路測演算法
A. 競速商業落地 自動駕駛賽程進入下半場
[汽車之家行業]?自動駕駛競賽進入下半場，推進商業化應用成為各企業發力的重點。根據美國蘭德公司的研究，自動駕駛演算法想要達到人類駕駛員水平至少需要累計177億公里的駕駛數據來完善演算法。
如果配置一支100輛自動駕駛測試車的車隊，每天24小時不停歇路測，平均時速25英里（40公里）每小時來計算，需要500多年的時間才能完成目標里程，期間所耗費的時間和成本無疑難以承受。
『騰訊TADSim部分場景展示』
另一方面，自動駕駛模擬測試評價體系缺乏規范。
在自動駕駛模擬測試方面，由於不同模擬軟體系統架構及場景庫構建方法的不同，導致很難建立統一規范的模擬測試評價體系。目前國內模擬評價體系的研究方向主要是從駕駛安全性、舒適性、交通協調性、標准匹配性等方面評價自動駕駛車輛模擬測試結果，對於模擬軟體自身的評價缺乏統一的評價標准，如模擬軟體場景真實度、場景覆蓋度、模擬效率等。
自動駕駛汽車作為智能化產品，未來需要應用深度學習演算法使汽車具備自我學習能力，如道路障礙物的復述重現能力、場景的泛化遷移能力，因此自我學習進化性也是自動駕駛汽車的評價指標，目前自動駕駛汽車的學習進化性還缺乏相應的評價規范。
總結：
自動駕駛技術演化有兩條路線，分別是由L2級到L3級和L4級到L5級，前者是多數車企走的路線，後者往往是科技公司的選擇，兩者的主要代表分別是特斯拉和Waymo。今年以來，多家企業表示，已具備L3級自動駕駛車輛量產能力；科技企業也紛紛展開Robotaxi的商業化運營測試。可以看出，各股競爭勢力都在試圖搶先落地應用自動駕駛技術。誰能在競賽中拔得頭籌？成本和效率無疑是最關鍵因素，模擬測試的成熟應用或將成為關鍵。（文/汽車之家肖瑩）
B. I線△=3I線Y 0.45 1.35怎麼計算
1．輸電線路損耗當負荷電流通過線路時，在線路電阻上會產生功率損耗。(1)單一線路有功功率損失計算公式為△P＝I2R式中△P--損失功率，W；I--負荷電流，A；R--導線電阻，Ω(2)三相電力線路線路有功損失為△P＝△PA十△PB十△PC＝3I2R(3)溫度對導線電阻的影響：導線電阻R不是恆定的，在電源頻率一定的情況下，其阻值隨導線溫度的變化而變化。銅鋁導線電阻溫度系數為a＝0.004。在有關的技術手冊中給出的是20℃時的導線單位長度電阻值。但實際運行的電力線路周圍的環境溫度是變化的；另外；負載電流通過導線電阻時發熱又使導線溫度升高，所以導線中的實際電阻值，隨環境、溫度和負荷電流的變化而變化。為了減化計算，通常把導線電陰分為三個分量考慮：1）基本電阻20℃時的導線電阻值R20為R20=RL式中R--電線電阻率，Ω/km，;L--導線長度，km。2）溫度附加電阻Rt為Rt=a（tP－20）R20式中a--導線溫度系數，銅、鋁導線a=0．004；tP--平均環境溫度，℃。3）負載電流附加電阻Rl為Rl=R204）線路實際電阻為R=R20+Rt+Rl（4）線路電壓降△U為△U=U1－U2=LZ2．配電變壓器損耗(簡稱變損)功率△PB配電變壓器分為鐵損(空載損耗)和銅損(負載損耗)兩部分。鐵損對某一型號變壓器來說是固定的，與負載電流無關。銅損與變壓器負載率的平方成正比。配電網電能損失理論計算方法配電網的電能損失，包括配電線路和配電變壓器損失。由於配電網點多面廣，結構復雜，客戶用電性質不同，負載變化波動大，要起模擬真實情況，計算出某一各線路在某一時刻或某一段時間內的電能損失是很困難的。因為不僅要有詳細的電網資料，還在有大量的運行資料。有些運行資料是很難取得的。另外，某一段時間的損失情況，不能真實反映長時間的損失變化，因為每個負載點的負載隨時間、隨季節發生變化。而且這樣計算的結果只能用於事後的管理，而不能用於事前預測，所以在進行理論計算時，都要對計算方法和步驟進行簡化。為簡化計算，一般假設：（1）線路總電流按每個負載點配電變壓器的容量占該線路配電變壓器總容量的比例，分配到各個負載點上。（2）每個負載點的功率因數cos相同。這樣，就能把復雜的配電線路利用線路參數計算並簡化成一個等值損耗電阻。這種方法叫等值電阻法。等值電阻計算設：線路有m個負載點，把線路分成n個計算段，每段導線電阻分別為R1，R2，R3，…，Rn，1．基本等值電阻Re3．負載電流附加電阻ReT在線路結構未發生變化時，Re、ReT、Rez三個等效電阻其值不變，就可利用一些運行參數計算線路損失。均方根電流和平均電流的計算利用均方根電流法計算線損，精度較高，而且方便。利用代表日線路出線端電流記錄，就可計算出均方根電流IJ和平均電流IP。在一定性質的線路中，K值有一定的變化范圍。有了K值就可用IP代替IJ。IP可用線路供電量計算得出，電能損失計算（1）線路損失功率△P（kW）△P=3（KIP）2（Re+ReT+ReI）×10-3如果精度要求不高，可忽略溫度附加電阻ReT和負載電流附加電阻ReI。（2）線路損失電量△W（3）線損率（4）配電變壓器損失功率△PB（5）配電變壓器損失電量△WB（6）變損率B（7）綜合損失率為+B。另外，還有損失因數、負荷形狀系數等計算方法。這些計算方法各有優缺點，但計算誤差較大，這里就不再分別介紹了。