智能物流配送的核心技术

（一）智能交通系统技术

智能交通系统是充分利用现代通信技术、信息技术、控制技术的高效运输系统，它是智能物流系统的核心。它包括交通信息系统、交通管理系统、车辆控制系统、紧急救援系统等，这些信息管理系统实现了运输信息管理网络化、实时化。通过将智能交通技术与物流管理有机地结合起来，使得物流企业在降低运输成本、缩短货物送达时间的同时，能够随时掌握货物在运输过程中的状态，并能够将这些信息及时反馈给客户，供客户查询。ITS向物流企业提供的服务主要集中在货物配送管理和车辆动态控制两方面，如通过提供当前道路交通信息，为物流企业制订优化运输方案提供决策依据；通过收集车辆位置状态的实时信息，向物流企业及客户提供车辆预计到达时间，为物流中心确定配送计划、车辆调度、库存动态管理提供信息依据。在现代物流发展过程中，可以利用的智能交通技术。

在智能交通系统的辅助下，货物运输全过程始终处于动态控制中，真正体现了供应链管理思想，实现了社会物流最优化的目标。

（二）自动识别技术

自动识别技术就是应用一定的识别装置，通过被识别物品和识别装置之间的接近活动，自动地获取被识别物品的相关信息，并提供给后台的处理系统来完成相关后续处理的一种技术。它是一种高度自动化的数据采集技术，能够帮助人们快速而又准确地进行海量数据地自动采集和输入，目前在运输、仓储、配送等方面已得到广泛地应用。

（三）数据仓库和数据挖掘技术(www.xing528.com)

数据仓库出现在20世纪80年代中期，它是支持管理决策过程的、面向主题的、集成的、稳定的、不同时间的数据集合，是存储数据的一种组织形式。数据仓库的目标是把来源不同、结构相异的数据经加工后在数据仓库中存储、提取和维护，它支持全面的、大量的复杂数据地分析处理和高层次地决策。据仓库使用户有任意提取数据的自由，而不干扰业务数据库的正常运行。建立数据仓库的目的是把企业的内部数据和外部数据进行有效集成，供企业的各层决策者和分析人员使用。

目前的大多数数据库系统可以高效地实现数据的采集、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势，缺乏挖掘数据背后隐藏知识的手段以及通过数学分析模型为物流管理决策提供辅助支持的功能。数据挖掘就是用来发现隐含的、事先未知的、潜在的有用知识，提取的知识可以表示成概念、规律、模式等形式。其挖掘对象不仅可以是数据库，也可以是文件系统或组织在一起的数据集合，更多的则是数据仓库。数据挖掘的过程即是从大量的、不完全的、有噪声的、模糊的及随机的实际应用数据中，挖掘出隐含的、未知的、对决策有潜在价值的知识和规则的过程。

（四）人工智能技术

人工智能是一门正在发展中的综合性前沿学科，它是研究人类智能活动的规律，并用于模拟、延伸和扩展人类智能的一门新的技术科学，是在计算机、控制论、信息论、数学、心理学等多种学科相互综合、相互渗透的基础上发展起来的一门新兴边缘学科。它借鉴仿生学思想，用数学语言抽象描述知识，用以模仿生物体系和人类的智能机制。目前实现人工智能的方法主要有神经网络、进化计算和粒度计算等。