公路货运市场长期存在信息不对称、资源利用率低等问题,无车承运人模式作为一种基于互联网思维下的新型模式,是解决上述问题的重要途径和手段。无车承运人以其平台为基础提供各种服务,在其发展过程中逐渐由纯信息平台类向专业服务类、综合服务类发展,由早期简单的线上信息撮合逐渐发展到更加全面的基于大数据技术的信息匹配、承担运输责任的组织规划、拥有自有车队的资产进行运营,同时积极探索提供多式联运、供应链服务等业务。2016年下半年,我国逐渐开展了无车承运人试点,近几年的试点证明该模式有力地推动了我国公路货运市场的改革与发展。基于“互联网+”背景,无车承运人平台运营的关键是整合车辆资源满足货运需求,发展的重难点是其后台对于车货信息的大数据匹配以及运力的调度优化。城市物流场景中的无车承运人平台在实现货源组织与社会多车辆整合时,既要满足货主需求,也要满足车主的期望;同时为了进一步的资源配置优化,在实现车辆调度,完成运输过程时,单一车辆可承运多个货物,并且每个货物有不同的取、送两个节点访问需求,这对路径优化有了更复杂的要求,在以往的研究成果中,缺少对此类问题以及匹配调度联合优化的考虑。本文在对其涉及的科学理论:车货匹配(Vehicle Cargo Matching,VCM)、车辆路径问题(Vehicle Routing Problem,VRP)、物流流线网络(Logistics Streamline Network,LSN)与双边匹配等分析的基础上,根据车货双方不同的匹配要求,进行车货匹配与运力调度的定性定量分析,分别建立了以双边匹配度最大为目标一对一的车货匹配模型、以总成本最低为目标可拼货的运力调度(Vehicle Scheduling,VS)模型以及以双边匹配度最大为目标的匹配调度(Vehicle Cargo Matching and Vehicle Scheduling,VCMVS)联合优化模型,以此达到车主与货主较高双边匹配度的刻画。在解决上述模型中,基于粒子群算法(Particle Swarm Optimization,PSO)与禁忌搜索算法(Tabu Search,TS)进行混合算法设计,其收敛性更高。并且,算法对拼货模式下考虑车型、时间、报价等诸多因素匹配调度联合优化模型的求解结果优于单一匹配或者仅调度时方案的结果。最后,通过算例验证了模型和算法的有效性,为无车承运人平台运营模式下的资源优化配置提供了更佳的解决思路。