1.一种基于多目标优化的电动汽车充电路径规划方法，其特征在于，包括以下操作：获取电动汽车的当前位置信息、目的地信息、电池状态数据、充电站位置数据及充电站可用性数据；基于所述当前位置信息、目的地信息、电池状态数据、充电站位置数据及充电站可用性数据，构建多目标优化模型；

应用优化算法生成初始充电路径方案；分析动态交通流量数据及环境变化数据以调整路径；

迭代执行优化算法并更新路径方案；

根据收敛条件终止迭代并输出最终充电路径；

在每次迭代中，将更新后的路径方案反馈至优化模型中进行数据交互，以持续优化充电路径；

所述构建多目标优化模型包括：设置优化目标参数，所述优化目标参数包括时间消耗最小化指标、能源成本最小化指标和电池健康度最大化指标；

基于所述优化目标参数，定义目标函数权重分配策略；通过粒子群优化算法初始化模型参数；

将所述当前位置信息、目的地信息、电池状态数据、充电站位置数据及充电站可用性数据作为输入变量输入模型；

生成初始优化函数值以驱动后续优化操作；

所述迭代执行优化算法并更新路径方案包括：在每次迭代中，应用遗传算法生成新路径方案；

评估新路径方案的目标函数值；比较新路径方案目标函数值与历史最优目标函数值；

若新路径方案目标函数值优于历史最优目标函数值，则更新路径方案；

否则保留历史路径方案；将更新后的路径方案存储并传递至收敛条件判断过程。

2.根据权利要求1所述的基于多目标优化的电动汽车充电路径规划方法，其特征在于，所述定义目标函数权重分配策略包括：基于历史充电行为数据提取时间特征、成本特征及健康特征；

计算时间特征与成本特征的相关系数；

计算健康特征与时间特征的相关系数；

基于相关系数结果，分配权重系数到时间消耗最小化指标、能源成本最小化指标和电池健康度最大化指标；

将权重系数整合为加权目标函数，并传递至粒子群优化算法进行参数调整。

3.根据权利要求2所述的基于多目标优化的电动汽车充电路径规划方法，其特征在于，所述基于历史充电行为数据提取时间特征、成本特征及健康特征包括：从历史充电行为数据中分离时间序列数据、成本序列数据和健康序列数据；

对时间序列数据进行滑动窗口分割，生成时间数据子片段；

对成本序列数据进行滑动窗口分割，生成成本数据子片段；对健康序列数据进行滑动窗口分割，生成健康数据子片段；

计算时间数据子片段的平均值作为时间特征；计算成本数据子片段的方差作为成本特征；计算健康数据子片段的趋势斜率作为健康特征。

4.根据权利要求3所述的基于多目标优化的电动汽车充电路径规划方法，其特征在于，所述计算时间特征与成本特征的相关系数包括：使用皮尔逊相关分析方法处理时间特征和成本特征；

生成相关系数矩阵；从相关系数矩阵中提取最大相关系数值；

基于最大相关系数值确定时间特征对成本特征的影响强度；

将影响强度值输入权重系数分配过程。

5.根据权利要求1所述的基于多目标优化的电动汽车充电路径规划方法，其特征在于，所述通过粒子群优化算法初始化模型参数包括：设置粒子群规模及迭代次数上限；

定义位置向量和速度向量；

将位置向量映射为充电路径节点序列；

计算适应度值基于加权目标函数；

通过全局最优和个体最优更新位置向量和速度向量；

输出优化后的路径节点序列至初始充电路径方案生成过程。

6.根据权利要求1所述的基于多目标优化的电动汽车充电路径规划方法，其特征在于，所述分析动态交通流量数据及环境变化数据以调整路径包括：实时采集交通流量数据和环境变化数据；

将交通流量数据分类为拥堵级别数据；

将环境变化数据分类为天气影响数据；

基于拥堵级别数据和天气影响数据，修正充电站可用性数据；

生成修正后的充电站位置数据；

将修正后的充电站位置数据输入迭代执行优化算法过程。

7.根据权利要求6所述的基于多目标优化的电动汽车充电路径规划方法，其特征在于，所述将交通流量数据分类为拥堵级别数据包括：设置拥堵阈值范围；

基于实时交通流量数据，计算平均流速值；

比较平均流速值与拥堵阈值范围；

若平均流速值低于拥堵阈值范围下限，则标记为高拥堵级别；

若平均流速值高于拥堵阈值范围上限，则标记为低拥堵级别；

输出拥堵级别数据至充电站可用性数据修正过程。

8.根据权利要求1所述的基于多目标优化的电动汽车充电路径规划方法，其特征在于，所述根据收敛条件终止迭代包括：设置目标函数值变化率阈值；

计算每次迭代的目标函数值变化率；

比较目标函数值变化率与变化率阈值；

若目标函数值变化率小于变化率阈值，则判定满足收敛条件；

输出最终充电路径方案；

否则继续迭代过程。