在共乘场景中,具有相似出行路线和相近出行时间的多名乘客一同出行,能降低出行的成本和缓解交通拥堵。同时,减少实际所需的车辆数目能减少用于交通运输的能源消耗。然而现有的共乘研究大多忽略了提供接载服务的车辆的收费标准不一致对乘客出行服务质量的影响。本文针对共乘平台能实时接收共乘出行请求的场景,研究司机与乘客之间的匹配问题。由于司机与乘客双方都存在策略的选择,本文将双方的匹配过程构建为一个主从博弈的过程。具体地,在该主从博弈中,提供出行接载服务的司机为领导者,其博弈策略为制定费用收取标准;而有出行需求的乘客为跟随者,其需要选定将其接载至目的地位置的共乘车辆。同时,司机与乘客之间的匹配存在着出行费用、等待时间等方面的需求。根据乘客所得的服务质量,可定义一个可量化、可比较的服务质量公平指数。为保障各乘客有更相近的出行服务质量,本文将共乘场景中乘客与司机的匹配问题,转化为带约束条件的公平指数最大化问题。针对所提出的问题,本文设计了一个基于两阶段主从博弈的共乘匹配算法。该算法由三部分组成,分别为:请求划分算法、过滤算法与主从博弈算法。其中,请求划分算法将共乘平台所接收到的较大的分散的请求集合划分为多个较小的相对集中的集合,这能减小后续求解过程中单个问题的规模。过滤算法根据请求划分算法所得的结果,筛选出每个请求集合附近符合约束条件的可提供接载服务的车辆集合,并作为后续算法的输入,以实施车辆与共乘请求的匹配。主从博弈算法为定价与匹配算法。该算法将司乘的匹配过程描述为一个司机定价可调整、乘客所选目标车辆可修改的多轮迭代过程。通过参与博弈的双方不断调整自身策略,最后实现共乘匹配结果有更高的公平指数。基于纽约市出租车数据集,本文构造了一个适用于本实验的仿真数据集。本文的实验由两部分组成,其中第一部分为算法收敛性的验证。在第二部分中,本文通过改变不同的参数设置,将所提出算法与两个现有研究的方法做对比。实验结果表明,在不同的参数设置中,本研究所提出的算法在乘客群体所得效用上具有更高的公平指数。在平均情况中,基于两阶段主从博弈的共乘匹配算法的公平指数,分别比两个对比算法的公平指数高24.40%和33.22%。同时,提供接载服务的司机有一个相对较高的收益率。在平均情况中,本文所提出算法分别比两个对比算法的司机收益率高11.20%和1.61%。