lgr^ 1 gf^ 2 · 1 gr (3. 16)
[0127] 每個(gè)通過(guò)平滑窗口 MGF中的特征向量產(chǎn)生的平滑的特征向量表征長(zhǎng)度的路程 區(qū)段，所述路程區(qū)段在包括的第一特征向量的位置開(kāi)始并且在下一個(gè)平滑窗口的第一特征 向量的位置結(jié)束。行駛的最后的平滑的特征向量的相應(yīng)路程區(qū)段可以更短或更長(zhǎng)。
[0128] 以這種方式確保，行駛的所有由平滑的特征向量代表的路程區(qū)段不相交，其中，平 滑窗口彼此本身不是必須強(qiáng)制地不相交。由此可以在計(jì)算表征確定的路程區(qū)段的平滑的特 征向量叫時(shí)也考慮接著的路程區(qū)段的特征向量。為了阻止這點(diǎn)，可以選擇1 gf= 1 ^
[0129] 由平滑窗口 [mgl;... ;mgR]中的R個(gè)特征向量如下計(jì)算平滑的特征向量的各個(gè)分 量：
[0131] 平均速度是所有特征向量的平均速度的中值，而由所有其他特征確定最大值。
[0132] 如果對(duì)于平滑窗口中的特征向量附加地已知用于交通類(lèi)的歸屬的標(biāo)簽c，則對(duì)于 相應(yīng)的標(biāo)簽在平滑的值中確定所有的標(biāo)簽的中值。這因此按照多數(shù)決定法，其中，在用于停 車(chē)尋找交通的相同的投票數(shù)量時(shí)被決定。在特別情況lgf= 1 〇中，平滑沒(méi)有作用：平 滑的特征向量于是是最初的特征向量。
[0133] 在分類(lèi)步驟（步驟S4)中，產(chǎn)生的特征向量單獨(dú)被考察并且關(guān)于交通類(lèi)目標(biāo)交通 Ζ和停車(chē)尋找交通Ρ分類(lèi)。在該步驟結(jié)束時(shí)，對(duì)于每個(gè)特征向量叫存在概率ρ (Ρ I m J，其給 出，特征向量以何種概率屬于停車(chē)尋找交通。
[0134] 為了計(jì)算該概率，特征向量首先標(biāo)準(zhǔn)化、簡(jiǎn)化并且隨后分類(lèi)。對(duì)于所有這些子步驟 需要以特征向量形式的訓(xùn)練數(shù)據(jù)，以便對(duì)于各個(gè)子步驟可以學(xué)會(huì)所述參數(shù)。在本方法的范 圍內(nèi)使用監(jiān)控的學(xué)習(xí)方法。因此各個(gè)特征向量的類(lèi)歸屬必須以真實(shí)的標(biāo)簽c的形式已知。 這能夠通過(guò)使用為學(xué)習(xí)目的而采用的測(cè)試車(chē)實(shí)現(xiàn)，其中，交通類(lèi)在每個(gè)時(shí)刻已知。
[0135] 訓(xùn)練數(shù)據(jù)以NXK的矩陣T的形式存在，其中，每行代表一個(gè)特征，并且每列代表一 個(gè)特征向量，參考圖11。圖11示出訓(xùn)練矩陣T。所述矩陣的各行代表不同的特征，而其列 示出其在特征向量中的表達(dá)。按照特征向量的類(lèi)歸屬，T中的訓(xùn)練數(shù)據(jù)可以分成兩個(gè)矩陣 Tz和 TP〇
[0136] 不同的特征具有不同的數(shù)值范圍。為了使具有數(shù)字較大的數(shù)值范圍的特征不主導(dǎo) 具有數(shù)字較小的數(shù)值范圍的特征并且為了使所述特征值可比較，將所述特征標(biāo)準(zhǔn)化。這具 有如下效果，不僅具有大的數(shù)值范圍的特征而且具有小的數(shù)值范圍的特征映射到相同的數(shù) 值范圍上。
[0137] 用于計(jì)算經(jīng)標(biāo)準(zhǔn)化的特征值，使用本區(qū)域技術(shù)人員已知的ζ標(biāo)準(zhǔn)化。在這里基于 Τ中的訓(xùn)練數(shù)據(jù)對(duì)于每個(gè)單獨(dú)的特征mn確定平均值μ η和標(biāo)準(zhǔn)偏差〇 η。

[0140]用于計(jì)算經(jīng)標(biāo)準(zhǔn)化的訓(xùn)練矩陣f的記錄& ,借助計(jì)算的參數(shù)變換訓(xùn)練矩陣的每 個(gè)記錄：
[0142] 結(jié)果的列因此包含經(jīng)標(biāo)準(zhǔn)化的特征向量珞。
[0143] 特征簡(jiǎn)化的背景以最小的信息損失在特征向量中的特征分量的簡(jiǎn)化。在此彘中 的特征的數(shù)量從N簡(jiǎn)化到1<D〈N。因此實(shí)施向量投影□ D。簡(jiǎn)化的特征向量m借 助NXD的變換矩陣W計(jì)算：
