网约车共乘服务已经成为了缓解出行高峰期城市交通阻塞和降低空闲时间段网约车空载率的有效解决方案。目前,滴滴出行,Uber等热门出行软件都在提供网约车共乘这项服务,这项服务在城市的有效推行,在保持原有网约车数量不变的前提下,为更多的乘客提供出行服务,以此缓解了网约车供求不平衡的压力。现有的共乘服务中,首先乘客需要预定乘车服务,然后系统会为该项定单分配相对最优的网约车解决方案并规划最佳路线,由此可以看出,网约车的实时动态匹配问题和路线规划问题是影响网约车共乘服务系统性能的关键。在现存的一些研究方法中,仍然存在一些问题,包括网约车匹配的速度和精确度之间的矛盾和规划行车路线所使用的方法缺乏实用性,例如T-Share,X-Share和SHAREK等方法在网约车匹配问题上,以牺牲匹配精准度为代价来提高匹配速度,所使用的方法通常是非索引求解最短路径的算法,当路网图的节点数达到百万级,而这类方法的搜索速度就会骤降,在路线规划问题上,未明确最佳路线规划所用的具体方法,缺少实际意义。本文所提出的基于RN树的网约车实时动态匹配系统R-Share,可以有效解决上述问题。当乘客通过手机提交订单后,R-Share会迅速在当前路网图中匹配相对最优的网约车分配给该乘客,与上述系统相比,该系统在保证匹配精确度的同时提高了匹配速度,在成功匹配到网约车后,系统会在保证低绕路率和满足乘客容忍时间的条件下,再为司机规划相对最佳的行车路线。先前的研究由于将新请求插入路线过程中效率低下,因此缺乏实用性。尽管这些策略可以加快检查插入可行性并将新请求插入网约车行程路线的过程,但是并不清楚所选插入的质量会下降多少,因此我们的目的主要还是通过加快最短路径算法本身的计算速度来加快插入的过程,而不是根据某些情况消除某些插入的可行性,所以本文中我们提出了一种计算最短路径的算法,可以大大缩短最短路径算法计算所需要的时间。在对比实验中,采用了纽约城市网约车数据,与T-Share,X-Share和SHAREK三个网约车共乘系统做对比,证明了本文提出的系统在速度、精确度等方面优于上述三个系统。