互联网的信息聚合和资源整合能力使得平台化转型已成为运输行业转型升级的重要方向。尽管网络货运平台这一新业态已经进入运输服务领域并初具规模,但运输组织模式的复杂性和异质性、以及运输主体的效率差异,都在不同程度上抑制了网络货运平台交易的顺利达成。因此,从运力的运输模式约束以及提供有效运力集合这两个维度出发,可以更为精准地对车货匹配及路径选择进行优化,以降本增效,提高网络货运平台的竞争力。本文以网络货运平台为研究对象,围绕“基于空间特征分析的网络货运平台匹配策略与路径优化”这一主题开展研究。首先,为识别网络货运平台的运行特征和运输行为的空间特征,建立了一个移动模式分析框架,通过网络基序的方法挖掘网络货运平台运输车辆的空间模式特征,同时利用K-means++聚类算法,对平台中的运输车辆的出行链行为模式进行分类,通过空间活动和行为模式的关联分析方法,识别潜在的车辆组织模式;其次,通过构建网络货运平台运输车辆的用户行为识别模型,从运营效率和运营安全两个角度出发,实现对潜在运输车辆的绩效（表现）筛选。通过建立行为识别模型的评价指标体系,利用K-means++算法分别对运营效率和运营安全两个维度的指标进行聚类,之后辅以均值再判断进行合理筛选,通过熵权法综合评价指标权重,计算运营车辆的效用值,进行二次遴选,作为最终有效运力集合的参考依据;再次,在运输车辆行驶空间特征约束下和遴选后的有效运力集合中,基于成本最优策略,构建了网络货运平台车货匹配的多程混合装卸模型,模型以车辆行驶总距离最小和车辆利用规模最小为双目标约束函数,综合考虑车辆与货物的种类、车辆路径、车辆最大运载重量、车辆运营时间及时间窗等为约束因素。之后,应用粒子群算法对该模型进行求解,采用实数编码的方法生成粒子并进行修正,用粒子群优化算法（PSO）求解多程混合装卸的连续性问题。最后,针对多式联运网络货运平台,考虑多式联运网络的复杂性,结合超网络理论构建了基于K-shell的多式联运路径优化算法,并以长三角地区多式联运网络为例进行实证分析,验证了网络模型和路径算法求解处理大规模网络实际问题时的可行性。论文的主要创新性工作可概括为:（1）提出了针对运力进行识别及遴选的新方法。一方面,基于运输主体的车辆运行特征提取其固有的运输组织模式,以作为车货匹配决策中的车辆约束;另一方面,基于运输主体的运营效率和运输安全两个维度,采用聚类、熵权等方法对运输主体进行评估及遴选,为车货匹配决策提供有效的运力集合;（2）构建了网络货运平台车货匹配成本最小化的多程混合装卸的优化模型,在充分考虑车辆的基础信息和运输组织模式,以及货物运行时间及时间窗等约束下,实现对车辆选择、揽货点与送货点间运输线路进行有效优化;（3）构建了多式联运超网络模型,并设计了基于改进K-shell算法的多式联运最优路径生成算法,解决多式联运网络货运平台的路径优化问题。