低壓線路損失計算方法低壓線路的特點是錯綜復雜，變化多端，比高壓配電線路更加復雜。有單相供電，3×3相供電，3×4相供電線路，的是這幾種線路的組合。因此，要精確計算低壓網路的損失是很困難的，一般採用近似的簡化方法計算。簡單線路的損失計算1．單相供電線路（1）一個負荷在線路末端時：（2）多個負荷時，並假設均勻分布：2．3×3供電線路（1）一個負荷點在線路末端（2）多個負荷點，假設均勻分布且無大分支線3．3×4相供電線路（1）A、B、C三相負載平衡時，零線電流IO=0，計算方法同3×3相線路。由表6-2可見，當負載不平衡度較小時，a值接近1，電能損失與平衡線路接近，可用平衡線路的計算方法計算。4．各參數取值說明（1）電阻R為線路總長電阻值。（2）電流為線路首端總電流。可取平均電流和均方根電流。取平均電流時，需要用修正系數K進行修正。平均電流可實測或用電能表所計電量求得。（3）在電網規劃時，平均電流用配電變壓器二次側額定值，計算最大損耗值，這時K=1。（4）修正系數K隨電流變化而變化，變化越大，K越大；反之就小。它與負載的性質有關。復雜線路的損失計算0．4kV線路一般結構比較復雜。在三相四線線路中單相、三相負荷交叉混合，有較多的分支和下戶線，在一個台區中又有多路出線。為便於簡化，先對幾種情況進行分析。1．分支對總損失的影響假設一條主幹線有n條相同分支線，每條分支線負荷均勻分布。主幹線長度為ι。則主幹電阻Rm=roL分支電阻Rb=roι總電流為I，分支總電流為Ib=I/n（1）主幹總損失△Pm（2）各分支總損失△Pb（3）線路全部損失（4）分支與主幹損失比也即，分支線損失佔主幹線的損失比例為ι/nL。一般分支線小於主幹長度，ι/nL＜1/n2．多分支線路損失計算3．等值損失電阻Re4．損失功率5．多線路損失計算配變台區有多路出線（或僅一路出線，在出口處出現多個大分支）的損失計算。設有m路出線，每路負載電流為I1，I2，…，Im台區總電流I=I1+I2…+Im每路損失等值電阻為Re1，Re2，…，Rem則△P=△P1+△P2+…+△Pm=3（I21Re1+I22Re2+…+I2mRem）如果各出線結構相同，即I1=I2=…=ImRe1=Re2=…=Rem6．下戶線的損失主幹線到用各個用戶的線路稱為下戶線。下戶線由於線路距離短，負載電流小，其電能損失所佔比例也很小，在要求不高的情況下可忽略不計。取：下戶線平均長度為ι，有n個下戶總長為L，線路總電阻R=roL，每個下戶線的負載電流相同均為I。（1）單相下戶線△P=2I2R=2I2roL（2）三相或三相四線下戶△P=3I2R=3I2roL電壓損失計算電壓質量是供電系統的一個重要的質量指標，如果供到客戶端的電壓超過其允許范圍，就會影響到客戶用電設備的正常運行，嚴重時會造成用電設備損壞，給客戶帶來損失，所以加強電壓管理為客戶提供合格的電能是供電企業的一項重要任務。電網中的電壓隨負載的變化而發生波動。國家規定了在不同電壓等級下，電壓允許波動范圍。國電農（1999）652號文對農村用電電壓做了明確規定：（1）配電線路電壓允許波動范圍為標准電壓的±7%。（2）低壓線路到戶電壓允許波動范圍為標准電壓的±10%。電壓損失是指線路始端電壓與末端電壓的代數差，是由線路電阻和電抗引起的。電抗（感抗）是由於導線中通過交流電流，在其周圍產生的高變磁場所引起的。各種架空線路每千米長度的電抗XO（Ω/km），可通過計算或查找有關資料獲得。表6-3給出高、低壓配電線路的XO參考值。三相線路僅在線路末端接有一集中負載的三相線路，設線路電流為I，線路電阻R，電抗為X，線路始端和末端電壓分別是U1，U2，負載的功率因數為cos。電壓降△ù=△ù1-△ù2=IZ電壓損失是U1、U2兩相量電壓的代數差△U=△U1-△U2由於電抗X的影響，使得ù1和ù2的相位發生變化，一般准確計算△U很復雜，在計算時可採用以下近似演算法：△U=IRcos+ιXsin一般高低壓配電線路該類線路負載多、節點多，不同線路計算段的電流、電壓降均不同，為便於計算需做以下簡化。1．假設條件線路中負載均勻分布，各負載的cos相同，由於一般高低壓配電線路阻抗Z的cosZ=0．8～0．95，負載的cos在0．8以上，可以用ù代替△U進行計算。2．電壓損失線路電能損失的估算線路理論計算需要大量的線路結構和負載資料，雖然在計算方法上進行了大量的簡化，但計算工作量還是比較大，需要具有一定專業知識的人員才能進行。所以在資料不完善或缺少專業人員的情況下，仍不能進行理論計算工作。下面提供一個用測量電壓損失，估算的電能損失的方法，這種方法適用於低壓配電線路。1．基本原理和方法（1）線路電阻R，阻抗Z之間的關系（2）線路損失率由上式可以看出，線路損失率與電壓損失百分數△U%成正比，△U%通過測量線路首端和末端電壓取得。k為損失率修正系數，它與負載的功率因數和線路阻抗角有關。表6-4、表6-5分別列出了單相、三相無大分支低壓線路的k值。在求取低壓線路損失時的只要測量出線路電壓降△U，知道負載功率因數就能算出該線路的電能損失率。2．有關問題的說明（1）由於負載是變化的，要取得平均電能損失率，應盡量取幾個不同情況進行測量，然後取平均數。如果線路首端和末端分別用自動電壓記錄儀測量出一段時間的電壓降。可得到較准確的電能損失率。（2）如果一個配變台區有多路出線，要對每條線路測取一個電壓損失值，並用該線路的負載占總負載的比值修正這個電壓損失值，然後求和算出總的電壓損失百分數和總損失率。（3）線路只有一個負載時，k值要進行修正。（4）線路中負載個數較少時，k乘以（1+1/2n），n為負載個數。
