环境污染问题使得越来越多的人开始关注绿色环保的电动汽车。作为电动汽车的能源提供方,公共充电站的选址规划对促进电动汽车产业的发展具有重要意义。从用户需求出发,建立一个优化的充电站网络,有利于减轻电动汽车用户的距离焦虑。合理的电动汽车充电站（Electric Vehicle Charging Station,EVCS）选址规划同样有利于提升现有充电设施的服务质量和运行效率。现有的大部分关于EVCS选址规划的方法研究在充电需求分析时往往侧重于基本因素,如人口密度、交通流量等,对车辆运行数据的动态数据、城市人群活动及城市功能区域、兴趣点（Points of interest,POI）等对选址规划的影响考虑不够充分。此外,这些规划方法还存在忽略道路条件、用电成本等因素,充电站的选址还存在区域重叠或者距离过远等问题,这些都导致充电站规划无法满足电动汽车用户的充电需求,不利于为用户提供更优质的服务。针对这些问题,本文基于EV真实时空数据与地理空间语义信息,通过对车辆的时空数据分析和周边兴趣点的挖掘聚类,获取用户出行的潜在需求,提出了一种EVCS选址规划方法。结合EVCS设施覆盖范围和分布特性,考虑候选EVCS服务范围和用户的充电需求,构建选址模型,寻求解决EVCS部署问题的新途径。本文的具体研究内容包括:一、基于无监督学习的新建充电站估计。由于城市中的POI的数量不定,分布不均匀,且受地理、地形、城市建设等因素的影响,采用无监督学习从POI分布数据中发现元素间的多维度联系。基于无监督聚类算法,将时空数据与活动兴趣点结合,作为聚类分析的基础数据,提出描述充电需求估计模型,可视化结果表明该聚类算法具有良好的表示能力,并通过实验验证了模型选取充电站规模的合理性;二、EVCS选址模型构建与基于双存档进化算法的选址求解。将充电需求和规模估计作为输入,以POI覆盖数量、充电站间距、电动汽车访问距离为约束条件构建EVCS选址的多目标优化模型,该模型考虑了新充电站周边未覆盖到的POI,以及远离现有和其他新充电站覆盖区域,以减少重叠;之后采用双存档进化算法,根据候选站点服务范围和电动汽车用户需求评估并更新种群信息,并利用距离优先原则设计电动汽车选择函数,验证模型的有效性;三、基于强化学习算法的充电站选址模型。构建了综合服务覆盖率、充电效率、经济成本和环境友好性因素的奖励函数,以是否建站为动作空间,以充电站数量、站间距、兴趣点覆盖数及成本投入为状态空间,构建强化学习模型来优化电动汽车充电站选址问题。通过实验发现,该算法在考虑POI覆盖数和充电站被选择次数的情况下,与双存档进化算法性能几乎持平,但在电动汽车平均选择距离上有明显的提升,侧面说明本文所提出的两种考虑覆盖范围和用户需求的EVCS选址优化模型各具有不同的优化能力,均具有其合理性,用户可根据自身需求选择优化方案。