本發(fā)明提供了一種基于機器學(xué)習(xí)和優(yōu)化算法的新能源公交工況構(gòu)建方法，其采用了多種方法聯(lián)合，對采集到的數(shù)據(jù)進行預(yù)處理，降低了外界因素對采集的數(shù)據(jù)質(zhì)量的負面影響。方法中所采用的主成分分析法對運動學(xué)片段的特征參數(shù)降維，在盡可能多地保留原始行駛數(shù)據(jù)信息的基礎(chǔ)上，降低了計算的復(fù)雜度，消除了各特征參數(shù)之間的相關(guān)性，保證了分析結(jié)果的可靠性。通過改進的粒子群優(yōu)化算法計算得到k?means聚類算法的初始聚類中心，降低了k?means算法對初始聚類中心的敏感性，提高了聚類結(jié)果的準確性。該方法最終構(gòu)建的公交工況與原始行駛數(shù)據(jù)的統(tǒng)計特征差異很小，說明構(gòu)建的公交工況能夠很好地反映實際新能源公交線路的真實交通狀況和駕駛特征。