C. 什麼是人機共駕
人機共駕（Shared Autonomy）
MIT 認為自動駕駛應該分為兩個等級：一、人機共駕（Shared Autonomy）；二、全自動駕駛（Full Autonomy）。這樣的分類方式不僅能夠提供有建設性的指導方針，添加必要的限制條件同時還可以對要實現的目標進行量化設定。甚至，對每個類別下要實現的功能、對應的技術需求以及可能遇到的問題都可以劃分出來。
這個原則的核心在於對「人類駕駛員在環」的討論。為了實現對車輛的有效控制，人和機器組成的團隊必須共同保持對外部環境有充分的感知。目標是促使整個行業對「人機共駕」和「全自動駕駛」進行清晰地劃分。
需要指出的是，表 I 中的術語「Good」和「Exceptional」用來表示解決 1% 極端案例的優先順序順序。遠程操控、V2X 和 V2I 等並非必須的技術，如果要使用的話需要達到特殊的能力要求。
在實現高等級自動駕駛的方法上，傳統思路全程都跳過了對「人」這個因素的考慮，精力主要集中在對地圖、感知、規劃以及表 I 中「全自動駕駛」一欄標注為「exceptional」的技術上。實際來看，考慮到目前的硬體和演算法能力，這種解決方案對高精度地圖、感測器套件的魯棒性要求很高，提供的是較為保守的駕駛策略。
而正如表 I 所述，「以人為中心」的自動駕駛汽車著眼點主要在司機身上。負責控制車輛的依然是人，但前提是要對人的狀態、駕駛方式及之前的人機合作經驗做充分的考量，同時把車輛的轉向、加減速等交由人工智慧系統負責。以特斯拉的 Autopilot 為例，之前 MIT 的研究顯示，測試中有超過 30% 的行程都是由這套 L2 級駕駛輔助系統控制完成的。而如果人機共駕應用成功的話，應該能實現超過 50% 的機器控制率。在這次實驗中，MIT 表示無人車系統在接管過程中呈現出了不同程度的能力，而人類駕駛員始終在密切關注著機器的動態，根據感知系統獲得的信息及時預測可能發生的危險。
二、從數據中學習（Learn from Data）
從表 I 不難發現，這其中涉及的任何一項車輛技術都是數據驅動的，需要搜集大量的邊緣案例數據，利用這些數據持續不斷地優化演算法。這個學習過程的目的應該是，通過大量數據實現從傳統的模塊化監督學習向端到端半監督式和無監督學習過渡。
要實現車輛的自動駕駛，傳統的方法，不管是哪個級別，幾乎都不會大量的應用機器學習技術。除了在一些特殊的線下場景，比如 Mobileye 的視覺感知系統要進行車道線識別，或者是通用 Super Cruise 搭載的紅外攝像頭要對駕駛員頭部動作進行預測等。
特斯拉的 Autopilot 可能要比其他方案更進一步，在開發針對第二代硬體平台 HW 2.0 的軟體演算法時，在視覺感知上應用了越來越多監督機器學習的原理。但即便如此，對車輛的絕大部分控制以及對駕駛員狀態監測的實現中，並沒有利用大數據驅動的方式，也幾乎不涉及線上學習的過程。
而在目前業界進行的一些全自動駕駛技術的路測中，機器學習主要應用於環境感知這一環節。更甚的是，這些車輛採集到的數據，無論是從量還是多樣性來看，和具備 L2 級自動駕駛能力的車型相比，遜色不少。
特斯拉 Autopilot 對目標物、車道線的檢測主要依賴機器學習演算法進行 | Electrek
MIT 認為，「L2 級自動駕駛系統中機器學習框架使用的數據，從規模和豐富性的角度來看都具有足夠的擴展能力，可以覆蓋多變的、具有代表性、挑戰性的邊緣案例。」人機共駕（Shared Autonomy）要求同時搜集人和車輛的感知數據，挖掘分析後用於監督學習的標注。在 MIT 的實驗過程中，駕駛場景感知、路徑規劃、駕駛員監控、語音識別以及語音聚合都應用了深度神經網路模型，可以通過搜集到的大量駕駛體驗數據進行持續性的調校和優化。
在進行數據採集時，MIT 表示並不會只局限於單一的感測器來源，而是對整個駕駛體驗通盤考慮，並將所有的感測器數據流通過實時時鍾（real-time clock）匯總、聚合，用於多個神經網路模型的標注。這種方式能夠讓駕駛場景與駕駛員狀態能夠很好地匹配起來，而在聚合的感測器數據流進行標注工作，使模塊化的監督學習可以在數據規模允許時輕松地向端到端學習過渡。
三、監督人類（Human Sensing）
這個其實就是我們俗稱的「駕駛員監控」。它指的是對駕駛員的整體心理以及功能特徵，包括分心、疲憊、注意力分配和容量、認知負荷、情緒狀態等的不同程度進行多維度的衡量和評估。
