随着生活水平的提高，人们对于自己所生存的环境提出了更高的要求。然而，当前交通出行的拥堵、环境污染严重以及资源浪费普遍的情况都无不对人们所生存的环境构成了严重的威胁。这些问题的出现都是经过长期积淀的结果，处理起来较为困难，需要从各个角度进行有效合理的研究。车辆合乘匹配问题是研究如何通过合乘的方式以较少的花费和代价满足尽可能多的车辆使用需求的一类现实问题，有效的解决此类问题能够显著的降低车辆出行率，缓解交通拥堵状况，在一定程度上也节约了资源、保护环境。因而，车辆合乘问题的有效解决能够为处理以上问题提供了很大程度上的帮助。当前关于车辆合乘匹配问题的研究多是从单一角度、单车辆、确定性的问题出发，在研究中很少涉及交通的情况，因此，车辆合乘匹配研究中仍存在以下问题有待解决：（1）需要有效地解决带有严格时间窗约束的确定性车辆路径可微调的合乘匹配问题，从而保证问题的研究具有普遍的现实意义；（2）需要对车辆运行路网交通流因素进行考虑，以适应模型与现实生活密切相关的需要。本文以山东省自然科学基金《私家车车辆合乘匹配问题启发式算法研究》作为选题来源，针对当前车辆合乘匹配问题的研究现状，以问题模型更具现实性、求解过程更具有效性、系统设计更具适用性为目标，对车辆合乘匹配问题研究中存在的以上问题展开研究，主要的创新及贡献如下：（1）提出了一种吸引粒子群算法，有效地解决了引入严格时间窗的路径可微调确定性多车辆合乘匹配问题。本文针对带有严格时间窗限制的车辆路径可微调的确定性车辆合乘匹配问题提出了一种吸引粒子群算法。首先，通过初次匹配过程，完成乘客同车辆之间的匹配；其次，根据匹配结果对乘客需求序列按照先验知识进行排序；最后，通过有效的扰动机制，对问题结果进行再优化处理。实验结果表明本文所提出的方法对于解决带有严格时间窗路径可微调车辆合乘匹配问题十分有效，为求解更为复杂的基于交通流的车辆合乘匹配问题奠定了基础。（2）引入交通流因素，提出了一种启发式求解算法，有效地解决了基于交通流的车辆合乘匹配问题。本文基于确定性车辆合乘匹配问题，通过增加约束条件，引入交通路网中的流量因素，分析交通流对车辆运行的影响，完善了问题模型，使得问题的研究更具现实意义。首先，通过速度聚类过程，将路网结构进行有效地简化，同时保证计算的准确性；其次，通过动态问题静态化求解过程，从静态的角度进行求解；再次，通过静态结果动态优化过程，基于交通因素对静态结果进行优化；最后，通过匹配结果再优化，一方面进行扰动处理，保证解的优越性，同时也缓解了静态结果进行动态优化的矛盾。实验结果表明，本文所提出的引入交通因素的启发式求解算法对于处理基于交通流的车辆合乘匹配问题效果显著。本文通过对车辆合乘匹配问题的深入探讨，以更具现实意义的数学模型、更加完善的求解过程，以层层递进的方式阐述了该问题的研究过程，在对确定性车辆合乘匹配问题深入研究的基础上，有效地解决了基于交通流因素影响的动态车辆合乘匹配问题，进而为缓解城市交通压力、改善城市环境污染状况、节约资源提供了参考和借鉴。