ShaheenandCohen指出分时租赁是一种新型的租车服务，用户可以提前预约车辆，按照分钟计费，可以随时还车，打破了传统租车企业按天计费和在门店租车还车的运营模式。汪鸣泉认为消费者通过电动汽车分时租赁模式可以分担较高的购车和养护成本，同时也有助于加强节能和环保作用。

电动汽车分时租赁分为自由流动式和固定站点式。其中，自由流动式是指消费者可以在任意站点进行租车和还车，固定站点式是指消费者只能在同一站点进行租车和还车活动。Vine等采用实证方法对伦敦的自由流动式系统进行研究，结果发现自由流动式的预期需求是固定站点式的3-4倍，可见自由流动式比固定站点式更加灵活。

因此，主要针对自由流动式的电动汽车分时租赁系统进行研究，其存在两种决策，一种是策略性计划决策，另一种是运营决策。

策略性计划决策模型，策略性计划决策主要以寻找站点的最优数量、规模和位置、汽车车队大小为目标，力图链接整个系统的平衡性。CorreiaandAntunes研究了分时租赁系统中的最优租赁站点位置和停车位规模，发现停车位大小是由运营商分配给每个站点最大车辆数量决定，而车辆调配包含的相关费用仅在整个营业周期结束时考虑。

该模型力求最大限度地提高营运利润，并考虑到折旧、保养和调配车辆的成本、维修费用以及营运收入。但是该模型没有明确考虑动态失衡情况，没有在每个租赁行为结束时重新平衡站点车辆数量，因此该模型无法用于研究站点可用成本与系统经济效益之间的权衡问题。

Correia等在CorreiaandAntunes的基础上，根据葡萄牙里斯本的分时租赁项目，假设只有在租赁站点周围产生的租车需求才可被服务，在运营周期结束时才会考虑车辆调配及其相关成本，并扩展了旅行选择和租赁站点位置模型，考虑更多的初始点和目的站点，建立混合整数规划优化模型，结果显示用户选择的灵活性和车辆库存的有效信息可以提高租赁商利润，同时由许多小型车站组成的大型汽车共享系统可以增强信息效果。

XuandMeng提出了一种集合划分模型，通过对分时租赁商利润最大化来确定自由流动式的电动汽车车队规模。Lemme等提出采用共享价值原则构建车队优化模型，评估所选参数对不同车辆技术的经济和环境维度影响。

Jian等针对自由流动式提出了一种将供需方结合起来的综合优化模型，即把离散选择模型与整数线性规划公式相结合，形成了一个非线性模型，采用澳大利亚分时租赁商的实际案例对模型进行了检验，对总出行需求、系统容量、单向出行价格和车辆可用性系数进行敏感性分析，以评价其对系统利润的影响。结果表明，不同的车辆可用系数和出行需求对利润有不同影响。

许多文献介绍了分时租赁站点的路网评估模型。当分时租赁需求发生变化时，路网问题就会发生，如何调整租赁站路网以便更好地服务新需求成为难点。因此需要制定一个决策工具，使决策者能够模拟导致不同路网配置的备选策略。

CalikandFortz采用混合整数随机规划研究在需求不确定情况下的电动汽车分时租赁系统，提出一种产生多种需求情景的需求预测方法，可以解决100-500个场景问题。Willing等为自由流动式运营商提供解决车辆供应与客户需求之间失衡的方案，降低了向新城市扩张时带来的供需失衡风险，最后基于阿姆斯特丹的相关使用数据，预测柏林市的分时租赁需求。

Fassi等认为这些策略应该包括开放或关闭的租赁站点，以及提高租赁站点容量。为此采取基于离散事件进行模拟，用一种决策支持工具来评估哪一种决策可以最大限度地提高用户的满意度，并减少使用车辆数量。该模型允许在任何给定的站点建模，且不考虑数量和容量大小，对不同策略进行基准比较，并将该模型应用在加拿大蒙特利尔。

CepolinaandFarina研究采用同类环保电动汽车车队，并允许自由流动式的情况。首先每个租赁站点也是停车场，为车辆提供充电服务，并且租赁站点位于多式联运转移点和靠近主要景点的行人区内。该模型并不决定租赁站的数量、位置和规模，而是为了应对自由流动式系统的车辆累计不平衡问题，引入监管概念。主管的主要任务是指导用户灵活地将车辆返回备用站点，以实现平衡操作和最大限度的等待时间，该模型主要通过仿真估算模型的目标函数值。

运营决策模型，对于自由流动式来说，其运营决策的主要问题是如何调配车辆。针对该问题，学者们提出不同的对策和模型。Zhang等提出了一个新的时空—电池网络流模型来确定电动汽车分时租赁系统中的最优车辆调配和转接决策，以此规避电池容量限制并提高车辆利用率。

王丽丽等考虑租赁站内充电情景，通过分析车辆平均使用率、平均空闲率以及消费者满意度等对电动汽车分时租赁商的运营能力进行评估，探讨车队规模和停车位数量对运营利润的影响，比较消费者还车和站点员工还车情景，但是忽略了不同需求下的还车策略和调配距离对租赁商利润的影响。

谢欣睿等采用上海分时租赁电动汽车实际运行数据，基于数据驱动方法，定量描述分时租赁模式存在的续航里程短、电池性能不稳定等问题，利用数理统计工具分析表明耗电量与行驶里程均具有线性相关性，温度也会影响新能源车电池耗电率。

