我国碳达峰和碳中和目标提出后,交通行业节能减排的压力越来越大,电动汽车的发展和使用进入加速阶段。在此背景下,未来电动汽车与燃油汽车并存将成为常态。对于运输服务公司而言,由于电动汽车和燃油汽车在续航里程和续能方式上存在很大差异,二者并存必然会给订单指派和路径规划带来更大的挑战。本文对燃油汽车和电动汽车组成的混合车队开展运营管理问题进行研究,针对客运、货运和客运-货运三种共乘运输场景,分别构建了混合整数线性规划模型,并针对大规模问题设计了改进自适应大邻域搜索（IALNS）算法。研究工作如下:（1）研究了面向客运的混合车队订单指派与路径规划优化问题。综合考虑混合车队多车型车辆与多乘客订单之间的最佳匹配、车辆路径优化及电动汽车充电计划,构建了以最小化运营成本和碳排放成本为目标的混合整数线性模型,提出了一种包含多组破坏与修复算子的IALNS算法。数值算例验证了模型与算法的有效性:对于小规模问题,IALNS算法可以快速收敛至近似最优解;IALNS算法相比于变邻域搜索算法和大邻域搜索算法能够分别降低平均计算时间8.15%和23.81%;对于大规模问题,能够分别节约成本11.12%和15.64%;电池容量和碳排放价格对于电动汽车的使用均有正向影响。当电池容量大幅提升时,碳排放价格的影响减弱。研究结果可为拼车服务行业的运营管理和政策制定提供决策支持。（2）研究了面向货运的混合车队订单指派与路径规划优化问题。综合考虑了车辆容量限制、货物装卸操作时间和电动货车充电等因素,构建了以最小化运营成本和碳排放成本为目标的混合整数线性模型,并通过小规模数值实验验证了模型的准确性。使用IALNS算法求解大规模的实际问题,结果表明,IALNS算法相比于变邻域搜索算法和大邻域搜索算法能够分别降低平均计算时间19.51%和27.06%;对于大规模问题,能够分别节约成本3.71%和10.32%。（3）研究了面向客运-货运的混合车队订单指派与路径规划优化问题。客运-货运服务模式具有不同的服务主体,区别于传统客运拼车服务和货物运输服务。综合考虑两类订单数据和运营要求,构建了以最小化运营成本和碳排放成本为目标的混合整数线性模型,并通过小规模数值实验验证了模型的准确性。使用IALNS算法求解大规模的实际问题,结果表明,IALNS算法相比于变邻域搜索算法和大邻域搜索算法能够分别降低平均计算时间6.84%和33.42%;对于大规模问题,能够分别节约成本5.75%和3.66%。在“双碳”的背景下,如何实现精准的订单指派与合理的路径规划,提升客运、货运以及客运-货运服务质量,是长期困扰运输服务公司的运营管理难题。本文提出的模型从实际出发,研究结果可为运输服务行业的运营管理和政策制定提供決策支持,对运输服务公司应对当下的高速发展具有很强的现实意义。