2016年我国“有本无车”人数达到2亿,共享汽车在中国具有非常广阔的发展空间。共享汽车不仅方便快捷,而且由于费用均摊使得成本低廉。另外,车辆共享也能降低汽车保有量,成为解决交通拥堵,环境污染的有效手段。然而,由于我国共享汽车发展时间短,在设计和运营方面缺少理论和实践方面的科学指导。本文主要针对共享汽车场站的选址,以及车辆、人员的联合调度进行优化研究,为共享汽车的发展提供理论意见。在共享汽车场站选址方面,本文通过对出租车GPS数据进行处理,挖掘得到出租车乘客上下车位置,并通过DBSCAN对乘客上下车位置进行空间聚类,将聚类得到的“簇”的中心作为共享汽车的场站选址,并将该结果与K-means聚类算法得到的结果进行比较,发现DBSCAN算法在市中心区域有更多的场站,每个场站的服务数量较为均衡,而K-means算法的聚类比较集中,在市中心的备选场站少,导致个别场站服务压力大,因此本文选用DBSCAN聚类结果作为选址方案。在共享汽车运营方面,本文建立了共享汽车联合调度优化模型,并将模型进行改进,进而转化成为一个双层规划模型,上层模型是带时间窗的车辆数不确定的开环mTSP模型,而下层是带时间窗的人员数不确定的开环mTSP模型,并设计了遗传算法进行求解。调度实例部分,本文以上海市作为研究对象,在DBSCAN算法聚类得到的场站下,构建调度网络,并从出租车OD数据库中随机选取25对OD需求,在此基础之上,对共享汽车调度优化模型进行求解,并对优化结果,包括人车数量的配置,以及调度路径的走形情况进行分析,然后针对车辆成本变化和用车需求变化,进行灵敏度分析。另外,通过对遗传算法做10次求解,并与模拟退火、粒子群算法进行比较,验证了遗传算法对于求解本问题的稳定性和有效性。