基于随机森林回归的团队（RFR）新的能耗评估电动公交车的瞬时能耗

电动悟空摘录 实现公共交通电气化被认为是一种有前途的节能减排方式。通常电动公交车里程短，充电时间长，容易使运营商和司机产生耐力焦虑。准确估计电动公交车的能耗有利于车辆的规划和使用，可以有效减少里程焦虑。

据外国媒体报道，中国科学院福建物质结构研究所林名强博士的团队提出了一个基于随机森林回归的团队（RFR）新的能耗评估方法可用于估计电动公交车的瞬时能耗。

RFR以决策树为基础Bagging模型的基本思想是训练多棵树预测相同的数据，然后对这些树的预测结果进行投票、投票和总分类，这些树模型不会相互影响。RFR对偶随机性的主要特征是数据抽样随机性和特征抽样随机性。

研究人员从驾驶行为、车辆状态和外部环境中选择了影响电动公共汽车能耗的若干因素。其中，驾驶行为特征包括速度、加速度、档位、油门踏板和减速踏板；车辆状态特征包括电池、电机和电机控制器的状态参数；外部环境特征主要包括天气特征。

研究人员提出RFR整体学习模型，交车的瞬时能耗，整体学习模型。受双随机性的影响，每棵树都用不同的数据和特征进行训练，赋予每棵树个性。取所有树模预测结果的平均值RFR预测结果。

此外，研究人员通过计算基尼系数来分析各种特性的重要性。结果表明，电机控制器和电池的状态特性对电动公交车的瞬时能耗有显著影响。油门踏板的状态和速度是两个重要因素。在外部环境特征中，只有环境温度对瞬时能耗有很大的影响。

研究人员利用整体学习模型预测电动公交车的瞬时能耗，并取得了良好的预测结果。通过对特征重要性的分析，确定了不同特征对电动公交车瞬时能耗的影响。