在我国,公路货物运输业一直以来是国民经济的重要组成部分,根据交通运输部数据显示,我国2020年全年货物运输总量524.85亿吨,其中公路货物运输总量342.64亿吨,占比65%。近些年货运量递增,互联网信息技术和物流业也融合发展,货运市场“小而散,乱而杂”的局面逐渐突出,线下交易转变为线上交易所带来的交易的虚拟性和信息的不透明性增加。各平台都面临相同的难题:如何评定平台上车主或货主的信用等级?如何筛选出信用等级高的车主和货主?建立完善的信用评价体系成为各平台最关心的环节之一。本文在归纳总结以往文献的基础上,对现有的公路货运物流平台进行分类,重点关注公路货运物流信息交换平台所提供的服务。在采用模糊层析分析法得出影响车主和货主信用等级的因素后,用隐马尔可夫模型根据历史数据来预测未来一段时间内车主或货主的信用等级,筛选出信用等级高的车主和货主。理想化下信用等级高的车主都愿意和平台合作,使得平台拥有虚拟的可靠运力池,且有稳定可靠的货主提供货源,双向保证车货匹配率。根据“车多货少”的实际背景,本文建立了一对多且以车主的成本最小化为目标的车货匹配模型,采用在求解VRP问题方面具有良好求解性能的禁忌搜索算法（TS算法）求解。以A平台为例,选取某时段成都至昆明的车主和货主的数据,一方面对比基于稳定的信用评价体系下TS算法和不考虑信用评价体系的TS算法求解的匹配方案,另一方面,在剔除了信用低的车货主后的TS算法求解的方案和未用TS算法求解的实际匹配方案相对比,得出结论:在稳定的信用评价体系背景下,TS算法求解所得的匹配方案,不仅降低了物流成本,同时提升了货主的被匹配率,从而验证了信用等级评价体系和车货匹配模型的适用性。