公路货运一直以来是货物运输的主要交通方式之一,然而近几年的数据统计显示物流运输成本居高不降。虽然出现了很多像运满满、货拉拉、货车帮等货运信息平台,但大多数是将货物与车辆分开,分别从货车的角度去选择货物或者是从货物的角度去选择车辆,完全整合的车货双向匹配的信息平台并不常见;再加上车货双方信息不对称等问题,使得运输过程中车辆空载和车辆安排不合理的现象时常发生,导致了货物运输成本的增加。因此本文将着重解决此类问题,提高车货双向合理匹配的效率,使货物和车辆在合适的环境下进行合理的匹配,进而有效降低社会物流运输的总费用。由于在运输过程,针对不同类型的货物,在进行模型建立的时候需要考虑的影响因素各不相同,因此本文将选择一种在运输过程比较常见的货物-果蔬农产品为主要研究货物。由于果蔬农产品在运输过程具有易腐性和强时间要求的特性,因此本文在考虑最短运输距离的基础上,将果蔬农产品的易腐性和时间性作为核心因素进行考虑并进行分析量化。货主与车主之间的信任度在订单是否达成中也起到了至关重要的作用,因此本文在定义匹配度的同时,结合信任度进行最终的匹配度计算。本文首先引用明可夫斯基距离(Minkowski Distance)的思想定义匹配度,然后结合基于六度分离理论(Six Degree Of Separation Theory)的信任度建立本文的以匹配度最高为目标的目标函数。根据果蔬农产品的特性建立匹配度函数中的子函数F函数即费用函数,该函数由直接运输成本、货损成本、时间成本三部分组成;针对货主、车主以及货主的最低和最高服务需求建立不同的F函数,F函数中将直接运输成本、货损成本、时间成本以及货物重量等因素进行量化计算匹配度,然后将量纲统一到费用函数上,进而建立最终的匹配度函数;建立相应的假设条件和约束条件,建立本文公路货运车货匹配的数学模型;最后设计相应的算法,对模型进行求解。本文选用改进的遗传算法对模型进行求解,得出模型的最优解,合理安排车辆,使车货双方的利益都得到满足。本文的数据选用车货匹配信息平台统计的数据进行案例分析,应用Matlab进行求解得出最后的匹配结果。