近年来,网约车平台快速发展,针对网约车的特性,利用优化调度方法提高社会效益是车辆调度研究的重点。以往的研究主要关注平台的收益(譬如最大化服务需求),很少考虑保证司机的个体利益,而司机个体利益得不到保证会影响平台的效益和发展。因此,本文研究兼顾平台利益以及司机个体利益的网约车调度优化问题。本文首先针对司机具有不同接单决策模型的情况,对每个时段的需求分配方法进行了优化;然后本文针对可以获得未来需求信息的情况,对车辆调度方法进行了优化;最后本文针对司机服务时间不同的情况,对车辆调度方法进行了优化。首先,本文研究考虑司机接单决策的调度优化问题。司机是理性的,其最终目标是最大化自身收益,因此司机并不一定会接受平台的分配方案。另外,不同司机的决策模型存在差异。以往的车辆调度研究通常假设,在一定调度距离内,司机始终接受平台的分配。本文对司机的决策方式进行建模,利用价格调节机制,提出基于网络流的方法最大化服务需求总价值。实验结果表明,本文提出的方法能够有效的提高服务需求总价值。然后,本文研究考虑预测需求信息的长期调度优化问题。以往利用预测信息进行优化调度的研究通常只考虑整体司机的利益而忽略了每个司机个体的利益。另外以往的长期调度方法通常采用先进行订单分配再进行空车调度的方式来获得长期的优化调度方案。本文通过预先匹配未来需求的模型,提出基于最小费用最大流的启发式算法,在提高司机载客总时间的同时尽量提高司机个体最小载客时间。实验结果表明,本文提出的方法能够有效的提高平台的利益同时保证司机个体的最低利益。最后,本文研究考虑司机服务时间的长期调度优化问题。网约车司机的服务时间通常是不固定的,而以往的调度分配研究通常假设服务车辆是固定的,并且车辆在整个优化时间段都提供服务。利用未来可用司机的分布信息可以获得更加有利于长期的调度方案。本文提出基于二分图匹配的车辆分配算法和基于贪心的空车调度算法,在提高司机载客总时间的同时尽量提高司机最低的载客时间比例。实验结果表明,本文提出的方法能够在提高平台的利益的同时保证司机个体的最低利益。