动态共乘是一种将具有相似出行需求的乘客聚集到同一车辆中完成服务的出行方式,与传统出租车服务相比能够显著提升车辆的出行效率,在现代社会中有望解决城市机动车数量急剧上升所带来的交通拥堵等问题。因此,动态共乘技术在国内外受到了广泛的关注。目前,关于动态共乘的研究,已经取得了一定的进展,在共乘匹配、路径规划和相关算法方面取得了较好的成果。但是,当前的研究仍然存在以下两个难点:车辆和请求之间匹配算法的实时性有待提高;匹配过程中的个性化出行考虑不足,这很大程度上影响了动态共乘的发展和应用。因此,本文将针对上述问题,对动态共乘中的关键算法展开研究。本文的研究内容和主要贡献如下:首先,针对动态共乘的实时性问题,引入过滤和细化(Filter and Refine)框架,利用其层级过滤的思想,将动态共乘的车辆匹配过程分为过滤和匹配两个阶段,从而简化每阶段的工作,提高共乘匹配的实时性。其次,在过滤阶段,本文提出了基于线路拟合度的网格索引车辆过滤算法,该算法的创新性在于,提出了一种新的线路拟合度计算方式,并将其应用于网格索引中,达到增强车辆过滤效果的目的。接着,在匹配阶段,本文提出了基于个性化需求的车辆匹配算法,该算法的创新性在于,通过引入个性化效用函数,用来评价不同乘客在不同场景下变化的个性化需求,达到满足乘客个性化的匹配结果。最后,本文在北京市道路网络上设计了仿真实验,实验结果验证了本文所提算法的有效性。