物流是畅通国民经济循环的重要环节,为促进经济发展做出了巨大贡献,逐渐受到了人们的重视。物流配送是物流系统的重要组成部分,是面向客户的服务环节,物流配送的质量将直接影响着客户体验。精确地预测物流配送时间,提高货物配送的准时性,能够为客户节约时间,提升客户体验,有助于物流企业提高配送效率,降低配送成本,增强企业竞争力。因此,对于物流配送时间预测的研究具有重要意义。本文以城市物流配送时间精准预测为研究目标。通过分析物流配送问题的研究现状,根据其时间预测的影响因素,确定预测模型的输入变量,并对GPS采集的物流数据进行预处理,清除数据集中的脏数据,考虑到城市物流配送路线过长的特点,对配送路线进行划分,实行分段预测;针对传统物流时间预测模型无法修正配送过程中因意外造成的时间误差累积问题,提出粒子群优化的支持向量回归与卡尔曼滤波联合的预测模型,利用粒子群优化的支持向量回归模型预测物流车辆的配送时间,并结合物流车辆实时信息与卡尔曼滤波算法对预测时间进行修正,避免预测误差不断累积,实现物流配送时间的精准预测。经过仿真验证,本文提出的预测模型相比于支持向量回归与BP神经网络联合的预测模型,平均绝对百分比误差减少8.92%。结果表明,联合预测模型对意外造成的误差具有修正能力,预测精度更高,为物流企业掌握物流车辆实时位置提供参考价值。