城市配送系统是城市交通系统中一个极其重要的环节。随着城市化的高度发展，越来越多的城市居民生活物资供给需要倚靠货运交通，这其中既包括近年来发展迅猛的直接向居民递送的各类网络购物快递，也包括传统的城市内商业服务机构的配送需求，如商场、超市、饭店等运营所必需的物资。城市配送交通系统对人民生活水平、经济发展、能源消耗、空气质量以及交通安全等各个方面都有着巨大影响。由于日常配送与通勤等乘客出行时间叠加，因此城市配送造成交通拥堵、排放增加等负面效应也日益凸显。　　虽然配送交通的重要性在业界和研究领域都已有共识，对城市配送交通的研究相较客运交通研究而言却相对落后，对城市配送交通的认识还有很大局限性，具体体现为:1）将货运交通的重点研究区域集中于城际高速公路、港口、物流园区、货运集散中心等，而忽略城市内部道路和商住区域中的配送交通量，对城市配送交通需求的时空分布缺乏足够理解;2）将配送交通的研究和管理局限于针对承运人，甚至等同于配送车辆管理，对配送交通需求管理不够重视;3）把配送交通行为的研究局限于对承运人行为的研究，忽略供应链中上游的托运人和下游的收货人，以及参与方互动行为的研究。　　为解决上述城市配送系统中的关键问题，本研究从四个角度进行:多源数据采集及处理技术，配送需求预测模型，基于互动行为的决策模型以及基于决策模型结果分析的配送策略研究。　　1)多源数据采集及处理技术为信息集成、数据挖掘带来新的综合模式，为预测模型提供数据支持:对现有的多源数据进行梳理并分析其适用性，根据承运人手机移动信令的特征，提出一种基于朴素贝叶斯分类法(Na(i)ve Bayesian Classifier，NBC)的快递人员辨识方法以及结合POI兴趣点的商超配送人员的辨识方法，再以配送人员为载体，得到城市中心区的总配送量。　　2)预测模型标定个体变量、网络结构、关键节点对配送需求生成量的具体的贡献率，并有助于构建数据集之间的联系:为保证数据在空间区域上的完整性补充数据采集的“缺失值”（新规划区域以及获取数据困难的区域），从配送产生机理入手，分析影响配送生成量相关因素，并通过Pearson相关分析提取显著性因素。最后，建立基于高斯混合模型的T-S模糊推理预测模型。　　3)基于参与方互动行为的决策过程中，采用群体效用这一概念有利于定位群体中有影响力的个体，并定量他对群体互动行为的影响:根据数据分析和预测模型得到配送需求时间和空间的分布，在需求分析的基础上，为改善城市配送与日常出行的时间叠加，引导城市配送交通决策参与方选择错峰配送模式。考虑配送交通行为参与方互动行为，建立关于配送时间的两阶段群体决策模型，量化收货人与承运人之间的互动关系，为制定有效的政策可以改变城市配送系统中的参与各方的行为提供依据。　　4)依据决策模型的结果分析，提出基于车联网的共同配送策略，以引导决策群体做出关于错峰配送决策:提出基于车联网的城市配送车辆共同配送编队策略，从联网货车比例对系统的影响以及不同编组策略的影响两个方面对车联网下的控制策略进行了分析，最终提出了基于车联网的共同配送模式策略实施的一些规划性建议。　　综合以上，本文基于收货人、托运人和承运人的互动行为分析，从城市配送需求分析入手，借助大数据处理技术，通过决策模型结果分析，做出引导决策的控制策略，从而达到转变配送模式为“错峰配送、共同配送”的目的，对于缓解交通拥堵、提高城市配送车辆利用效率、优化城市交通资源配置、促进节能减排等具有重要的现实意义。