我有每辆车的横向位置随时间和车道数的数据，如下图的这 3 个图和下面的示例数据所示。
> a
Frame.ID xcoord Lane
1 452 27.39400 3
2 453 27.38331 3
3 454 27.42999 3
4 455 27.46512 3
5 456 27.49066 3
横向位置随时间而变化，因为人类驾驶员无法完全控制车辆的位置。变道操作在横向位置急剧变化时开始，并在变化再次变为“正常”时结束。这不能直接从数据中识别出来。我必须手动查看每辆车的绘图以确定变道操作的起点和终点，以估计变道的持续时间。但我的数据集中有数千辆车。您能否指导我使用任何可以训练以识别这些点的相关图像分析/机器学习算法？我在 R 工作。在此先感谢。
从表面上看，一阶导数可以做到。但是，您显示的数据中包含大量噪声，因此我们需要一种方法来以某种无噪声的方式评估一阶导数，或者至少在消除抖动并保留主要导数变化的频域内进行评估。
小波分析可以为您实现这一点，特别是如果您使用高斯的一阶导数作为母小波。R 有一些不错的小波包（请参阅r-project.org了解初学者）。如果您在短尺度上进行小波变换，这将识别转向中抖动位的位置。如果您在更大的范围内（即较低的频率）执行此操作，您可能只会发现车道偏移，而不是微小的抖动。
如果您使用合理的数据集训练变换，您应该能够识别对应于车道变化的比例或比例范围。但请注意，如果您没有弄清楚，这类似于 O(n^2)，因此请尝试将比例范围缩小一点以节省计算时间。
看起来你可以只寻找几秒钟的高于噪声导数。只需计算从每个时间步到最后一个（或前一个）的有限差分的绝对值，然后等待一系列高值。这就是变道发生的时候。
试试changepoint 包。我在类似的情况下使用它。
变化点分析是检测两个“制度”之间变化的方法的统计名称。停留在车道上的汽车是在车道中点处坡度为 0 的线。您可以轻松地将统计模型拟合到在车道上行驶的汽车。换车道的汽车沿着坡度不为 0 的线行驶。模型已更改。Changepoint 分析和 changepoint 包正是您需要确定模型从y=a' (straight and level) toy=a+bx`（上升或下降）变化时的点。