随着科技的发展,目前物流业已普遍引入信息技术,对仓储、运输、配送等过程产生的信息进行自动化的采集、汇集、分析,其货运模式向核心平台经济转变,新模式“无车承运人”在国内诞生。作为货运经营者,无车承运人平台需要介入货运交易,与实际承揽货运的车主进行运费议价,从而保证利润最大化。随着物流运输行业订单的日益增长,影响货运价格的因素越来越多,采用传统的线性公式计算运费参考价,并电话联系承运司机就运输订单进行议价将会导致运输资源浪费、运营效率低下。为提高无车承运人平台的运营效率、充分利用货运资源,本文提出基于物流大数据平台的智能议价决策系统。该系统以多数据源的无车承运人平台数据为研究对象,采用Spring Cloud Netflix微服务架构实现基于定价模型的运单智能议价。为实现该系统,首先通过Scrapy框架爬取其他平台的运输数据,以弥补原本数据集的不足,并通过规则引擎Drools制定清洗规则完成对运输数据的预处理。再基于清洗后的数据,采用灰色关联分析法与斯皮尔曼等级相关系数综合度量运输指标与货运运价间的关联程度,以此确定构建定价模型所需的特征,并评估多元线性回归定价模型与BP神经网络定价模型的效果。为充分调度运输资源,设计并实现路线相似度算法以匹配议价司机,再基于应用场景,制定议价决策规则,动态调整运单价格,以促成运单尽快完成。最后,通过Android应用程序实现系统可视化。在针对无车承运人平台运输订单价格的研究中,大部分学者致力于运单定价模块的分析、实现,在系统工程的实现上,较少涉及议价部分。本文通过采用灰色关联度分析、斯皮尔曼等级相关系数两种不同类型的相关性分析方法对运价的影响因素进行分析,通过综合两种方法的分析结果确定定价模型的输入特征。并通过两类测试数据比较平台现有指导价计算公式、多元线性回归定价模型、基于BP神经网络定价模型的定价效果。在研究运单定价的基础上,根据实际业务场景,设计议价司机匹配算法及议价决策规则,并通过微服务架构进行实现。测试结果表明,本系统已实现议价相关的基本功能,并且具有良好的可扩展性与稳定性。通过比较三种定价方式的MSE、MAE,对比三种定价模型给出的运单价格与最终成交价格的差值,发现采用BP定价模型得到的运单价格精度优于多元线性回归定价模型、平台现有指导价计算公式的精度。