随着移动互联网的普及,共享经济现象变得越来越流行。共享经济在很多领域都有渗透,例如房屋出租领域的Airbnb、物品交易领域的e Bay以及交通出行领域的Uber和滴滴。其中,交通出行领域无疑是共享经济目前在全球范围内影响最广的一个领域。本文主要针对交通出行领域的车辆共享模式展开研究。现有的车辆共享模式,如滴滴出行和Uber,它们所采用的调度算法都是独立的,所谓独立调度,就是当有一个乘客请求发出时,立即进行调度。独立调度的优点是可以保证发出请求的乘客快速得到响应,缺点是当有一个用户请求到达并进行调度的时候,仅仅考虑当前的用户请求以及当前的可用车辆,并未考虑未来可能会进来的用户请求以及空闲车辆,从而导致性能的损失。本课题为了解决这些缺点,提出了考虑延时调度窗口和乘客耐心度的联合调度策略。本文研究了三种场景下的车辆调度问题。第一种是无共乘场景下的车辆调度问题,即一辆车只能同时接送一位乘客的情况下,如何对车辆进行最优调度。第二种是有共乘场景下的车辆调度问题,即一辆车在其容量限制内可同时接送多位乘客的情况下,如何对车辆进行最优调度。本文系统地阐述了这两种场景下车辆调度问题的本质,分析了有效调度的充分必要条件,并给出了具体的数学建模,提出了相应的求解算法。第三种是对第二种的扩展,即当车上已有乘客但未满载的情况下,如何对车辆进行最优调度。本文对这三种场景分别进行了仿真分析,分析了最优调度下社会效益、平均乘客等待时间、平均乘客接送时间、总服务乘客数,以及它们随着车辆数量和车辆速度变化的关系,仿真结果显示,社会效益和总服务乘客数随着车辆数量和车辆速度的增加先增加后趋于平稳,平均乘客等待时间和平均乘客接送时间随着车辆数量和车辆速度的增加而减少。在此基础上,本文通过仿真进一步分析了延时调度窗口和乘客耐心度对调度性能的影响,给出了不同耐心度数值对应的最优延时调度窗口,并且与没有延时调度窗口的情况进行了对比分析,最终实现了调度性能和等待时间的联合优化。仿真结果显示,社会效益和总服务乘客数随着延时调度窗口的增加先增加后减少,平均乘客等待时间和平均乘客接送时间随着延时调度窗口的增加而增加,不同的耐心度对应着不同的最优延时调度窗口。