当前世界面临环境污染和能源危机双重考验,电动汽车以其污染小、效率高的优点快速发展。但是已有充电设施位置信息和使用状态的未知,加上用户出行路径和充电行为的盲目性和随机性,导致充电设施服务水平分布不均衡、用户出行成本增加。对电动汽车进行充电需求分配和路径诱导,能够指导电动汽车科学出行,继而平衡交通基础设施和充电设施的服务水平。本文通过对电动汽车出行特性和充电特性进行分析,在网联充电站环境下建立了电动汽车充电需求预测模型和充电排队等待时间分布预测模型;然后以电动汽车用户出行总成本最小为目标,结合实时路网交通动态数据和用户偏好提出电动汽车充电需求分配和路径选择模型;最后设计开发了能够为充电站运营商和用户提供决策依据的电动汽车智能充电分析系统。文章的主要研究工作如下:(1)电动汽车充电需求预测方法研究:基于用户选择充电站意向调查,确定用户选择充电站的影响因素;在此基础上定量分析充电站影响因素,建立用户选择充电站效用函数,利用Multi-logit模型对各个充电站内的充电需求进行预测;最后通过实例验证了充电需求预测方法的准确性,为下一步排队等待时间分布预测的计算提供基础;(2)电动汽车充电排队等待时间分布预测方法研究:对电动汽车充电行为特征进行分析,确定充电站到达车辆数分布和充电时长分布;采用M/G/n排队模型模拟充电站排队等待系统,并求解电动汽车充电等待时间分布函数显示理论解;确定服务时间变异系数,消除已充电时长对站内排队等待时间的影响,建立电动汽车充电排队等待时间分布预测算法;根据网联充电站实时数据和充电需求预测值对平方变异系数、平均到达率进行更新,对电动汽车充电等待时间分布进行预测;最后通过实例验证了充电排队等待时间分布预测方法的准确性和有效性;(3)电动汽车充电需求分配和路径选择研究:以高清智能卡口数据为基础获得路段行驶时间数据,利用矩阵分解对实时行驶时间矩阵缺失数据进行补全;计算电动汽车出行成本,将其出行成本最小化作为路径优化目标,再考虑路径选择约束、到达时间约束、电池容量约束、沿途充电站约束、用户充电站等待时间可靠性阈值,构建路径选择改善模型;通过路径优化结果对比,表明改善模型能够有效地减少用户出行成本、均衡充电设施服务水平;(4)网联充电站环境下电动汽车智能充电分析系统的开发:对电动汽车智能充电分析系统进行需求分析,确定了总体的设计方案;以网联充电站环境数据为基础,结合充电需求预测模型、充电排队等待时间分布预测模型、矩阵分解补全行驶时间算法、充电需求分配和路径选择模型,开发了基于客户端/服务端(C/S)架构的电动汽车智能充电分析系统,并详细阐述了系统的各功能模块及其实现过程。