Random Forest、CNN与NGBoost三强对比：routee-powertrain-model-library 模型架构选型指南

routee-powertrain-model-library 是由 National Laboratory of the Rockies 维护的开源车辆能耗预测模型库，收录了 495 个预训练模型、覆盖 26 个品牌 71 种车型配置。它基于路段级驾驶条件（车速、坡度、转角、环境温度等）预测车辆在单个路网 link 上的能耗，是 routee-powertrain 路由引擎背后的核心模型目录。库中模型采用三种架构：Random Forest（随机森林）、CNN（卷积神经网络）与 NGBoost（概率梯度提升），本文带你快速看懂三者的差异，并给出选型建议 🧭。

先认识这个模型库：目录即身份

整个仓库采用"路径即模型标识"的设计：每个模型存放在 v2/ 下形如 v2/<品牌>/<车型>/<年份>/<配置>/v1/ 的目录中，包含两个文件：

• model.onnx —— 推理模型（Random Forest 与 CNN 均导出为 ONNX 格式）
• model.joblib —— NGBoost 模型采用 joblib 序列化的 Python 原生对象
• metadata.json —— 完整的模型卡片：输入输出契约、训练溯源、误差指标、内容摘要

例如 v2/audi/a3_ice/2016/rf_base_67ae9982/v1/metadata.json 记录了 2016 Audi A3 随机森林模型的完整契约与测试误差。

根目录的 v2/index.json 是机器可读的全库目录，列出全部 495 个模型的 model_id、feature_names、estimator_type、architecture_tag 与 model_digest，方便程序化检索；人类阅读版本见 README.md 的 Catalog 表格。

💡 关键规则：同一辆车用不同的特征集或变体训练，是不同的 config_slug（配置），而不是不同版本。例如 Audi A3 同时存在 cnn_base_67ae9982 与 rf_base_67ae9982，它们只是架构不同、特征集相同（67ae9982 为特征集哈希）。

三大架构一览：格式、输入与能力对比

维度	Random Forest	CNN	NGBoost
库中数量	272 个	207 个	16 个
文件格式	.onnx	.onnx	.joblib
输入方式	逐 link 点预测（lookback: 0）	序列窗口（lookback: 5，按 trip_id 分组，零填充）	逐 link 点预测
输出	能耗点估计	能耗点估计（感知前后路段上下文）	完整概率分布
附加误差指标	RMSE / wRPD / 净误差	RMSE / wRPD / 净误差	额外提供 NLL、CRPS、预测区间覆盖率
典型变体	base、thermal（稳态/瞬态热管理）	base	stochastic（随机能耗）

以 2016 Audi A3 为例，对比 cnn 版 metadata.json 与 rf 版 metadata.json，两者 estimator 字段差异一目了然：

• CNN："lookback": 5, "grouping_column": "trip_id", "pad_strategy": "zero"
• RF："lookback": 0, "grouping_column": null, "pad_strategy": "repeat_first"

这意味着 CNN 在预测某个路段时，会同时"看到"该趟行程中前 5 个路段的速度与坡度序列，从而捕捉加减速趋势、连续爬坡等动态效应。

特征集决定精度上限：三个基础哈希 + 专用变体

三种架构共享同一套"base 特征集"，用 8 位哈希区分：

特征集哈希	输入特征	说明
67ae9982	speed_mph、distance	最精简，只有速度与距离
fe510e40	speed_mph、grade_pct、distance	加入坡度
d8b7ef3c	speed_mph、grade_pct、distance、link_time、link_sinuosity、link_abs_bearing_delta	全量特征，含路段时间、弯曲度、方位角变化

除 base 系列外，库中还收录两类专用 RF 变体（均见 v2/index.json）：

• thermal 系列（如 v2/tesla/model_3_bev/2022/rf_steady_thermal_856e8a60/v1/metadata.json）：针对 BEV 增加 ambient_temp_f 环境温度输入，分稳态（steady）与瞬态（transient）两种热管理模式，覆盖 Tesla Model 3/Y、Bolt、Leaf 等车型
• NGBoost stochastic 系列：仅覆盖 4 种车型（Corolla、Colorado、Model Y、RAV4），输出能量耗费的概率分布而非单一数值

实测误差对比：谁更准？

每个模型的 metadata.json 都自带留出集测试误差（errors 字段）。对全库 495 个模型按架构统计行程级加权相对百分比偏差（trip wRPD）：

架构	样本数	中位数 trip wRPD	说明
CNN	207	约 5.1%	序列上下文显著降低误差
Random Forest	270	约 12.2%	点预测基线
NGBoost	16	约 28.1%	点精度最低，但输出概率区间（覆盖率约 97%）

同一辆车、同一特征集下对比更直观。以 Audi A3（特征集 fe510e40）为例：CNN 的行程级 wRPD 约 4.2%，RF 约 9.8%，两者路段级误差（link wRPD）则接近（0.35 vs 0.38）。可见 CNN 的优势主要体现在行程级聚合精度上，而 NGBoost 的"低精度"换来的是不确定性量化能力——其 corolla 的 metadata.json 中 trip_prediction_interval_coverage_probability 高达 0.98，即真实油耗有 98% 的概率落在模型给出的区间内。

选型指南：按场景三步走 🎯

第一步：需要概率输出吗？ 做续航规划、电池管理、风险决策（"续航够不够"必须给出置信度）时，选 NGBoost stochastic 模型（若目标车型覆盖，如 Model Y、Corolla）；否则进入下一步。

第二步：需要感知驾驶动态吗？ 当预测精度敏感、且能拿到整段行程的路段序列（有 trip_id 可分组）时，选 CNN base 模型——它是全库精度最高的架构，行程级误差中位数仅为 RF 的一半左右。

第三步：轻量点预测场景 只有单点路段数据、追求跨语言部署便利时，选 Random Forest。所有 RF/CNN 模型均为自描述 ONNX：列顺序、单位、距离列、预测方式都内嵌在 metadata_props 中（如 routee_input_columns），任何支持 ONNX Runtime 的语言都可直接加载，不依赖 Python。

⚠️ 使用注意：predict_method 为 "rate" 的模型输出的是单位里程能耗，需自行乘以距离；且所有预测已按动力总成类型应用"真实世界修正系数"（ICE 1.166、HEV 1.1252、BEV 1.3958），如需未修正值请自行除回。

快速上手：安装与加载

模型库通过 routee.powertrain 包消费，仓库本身即默认注册表，无需额外配置：

pip install routee.powertrain

import routee.powertrain as pt

print(pt.query_available_models(make="tesla", model="model 3"))
model = pt.load_model("tesla/model_3_bev/2022/rf_base_d8b7ef3c")  # 省略版本号自动取最新
model.predict(links_df)  # 输入 link 的 DataFrame，输出每段能耗

print(model) 会打印完整的输入契约（每个特征的名称与单位、距离列、目标、预测方式），方便核对数据准备是否正确。

写在最后

一句话总结三种架构的定位：Random Forest 是万金油基线，CNN 是精度天花板，NGBoost 是概率量化专家。routee-powertrain-model-library 将三者统一在同一套 metadata.json 契约与内容摘要（model_digest）体系下，并通过 v2/index.json 提供全库检索，让"选模型"这件事变得像查目录一样简单。结合 ROUTEE_HF_REVISION 还可将整个库锁定到某一提交状态，保证团队间结果完全可复现 ✅。