在整个物流过程中,物流配送中心有着承上启下的作用,上游是供应商,下游是分销商或消费者。怎样高效地、科学地选择物流配送中心,对物流配送时间、成本、效率均有很大的影响。因此,如何利用新兴技术提升物流配送效率是一件具有重要的理论价值和实践价值的研究工作。“大数据”是随着社交网络的兴起、处理技术的革新、物理信息的数字化发展应运而生,其蕴含的大感知数据、大交互数据、大交易数据可以给物流领域带来更多的解决方法。诸多学者认为,大数据将实现传统物流到现代物流的过渡。因此,本文旨在探索大数据在物流领域结合的可行性,借助大数据对物流配送中心选址问题进行优化。具体内容如下：1、大数据与现代物流：将大数据分为大感知数据、大交易数据和大交互数据三类,对比分析大数据与物流数据的来源、特征,并在此基础上提出“物流大数据”的概念,探讨了大数据与物流结合的可行性,研究大数据在物流领域的应用。2、基于大数据的物流配送中心选址问题：从大交易数据、大感知数据、大交互数据角度分析物流配送中心选址问题中存在的大数据,并给出基于大数据的物流配送中心选址算法的设计思路。3、DK-Means聚类算法设计：聚类算法是应用于配送中心选址问题的经典算法,用Dijkstra距离取代原有的欧几里得距离或曼哈顿距离。同时,Dijkstra距离的权重函数为经过分析的分拨中心“虚拟距离”,即为需求量、城市发展、交通条件、市场效益、运输距离、顾客评价等众多因素综合分析的结果。4.基于MapReduce的DK-Means并行化算法设计与改进：大数据中蕴含大量的非结构化数据,而传统编程模型无法对其进行处理,因此,DK-Means聚类算法的求解必须进行MapReduce的并行化处理。最后,考虑到算法的复杂程度与时间效率,对并行化算法进行改进。