路测算法
A. 竞速商业落地 自动驾驶赛程进入下半场
[汽车之家行业]?自动驾驶竞赛进入下半场，推进商业化应用成为各企业发力的重点。根据美国兰德公司的研究，自动驾驶算法想要达到人类驾驶员水平至少需要累计177亿公里的驾驶数据来完善算法。
如果配置一支100辆自动驾驶测试车的车队，每天24小时不停歇路测，平均时速25英里（40公里）每小时来计算，需要500多年的时间才能完成目标里程，期间所耗费的时间和成本无疑难以承受。
‘腾讯TADSim部分场景展示’
另一方面，自动驾驶仿真测试评价体系缺乏规范。
在自动驾驶仿真测试方面，由于不同仿真软件系统架构及场景库构建方法的不同，导致很难建立统一规范的仿真测试评价体系。目前国内仿真评价体系的研究方向主要是从驾驶安全性、舒适性、交通协调性、标准匹配性等方面评价自动驾驶车辆仿真测试结果，对于仿真软件自身的评价缺乏统一的评价标准，如仿真软件场景真实度、场景覆盖度、仿真效率等。
自动驾驶汽车作为智能化产品，未来需要应用深度学习算法使汽车具备自我学习能力，如道路障碍物的复述重现能力、场景的泛化迁移能力，因此自我学习进化性也是自动驾驶汽车的评价指标，目前自动驾驶汽车的学习进化性还缺乏相应的评价规范。
总结：
自动驾驶技术演化有两条路线，分别是由L2级到L3级和L4级到L5级，前者是多数车企走的路线，后者往往是科技公司的选择，两者的主要代表分别是特斯拉和Waymo。今年以来，多家企业表示，已具备L3级自动驾驶车辆量产能力；科技企业也纷纷展开Robotaxi的商业化运营测试。可以看出，各股竞争势力都在试图抢先落地应用自动驾驶技术。谁能在竞赛中拔得头筹？成本和效率无疑是最关键因素，仿真测试的成熟应用或将成为关键。（文/汽车之家肖莹）
B. I线△=3I线Y 0.45 1.35怎么计算
1．输电线路损耗当负荷电流通过线路时，在线路电阻上会产生功率损耗。(1)单一线路有功功率损失计算公式为△P＝I2R式中△P--损失功率，W；I--负荷电流，A；R--导线电阻，Ω(2)三相电力线路线路有功损失为△P＝△PA十△PB十△PC＝3I2R(3)温度对导线电阻的影响：导线电阻R不是恒定的，在电源频率一定的情况下，其阻值随导线温度的变化而变化。铜铝导线电阻温度系数为a＝0.004。在有关的技术手册中给出的是20℃时的导线单位长度电阻值。但实际运行的电力线路周围的环境温度是变化的；另外；负载电流通过导线电阻时发热又使导线温度升高，所以导线中的实际电阻值，随环境、温度和负荷电流的变化而变化。为了减化计算，通常把导线电阴分为三个分量考虑：1）基本电阻20℃时的导线电阻值R20为R20=RL式中R--电线电阻率，Ω/km，;L--导线长度，km。2）温度附加电阻Rt为Rt=a（tP－20）R20式中a--导线温度系数，铜、铝导线a=0．004；tP--平均环境温度，℃。3）负载电流附加电阻Rl为Rl=R204）线路实际电阻为R=R20+Rt+Rl（4）线路电压降△U为△U=U1－U2=LZ2．配电变压器损耗(简称变损)功率△PB配电变压器分为铁损(空载损耗)和铜损(负载损耗)两部分。铁损对某一型号变压器来说是固定的，与负载电流无关。铜损与变压器负载率的平方成正比。配电网电能损失理论计算方法配电网的电能损失，包括配电线路和配电变压器损失。由于配电网点多面广，结构复杂，客户用电性质不同，负载变化波动大，要起模拟真实情况，计算出某一各线路在某一时刻或某一段时间内的电能损失是很困难的。因为不仅要有详细的电网资料，还在有大量的运行资料。有些运行资料是很难取得的。另外，某一段时间的损失情况，不能真实反映长时间的损失变化，因为每个负载点的负载随时间、随季节发生变化。而且这样计算的结果只能用于事后的管理，而不能用于事前预测，所以在进行理论计算时，都要对计算方法和步骤进行简化。为简化计算，一般假设：（1）线路总电流按每个负载点配电变压器的容量占该线路配电变压器总容量的比例，分配到各个负载点上。（2）每个负载点的功率因数cos相同。这样，就能把复杂的配电线路利用线路参数计算并简化成一个等值损耗电阻。