随着云计算,物联网,电子商务的快速发展,物流配送与云计算技术、物联网技术、智能交通等新技术结合,提高了现代物流的配送水平。在传统的车货匹配及路径优化系统中,主要采取以云数据为核心的云计算集中式处理模式,然而随着各类移动设备数量和计算需求的快速增长,传统的车货匹配及路径优化系统将面临着网络传输时延大,信息响应不及时,车辆装载率低以及路径成本过高等问题。云边协同采用云端与边缘端共同配合,将边缘端下沉至用户,提供数据采集、数据处理、数据存储等功能,满足用户的实时性需求。因此,本文对云边协同技术进行研究并将其融合到车货匹配及路径优化系统中,在构建系统的基础上设计相关算法提高系统的整体效率,最后对系统进行实现与测试。首先为了将云边协同应用于车货匹配及路径优化系统中,本文研究了相关的云边协同、车货匹配及路径优化的基础模型,设计了一种基于云边协同的车货匹配及路径优化模型,给出了总体的设计图,并进行了模型的实现,主要包括数据协同,资源协同,应用协同,管理协同以及服务协同的实现,并详细设计了资源协同以及数据协同的算法,实现车货匹配及路径优化系统的资源及数据共享,并分别从效率,资源利用率以及负载均衡等三个方面进行实验分析证明了该模型具有较好的性能。接着提出了实时的车货匹配及路径优化方案,其中主要应用于在对车辆进行货物匹配与路径推荐时,首先在云端数据中心生成初始配送方案与相关路径并反馈给用户。由于货物的紧急情况,所以会存在装载率较低的车辆,此类车辆在运输过程中,云端数据中心将车辆信息上传至边缘端,边缘端根据用户的优先级与车辆的装载率进行综合排序。边缘端接收实时的货物信息以及实时的车辆信息,对可进行二次配货的用户再一次进行实时的配送方案与路径推荐。本文对各个阶段都提出了相关的算法与伪代码实现过程,并设计实验从用户等待时间,车辆装载率以及路径行驶成本三个方面证明了本方案的可行性与优越性。最后将上述的模型与方案应用到车货匹配及路径优化系统中,并对系统的主要功能模块进行展示与测试,测试的结果表明了该系统可以达到实时的用户在时间及成本上的需求。