随着全球定位系统、5G和智能设备的创新发展,在出行方面使得网约车成为主流趋势。如今,乘客通常有多种运输方式可以从其出发地前往目的地。在这些不同的运输方式之间进行选择时,乘客会考虑许多标准,例如费用,旅行时间,灵活性(适应日程安排的更改能力),便利性(例如起始点的位置),可靠性和对安全性的感知。首先考虑诸如公交车或地铁的系统,其提供具有固定地理路线和固定时间表的旅行选择。这些固定地理路线向乘客收取少量费用,但带来的便利却很少。相反,私家车或出租车服务的成本较高,但提供了更灵活,更方便且通常更快的选择。网约车作为一种新型出行方式,改变了传统线下打车存在的不足。任务分配作为网约车研究的重要内容之一,实现订单分配主要是在任务分配过程中结合了供需预测、路径规划、服务分(司机服务评价系统)、云计算和机器学习的“全局最优”等理论,高效便捷满足人们出行需求,对于人们生活有着十分重要的现实意义。在梳理国内外关于网约车相关研究以及任务分配文献基础上,发现国内对网约车任务分配研究较少,关于网约车任务分配是当前任务分配领域研究热点内容之一,对网约车任务分配现状进行分析,主要存在时空匹配、供需不平衡、不确定运力和负载不均衡问题,因此论文主要对时空匹配和负载不均衡问题进行研究,构建移动情境下网约车任务分配模型。首先,针对司机与乘客之间的时空匹配问题,构建满足网约车平台需求的参与者选择任务分配模型,以网约车平台需求中的激励成本最少,任务执行效率最高为优化目标函数。应用贪婪蚁群算法进行模型求解,相比于随机选择方法和QSTA方法在算法性能、激励成本和任务执行效率的优化目标以及选择方法运行时间等方面都有很好的效果。然后,针网约车任务分配过程中存在的司机负载不均衡问题进行研究,构建满足网约车平台需求的负载均衡任务分配模型。网约车用户需求包括参与者需求,移动用户需求和网约车平台需求,因此以网约车平台感知成本较低,司机负载均衡度较大和移动用户等待时间较短为优化目标函数,应用双尺度变异算子离散粒子群算法对模型进行求解。相比于基本的粒子群算法和遗传算法,双尺度变异算子离散粒子群在算法收敛性以及优化目标上效果较好。最后,基于网约车任务分配存在问题,结合政府角度、网约车平台角度、司机角度和乘客角度考虑,给出促进网约车平台发展的对策建议,包括通过精细化运营和供需预测实现乘客与司机之间的时空匹配;增加网约车数量和动态溢价实现网约车供需平衡;实施雇佣司机制度和优化运力结构解决网约车平台运力问题;优化评分体系和路径推荐提高司机任务数量负载均衡。