这种方法叫等值电阻法。等值电阻计算设：线路有m个负载点，把线路分成n个计算段，每段导线电阻分别为R1，R2，R3，…，Rn，1．基本等值电阻Re3．负载电流附加电阻ReT在线路结构未发生变化时，Re、ReT、Rez三个等效电阻其值不变，就可利用一些运行参数计算线路损失。均方根电流和平均电流的计算利用均方根电流法计算线损，精度较高，而且方便。利用代表日线路出线端电流记录，就可计算出均方根电流IJ和平均电流IP。在一定性质的线路中，K值有一定的变化范围。有了K值就可用IP代替IJ。IP可用线路供电量计算得出，电能损失计算（1）线路损失功率△P（kW）△P=3（KIP）2（Re+ReT+ReI）×10-3如果精度要求不高，可忽略温度附加电阻ReT和负载电流附加电阻ReI。（2）线路损失电量△W（3）线损率（4）配电变压器损失功率△PB（5）配电变压器损失电量△WB（6）变损率B（7）综合损失率为+B。另外，还有损失因数、负荷形状系数等计算方法。这些计算方法各有优缺点，但计算误差较大，这里就不再分别介绍了。低压线路损失计算方法低压线路的特点是错综复杂，变化多端，比高压配电线路更加复杂。有单相供电，3×3相供电，3×4相供电线路，的是这几种线路的组合。因此，要精确计算低压网络的损失是很困难的，一般采用近似的简化方法计算。简单线路的损失计算1．单相供电线路（1）一个负荷在线路末端时：（2）多个负荷时，并假设均匀分布：2．3×3供电线路（1）一个负荷点在线路末端（2）多个负荷点，假设均匀分布且无大分支线3．3×4相供电线路（1）A、B、C三相负载平衡时，零线电流IO=0，计算方法同3×3相线路。由表6-2可见，当负载不平衡度较小时，a值接近1，电能损失与平衡线路接近，可用平衡线路的计算方法计算。4．各参数取值说明（1）电阻R为线路总长电阻值。（2）电流为线路首端总电流。可取平均电流和均方根电流。取平均电流时，需要用修正系数K进行修正。平均电流可实测或用电能表所计电量求得。（3）在电网规划时，平均电流用配电变压器二次侧额定值，计算最大损耗值，这时K=1。（4）修正系数K随电流变化而变化，变化越大，K越大；反之就小。它与负载的性质有关。复杂线路的损失计算0．4kV线路一般结构比较复杂。在三相四线线路中单相、三相负荷交叉混合，有较多的分支和下户线，在一个台区中又有多路出线。为便于简化，先对几种情况进行分析。1．分支对总损失的影响假设一条主干线有n条相同分支线，每条分支线负荷均匀分布。主干线长度为ι。则主干电阻Rm=roL分支电阻Rb=roι总电流为I，分支总电流为Ib=I/n（1）主干总损失△Pm（2）各分支总损失△Pb（3）线路全部损失（4）分支与主干损失比也即，分支线损失占主干线的损失比例为ι/nL。一般分支线小于主干长度，ι/nL＜1/n2．多分支线路损失计算3．等值损失电阻Re4．损失功率5．多线路损失计算配变台区有多路出线（或仅一路出线，在出口处出现多个大分支）的损失计算。设有m路出线，每路负载电流为I1，I2，…，Im台区总电流I=I1+I2…+Im每路损失等值电阻为Re1，Re2，…，Rem则△P=△P1+△P2+…+△Pm=3（I21Re1+I22Re2+…+I2mRem）如果各出线结构相同，即I1=I2=…=ImRe1=Re2=…=Rem6．下户线的损失主干线到用各个用户的线路称为下户线。下户线由于线路距离短，负载电流小，其电能损失所占比例也很小，在要求不高的情况下可忽略不计。取：下户线平均长度为ι，有n个下户总长为L，线路总电阻R=roL，每个下户线的负载电流相同均为I。（1）单相下户线△P=2I2R=2I2roL（2）三相或三相四线下户△P=3I2R=3I2roL电压损失计算电压质量是供电系统的一个重要的质量指标，如果供到客户端的电压超过其允许范围，就会影响到客户用电设备的正常运行，严重时会造成用电设备损坏，给客户带来损失，所以加强电压管理为客户提供合格的电能是供电企业的一项重要任务。电网中的电压随负载的变化而发生波动。国家规定了在不同电压等级下，电压允许波动范围。