實現公共交通電氣化，被視為富有前景的節能減排方式。通常情況下，電動公交車的續航里程短、充電時間長，容易使運營商和駕駛員產生“續航焦慮”。對電動公交車進行準確的能耗估算，有益于車輛規劃和使用，可以有效減少“里程焦慮”。

據外媒報道，中國科學院福建物質結構研究所林名強博士的團隊提出一種基于隨機森林回歸(RFR)的全新能耗評估方法，可用于估算電動公交車的瞬時能耗。

RFR是一種基于決策樹的Bagging模型，基本思想是訓練多棵樹對同一數據進行預測，然后把這些樹預測結果做一個投票，投票加總進行分類，而這些樹模型彼此之間不會有任何影響。RFR的主要特征是對偶隨機性，即數據抽樣隨機性和特征抽樣隨機性。

研究人員從駕駛行為、車輛狀態和外部環境等多個來源，選取影響電動公交車能耗的若干因素。其中，駕駛行為特征包括速度、加速度、檔位、油門踏板和減速踏板狀態;車輛狀態特征包括電池、電機和電機控制器的狀態參數;外部環境特征主要包括天氣特征。

研究人員提出RFR整體學習模型，以預測電動公交車的瞬時能耗。受雙隨機性影響，每棵樹都用不同的數據和特征進行訓練，賦予每棵樹個性。取所有樹模型預測結果的平均值，即為RFR的預測結果。

此外，研究人員通過計算基尼系數，分析各種特征的重要性。結果表明，電機控制器和電池的狀態特征，能對電動公交車的瞬時能耗產生明顯的影響。在駕駛行為特征中，油門踏板狀態和速度是兩個較為重要的因素。在外部環境特征中，只有環境溫度對瞬時能耗的影響較大。

研究人員使用整體學習模型來預測電動公交車的瞬時能耗，獲得了良好的預測結果。通過特征重要性分析，確定了不同特征對電動公交車瞬時能耗的影響程度。