[0145] 用于特征簡(jiǎn)化的優(yōu)選使用的技術(shù)是主分量分析（PCA)，其中，進(jìn)行簡(jiǎn)化N -D。PCA 是用于特征簡(jiǎn)化的未監(jiān)控的方法。其目標(biāo)是尋找特征空間中的如下主軸，在所述主軸上，映 射到其上的特征向量達(dá)到最大的方差。
[0146] 用于計(jì)算變換矩陣的基礎(chǔ)是訓(xùn)練矩陣T的NX N協(xié)方差矩陣Σ，包括如下記錄〇 1; j°
[0148] 隨后計(jì)算協(xié)方差矩陣的本征向量和本征矢值，如其例如在[3]中說(shuō)明的那樣。本 征向量^構(gòu)成特征空間中的軸線，而本征值λ i給出投影到產(chǎn)生的本征向量上的特征向量 在總方差上的相對(duì)份額。Wl是具有最大的本征值λ i的本征向量，而Wn是具有最小的本征 值λΝ的本征向量。如果本征向量已知，則現(xiàn)在可以選擇任意的1<D〈N，其表示變換的特 征的維度。然后變換矩陣的行D以D個(gè)第一本征向量;wD]填充。
[0150] 通過(guò)如下將特征向量m變換到簡(jiǎn)化的特征空間中：
[0152] 其中，μ構(gòu)成具有各個(gè)特征的平均值的特征值向量[μ 1;…；μ N]。如果特征向 量通過(guò)在前的標(biāo)準(zhǔn)化已經(jīng)免除求平均值（mittelwertbefreien) (μ = 0)，則變換也可以借 助方程3. 21的規(guī)定進(jìn)行。
[0153] 通過(guò)分類(lèi)給每個(gè)（簡(jiǎn)化的）特征向量配置概率。借助該概率可能的是，得出關(guān)于 特征向量的類(lèi)歸屬C的結(jié)論。在這里CZ表示歸屬于類(lèi)"目標(biāo)交通"，而C Ρ表示歸屬"停車(chē)尋 找交通"。
[0154] 為了計(jì)算屬于停車(chē)尋找交通的交通類(lèi)的特征向量的概率，其也稱(chēng)為后驗(yàn)概率，使 用已知的貝葉斯方程，其例如在[1]或[2]中說(shuō)明。
[0156] 是類(lèi)特定的密度函數(shù)，其給出特征向量屬于類(lèi)c的概率。p (c)稱(chēng)為后驗(yàn)概 率并且示出類(lèi)c出現(xiàn)的概率。最后給出特征向量出現(xiàn)的概率，而沒(méi)有按照類(lèi)區(qū)分。其 可以通過(guò)所有的類(lèi)特定的概率的總和乘以相應(yīng)的類(lèi)的出現(xiàn)概率來(lái)計(jì)算。
[0157] 為了計(jì)算后驗(yàn)概率所必需的密度函數(shù)或概率可以借助Τ或Τ Ρ中的訓(xùn)練數(shù)據(jù) 估計(jì)：
[0158] 為了可以估算類(lèi)特定的密度函數(shù)，假定，在不同的類(lèi)內(nèi)的特征向量的各個(gè)分量正 態(tài)分布?；谠摷俣?，借助正態(tài)分布的密度函數(shù)計(jì)算用于的值，其通過(guò)參數(shù)平均值 μ和協(xié)方差矩陣Σ定義。
[0160] μ在此按照標(biāo)準(zhǔn)化步驟中的平均值并且Σ按照PCA的協(xié)方差矩陣來(lái)計(jì)算。作為 用于計(jì)算類(lèi)特定的密度函數(shù)的參數(shù)的數(shù)據(jù)基礎(chǔ)，使用Τ#ρ τ Ρ中的按照類(lèi)分開(kāi)的訓(xùn)練數(shù)據(jù)。 因此
[0161] 為了估算不同類(lèi)的后驗(yàn)概率，使用訓(xùn)練數(shù)據(jù)中的特征向量的數(shù)量。Ν在這里給出Τ 中的特征向量的數(shù)量，以及隊(duì)和ΝΡ給出在類(lèi)特定的訓(xùn)練矩陣1\和ΤΡ中的特征向量的數(shù)量。
[0164] 借助后驗(yàn)概率現(xiàn)在可以得出關(guān)于特征向量的分類(lèi)的結(jié)論，因?yàn)?br>使用的分類(lèi)器是最大后驗(yàn)分類(lèi)器。這意味著，特征向量基于最大后 驗(yàn)概率來(lái)分類(lèi)：
[0166] 分類(lèi)的結(jié)果超出特征向量也適用于所基于的行駛數(shù)據(jù)向量。
[0167] 在特征空間中的判定函數(shù)的曲線通過(guò)特征空間中的如下點(diǎn)的集合Μ標(biāo)記，所述點(diǎn) 處于判定界限上：
[0169] 通過(guò)在這里設(shè)定的參數(shù)的分類(lèi)實(shí)現(xiàn)的判定函數(shù)的曲線基于選擇不同的協(xié)方差矩 陣是二次的。
