使用开放数据集进行电动微移动能耗建模的数据驱动方法

城市交通拥堵和环境恶化所带来的挑战凸显了认可电动出行解决方案在城市空间中的关键性。特别是，电动滑板车和电动自行车等微型电动工具在此过渡过程中起着关键作用，为城市通勤者提供可持续的替代选择。然而，这些工具的能源消耗模式是影响其在真实环境中有效性的重要因素，对于行程规划和增加用户对其使用的信心至关重要。为了填补这一差距，我们的研究提供了一个开放数据集，该数据集在爱尔兰都柏林收集，专门用于与电动滑板车和电动自行车相关的能源建模研究。此外，我们使用一组代表性的机器学习算法对数据集进行详细分析，并将其性能与基准数学模型进行比较，结果表明数据驱动模型在估计能源消耗方面明显优于相应的数学模型，对于电动自行车和电动滑板车，根据对数据集的深入分析，数据驱动模型在准确性上优于物理模型，分别达到 83.83% 和 82.16%。