实现公共交通电气化，被视为富有前景的节能减排方式。通常情况下，电动公交车的续航里程短、充电时间长，容易使运营商和驾驶员产生“续航焦虑”。对电动公交车进行准确的能耗估算，有益于车辆规划和使用，可以有效减少“里程焦虑”。
据外媒报道，中国科学院福建物质结构研究所林名强博士的团队提出一种基于随机森林回归（RFR）的全新能耗评估方法，可用于估算电动公交车的瞬时能耗。
RFR是一种基于决策树的Bagging模型，基本思想是训练多棵树对同一数据进行预测，然后把这些树预测结果做一个投票，投票加总进行分类，而这些树模型彼此之间不会有任何影响。RFR的主要特征是对偶随机性，即数据抽样随机性和特征抽样随机性。
研究人员从驾驶行为、车辆状态和外部环境等多个来源，选取影响电动公交车能耗的若干因素。其中，驾驶行为特征包括速度、加速度、档位、油门踏板和减速踏板状态；车辆状态特征包括电池、电机和电机控制器的状态参数；外部环境特征主要包括天气特征。
研究人员提出RFR整体学习模型，以预测电动公交车的瞬时能耗。受双随机性影响，每棵树都用不同的数据和特征进行训练，赋予每棵树个性。取所有树模型预测结果的平均值，即为RFR的预测结果。
此外，研究人员通过计算基尼系数，分析各种特征的重要性。结果表明，电机控制器和电池的状态特征，能对电动公交车的瞬时能耗产生明显的影响。在驾驶行为特征中，油门踏板状态和速度是两个较为重要的因素。在外部环境特征中，只有环境温度对瞬时能耗的影响较大。
研究人员使用整体学习模型来预测电动公交车的瞬时能耗，获得了良好的预测结果。通过特征重要性分析，确定了不同特征对电动公交车瞬时能耗的影响程度。