目前除了通用 Super Cruise 在方向盤上裝有一枚紅外攝像頭外，不管是搭載了 ADAS 駕駛輔助系統的量產車型，還是在路測的全自動駕駛汽車，絕大部分都沒有提供任何有關駕駛員監控的軟體和硬體。特斯拉 Model 3 其實也裝了一枚車內攝像頭，但目前尚未啟用，具體功用官方表示要等軟體更新後才知道。而基於視覺的解決方案以外，市面上還包括一些准確率不高的方式。比如特斯拉在方向盤上安裝了扭矩感測器，也有的公司利用監測方向盤是否發生倒轉的方式推斷駕駛員是否出現疲勞情況。
全新一代凱迪拉克 CT6 搭載的駕駛員監控系統由 Seeing Machines 提供 | 官方供圖
MIT 認為「對駕駛員狀態的感知和監控是實現高效人機共駕的的第一步，同時也是最關鍵的一步。」在過去的二十多年裡，來自機器視覺、信號處理、機器人等領域的專家都進行過相關課題的研究，目的都是在探討如何盡可能保證駕乘人員的安全。此外，對駕駛員狀態的監測對如何改善和提升人機交互界面、高級駕駛輔助系統 ADAS 的設計都有很大幫助。隨著汽車智能程度的不斷提高，如何准確、實時地探測到駕駛員的各種行為對打造安全的個性化出行體驗尤為重要。
比較有意思的一點是，從完全的手動駕駛到全自動駕駛，這其中涉及到不同模式切換的問題。一般來說雙手脫離方向盤（handoff）就是一種信號，可能表示系統要做好接管的准備了，但還有什麼其他更准確的信息可以用來判斷，可能這也是「駕駛員監控」的研究人員需要持續思考的地方。
四、共享的感知控制（Shared Preception-Control）
通俗點來說，這相當於為整個自動駕駛系統增加了「一雙眼睛和手」。目的是建立額外的感知、控制和路線規劃機制。即便在高度自動駕駛系統運行狀態下，也要及時地為駕駛員推送信息，將其納入到整個駕駛過程中。
研究全自動駕駛的目的就是為了完美地解決「感知-控制」的問題，考慮到人類的不靠譜和行為的不可測性。所以傳統觀點認為最簡單的辦法就是把人從開車這件事上排除掉，像十幾年前在 DARPA 挑戰賽中獲勝的隊伍一樣。
但和傳統解決思路相反的是，MIT 提出的「以人為中心」的理論將人置於感知和決策規劃閉環中的關鍵位置。因此，整車感知系統就變成了支持性的角色，為人類駕駛員提供外部環境信息，這其實也是為了解決機器視覺本身存在的局限性而考慮的。
表 II MIT「以人為中心」自動駕駛系統執行的感知任務，包括對駕駛員面部表情、動作以及可駕駛區域、車道線以及場景內物體的檢測 | MIT
在 MIT 的研究中，工作人員圍繞這個原則設計了幾條關鍵的演算法。表 II 是其中幾個典型的案例。首先，從視覺上可以看到神經網路做出的判斷、道路分割的區域以及對駕駛場景狀態的預估的可信程度；其次，將所有的感知數據整合並輸出融合式的決策建議，這樣在表 IV 的場景下就能夠對整體風險進行預估；再次，MIT 一直使用的是模仿學習：將人類駕駛員操控車輛時方向盤的動作作為訓練數據，進一步優化端到端的深度神經網路；最後，MIT 使用的端到端的神經網路屬於一個叫做「arguing machines（爭論機器）」框架的一部分，它為主要的感知-控制系統（表 III）提供了來自人類的監督。
這里的「爭論機器框架」是 MIT 2018年提出的一個概念，它將主要 AI 系統與經過獨立訓練以執行相同任務的次要 AI 系統配對。 該框架表明，在沒有任何基礎系統設計或操作知識的情況下，兩個系統之間的分歧足以在人工監督分歧的情況下提高整體決策管道的准確性。
表 III 對「爭論機器」框架在「Black Betty」自動駕駛測試車上的應用和評估 | MIT
表 IV 通過結合車內外感知系統數據得出的融合型決策能夠充分預估可能發生的風險 | MIT
五、深度定製化（Deep Personalization）
這里涉及到一個「將人類融入到機器中」的概念。通過調整 AI 系統的參數，使其能夠更適合人類操作並呈現出一定程度的定製化。最終的系統應該帶有該駕駛員的行為特徵，而不是像剛出廠時的普通配置一樣。
六、不迴避設計缺陷（Imperfect by Design）
對整個汽車工業而言，處於很多原因的考慮，進行工程設計時通常考慮最多的是「安全」，所以要盡可能地講系統錯誤出現的頻率和程度降至最低。換句話說，對自動駕駛而言，完美是目標，這也導致了在進行某些功能設計時，可能會因其「不完美」和「不確定」的性質而放棄這些可能是「必要」的設計。
但是在 MIT 的研究看來，豐富、高效的溝通機制在設計用於實現「人機共駕」的人工智慧系統時，是非常必要的因素。就「溝通」而言，系統存在的不完美對人和機器而言，在進行感知模型的交換和融合過程中，能夠提供密集、多樣的信息內容。如果將 AI 系統的不確定性、局限性和錯誤都隱藏起來，這也就錯失了與人建立信任、深度理解關系的機會。MIT 認為，此前業界在設計半自動駕駛系統時所採取的「完美」思路，可能是迄今為止所犯的嚴重錯誤之一。
而在開發「Black Betty」這輛無人車時，MIT 把人工智慧系統的局限性通過文字和視覺的形式與人類進行充分溝通。例如將人類和機器對外部世界的感知視覺化，讓駕駛員知曉 AI 系統的局限所在。研究人員表示這種方式相比只是提供「報警」或者「模糊的信號」，是最簡潔有效的人機溝通方式。盡管這種溝通機制要實現還面臨一些技術上的難題，比如視覺化的過程通常對晶元的算力和實時調用的能力要求很高。但值得機器人、自動化以及人機交互等領域共同關注並思考解決的辦法。
