基于高斯混合模型聚类的公共交通燃油效率分析
机器学习
2025-01-23 v1 人工智能
摘要
公共交通是温室气体排放的主要来源，突显了提高公交车燃油效率的必要性。聚类算法有助于通过将数据分组来分析燃油效率，但无关特征可能使分析复杂化，同时选择最优簇数的任务仍具有挑战性。因此，本文采用高斯混合模型对单车燃油效率数据集进行聚类。此外，开发了一种将Silhouette指数、Calinski-Harabasz指数和Davies-Bouldin指数相结合的集成方法，用于选择最优簇数。作为案例研究，采用北约丹兰地区4006次巴士行程的数据集。首先将行程分为三组，然后将一组进一步划分为四个类别：极端、正常、低和极低燃油效率。对可视化分析进行初步研究，以探讨驾驶行为和路线条件如何影响燃油效率。结果表明，个体驾驶习惯和路线特征对燃油效率都有显著影响。
引用
@article{arxiv.2501.12429,
title = {Fuel Efficiency Analysis of the Public Transportation System Based on the Gaussian Mixture Model Clustering},
author = {Zhipeng Ma and Bo Nørregaard Jørgensen and Zheng Ma},
journal= {arXiv preprint arXiv:2501.12429},
year = {2025}
}