如何优化REST API的SpeedFcCat参数，使API_speed与Real_Speed匹配

我使用HERE提供的REST API，请求时传入起点、终点坐标以及包含8个数值的SpeedFcCat参数。API返回JSON数据后，我从中提取算法生成的车辆速度曲线（API_speed），并与实际记录的速度曲线（Real_Speed）对比，得到如下数据：

SpeedFcCat的8个数值决定API返回的速度曲线，我需要编写程序自动校准这些数值，让Real_Speed和API_speed达到最佳匹配。

现有实现及问题 #

目前我尝试通过校准SpeedFcCat，让Real_Speed和API_speed的均值差绝对值不超过阈值（比如5），代码如下：

initial_SpeedFcCat = "80,77,70,63,55,49,45,30"
params = {
        'waypoint0': "48.22696,6.431135",
        'waypoint1': "46.19643,-0.07133",
        "SpeedFcCat": initial_SpeedFcCat,
        "apiKey": some_key,
}
response = requests.post(url=url, params=params)
data = resp.json()

处理JSON得到API_speed并生成数据框后，执行以下逻辑：

avg_real_speed = df["Real_Speed"].mean()
avg_API_speed = df["API_Speed"].mean()
step = 0.025

while abs(avg_real_speed - avg_API_speed) > treshold:

    sign = 1 if avg_API_speed < avg_real_speed else -1
    speedFcCat_new *= step
    params = {
        'waypoint0': "48.22696,6.431135",
        'waypoint1': "46.19643,-0.07133",
        "SpeedFcCat": speedFcCat_new,
        "apiKey": some_key,
                            }
    response = requests.post(url=url, params=params)
    data = resp.json()

但这个方法只匹配了均值，无法保证速度曲线的相似性——比如均值相同的两条曲线，波动情况可能完全不同。因此需要优化方案，让SpeedFcCat的校准同时匹配均值和方差，并且要对8个数值进行加权调整，而非用统一步长更新。

内容的提问来源于stack exchange，提问作者Fotis