自上个世纪90年代以来,我国的社会经济不断进步,物流行业也在迅速发展,货运规模不断扩大。近年来,我国的货运总量趋势不断向好,到2020年,我国的货物运输量达到463.4×10~8t,其中,公路运输作为五种运输方式中最为普遍的一种,每年占据总量的运输比例基本超过七成。随着国家“交通强国”战略的实施,公路货运场站作为道路运输中的枢纽和关键节点,在提升其硬件设施的同时,对于相应的货运任务,需要合理制定与其本身场站资源与运输货物相匹配的配载方案。但目前,多数货运场站中职工仍然是依靠本身累积的经验来完成对货物集散和运输的配载方案安排,其准确和合理性无法保证,间接地造成了场站内人力物力资源的浪费。同时,城市车辆的不断增加所带来的交通不畅和拥堵情况,也会使场站无法准确掌握周转货车的行程时间信息,为车货的配载安排带来了不便。在公路货运场站分批次安排货车进行运输任务的情况下,本文对场站的车货配载作了相应的优化研究。在运输车辆的周转行程时间预测方面,本文选用了当前较为常用的BP神经网络模型,将相应路段以及交叉口的行驶时间和延误时间的历史数据带入其中进行训练,得到每个时段派出货车的周转返回时间的预测结果。接下来,对每个发车时段进行动态车货配载优化,首先对各个时段的场站车辆资源进行统计,考虑到了周转返回车辆以及保养维修因素带来的影响,以所需车辆数最少为目标函数,对场站内剩余车辆和货物建立初始配载优化模型,并通过解乘数法得到各个阶段的初始配载优化方案。然后考虑到场站内实际的仓库堆场、装卸设备、人员限制以及每个时段可以参与运输的司机和车辆数量等因素,从装运优先度的角度出发对初始配载方案进行进一步优化,以每批次在已有限制的基础上能够发车的数量最多为目标函数,即尽可能地减少整个任务的运输批次和完成时间,通过选定的贪心策略给出最终每个阶段的车货动态配载方案。最后,结合具体案例,用Matlab软件对上述模型算法进行编程并进行求解,并通过软件自带的intlinprog函数证明了所设定的贪心策略的有效性。结果表明,得到的车货动态配载结果能够有效地节省场站内的货车资源以及辅助场站进行合理的发车调度安排,使得空余的车辆可以更好地去服务于其它运输任务,减少人力和物力的浪费,提高场站的经济效益。