[0170] 判定界限的位置被后驗(yàn)概率影響：一個(gè)類(lèi)的后驗(yàn)概率越小，則判定界限越朝相應(yīng) 類(lèi)的方向移動(dòng)。因此通過(guò)每個(gè)類(lèi)的特征向量的數(shù)量的適配可以影響分類(lèi)的結(jié)果。
[0171] 圖12至14示出借助一維的特征空間中的類(lèi)特定的訓(xùn)練數(shù)據(jù)對(duì)判定界限的構(gòu)造。 這樣的借助Τζ中的特征向量設(shè)計(jì)的圖形元素以10,12,14表示，而以11，13,15表征的元素 借助ΤΡ中的特征向量設(shè)計(jì)。判定界限在圖14中以GR表示。
[0172] 切分的任務(wù)是，借助特征向量的分類(lèi)的時(shí)間過(guò)程的分析確定標(biāo)記開(kāi)始尋找停車(chē)位 的行駛數(shù)據(jù)向量。切分的結(jié)果是將行駛按照交通類(lèi)劃分成兩個(gè)部段，這形成用于計(jì)算希望 的對(duì)于停車(chē)尋找交通的強(qiáng)度和定位的信息的基礎(chǔ)。
[0173] 如果觀察分類(lèi)結(jié)果cMAP的時(shí)間曲線，則推測(cè)，分類(lèi)結(jié)果c z- c Ρ的過(guò)渡示出尋找停 車(chē)位的開(kāi)始。這樣的過(guò)渡稱(chēng)為正過(guò)渡，而相反的情況cP- c ζ稱(chēng)為負(fù)過(guò)渡。
[0174] 在理想情況中，正過(guò)渡在行駛中最多出現(xiàn)一次。不過(guò)實(shí)際上（參考圖15至17)示 出，在行駛期間可以出現(xiàn)多個(gè)正過(guò)渡。
[0175] 如果在整個(gè)行駛期間不存在正過(guò)渡，則最后的行駛數(shù)據(jù)向量假定為尋找停車(chē)位的 開(kāi)始。這確保，對(duì)于停車(chē)尋找路程和停車(chē)尋找持續(xù)時(shí)間可以計(jì)算>〇的值。
[0176] 接著借助圖15至17說(shuō)明三種方法，這三種方法在每個(gè)時(shí)刻最多確定一個(gè)具有分 類(lèi)結(jié)果的正過(guò)渡的行駛數(shù)據(jù)向量x+作為尋找停車(chē)位的開(kāi)始。行駛數(shù)據(jù)向量x_代表具有分 類(lèi)結(jié)果的負(fù)過(guò)渡的行駛數(shù)據(jù)向量。
[0177] 所謂的簡(jiǎn)單的切分方法（圖15)對(duì)于（在時(shí)間上）最后的正過(guò)渡決定，只要后續(xù) 的行駛數(shù)據(jù)向量的分類(lèi)結(jié)果保持恒定cP。在負(fù)過(guò)渡之后舍棄x+，從而從該時(shí)刻不再存在檢 測(cè)的尋找開(kāi)始。這表示，該方法不在任何c = cz的時(shí)刻檢測(cè)停車(chē)尋找交通。
[0178] 帶有距離判據(jù)的切分（圖16)以距離判據(jù)擴(kuò)展簡(jiǎn)單的切分方法。在此在負(fù)過(guò)渡之 后不立即忘記用于x+的確定的行駛數(shù)據(jù)向量，而是在負(fù)過(guò)渡之后對(duì)于保留一定的路程1 s。 如果在該路程內(nèi)發(fā)現(xiàn)另一個(gè)正過(guò)渡，則對(duì)其忽視并且保留x+。如果沒(méi)有發(fā)現(xiàn)正過(guò)渡，則x+在 負(fù)過(guò)渡之后路程的結(jié)束時(shí)被忘記。如果ls= 0,則所述切分方法取得與簡(jiǎn)單的切分相同的 結(jié)果。
[0179] 除了對(duì)于特征向量cMAP的分類(lèi)的信息，在圖17示出的包括積分判據(jù)的切分也使用 后驗(yàn)概率.
因此不僅利用特征向量是否為停車(chē)尋找交通的硬性決定來(lái)確定尋找開(kāi) 始，而且也利用涉及所述決定的可靠性。
[0180] 在不存在尋找開(kāi)始的情況下，如果以新的行駛數(shù)據(jù)向量x+檢測(cè)正過(guò)渡，則直到下 一個(gè)找到的負(fù)過(guò)渡X連續(xù)地在從X+至X的經(jīng)過(guò)的路程s上計(jì)算后驗(yàn)概率的曲線的積分I+。
[0182] 在此從后驗(yàn)概率減去0. 5,以便為c = (^獲得正值并且為c = c 2獲得負(fù)值。該判 定界限在圖15至17中以EGR表征。如果僅在該經(jīng)修改的值的負(fù)曲線的路程上對(duì)后驗(yàn)概率 積分，則因此獲得負(fù)的項(xiàng)。此外該減法項(xiàng)保證，具有分類(lèi)的相同可