七、系統級的駕駛體驗（System-Level Experience）
目前，汽車工業的工程設計過程中，一個最主要的目標就是「安全」。另一個則是「降低成本」。第二個目標導向的是模塊化、基於零部件的設計思考。但同樣的模式在面向機器人、計算機視覺、機器學習等領域的人工智慧系統設計中卻有著迥異的理由。
譬如在設計中重視單一功能（目標物檢測等）的實現，能夠有效測試該演算法的合理性並逐步使之得到改善和優化。但是這個過程也難免會把注意力過渡集中在單一功能而忽略了系統的整體體驗。
在過去的幾十年裡，「系統工程」、「系統思考」這樣的原則一直在指導著汽車工業產品的輸出。然後，類似的思考卻幾乎沒有應用在自動駕駛汽車的設計、測試和評估過程中。正如 MIT 上面提到的這六大原則，人和機器都不可避免會有缺陷，只有當「人機共駕」這個框架在系統層面上得到考慮時，這些缺陷才可能有機會成為優勢。
對「人機共駕」的永恆討論
不管短期還是長期來看，其實很難預測自動駕駛的哪條實現路徑最終會成功，而且退一萬步說，你甚至都不知道什麼樣的結果算得上是「成功」。在談到研究目的時，MIT 希望一套自動駕駛系統能夠同時滿足「安全」、「愉悅的駕駛體驗」和「提升的出行體驗」這三個要求，而不是彼此妥善折中。而盡管「人機共駕」這個話題在過去的十年裡，是包括汽車工業、機器人在內很多領域研究的焦點，但它仍值得更深入的探討。
在今年四月份的上海國際車展上，coPILOT 智能高級駕駛輔助系統，這是一套定位「L2+級」 的自動駕駛輔助系統，目的是提高乘用車的安全性和駕駛舒適性。從產品名稱不難看出，這套系統同樣強調了「人機共駕」的概念。它配備了相應的感測器和功能，能夠監控駕駛員並在發生潛在危險情況時觸發警告。例如，當發生駕駛員注意力不集中、幾乎完全未將注意力放在路面交通上或顯示出瞌睡跡象等。所以人工智慧扮演了「私人駕駛助手」的角色，這個產品理念與 MIT 的研究不謀而合。
到底完美解決駕駛任務比完美管理人類的信任和注意力哪個更難？這是值得深思熟慮的問題。MIT 認為關於這個問題的討論仍不會停止，不管是這篇論文還是「Black Betty」這台無人測試車，都是基於「人機共駕」研究的成果，MIT 認為它是開發「以人為中心」自動駕駛系統的必由之路。
D. 現代計算機是如何計算圓周率的
pi = 0.0
N = 100
for i in range(N):
pi += (1/pow(16,i) * ( 4/(8*i +1) -2/(8*i+4)-1/(8*i+5) -1/(8*i +6) ) )
print('圓周率為{:.10f}'.format(pi))
請把以上代碼拷進python語言開發環境里運行，結果如下（下圖是使用python開發環境Spyder運行上述代碼的結果）：圓周率為3.1415926536.
(4)路測演算法擴展閱讀
圓周率的研究過程：
1989年美國哥倫比亞大學研究人員用克雷－2型（Cray-2）和IBM－3090/VF型巨型電子計算機計算出π值小數點後4.8億位數，後又繼續算到小數點後10.1億位數。2010年1月7日——法國工程師法布里斯·貝拉將圓周率算到小數點後27000億位。
2010年8月30日——日本計算機奇才近藤茂利用家用計算機和雲計算相結合，計算出圓周率到小數點後5萬億位。
2011年10月16日，日本長野縣飯田市公司職員近藤茂利用家中電腦將圓周率計算到小數點後10萬億位，刷新了2010年8月由他自己創下的5萬億位吉尼斯世界紀錄。56歲的近藤茂使用的是自己組裝的計算機，從10月起開始計算，花費約一年時間刷新了紀錄。
E. 全球首個自動駕駛混合式模擬測試平台發布阿里打造日測800萬公里
為了滿足規模化、節約化無人駕駛技術，建立模擬平台成為了大多數公司選擇的路徑，可以預見的是行業又將進入一個快速發展的新軌道。
文丨AutoR智駕子陽
模擬測試是達到規模化無人駕駛技術的唯一路徑。
4月22日，阿里達摩院對外正式發布全球首個自動駕駛「混合式模擬測試平台」。
該平台採用虛擬與現實結合的模擬技術，引進真實路測場景和雲端訓練師，模擬一次極端場景只需30秒，系統每日虛擬測試里程可超過800萬公里，大幅提升自動駕駛AI模型訓練效率。
達摩院稱，該技術將推動自動駕駛加速邁向L5階段。
傳統純虛擬模擬測試平台能快速跑完自動駕駛路測里程，但仍然面臨極端場景訓練效率低下的關鍵問題：極端場景數據不足，就無法還原真實路況的不確定性，系統就無法精準應對真實路況的突發情況，自動駕駛就難以實現進一步突破。
騰訊從2017年開始研發模擬模擬平台的三維場景及感測器模擬、數據驅動交通流模擬豐富的測試場景、場景型雲模擬及虛擬城市型雲模擬並行等核心能力。
針對自動駕駛模擬模擬測試的需求以及行業痛點，騰訊打造了一套內置高精度地圖、虛實結合、線上線下一體的自動駕駛模擬模擬平台——TADSim。
TADSim集成了工業級的車輛動力學模型、專業的游戲引擎、三維重建技術和虛實一體的交通流技術，可以完成感知、決策、控制演算法等實車上全部模塊的模擬實驗，同時支持單機和雲端部署的方式，一套系統滿足全棧演算法的使用需求；基於騰訊已經完成的全國高速、快速路高精度地圖採集和製作，TADSim支持全國高速和快速路的模擬。
