在如今的社会生活中,人们的出行需求日渐增长,有限的车辆资源难以支撑当前迅速增长的出行需求,这种供需矛盾在当下显得十分严重。特别是传统的打车情况和一人一车的服务模式,严重地加剧了供需冲突。在大规模的城市交通数据中,拼车不仅可以减少城市车辆,而且符合节能减排的号召。合理的调度算法能够为城市出租车调度提供可靠的决策依据,辅助城市共享自动驾驶出租车运营。本文基于大规模城市出行中自动驾驶出租车的共享调度,提出调度系统框架、理论,建立调度系统数学模型。重点研究了调度系统中的多订单批量车乘匹配,建模并提出自动驾驶出租车调度系统派单理论,完成调度系统的核心功能。本文考虑的调度模型以纽约曼哈顿地区为仿真区域,以“最优服务水平”为目标函数建立数学模型,完成了以下工作:（1）根据交通数据对路网进行矢量化处理,利用networkx还原曼哈顿路网的拓扑结构,并且预估不同时间段的道路旅行时间。（2）为自动驾驶出租车共享调度系统设计了数学模型。以最优服务水平为目标,考虑了容量约束、次序约束、成对约束、时间窗约束等约束条件。为求解该问题,本文改进了Geo Hash算法来快速搜索可以匹配的车辆与请求,有效减少了算法下一步的算量。然后使用插入算法组合可拼车的订单为新的行程,并为车辆和行程递增地构建VT图。最后使用KM算法来计算VT图的最佳匹配结果。（3）基于Python语言开发一个仿真器,利用纽约大规模真实出租车数据,在曼哈顿区域进行仿真模拟。本文还复现了3篇在共享调度中具有一定知名度的文献,并与自己的算法进行测试对比,进一步验证了可行性和有效性。为了更贴近真实路况,模型中自动驾驶出租车具有不同的初始位置,并在调度仿真前已经运行了一段时间。研究结果表明,我们的调度算法对比不同类型的算法服务率都有所提高,对比贪婪匹配的自动驾驶出租车调度系统,我们的服务率提升了5.77个百分点,对比单订单批量匹配的自动驾驶出租车调度系统,我们的服务率提升了4.66个百分点。相比较于同类型算法,服务率也略有提升,而且计算时间缩短了约28%。此外,我们还考虑了各种不同因素下服务率的变化,并与其他算法做比较。总的来说,我们的算法能够有效提升自动驾驶出租车调度系统的服务率。