传统基于车辆运行机理的电动汽车行驶里程预测模型难以描述驾驶员驾驶习惯、路况、环境温度等因素对预测结果的影响,而通过车载终端采集到的汽车实时行驶数据中包含着丰富的信息。因此,基于数据驱动的电动汽车行驶里程预测方法能弥补传统方法的不足。利用从"新能源汽车国家监管平台"获取的五辆纯电动汽车的真实行驶数据训练机器学习模型,用训练后的模型预测车辆在特定行驶片段内的行驶里程。首先进行数据清洗,剔除异常数据和冗余数据,然后通过数据插值、派生新的数据字段等数据处理手段,充分挖掘数据的隐含信息,再将处理后的数据划分为训练集和测试集。将训练集数据输入"随机森林"等五种机器学习集成模型进行训练,结合测试集数据进行多轮交叉验证,查看不同机器学习模型的实际预测效果。结果显示,五种机器学习集成模型均有较好的预测效果,里程预测的平均误差都小于7%,其中随机森林模型的预测效果最好。