網路則和UnityTechnologies建立合作夥伴關系，一起研發實時模擬產品，該產品將創建虛擬環境，讓開發人員在現實模擬環境中測試自動駕駛汽車。
該模擬3D平台可讓汽車製造商（OEM）減少測試錯誤和風險，同時通過復制模擬真實世界場景提高測試效率和速度。此外，還提供定製化內容，可通過其數百萬研發人員創建的AssetStore進行定製。
除BAT之外，華為推出了自動駕駛雲服務Octopus，服務覆蓋自動駕駛數據、模型、訓練、模擬、標注等全生命周期業務，向開發者提供包括數據服務、訓練服務、模擬服務在內的3大服務。
據悉，通過集成場景設計和數據驅動的方法，合計提供超過1萬個模擬場景，系統每日虛擬測試里程可超過500萬公里，支持3000個實例並發測試。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
F. 北京發布「硬核」自動駕駛路測報告，標准優於DMV，百度再獲第一
其中，14%的脫離是由於策略缺陷、人工安全防禦、系統故障造成的關鍵脫離，這些脫離數據的價值要遠遠高於人為接管脫離。
從脫離類別和原因上看，除因感測器、車輛或者數據記錄設備、地圖標注、地圖載入等問題外，與社會車輛的博弈、對復雜場景的理解以及一些應急情況的處理能力，仍然是自動駕駛亟需解決的重要課題。
毫無疑問，作為全球最大的自動駕駛平台，網路Apollo在北京開展的路測在測試規模、技術水平、場景覆蓋、產品能力和安全水平上均大幅領先行業水平。
除此之外，相比其他企業，網路還取得ISO26262、ASPICE、IATF16949以及全國最高技術等級的T4級別道路測試牌照等行業認證。
進入2020年，隨著網路發布Q4財報宣布Apollo商業化進一步的提速以及馭勢科技、小馬智行等自動駕駛初創公司宣布融資計劃，自動駕駛技術正迎來新一輪的變革。
當然，中國自動駕駛技術能夠站在世界領先位置，除了自身能力過硬之外，還離不開政策、測試機構的支持。
北京作為全國首個開放自動駕駛測試區域、開放全國首個車聯網與自動駕駛地圖應用試點的區域，截止到2019年12月31日，北京市已開放4個區縣的自動駕駛測試道路，共計151條，503.68公里累計為13家企業，涵蓋6家互聯網、6家主機廠、1家地圖廠商，77輛車，發放了285張道路測試牌照，路測里程為104萬公里，申請企業數量、發放牌照數量、路測里程均位居全國第一。
可以預期的是，隨著北京在開放測試道路、區域、服務規模、測試牌照及測試里程方面不斷的領先，北京測試將成為全球自動駕駛技術向前邁進的推手，以「中國特色」推動自動駕駛技術落地應用。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
G. 線損計算方法
線損理論計算是降損節能，加強線損管理的一項重要的技術管理手段。通過理論計算可發現電能損失在電網中分布規律，通過計算分析能夠暴露出管理和技術上的問題，對降損工作提供理論和技術依據，能夠使降損工作抓住重點，提高節能降損的效益，使線損管理更加科學。所以在電網的建設改造過程以及正常管理中要經常進行線損理論計算。
線損理論計算是項繁瑣復雜的工作，特別是配電線路和低壓線路由於分支線多、負荷量大、數據多、情況復雜，這項工作難度更大。線損理論計算的方法很多，各有特點，精度也不同。這里介紹計算比較簡單、精度比較高的方法。
理論線損計算的概念
1．輸電線路損耗
當負荷電流通過線路時，在線路電阻上會產生功率損耗。
(1)單一線路有功功率損失計算公式為
△P＝I2R
式中△P--損失功率，W；
I--負荷電流，A；
R--導線電阻，Ω
(2)三相電力線路
線路有功損失為
△P＝△PA十△PB十△PC＝3I2R
(3)溫度對導線電阻的影響：
導線電阻R不是恆定的，在電源頻率一定的情況下，其阻值
隨導線溫度的變化而變化。
銅鋁導線電阻溫度系數為a＝0.004。
在有關的技術手冊中給出的是20℃時的導線單位長度電阻值。但實際運行的電力線路周圍的環境溫度是變化的；另外；負載電流通過導線電阻時發熱又使導線溫度升高，所以導線中的實際電阻值，隨環境、溫度和負荷電流的變化而變化。為了減化計算，通常把導線電陰分為三個分量考慮： 1）基本電阻20℃時的導線電阻值R20為
R20=RL
式中R--電線電阻率，Ω/km，;
L--導線長度，km。
2）溫度附加電阻Rt為
Rt=a（tP－20）R20
式中a--導線溫度系數，銅、鋁導線a=0．004；
tP--平均環境溫度，℃。
3）負載電流附加電阻Rl為
Rl= R20
4）線路實際電阻為
R=R20+Rt+Rl
（4）線路電壓降△U為
△U=U1－U2=LZ
2．配電變壓器損耗(簡稱變損)功率△PB
配電變壓器分為鐵損(空載損耗)和銅損(負載損耗)兩部分。鐵損對某一型號變壓器來說是固定的，與負載電流無關。銅損與變壓器負載率的平方成正比。
配電網電能損失理論計算方法
