本發(fā)明提供了一種基于機器學習和優(yōu)化算法的新能源公交工況構建方法,其采用了多種方法聯(lián)合,對采集到的數據進行預處理,降低了外界因素對采集的數據質量的負面影響。方法中所采用的主成分分析法對運動學片段的特征參數降維,在盡可能多地保留原始行駛數據信息的基礎上,降低了計算的復雜度,消除了各特征參數之間的相關性,保證了分析結果的可靠性。通過改進的粒子群優(yōu)化算法計算得到k?means聚類算法的初始聚類中心,降低了k?means算法對初始聚類中心的敏感性,提高了聚類結果的準確性。該方法最終構建的公交工況與原始行駛數據的統(tǒng)計特征差異很小,說明構建的公交工況能夠很好地反映實際新能源公交線路的真實交通狀況和駕駛特征。
聲明:
“基于機器學習和優(yōu)化算法的新能源公交工況構建方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)