物流配送的动态路径选择提供数据支撑,以一个算例来验证算法的有效性。然后,基于交通流预测可以得到未来一段时间内路网的交通状况,以最短行程时间为目标函数,构建带有预测时间权重的动态路径选择模型。提出了融合预测信息的动态路径选择算法进行求解,在求解过程中,针对更新路线机制和整体规划的不合理性问题,提出了修正的滑动窗口更新机制策略进行解决,通过滑动窗口的更新遍历完所有的途径点,行程结束。最后,通过对比试验仿真,进行融合了预测信息的动态路径选择方法的算例分析,验证该路径选择方法的科学性和有效性。