纯电动汽车以车载电池作为动力来源,在减少交通对于环境产生负面影响的同时,极大削弱了对于石油化石资源的过度依赖,推广使用纯电动汽车符合节能环保和低碳减排的绿色发展趋势。电动出租车作为纯电动汽车的主要应用类型,其主要特点是电池容量有限、续航里程较短、运营里程较长、充电频率更高。然而,充电基础设施发展和电池技术的限制,导致电动出租车用户产生了严重的“里程焦虑”和“充电焦虑”。本文以电动出租车实际运行数据为研究基础,以准确预测剩余里程为研究目标,以提供快速充电引导服务为应用目标,结合数据驱动、概率统计、机器学习、双层规划与求解等方法理论,依次开展电动出租车运行数据处理、快速充电行为分析、实时剩余里程预测,最终建立电动出租车快速充电引导模型并进行求解,研究成果可为解决电动出租车充电难题提供可行思路。具体研究内容如下:（1）电动出租车运行数据采集与处理。采集电动出租车历史运行数据,开展探索性数据分析,了解原始数据集中各字段基本情况,然后依次进行重复值删除、异常值筛选和缺失值填充等数据预处理操作,最后制定相应规则将预处理后的数据划分为充电片段和放电片段,为后续研究提供数据基础。（2）电动出租车快速充电行为规律分析。基于电动出租车充电行为数据,结合数理统计学中的非参数核密度估计方法,构建改进自适应扩散核密度估计模型对电动出租车快速充电行为特征变量进行概率建模,获得了重要参数的分布规律。（3）基于机器学习的电动出租车实时剩余里程预测。总结影响电动出租车剩余里程的若干因素,将天气温度等外部影响因素融入电动出租车放电行为数据,基于数据驱动思想和机器学习理论,分别采用岭回归模型和XGBoost模型开展电动出租车实时剩余里程预测,构建训练集、验证集和测试集对两种模型进行验证,结果表明XGBoost模型性能极优,平均绝对误差MAE在5km以下,且越接近放电截止状态时预测精度越高。（4）基于双层规划的电动出租车快速充电引导研究。提出信息协同的电动汽车智能充电引导系统框架,将电动出租车快速充电引导分为“可达充电站搜索—最优充电站分配—充电路径规划”三个阶段,并详细阐述了电动出租车可达充电站快速搜索方法。基于双层规划思想构建了一个兼顾电动出租车充电成本和快速充电站利用率均衡的快速充电引导模型,采用标准粒子群算法求解上层快速充电站服务费定价模型,采用拉格朗日松弛算法求解下层成本最优充电站分配模型。最后,通过仿真算例分析了面向充电站利用率均衡、面向用户充电成本最低以及面向系统最优三种情形下的电动出租车快速充电引导策略实施效果。