随着数据的积累，派车规则的总结完善，越来越多的调度系统力求实现智能调度即自动派车的功能，依托算法或规则配置，优化运力分配

调度即为运输业务中，货物与运力的匹配环节。调度系统是业务系统基础属性，链接上游OMS系统，下游司机/车队系统；或调度模块内嵌到TMS系统中，做单独的操作模块。

随着数据的积累，派车规则的总结完善，越来越多的调度系统力求实现智能调度即自动派车的功能，依托算法或规则配置，优化运力分配。

调度系统的核心，一是派车的准确度高，系统匹配出的为派车的最优解；二是操作的便捷高效性，调度目前还有大量人工操作的场景，系统的使用便捷交互流畅是非常重要的；三是数据的积累及可视化展现，历史数据的宏观微观展示，均可以在多个环节对调度策略进行优化指导。

一、抢单和派单

调度模式简而言之分为两种，抢单和派单。

1. 抢单

抢单的逻辑较为简单，将符合条件的活放到资源池中，司机自行筛选以及预定订单。这种模式基础的要求是司机端有完善的产品而且司机愿意配合使用；司机抢到的单，理论讲一定可以运，延伸对司机的管控，比如主动撤单率高的司机和履约情况良好的司机区别收入或评分，适用于有固定运力，司机管控较为完善的运输公司；针对信息匹配平台，及时记录抢单及放单行为，完善推荐匹配策略。

抢单的弊端，就是订单及运力分配的不均匀，平台公司无法强管控如利润、客户服务等。

例如好客户的好订单，被“坏司机”抢到，可能影响平台口碑；再例如“坏客户”的坏订单，被好司机抢到，可能影响司机的运输体验或收入，会加大司机对平台的抱怨程度；抢单模式不灵活，给平台角色的自由度较大，因而很难精细化管理。很多运输公司选择用固定路线或固定运力池作为抢单模式的场景，用抢单代替固定的排班，通过减少场景来加强管控。

2. 派单

派单的逻辑可以很深入，也可以很简单。

简单的派单，就是调度人员找到订单，选派合适的司机，调度过程即结束。这其中需要考虑司机是否有时间接单，不会和上一单或下一单有重叠即可，这也是大部分TMS系统所实现的程度。再进一步，司机端多考虑一步，是否让已分派的司机撤单或设置司机需点击接单的模式，上下游互选后履约成立，这也是网络货运平台要求的履约模式。这一步往往会设置反馈，不接或撤单的原因，便于日后数据分析。

数据及规则积累到可量化的程度，即可尝试自动调度。基础的自动调度，即把调度人员的派车规则转换成为系统语言，自动推荐运力；到策略层，即会考虑路径规划，多因素相互影响的算法。

调度考虑的因素列举起来有如下：司机作息、运输是否可成立、定向匹配、司机偏好、司机收入、平台利润、平台报价、第三方服务等等。要精确的量化以上条件，必须对三部分数据进行建模分析，即司机画像、车辆基础信息维护、地址画像。