ShaheenandCohen指出分時租賃是一種新型的租車服務，用戶可以提前預約車輛，按照分鐘計費，可以隨時還車，打破了傳統租車企業按天計費和在門店租車還車的運營模式。汪鳴泉認為消費者通過電動汽車分時租賃模式可以分擔較高的購車和養護成本，同時也有助于加強節能和環保作用。

電動汽車分時租賃分為自由流動式和固定站點式。其中，自由流動式是指消費者可以在任意站點進行租車和還車，固定站點式是指消費者只能在同一站點進行租車和還車活動。Vine等采用實證方法對倫敦的自由流動式系統進行研究，結果發現自由流動式的預期需求是固定站點式的3-4倍，可見自由流動式比固定站點式更加靈活。

因此，主要針對自由流動式的電動汽車分時租賃系統進行研究，其存在兩種決策，一種是策略性計劃決策，另一種是運營決策。

策略性計劃決策模型，策略性計劃決策主要以尋找站點的最優數量、規模和位置、汽車車隊大小為目標，力圖鏈接整個系統的平衡性。CorreiaandAntunes研究了分時租賃系統中的最優租賃站點位置和停車位規模，發現停車位大小是由運營商分配給每個站點最大車輛數量決定，而車輛調配包含的相關費用僅在整個營業周期結束時考慮。

該模型力求最大限度地提高營運利潤，并考慮到折舊、保養和調配車輛的成本、維修費用以及營運收入。但是該模型沒有明確考慮動態失衡情況，沒有在每個租賃行為結束時重新平衡站點車輛數量，因此該模型無法用于研究站點可用成本與系統經濟效益之間的權衡問題。

Correia等在CorreiaandAntunes的基礎上，根據葡萄牙里斯本的分時租賃項目，假設只有在租賃站點周圍產生的租車需求才可被服務，在運營周期結束時才會考慮車輛調配及其相關成本，并擴展了旅行選擇和租賃站點位置模型，考慮更多的初始點和目的站點，建立混合整數規劃優化模型，結果顯示用戶選擇的靈活性和車輛庫存的有效信息可以提高租賃商利潤，同時由許多小型車站組成的大型汽車共享系統可以增強信息效果。

XuandMeng提出了一種集合劃分模型，通過對分時租賃商利潤最大化來確定自由流動式的電動汽車車隊規模。Lemme等提出采用共享價值原則構建車隊優化模型，評估所選參數對不同車輛技術的經濟和環境維度影響。

Jian等針對自由流動式提出了一種將供需方結合起來的綜合優化模型，即把離散選擇模型與整數線性規劃公式相結合，形成了一個非線性模型，采用澳大利亞分時租賃商的實際案例對模型進行了檢驗，對總出行需求、系統容量、單向出行價格和車輛可用性系數進行敏感性分析，以評價其對系統利潤的影響。結果表明，不同的車輛可用系數和出行需求對利潤有不同影響。

許多文獻介紹了分時租賃站點的路網評估模型。當分時租賃需求發生變化時，路網問題就會發生，如何調整租賃站路網以便更好地服務新需求成為難點。因此需要制定一個決策工具，使決策者能夠模擬導致不同路網配置的備選策略。

CalikandFortz采用混合整數隨機規劃研究在需求不確定情況下的電動汽車分時租賃系統，提出一種產生多種需求情景的需求預測方法，可以解決100-500個場景問題。Willing等為自由流動式運營商提供解決車輛供應與客戶需求之間失衡的方案，降低了向新城市擴張時帶來的供需失衡風險，最后基于阿姆斯特丹的相關使用數據，預測柏林市的分時租賃需求。

Fassi等認為這些策略應該包括開放或關閉的租賃站點，以及提高租賃站點容量。為此采取基于離散事件進行模擬，用一種決策支持工具來評估哪一種決策可以最大限度地提高用戶的滿意度，并減少使用車輛數量。該模型允許在任何給定的站點建模，且不考慮數量和容量大小，對不同策略進行基準比較，并將該模型應用在加拿大蒙特利爾。

CepolinaandFarina研究采用同類環保電動汽車車隊，并允許自由流動式的情況。首先每個租賃站點也是停車場，為車輛提供充電服務，并且租賃站點位于多式聯運轉移點和靠近主要景點的行人區內。該模型并不決定租賃站的數量、位置和規模，而是為了應對自由流動式系統的車輛累計不平衡問題，引入監管概念。主管的主要任務是指導用戶靈活地將車輛返回備用站點，以實現平衡操作和最大限度的等待時間，該模型主要通過仿真估算模型的目標函數值。

運營決策模型，對于自由流動式來說，其運營決策的主要問題是如何調配車輛。針對該問題，學者們提出不同的對策和模型。Zhang等提出了一個新的時空—電池網絡流模型來確定電動汽車分時租賃系統中的最優車輛調配和轉接決策，以此規避電池容量限制并提高車輛利用率。

王麗麗等考慮租賃站內充電情景，通過分析車輛平均使用率、平均空閑率以及消費者滿意度等對電動汽車分時租賃商的運營能力進行評估，探討車隊規模和停車位數量對運營利潤的影響，比較消費者還車和站點員工還車情景，但是忽略了不同需求下的還車策略和調配距離對租賃商利潤的影響。

謝欣睿等采用上海分時租賃電動汽車實際運行數據，基于數據驅動方法，定量描述分時租賃模式存在的續航里程短、電池性能不穩定等問題，利用數理統計工具分析表明耗電量與行駛里程均具有線性相關性，溫度也會影響新能源車電池耗電率。

