本发明提供了一种基于机器学习和优化算法的新能源公交工况构建方法,其采用了多种方法联合,对采集到的数据进行预处理,降低了外界因素对采集的数据质量的负面影响。方法中所采用的主成分分析法对运动学片段的特征参数降维,在尽可能多地保留原始行驶数据信息的基础上,降低了计算的复杂度,消除了各特征参数之间的相关性,保证了分析结果的可靠性。通过改进的粒子群优化算法计算得到k‑means聚类算法的初始聚类中心,降低了k‑means算法对初始聚类中心的敏感性,提高了聚类结果的准确性。该方法最终构建的公交工况与原始行驶数据的统计特征差异很小,说明构建的公交工况能够很好地反映实际新能源公交线路的真实交通状况和驾驶特征。
声明:
“基于机器学习和优化算法的新能源公交工况构建方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)