国电农（1999）652号文对农村用电电压做了明确规定：（1）配电线路电压允许波动范围为标准电压的±7%。（2）低压线路到户电压允许波动范围为标准电压的±10%。电压损失是指线路始端电压与末端电压的代数差，是由线路电阻和电抗引起的。电抗（感抗）是由于导线中通过交流电流，在其周围产生的高变磁场所引起的。各种架空线路每千米长度的电抗XO（Ω/km），可通过计算或查找有关资料获得。表6-3给出高、低压配电线路的XO参考值。三相线路仅在线路末端接有一集中负载的三相线路，设线路电流为I，线路电阻R，电抗为X，线路始端和末端电压分别是U1，U2，负载的功率因数为cos。电压降△ù=△ù1-△ù2=IZ电压损失是U1、U2两相量电压的代数差△U=△U1-△U2由于电抗X的影响，使得ù1和ù2的相位发生变化，一般准确计算△U很复杂，在计算时可采用以下近似算法：△U=IRcos+ιXsin一般高低压配电线路该类线路负载多、节点多，不同线路计算段的电流、电压降均不同，为便于计算需做以下简化。1．假设条件线路中负载均匀分布，各负载的cos相同，由于一般高低压配电线路阻抗Z的cosZ=0．8～0．95，负载的cos在0．8以上，可以用ù代替△U进行计算。2．电压损失线路电能损失的估算线路理论计算需要大量的线路结构和负载资料，虽然在计算方法上进行了大量的简化，但计算工作量还是比较大，需要具有一定专业知识的人员才能进行。所以在资料不完善或缺少专业人员的情况下，仍不能进行理论计算工作。下面提供一个用测量电压损失，估算的电能损失的方法，这种方法适用于低压配电线路。1．基本原理和方法（1）线路电阻R，阻抗Z之间的关系（2）线路损失率由上式可以看出，线路损失率与电压损失百分数△U%成正比，△U%通过测量线路首端和末端电压取得。k为损失率修正系数，它与负载的功率因数和线路阻抗角有关。表6-4、表6-5分别列出了单相、三相无大分支低压线路的k值。在求取低压线路损失时的只要测量出线路电压降△U，知道负载功率因数就能算出该线路的电能损失率。2．有关问题的说明（1）由于负载是变化的，要取得平均电能损失率，应尽量取几个不同情况进行测量，然后取平均数。如果线路首端和末端分别用自动电压记录仪测量出一段时间的电压降。可得到较准确的电能损失率。（2）如果一个配变台区有多路出线，要对每条线路测取一个电压损失值，并用该线路的负载占总负载的比值修正这个电压损失值，然后求和算出总的电压损失百分数和总损失率。（3）线路只有一个负载时，k值要进行修正。（4）线路中负载个数较少时，k乘以（1+1/2n），n为负载个数。
C. 什么是人机共驾
人机共驾（Shared Autonomy）
MIT 认为自动驾驶应该分为两个等级：一、人机共驾（Shared Autonomy）；二、全自动驾驶（Full Autonomy）。这样的分类方式不仅能够提供有建设性的指导方针，添加必要的限制条件同时还可以对要实现的目标进行量化设定。甚至，对每个类别下要实现的功能、对应的技术需求以及可能遇到的问题都可以划分出来。
这个原则的核心在于对“人类驾驶员在环”的讨论。为了实现对车辆的有效控制，人和机器组成的团队必须共同保持对外部环境有充分的感知。目标是促使整个行业对“人机共驾”和“全自动驾驶”进行清晰地划分。
需要指出的是，表 I 中的术语“Good”和“Exceptional”用来表示解决 1% 极端案例的优先级顺序。远程操控、V2X 和 V2I 等并非必须的技术，如果要使用的话需要达到特殊的能力要求。
在实现高等级自动驾驶的方法上，传统思路全程都跳过了对“人”这个因素的考虑，精力主要集中在对地图、感知、规划以及表 I 中“全自动驾驶”一栏标注为“exceptional”的技术上。实际来看，考虑到目前的硬件和算法能力，这种解决方案对高精度地图、传感器套件的鲁棒性要求很高，提供的是较为保守的驾驶策略。
