车辆合乘,即具有相似行程的多人合乘同一车辆出行,具有方便公众出行、缓解出行压力、促进节能减排、共同分担出行费用等诸多优点。现有的车辆合乘服务往往只考虑乘客之间的路径相似度,很少考虑通过用户之间的社会关系、兴趣爱好等个性化因素改善乘车体验,车辆合乘服务在个性化、定制化等方面仍有很大提升空间。本文首先提出了一种基于用户社会关系的个性化车辆合乘服务,对乘客之间的社会关系、价格等进行建模,匹配时将路径相似且社会关系相近的乘客优先安排在一辆车上。在该服务中提出了三种车辆合乘匹配算法,通过基于四叉树的候选车辆裁剪、SR-Qtree和ESR-Qtree索引结构等技术手段优化车辆合乘匹配速度,并通过仿真实验中对本文提出的算法和模型进行了有效性验证。在仿真实验过程中,我们发现有一些用户社会关系较为稀疏,这些用户与其余大多数用户没有社会关系,难以为这些乘客匹配社会关系相近的其他乘客共同出行。为了改善社会关系稀疏用户的个性化车辆合乘体验,本文又提出了一种基于用户兴趣爱好的个性化车辆合乘服务。在该服务中,首先将用户与车辆整体的兴趣爱好进行建模,并设计了一种衡量用户之间的兴趣爱好相似度的方法。在使用该服务进行车辆合乘匹配时,本文提出了两种车辆合乘匹配算法,通过时空约束条件、候选车辆裁剪等方法提升路径规划速度与车辆匹配效率,并把路径相似且兴趣爱好相近的乘客优先匹配在一辆车上,最后在车辆合乘匹配仿真系统上对该服务中模型与算法的有效性进行了验证。本文在OpenStreetMap地图上使用Java语言编写了车辆合乘匹配仿真系统,并使用滴滴出行和纽约出租车真实的订单数据集进行了仿真实验。与国际上其他先进研究工作相比,使用本文提出的算法和模型进行匹配时,用户之间的社会关系紧密程度提升了8.5%,兴趣爱好相似度提升了31.9%,乘客与车辆的匹配时间缩短了78.2%。实验结果表明,本文的研究工作有利于从用户社会关系和兴趣爱好的角度改善个性化乘车体验,提升乘客与车辆的匹配速度,促进以车辆合乘为代表的共享出行模式从“功能性”到“个性化”的升级转变。