以共享交通工具为特点的车辆共乘,可以有效减少路上行驶车辆数量,对降低出行费用,缓解交通拥堵和减轻环境污染有着重要的意义。大数据背景下智能出行的发展趋势就是在车辆行驶中对乘客请求进行实时匹配的动态共乘。虽然动态共乘已经在学术界进行了多年的研究,但由于实际道路网络的复杂性,离线预约的不灵活性和资源有限等原因,对它的研究仍旧缺乏实践的普适性。特别是在现代大城市的交通网络中,道路网络通常更为复杂,有许多的单向路和高架桥路段。受此现状的启发,本文考虑了动态共乘匹配算法中尚未深入研究的真实道路信息。主要工作成果如下:(1)整理介绍了国内外车辆共乘的研究现状以及相关的理论。(2)研究了动态车辆共乘的模型与匹配算法,针对动态共乘SHAREK系统的匹配算法中的不足进行修改,并在匹配算法中加入了单向路中高架桥路段作为启发式信息进行预处理,通过两段算法来提前筛选一些不会成为Skyline结果的司机,减少了复杂的实际道路网络计算,提高匹配算法的效率。(3)使用MNTG网站生成的数据集进行实验,对本文的算法进行评估,与SHAREK进行比较,结果表现了更高的成功率;通过实验验证了考虑单行路因素能够有效的缩短系统的响应时间,表明本文中算法能有效地解决实际应用问题。(4)设计实现了共乘原型系统,使用OpenStreetMap开源地图为乘客提供直观的显示。