基于开放数据集的电动微出行能耗建模

交通拥堵和环境退化日益严峻， underscores 电动出行在城市空间中的重要性。特别是电动微出行工具，如电滑板和电自行车，在这一过渡过程中发挥着关键作用，为城市通勤者提供了可持续的替代方案。然而，这些工具的能耗模式是关键因素，影响其在实际场景中的效果，并对 trip planning（行程规划）和提升用户使用信心至关重要。为此，最近的研究利用针对特定出行工具和条件定制的物理模型，但由于缺乏用于彻底评估和验证的开放数据集，这些模型在实际场景中的泛化性和有效性受到限制。为填补这一空白，我们的工作提出了一个开放数据集，收集于爱尔兰都柏林，专为 E-滑板和 E-自行车的能耗建模研究而设计。此外，我们提供了基于数据集的能耗建模综合分析，采用一组代表性机器学习算法，并将其性能与当代数学模型作为基准进行比较。我们的结果表明，数据驱动模型在能耗估计方面显著优于相应的数学模型。在某些假设条件下，基于深入分析，数据驱动模型对 E-自行车的准确率提高最高可达 83.83%，对 E-滑板的准确率提高最高可达 82.16%。