在能源枯竭、环境污染的背景下,电动汽车取代燃油动力汽车已成为一种不可逆转的趋势。一方面,电动汽车可以大幅度减少化石燃料的使用,减少能源供给对化石燃料的依赖,缓解能源匮乏的窘境;另一方面,可以减少二氧化碳以及其它有害物质的排放,保护环境。目前,大量的城市已经开始普及电动出租车、电动公交巴士等。然而,电动汽车在推广普及的过程中还是存在一些问题。1)“续航焦虑”,很多电动出租车用户担心电动出租车的电池会在行驶途中没电,影响出行效率;2)电池损耗,若是电动出租车用户经常对电池进行满充、满放,这势必会缩短电池的使用寿命,增加出行开销;3)电网负荷,若是大量电动出租车同时在充电站进行充电,影响电网的稳定性。同时电网为了减少用户在负荷波峰时间段附近的用电量,一般会提高这段时间的电价,若是电动出租车用户选择在负荷波峰附近进行充电,这势必会增加电动出租车用户的开销。针对以上提到的三大类问题,我们亟需设计一种充电导航策略来进行电动出租车充电路径选择。本文重点工作是提出一种电动出租车的充电导航策略,该策略考虑了多种损耗成本,包括电池损耗成本、充放电损耗成本、电池退化成本、行驶时间成本、等待时间成本和充放电时间成本,同时也考虑了电动出租车在到达目的地前可进行多次充放电的情况。本研究的目的是最大程度减少电动出租车用户的综合开销,同时提高电池的使用寿命、引导用户在负荷波峰附近进行放电、在负荷波谷附近进行充电,起到“削峰填谷”的作用,从而提高电网的稳定性。本文主要进行的工作内容如下:为了引导电动出租车用户在负荷波峰附近进行放电、在负荷波谷附近进行充电,本文首先对电力负荷进行预测,把预测的结果用于指导路径规划中电价制定。针对电力负荷预测,本文提出了一种预测模型XGB-Kmeans-Bagging-LSTM来提升电力负荷预测的准确性。仿真结果表明,本文所使用的预测模型能有效地拟合原始电力负荷曲线,预测准确度也较其它几种算法高。为电动出租车路径规划中电价的制定提供指导,使得路径规划更加贴近现实场景。紧接着,针对电动出租车遇到的上述问题,提出了一种考虑综合损耗、提高电池寿命的电动出租车充电导航策略,该策略考虑了电动出租车多次充放电的场景。本文利用深度增强学习DQN（Deep Q Network）来对该问题进行求解。仿真结果表明,本文提出的充电导航策略能够为电动出租车用户找到一条最佳的路径,最大程度减少电动出租车用户的综合开销。