电子商务行业的迅猛发展极大地刺激了城市内包裹派送需求的增长,然而传统的城市物流难以平衡包裹派送的速度与成本。出租车作为城市交通中重要且常见的运输载体,其数量庞大且对城市区域有着广泛的覆盖,在运载乘客时出租车通常会剩余大量的运载力。若利用出租车具备的富余运载力派送城市内的物流包裹,这样便可以在不增加运输车辆的情况下及时地满足更多的包裹派送需求,即在确保派送速度的前提下,降低城市内包裹的派送成本。近年来,研究人员提出一系列基于基于载客出租车的群智物流派送模式。然而他们的研究一般只是针对单个出租车来直接派送包裹,但由于乘客和包裹的时空模式存在较大差异,乘客出行请求与包裹请求很难直接匹配,降低了包裹派送效率。更糟糕的是,过去研究推荐的包裹派送路线无法避免地导致出租车司机绕道而行,增加了司机的额外运输成本。为此,本文针对载客出租车直接派送包裹中存在的派送效率低下、绕道距离长问题,提出如下两个创新且有效的解决方法:第一,本文提出了以最小化额外行驶距离为目标的包裹多跳派送离线模型。具体而言:首先基于出租车历史轨迹数据挖掘构建群智派送网络;其次提出路径搜索算法CFlow完成包裹中转站的组合;然后建立以最小化额外行驶距离为目标的整数线性优化模型,利用线性优化器穷举求解出租车和包裹的最优匹配;最后使用真实数据集进行实验评估,并与直达派送算法进行了比较。实验结果证实了多跳能有效减少包裹派送的运输成本。第二,为了解决离线派送模型不能实时包裹派送的问题,本文进一步提出以最小化额外行驶距离为目标的实时包裹多跳派送路径模型。具体而言:首先本文在离线派送模型的基础上提出了一种包含订单收集、生成解决方案和包裹派送的在线动态优化框架,该框架可以小批量多次的解决包裹和出租车的实时匹配问题;然后针对系统求解的每一个包裹与出租车的匹配,提出一个选择配送策略Sd Plan判断包裹是否由当前系统匹配的出租车进行派送。最后使用真实数据集来评估系统的性能。实验结果表明:每个包裹只需0.357秒就能匹配到最短绕道距离的出租车并且该算法与直达算法相比包裹派送的成功率提高了13.93%。