1.一种应用于电动汽车智能充放电的导航方法，其特征在于，包括以下步骤：S1：车载终端获取车辆信息、交通信息、充电站或双向充电站信息；

S2：进行导航决策，其中导航决策包括：

1)若剩余电量不能到达目的地，则进行充电导航规划，为用户规划选择快充或慢充，并且在满足用户行驶剩下路程的前提下，计算出车辆需要进行充电的电量；

2)若剩余电量能到达目的地，并且收到放电需求信号，则进行放电导航规划，在满足用户行驶剩下路程的前提下，智能选择车辆需要进行放电的电量；

3)若剩余电量能到达目的地，且没有收到放电需求信号，则无需进行导航规划；

S3：最优充/放电导航规划以综合成本从优到劣推送给用户；

步骤S2所述充电导航规划包括以下步骤：S2.1.1：读取S1中的交通信息，包括电动汽车所在区域位置节点i、j，各路段之间的距离dij，各路段道实时平均行驶的速度 采用Dijkstra算法求解从起点O到各个充电站再到目的地D的预计行驶时间，

其中Φ代表所选路径经过道路结点的集合，Ω代表充电站点的集合；

S2.1.2：读取S1中的充电站信息，包括电动汽车所在区域充电站位置节点J，各充电站电动汽车到达率φJ,k与充电桩平均服务率μJ,k，以及各充电站充电桩个数sJ，通过递推法计算充电站J全部充电桩闲置的概率P0,J：计算充电站J在一段时间T内有n个充电桩被占用的概率：基于排队论M/M/n模型，计算每个充电站J的等候队长Lq,J和等待时间TJ,wait，S2.1.3：读取车辆信息与充电站信息，包括电动汽车初始电量状态 电池额定容量Eca，每公里耗电量ec，快充桩充电功率Pfast，慢充桩充电功率Pslow，计算电动汽车在充电站J进行快充或慢充的时间：

其中，ω1、ω2均为二值变量，ω1,ω2∈{0,1}；ω1为快速充电决策变量，ω1＝1代表进行快充，ω1＝0代表不进行快充；ω2为常规慢速充电决策变量，ω2＝1代表进行慢充，ω2＝

0代表不进行慢充；ηfast、ηslow分别为快充效率和慢充效率，根据车型和充电站经验数据直接获得； 分别为需进行快充或慢充的电量，为决策变量，由目标函数和约束函数决定；

S2.1.4读取充电站充电电价信息，包括快充电价 慢充电价ρt，计算到各个充电站的快充成本CJ,fast，慢充成本CJ,slow：其中，决策变量 由目标函数和约束函数决定；tstart、tfinish分别为充电开始的时刻和充电结束的时刻；

S2.1.5：计算到每个充电站的综合成本：CJ＝αch(TJ,drive+TJ,wait+TJ,ch)+βch(ω1CJ,fast+ω2CJ,slow)其中αch，βch为时间成本和充电成本的权值系数，αch+βch＝1，0＜αch＜1，0＜βch＜1，根据用户需要进行调整，若αch＞βch，则表明用户对出行时间的要求更高；

S2.1.6：求解目标函数，得到决策变量 和 以综合成本从优到劣，制定可选择的充电导航规划。

2.根据权利要求1所述的一种应用于电动汽车智能充放电的导航方法，其特征在于，步骤S1所述车辆信息包括电动汽车初始电量状态 电池额定容量Eca、每公里耗电量ec、车辆起始节点坐标O与目的地节点坐标D。

3.根据权利要求1所述的一种应用于电动汽车智能充放电的导航方法，其特征在于，步骤S1所述交通信息包括电动汽车所在区域位置节点i、j、道路节点之间的距离dij、道路实时平均行驶的速度

4.根据权利要求1所述的一种应用于电动汽车智能充放电的导航方法，其特征在于，步骤S1所述充电站或双向充电站信息包括电动汽车所在区域充电站或双向充电站位置节点J、各充电站或双向充电站电动汽车到达率φJ,k与充电桩平均服务率μJ,k、充电站或双向充电站充电桩个数sJ、充电桩的快充功率PJ,fast、慢充功率PJ,slow与放电功率Pdis、以及相对应的快充电价 慢充电价ρt、放电回馈电网的补贴电价σt；

其中，充电站或双向充电站电动汽车到达率：充电桩平均服务率： 其中 为充电站或双向充电站传感器与充电桩数据采集模块所记录的电动汽车到达数；T为更新周期时间；φJ,k与μJ,k每隔一段时间T更新一次。

5.根据权利要求1所述的一种应用于电动汽车智能充放电的导航方法，其特征在于，步骤S2所述的放电导航规划包括以下步骤：S2.2.1：读取S1中的交通信息数据，包括电动汽车所在区域位置节点i、j，各路段之间的距离dij，各路段道实时平均行驶的速度 采用Dijkstra算法求解从起点O到各个双向充电站再到目的地D的预计行驶时间，其中，Φ代表所选路径经过道路结点的集合，Ω′代表双向充电站点的集合；

S2.2.2：读取S1中的双向充电站信息，包括电动汽车所在区域双向充电站位置节点J，各双向充电站电动汽车到达率φJ,k与充电桩平均服务率μJ,k，以及各双向充电站充电桩个数sJ，通过递推法计算双向充电站J全部充电桩闲置的概率P0,J：计算双向充电站J在一段时间T内有n个充电桩被占用的概率：基于排队论M/M/n模型，计算每个双向充电站J的等候队长Lq,J和等待时间TJ,wait，S2.2.3读取车辆信息与双向充电站放电功率，包括电动汽车初始电量状态 电池额定容量Eca，每公里耗电量ec，放电功率Pdis，计算电动汽车在双向充电站J进行放电的时间： 其中ηdis为放电效率，与车型和充电站的设定有关，可根据经验数据直接获得；Edis为需进行放电的电量，为决策变量，由目标函数和约束函数决定；

S2.2.4计算到各个双向充电站放电能获得的补贴：其中σt为放电回馈电网的补贴价格，t′start、t′finish分别为放电开始的时刻和结束的时刻；

S2.2.5：计算到每个双向充电站的综合成本：CJ＝βdisCJ,dis‑αdis(TJ,drive+TJ,wait+TJ,dis)，其中αdis，βdis为时间成本和放电补贴的权值系数，αdis+βdis＝1，0＜αdis＜1，0＜βdis＜1，根据用户需要进行调整，若βdis＞αdis，则表明用户对放电补贴更为看重；

S2.2.6：根据目标函数和约束函数，求解目标函数，得到决策变量Edis，以综合成本从优到劣，制定可选择的放电导航规划。

6.根据权利要求1所述的一种应用于电动汽车智能充放电的导航方法，其特征在于，步骤S2.1.6所述目标函数为：

约束函数包括：

剩余电量需大于到达充电站所消耗的电量：剩余电量加上所充进的电量需要大于整个行程所消耗的电量：所充电量不能大于电动汽车额定电量：快充、慢充不能同时进行：

ω1+ω2≤1，

其中， 为起点O到充电站的行驶距离； 为充电站到目的地的行驶距离； 为电动汽车电池最低留存电量。

7.根据权利要求5所述的一种应用于电动汽车智能充放电的导航方法，其特征在于，S2.2.6所述目标函数为：

约束函数包括：

剩余电量需大于到达双向充电站所消耗的电量：剩余电量减去放电回馈到电网的电量需要大于整个行程所消耗的电量：其中， 为起点O到双向充电站的行驶距离； 为双向充电站到目的地的行驶距离； 为电动汽车电池最低留存电量。