能源和环境是当今社会人类发展所面临的两大问题,随着社会的进步和经济的发展,人们的生活水平不断提高,在满足人们日益增长的生活品质需求的同时,过度的能源消耗造成的能源短缺和环境污染问题已经全面的暴露出来。利用可再生的电能作为动力来源的电动汽车,为人类缓解能源和环境危机提供了新的思路。现阶段随着电动汽车产业的社会化发展,电动汽车数量的急速增加,能否为用户提供全面、快捷、高效、准确和友好的服务,以及能否保证电动汽车大规模接入电网充电时的电网运行安全等问题,将成为制约电动汽车发展的关键因素。本课题给出了考虑用户应急充电实时性、快捷性、准确性需求的用户侧实时充电导航模型,以及考虑电网侧安全运行需求和分时电价信息的电网侧充电成本优化导航模型。运用A*算法、BP神经网络等经典算法解决了短时间交通流量预测问题,建立了动态路径规划模型,作为电动汽车充电导航模型的基础,满足用户充电导航需求。电动汽车充电导航模型的实现,需要电网侧数据、充电站运行数据、交通流量和电动汽车运行数据及其它相关数据信息的融合。随着电动汽车行业发展,在多源信息融合过程中,将会产生海量的多源异构数据,在对这些数据进行分析、存储和计算时,传统的关系数据库和单机处理模式已经不能满足需求。因此,本课题利用Hadoop的开源云计算平台,实现了基于云计算平台的电动汽车充电导航系统。利用HBase分布式数据库存储电网负荷信息、充电站运行数据、交通流量信息和电动汽车运行数据,解决系统的多源异构数据分布式存储问题。利用MapReduce框架实现充电导航的算法,解决系统在数据处理过程中的实时性需求。课题按照提出问题、需求分析、算法模型设计、系统设计与实现的顺序,逐渐展开研究,利用HTML5技术设计、并实现了可以在安装有不同操作系统的移动设备上应用的电动汽车充电导航APP。