配電網的電能損失，包括配電線路和配電變壓器損失。由於配電網點多面廣，結構復雜，客戶用電性質不同，負載變化波動大，要起模擬真實情況，計算出某一各線路在某一時刻或某一段時間內的電能損失是很困難的。因為不僅要有詳細的電網資料，還在有大量的運行資料。有些運行資料是很難取得的。另外，某一段時間的損失情況，不能真實反映長時間的損失變化，因為每個負載點的負載隨時間、隨季節發生變化。而且這樣計算的結果只能用於事後的管理，而不能用於事前預測，所以在進行理論計算時，都要對計算方法和步驟進行簡化。 為簡化計算，一般假設：
（1）線路總電流按每個負載點配電變壓器的容量占該線路配電變壓器總容量的比例，分配到各個負載點上。
（2）每個負載點的功率因數cos 相同。
這樣，就能把復雜的配電線路利用線路參數計算並簡化成一個等值損耗電阻。這種方法叫等值電阻法。
等值電阻計算
設：線路有m個負載點，把線路分成n個計算段，每段導線電阻分別為R1，R2，R3，…，Rn，
1．基本等值電阻Re
3．負載電流附加電阻ReT
在線路結構未發生變化時，Re、ReT、Rez三個等效電阻其值不變，就可利用一些運行參數計算線路損失。
均方根電流和平均電流的計算
利用均方根電流法計算線損，精度較高，而且方便。利用代表日線路出線端電流記錄，就可計算出均方根電流IJ和平均電流IP。
在一定性質的線路中，K值有一定的變化范圍。有了K值就可用IP代替IJ。IP可用線路供電量計算得出，電能損失計算
（1）線路損失功率△P（kW）
△P=3（KIP）2（Re+ReT+ReI）×10-3
如果精度要求不高，可忽略溫度附加電阻ReT和負載電流附加電阻ReI。
（2）線路損失電量△W
（3）線損率
（4）配電變壓器損失功率△PB
（5）配電變壓器損失電量△WB
（6）變損率 B
（7）綜合損失率為 + B。
另外，還有損失因數、負荷形狀系數等計算方法。這些計算方法各有優缺點，但計算誤差較大，這里就不再分別介紹了。
低壓線路損失計算方法
低壓線路的特點是錯綜復雜，變化多端，比高壓配電線路更加復雜。有單相供電，3×3相供電，3×4相供電線路，更多的是這幾種線路的組合。因此，要精確計算低壓網路的損失是很困難的，一般採用近似的簡化方法計算。
簡單線路的損失計算
1．單相供電線路
（1）一個負荷在線路末端時：
（2）多個負荷時，並假設均勻分布：
2．3×3供電線路
（1）一個負荷點在線路末端
（2）多個負荷點，假設均勻分布且無大分支線
3．3×4相供電線路
（1）A、B、C三相負載平衡時，零線電流IO=0，計算方法同3×3相線路。
由表6-2可見，當負載不平衡度較小時，a值接近1，電能損失與平衡線路接近，可用平衡線路的計算方法計算。
4．各參數取值說明
（1）電阻R為線路總長電阻值。
（2）電流為線路首端總電流。可取平均電流和均方根電流。取平均電流時，需要用修正系數K進行修正。平均電流可實測或用電能表所計電量求得。
（3）在電網規劃時，平均電流用配電變壓器二次側額定值，計算最大損耗值，這時K=1。
（4）修正系數K隨電流變化而變化，變化越大，K越大；反之就小。它與負載的性質有關。
復雜線路的損失計算
0．4kV線路一般結構比較復雜。在三相四線線路中單相、三相負荷交叉混合，有較多的分支和下戶線，在一個台區中又有多路出線。為便於簡化，先對幾種情況進行分析。
1．分支對總損失的影響
假設一條主幹線有n條相同分支線，每條分支線負荷均勻分布。主幹線長度為ι。
則主幹電阻Rm=roL
分支電阻Rb=roι
總電流為I，分支總電流為Ib=I/n
（1）主幹總損失△Pm
（2）各分支總損失△Pb
（3）線路全部損失
（4）分支與主幹損失比
也即，分支線損失佔主幹線的損失比例為ι/nL。一般分支線小於主幹長度，ι/nL＜1/n
2．多分支線路損失計算
3．等值損失電阻Re
4．損失功率
5．多線路損失計算
配變台區有多路出線（或僅一路出線，在出口處出現多個大分支）的損失計算。
設有m路出線，每路負載電流為I1，I2，…，Im
台區總電流I=I1+I2…+Im
每路損失等值電阻為Re1，Re2，…，Rem
則
△P=△P1+△P2+…+△Pm=3（I21Re1+I22Re2+…+I2mRem）
如果各出線結構相同，即I1=I2=…=Im
Re1=Re2=…=Rem
6．下戶線的損失
主幹線到用各個用戶的線路稱為下戶線。下戶線由於線路距離短，負載電流小，其電能損失所佔比例也很小，在要求不高的情況下可忽略不計。
取：下戶線平均長度為ι，有n個下戶總長為L，線路總電阻R=roL，每個下戶線的負載電流相同均為I。
（1）單相下戶線
△P=2I2R=2I2roL
（2）三相或三相四線下戶
△P=3I2R=3I2roL
電壓損失計算
電壓質量是供電系統的一個重要的質量指標，如果供到客戶端的電壓超過其允許范圍，就會影響到客戶用電設備的正常運行，嚴重時會造成用電設備損壞，給客戶帶來損失，所以加強電壓管理為客戶提供合格的電能是供電企業的一項重要任務。 電網中的電壓隨負載的變化而發生波動。國家規定了在不同電壓等級下，電壓允許波動范圍。國電農（1999）652號文對農村用電電壓做了明確規定：
（1）配電線路電壓允許波動范圍為標准電壓的±7%。