另外，黄毅祥和蒲勇健针对分时租赁市场竞争存在有限理性的特点，构建进化博弈模型描述租车软件进出和抢占市场的博弈过程，并采用价格战对模型进行分析和验证。结果显示，当分时租赁市场受到价格战突击时不再存在纯策略，而对于准备进入分时租赁市场或扩大市场份额的公司来说选择价格战是最优策略。

黄毅祥等在考虑消费者预期基础上，采用博弈论讨论电动汽车分时租赁的价格竞争过程，结果显示分时租赁企业应该把握好降价幅度，避免价格竞争，而价格敏感型消费者群体占比越大，租车公司间的价格竞争越激烈。Mattia等通过结构方程模型检验消费者态度、主观规范和知觉行为控制对消费者再次使用分时租赁意向的影响。研究结果显示，这些要素对未来重复使用服务的意愿有显著影响。

充电站布局研究现状，分时租赁模式使得人们的交通出行方式更加灵活，也更大程度满足人们的出行个性化和高品质的需求。但是分时租赁车辆也会面临路途中电量不足的困境，因此合理的充电站布局将有利于分时租赁车辆的运营能力和消费者满意度。徐凡等指出充电站布局是电动汽车发展的基础，应充分考虑充电需求在时间和空间的双重约束下，如何平衡交通密度与需求分布、满足城市整体和路网规划等问题，同时需考虑服务半径、本区域的输配电网以及电动汽车未来发展趋势。

赵兴勇和赵艳秋指出充电站规划的基本原则包括电动汽车规模及发展趋势要求、相关区域的交通流量及服务半径要求、区域配电能力要求。所以充电站建设需采用规模集中分布形式，合理配置充电网点和服务方式，这是因为电动汽车用户需要在较大区域范围内享受到满足其实际需求的统一规范标准的网络化和规范化的充电服务。但是我国城市土地资源紧张，只有合理建设充电站，才可以缓解停车位紧缺和电网改造成本高等问题。

在我国政府对充电基础设施大力支持与建设的基础下，随着电动汽车市场渗透率逐步增大，对充电站布局提出新的挑战。目前围绕电动汽车充电站布局研究主要从充电站选址、定容以及高效算法等方面出发，大多采用多目标规划建模、传统的数学优化和算法优化等方法。

充电站选址研究，从整数规划模型角度出发，何亚伟等在FRLM基础上，考虑电动汽车续航能力和充电站建设成本两个影响因素，构建混合整数规划模型，为充电站布局提供最优选址和数量组合决策方案。杨珺等考虑到电动汽车续航能力和装载容量约束，针对换电站点选址和电动汽车路径优化问题建立了相应的整数规划模型，结果发现总成本随着装载容量的增加而显著降低，电池续航里程的提升有助于降低建站成本和目标函数值。

Faridimehr等考虑电动车辆到达和停留时间、到达车辆电池的充电状态、驾驶员的步行距离和充电偏好、工作日和周末的需求等不确定性因素，提出了一个两阶段随机规划模型来确定一个社区的最佳充电站网络。

叶露等建立基于随机用户均衡的双目标模型，上层考虑系统旅行时间和温室气体排放，下层考虑电动汽车用户出行行为，通过分析电动汽车渗透率、充电站数量、里程和个人偏好对目标函数的影响，确定最优充电站位置。Chen等提出了考虑路径选择和充电等待时间均衡的双层数学模型，探讨电动汽车充电设施位置和容量的最佳设计方案，以达到充电设施建设成本和电动汽车驾驶者的行驶时间和等待时间成本之和最小。

此外，刘锴等根据假设相关充电决策机制，建立基于仿真的电动汽车充电站动态布局优化模型，以满足总绕行时间最短为目标，考虑建设时效的连续性需求，提出基于逐步优化和比较备选方案服务能力的连续性优化方法，通过实证分析探讨模型的优化布局特性和适用性。

Zhang等构建基于需求动态的多周期约束定位优化模型，以华盛顿特区、纽约市、波士顿等地为例进行数值实验，可以最大限度地提高流量覆盖率和电动汽车需求量。韩煜东等考虑目的地充电站优化问题，构建M/M/1和M/M/n两种不同类型的排队模型并比较，结果发现单台多服务台模式更优。付凤杰等以电动汽车的充电和出行成本比与运营商的成本和收益比之和最小为优化目标，将用户心理和电网负荷等因素为约束条件，确定充电站的最优布局方案。

充电站定容模型研究，从经济效应角度出发，张帝等采用排队论分别建立两种不同的电动出租车充电站服务系统模型，以总费用最低为目标函数，建立充电桩优化配置模型，分析充电桩数量对充电站运行和建设成本的影响。

刘娟娟和曹胜兰提出我国应实行汽车厂商和电网企业联盟建设充电桩模式，并引入政府补贴，建立以充电桩利润最大化为目标的数学模型，考虑建设成本和运行成本，对电动汽车规模和充电桩数量的配比进行了仿真。

从充电时间最短角度出发，Roni等认为充电造成的不可用时间是分时租赁可持续运营的主要障碍，而克服该障碍的直观解决方案是增加充电站数量，因此提出一种整数规划模型，研究车队不可用时间和充电站数量之间的关系。结果显示充电时间占总不可用时间为72-75%，若增加5-20个新充电站，充电时间和行驶时间将分别减少2%-4%和26%-49%。

Xylia等以瑞典斯德哥尔摩为例，建立电动客车充电基础设施的动态优化模型，该模型根据公共汽车站类型(终点站或中间站)设置约束，这些约束会影响每个特定位置的充电时间。Wang等提出了固定预算约束下的充电设施选址和容量设计问题，建立充电策略模型，并采用邻域搜索策略来解决优化问题。