如今,出租车以搭乘方便、乘坐舒适、安全性高而成为了大众出行的一大主要选择。随着GPS、无线通信技术的进步,出租车公司通过组建出租车调度系统来智能调度出租车来替代出租车司机自主漫游的寻客方式,提升营收和用户体验。在出租车调度系统中,出租车的调度算法扮演了非常关键的角色。如今,基于贪心算法的出租车调度算法被广泛接受,然而这类算法在营收、乘客体验等方面的调度性能还有待进一步提升。在本文中,我们创新性地提出了一类基于双阶段控制的出租车调度框架:首先进行基于多因子的人-车匹配度度量,然后基于度量结果进行最优化匹配。基于该框架,本文提出了一种新型的出租车调度算法。在第一阶段,我们设计了一个模糊逻辑系统实时的为每一对乘车-出租车进行优先度计算,并从乘客请求出租车过程中抽取三个重要的相关指标作为系统的输入来保证系统能够充分考虑服务质量和利润。另外,为了保证该模糊系统的性能最优,我们提出了一种离线的差分演化方法对该系统进行优化。该方法采用了一种新的个体编码形式来表示隶属度函数,并建立参数关联机制以自动化地调整每个个体的中间状态模糊规则库,从而实现了模糊逻辑的隶属度函数和模糊规则库的同时优化,克服了传统上优化单一部分的不足。另外,我们采用了主从式的分布式并行框架来实现该算法,解决了计算智能算法运算耗时过长的问题。通过在出租车匹配之前进行优先度计算,使得系统能够有效应对实际应用中复杂的实时状况。在第二阶段,我们把乘客车辆的优先度作为一个二分图的权重,利用Kuhn-Munkres算法来找到该二分图的最大权重匹配解,最终根据该结果,指派出租车相对应的乘客,从而完成整个调度的过程。实验结果证明,本文提出算法相比现有算法具有更好的有效性和灵活性:不仅能提供更好的乘客体验,并且可以为公司增加服务盈利。