共享物流以其低廉的价格,方便的服务受到了市场的广泛欢迎。然而,目前的共享物流方法绝大多数都是基于中心化的架构,即存在第三方公司收集、发布相关的共享信息。在该种方式下,共享参与方需要上传身份、位置等敏感信息。同时,第三方公司出于利益的考虑可能人为控制共享匹配的结果。为了避免第三方对共享物流系统造成的影响,本文着眼于构建分布式的共享物流系统。然而在分布式的情况下,由于缺少第三方节点的统一管控,共享物流信息难以被有效存储。此外,第三方节点的缺失也为共享匹配带来了挑战,共享参与方只能依靠自身信息执行匹配过程,因此会造成匹配效率的下降。同时,目前的共享物流软件大多基于中心式架构开发,它们并不支持分布式的共享物流业务。本文针对上述挑战展开研究,主要研究工作总结如下。针对分布式情况下共享物流信息难以被有效存储的问题,本文提出了一种基于区块链的共享物流信息安全存储方法,并详细描述了共享物流信息从生成到上链的全过程。该方法充分利用了区块链的防篡改特性以及分布式架构,可以有效保护数据安全。然而,区块链的防篡改特性通常是以较长的确认时延为代价的。为提高区块链效率,本文提出了一种改进型的实用拜占庭容错（Practical Byzantine Fault Tolerance,PBFT）共识算法,其可以将交易确认延迟从10分钟减少到15秒。改进型的PBFT有效地避免了双花攻击和女巫攻击。安全分析和仿真结果表明,本文提出的基于区块链的共享物流信息安全存储方法为用户提供了较好的安全保证,并在确认延迟和交易吞吐量方面满足了共享货运服务的要求。针对分布式共享物流系统中,共享参与方资源受限、匹配效率低下的问题,本文提出了一种基于事件触发的深度强化学习（Event-Triggered Distributed Deep Reinforcement Learning,ETDRL）算法。该算法基于车辆角度对新出现的货物配送进行选择,从而最大化单次共享过程的收益。由于车辆的计算能力有限,本文首先推导了一定绕路率下车辆的近似接单范围,从而减小了车辆的搜索压力。随后,本文重点对匹配模型进行了抽象,将接收到新包裹作为条件,提出了基于事件触发的状态转移方法,解决了多路径匹配与强化学习模型之间的映射问题。同时,考虑到新接受订单与未送达订单之间的时序问题,本文在状态更新时引入了蚁群算法,以路径最短为标准解决了包裹配送的时序决策问题。随后,本文对北京市12509辆出租车近一个月的行驶数据进行了分析,提取了乘客订单信息,并依次作为输入测试了所提匹配方案的有效性。仿真结果表明,在最大可接包裹数一定的情况下,本文所提方案在单位距离平均收益方面最大能够获得86.6%的提升。此外,本文还对共享物流涉及到的相关软件进行了实现。首先,本文基于Android平台实现了共享物流客户端软件,其基于百度地图图层构建,实现了起点、终点位置自助设置,并能够显示当前车辆的行驶路径。此外,在每一次接收到新的订单后,该软件能够根据内置蚁群算法的规划结果动态更新当前的路径,从而满足了司机的路径需求。随后,本文针对区块链存储软件进行了构建。根据区块链分层结构,本文首先对数据链路层进行了构建,实现了包括区块链头、区块链体、默克尔树等一系列区块链结构。其次,利用用户数据包协议实现了不同节点之间的互联互通,主要包括信息发送、信息接收、信息校验等功能。随后,在共识层支持了工作量证明、权益证明等多种共识算法,扩展了本软件的应用场景。实际应用测试表明,本文所实现软件能够满足实际使用的各项要求。