（2）低壓線路到戶電壓允許波動范圍為標准電壓的±10%。
電壓損失是指線路始端電壓與末端電壓的代數差，是由線路電阻和電抗引起的。
電抗（感抗）是由於導線中通過交流電流，在其周圍產生的高變磁場所引起的。各種架空線路每千米長度的電抗XO（Ω/km），可通過計算或查找有關資料獲得。表6-3給出高、低壓配電線路的XO參考值。
三相線路僅在線路末端接有一集中負載的三相線路，設線路電流為I，線路電阻R，電抗為X，線路始端和末端電壓分別是U1，U2，負載的功率因數為cos 。
電壓降△ù=△ù1-△ù2=IZ
電壓損失是U1、U2兩相量電壓的代數差△U=△U1-△U2
由於電抗X的影響，使得ù1和ù2的相位發生變化，一般准確計算△U很復雜，在計算時可採用以下近似演算法：△U=IRcos +ιXsin
一般高低壓配電線路 該類線路負載多、節點多，不同線路計算段的電流、電壓降均不同，為便於計算需做以下簡化。
1．假設條件
線路中負載均勻分布，各負載的cos 相同，由於一般高低壓配電線路阻抗Z的cos Z=0．8～0．95，負載的cos 在0．8以上，可以用ù代替△U進行計算。
2．電壓損失
線路電能損失的估算
線路理論計算需要大量的線路結構和負載資料，雖然在計算方法上進行了大量的簡化，但計算工作量還是比較大，需要具有一定專業知識的人員才能進行。所以在資料不完善或缺少專業人員的情況下，仍不能進行理論計算工作。下面提供一個用測量電壓損失，估算的電能損失的方法，這種方法適用於低壓配電線路。
1．基本原理和方法
（1）線路電阻R，阻抗Z之間的關系
（2）線路損失率
由上式可以看出，線路損失率 與電壓損失百分數△U%成正比，△U%通過測量線路首端和末端電壓取得。k為損失率修正系數，它與負載的功率因數和線路阻抗角有關。表6-4、表6-5分別列出了單相、三相無大分支低壓線路的k值。
在求取低壓線路損失時的只要測量出線路電壓降△U，知道負載功率因數就能算出該線路的電能損失率。
2．有關問題的說明
（1）由於負載是變化的，要取得平均電能損失率，應盡量取幾個不同情況進行測量，然後取平均數。如果線路首端和末端分別用自動電壓記錄儀測量出一段時間的電壓降。可得到較准確的電能損失率。 （2）如果一個配變台區有多路出線，要對每條線路測取一個電壓損失值，並用該線路的負載占總負載的比值修正這個電壓損失值，然後求和算出總的電壓損失百分數和總損失率。
（3）線路只有一個負載時，k值要進行修正。
（4）線路中負載個數較少時，k乘以（1+1/2n），n為負載個數。
H. 自動駕駛又一PK戰場，BAT誰占車路協同先機
[億歐導讀]?車路協同是一場馬拉松。
道路上的車輛/Unplash
而對於企業而言，車路協同的商業模式成為重要討論議題。
多位從業者向億歐汽車表達了擔憂，他們認為車路協同當下商業模式並不明顯。阿里雲通用能力中心高級解決方案架構師趙聖強表示，當下，車路協同方面雖然各個企業已經展開了相關研究和探索，但目前，整個行業內並沒有找到一條清晰的商業模式，還需要時間試錯。
編輯：張嫣
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
I. 一分鍾700米時速跑多少碼表
一分鍾700米時速是跑42碼。演算法是750×20=15000米15000÷15=1000米答案是每分鍾行駛1000米。時速意思是指每小時的速度。
時速換算方法如下
時速的定義是一小時內位移了多少距離。時速的單位為千米。時速通常使用於交通運輸領域，但不是國際單位制的標准速度單位。
具體的計算方法：
（1）1分鍾測量法。V=60S：
如果1分鍾測量到50米，每小時為60分鍾，則時速為V=60*50=3000米／小時＝3公里／小時。
如果1分鍾測量到2000米，每小時為60分鍾，則時速為V=60*2000=120000米／小時＝120公里／小時。
第七十八條高速公路應當標明車道的回行駛速度，最高車速不得超過每小時120公里，最低車速不得低於每小時60公里。
同方向有2條車道的，左側車道的最低車速為每小時100公里；同方向有3條以答上車道的，最左側車道的最低車速為每小時110公里，中間車道的最低車速為每小時90公里。
J. 矽谷「封城」前夜，輕舟智航無人車挑戰Drive-through
該生成模型支持在不同地圖上合成不同的場景庫，具有真實有效，多樣豐富，以及規模擴展等諸多特性。
視頻中的兩個點或者兩輛車，是具有交互性的，它們之間可以進行正確的互動，這種互動行為不是人工手動創制，而是從真實車與車之間的互動數據中通過深度學習的方法學習而來的。
關於輕舟智航：
作為一家年輕的初創公司，輕舟智航的的核心團隊成員來自Waymo、特斯拉、UberATG、福特、英偉達、Facebook等世界頂級自動駕駛公司和科技公司。
目前在美國矽谷、中國北京、深圳、蘇州等多個城市都設有辦公室。其聯合創始人、CEO於騫是頂尖核心感知演算法和地圖專家，曾任Waymo感知關鍵模塊的機器學習演算法研發負責人，在計算機視覺和機器學習領域擁有十多年經驗。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。