另外，黃毅祥和蒲勇健針對分時租賃市場競爭存在有限理性的特點，構建進化博弈模型描述租車軟件進出和搶占市場的博弈過程，并采用價格戰對模型進行分析和驗證。結果顯示，當分時租賃市場受到價格戰突擊時不再存在純策略，而對于準備進入分時租賃市場或擴大市場份額的公司來說選擇價格戰是最優策略。

黃毅祥等在考慮消費者預期基礎上，采用博弈論討論電動汽車分時租賃的價格競爭過程，結果顯示分時租賃企業應該把握好降價幅度，避免價格競爭，而價格敏感型消費者群體占比越大，租車公司間的價格競爭越激烈。Mattia等通過結構方程模型檢驗消費者態度、主觀規范和知覺行為控制對消費者再次使用分時租賃意向的影響。研究結果顯示，這些要素對未來重復使用服務的意愿有顯著影響。

充電站布局研究現狀，分時租賃模式使得人們的交通出行方式更加靈活，也更大程度滿足人們的出行個性化和高品質的需求。但是分時租賃車輛也會面臨路途中電量不足的困境，因此合理的充電站布局將有利于分時租賃車輛的運營能力和消費者滿意度。徐凡等指出充電站布局是電動汽車發展的基礎，應充分考慮充電需求在時間和空間的雙重約束下，如何平衡交通密度與需求分布、滿足城市整體和路網規劃等問題，同時需考慮服務半徑、本區域的輸配電網以及電動汽車未來發展趨勢。

趙興勇和趙艷秋指出充電站規劃的基本原則包括電動汽車規模及發展趨勢要求、相關區域的交通流量及服務半徑要求、區域配電能力要求。所以充電站建設需采用規模集中分布形式，合理配置充電網點和服務方式，這是因為電動汽車用戶需要在較大區域范圍內享受到滿足其實際需求的統一規范標準的網絡化和規范化的充電服務。但是我國城市土地資源緊張，只有合理建設充電站，才可以緩解停車位緊缺和電網改造成本高等問題。

在我國政府對充電基礎設施大力支持與建設的基礎下，隨著電動汽車市場滲透率逐步增大，對充電站布局提出新的挑戰。目前圍繞電動汽車充電站布局研究主要從充電站選址、定容以及高效算法等方面出發，大多采用多目標規劃建模、傳統的數學優化和算法優化等方法。

充電站選址研究，從整數規劃模型角度出發，何亞偉等在FRLM基礎上，考慮電動汽車續航能力和充電站建設成本兩個影響因素，構建混合整數規劃模型，為充電站布局提供最優選址和數量組合決策方案。楊珺等考慮到電動汽車續航能力和裝載容量約束，針對換電站點選址和電動汽車路徑優化問題建立了相應的整數規劃模型，結果發現總成本隨著裝載容量的增加而顯著降低，電池續航里程的提升有助于降低建站成本和目標函數值。

Faridimehr等考慮電動車輛到達和停留時間、到達車輛電池的充電狀態、駕駛員的步行距離和充電偏好、工作日和周末的需求等不確定性因素，提出了一個兩階段隨機規劃模型來確定一個社區的最佳充電站網絡。

葉露等建立基于隨機用戶均衡的雙目標模型，上層考慮系統旅行時間和溫室氣體排放，下層考慮電動汽車用戶出行行為，通過分析電動汽車滲透率、充電站數量、里程和個人偏好對目標函數的影響，確定最優充電站位置。Chen等提出了考慮路徑選擇和充電等待時間均衡的雙層數學模型，探討電動汽車充電設施位置和容量的最佳設計方案，以達到充電設施建設成本和電動汽車駕駛者的行駛時間和等待時間成本之和最小。

此外，劉鍇等根據假設相關充電決策機制，建立基于仿真的電動汽車充電站動態布局優化模型，以滿足總繞行時間最短為目標，考慮建設時效的連續性需求，提出基于逐步優化和比較備選方案服務能力的連續性優化方法，通過實證分析探討模型的優化布局特性和適用性。

Zhang等構建基于需求動態的多周期約束定位優化模型，以華盛頓特區、紐約市、波士頓等地為例進行數值實驗，可以最大限度地提高流量覆蓋率和電動汽車需求量。韓煜東等考慮目的地充電站優化問題，構建M/M/1和M/M/n兩種不同類型的排隊模型并比較，結果發現單臺多服務臺模式更優。付鳳杰等以電動汽車的充電和出行成本比與運營商的成本和收益比之和最小為優化目標，將用戶心理和電網負荷等因素為約束條件，確定充電站的最優布局方案。

充電站定容模型研究，從經濟效應角度出發，張帝等采用排隊論分別建立兩種不同的電動出租車充電站服務系統模型，以總費用最低為目標函數，建立充電樁優化配置模型，分析充電樁數量對充電站運行和建設成本的影響。

劉娟娟和曹勝蘭提出我國應實行汽車廠商和電網企業聯盟建設充電樁模式，并引入政府補貼，建立以充電樁利潤最大化為目標的數學模型，考慮建設成本和運行成本，對電動汽車規模和充電樁數量的配比進行了仿真。

從充電時間最短角度出發，Roni等認為充電造成的不可用時間是分時租賃可持續運營的主要障礙，而克服該障礙的直觀解決方案是增加充電站數量，因此提出一種整數規劃模型，研究車隊不可用時間和充電站數量之間的關系。結果顯示充電時間占總不可用時間為72-75%，若增加5-20個新充電站，充電時間和行駛時間將分別減少2%-4%和26%-49%。

Xylia等以瑞典斯德哥爾摩為例，建立電動客車充電基礎設施的動態優化模型，該模型根據公共汽車站類型(終點站或中間站)設置約束，這些約束會影響每個特定位置的充電時間。Wang等提出了固定預算約束下的充電設施選址和容量設計問題，建立充電策略模型，并采用鄰域搜索策略來解決優化問題。