而正如表 I 所述，“以人为中心”的自动驾驶汽车着眼点主要在司机身上。负责控制车辆的依然是人，但前提是要对人的状态、驾驶方式及之前的人机合作经验做充分的考量，同时把车辆的转向、加减速等交由人工智能系统负责。以特斯拉的 Autopilot 为例，之前 MIT 的研究显示，测试中有超过 30% 的行程都是由这套 L2 级驾驶辅助系统控制完成的。而如果人机共驾应用成功的话，应该能实现超过 50% 的机器控制率。在这次实验中，MIT 表示无人车系统在接管过程中呈现出了不同程度的能力，而人类驾驶员始终在密切关注着机器的动态，根据感知系统获得的信息及时预测可能发生的危险。
二、从数据中学习（Learn from Data）
从表 I 不难发现，这其中涉及的任何一项车辆技术都是数据驱动的，需要搜集大量的边缘案例数据，利用这些数据持续不断地优化算法。这个学习过程的目的应该是，通过大量数据实现从传统的模块化监督学习向端到端半监督式和无监督学习过渡。
要实现车辆的自动驾驶，传统的方法，不管是哪个级别，几乎都不会大量的应用机器学习技术。除了在一些特殊的线下场景，比如 Mobileye 的视觉感知系统要进行车道线识别，或者是通用 Super Cruise 搭载的红外摄像头要对驾驶员头部动作进行预测等。
特斯拉的 Autopilot 可能要比其他方案更进一步，在开发针对第二代硬件平台 HW 2.0 的软件算法时，在视觉感知上应用了越来越多监督机器学习的原理。但即便如此，对车辆的绝大部分控制以及对驾驶员状态监测的实现中，并没有利用大数据驱动的方式，也几乎不涉及线上学习的过程。
而在目前业界进行的一些全自动驾驶技术的路测中，机器学习主要应用于环境感知这一环节。更甚的是，这些车辆采集到的数据，无论是从量还是多样性来看，和具备 L2 级自动驾驶能力的车型相比，逊色不少。
特斯拉 Autopilot 对目标物、车道线的检测主要依赖机器学习算法进行 | Electrek
MIT 认为，“L2 级自动驾驶系统中机器学习框架使用的数据，从规模和丰富性的角度来看都具有足够的扩展能力，可以覆盖多变的、具有代表性、挑战性的边缘案例。”人机共驾（Shared Autonomy）要求同时搜集人和车辆的感知数据，挖掘分析后用于监督学习的标注。在 MIT 的实验过程中，驾驶场景感知、路径规划、驾驶员监控、语音识别以及语音聚合都应用了深度神经网络模型，可以通过搜集到的大量驾驶体验数据进行持续性的调校和优化。
在进行数据采集时，MIT 表示并不会只局限于单一的传感器来源，而是对整个驾驶体验通盘考虑，并将所有的传感器数据流通过实时时钟（real-time clock）汇总、聚合，用于多个神经网络模型的标注。这种方式能够让驾驶场景与驾驶员状态能够很好地匹配起来，而在聚合的传感器数据流进行标注工作，使模块化的监督学习可以在数据规模允许时轻松地向端到端学习过渡。
三、监督人类（Human Sensing）
这个其实就是我们俗称的“驾驶员监控”。它指的是对驾驶员的整体心理以及功能特征，包括分心、疲惫、注意力分配和容量、认知负荷、情绪状态等的不同程度进行多维度的衡量和评估。
目前除了通用 Super Cruise 在方向盘上装有一枚红外摄像头外，不管是搭载了 ADAS 驾驶辅助系统的量产车型，还是在路测的全自动驾驶汽车，绝大部分都没有提供任何有关驾驶员监控的软件和硬件。特斯拉 Model 3 其实也装了一枚车内摄像头，但目前尚未启用，具体功用官方表示要等软件更新后才知道。而基于视觉的解决方案以外，市面上还包括一些准确率不高的方式。比如特斯拉在方向盘上安装了扭矩传感器，也有的公司利用监测方向盘是否发生倒转的方式推断驾驶员是否出现疲劳情况。
全新一代凯迪拉克 CT6 搭载的驾驶员监控系统由 Seeing Machines 提供 | 官方供图
MIT 认为“对驾驶员状态的感知和监控是实现高效人机共驾的的第一步，同时也是最关键的一步。”在过去的二十多年里，来自机器视觉、信号处理、机器人等领域的专家都进行过相关课题的研究，目的都是在探讨如何尽可能保证驾乘人员的安全。此外，对驾驶员状态的监测对如何改善和提升人机交互界面、高级驾驶辅助系统 ADAS 的设计都有很大帮助。随着汽车智能程度的不断提高，如何准确、实时地探测到驾驶员的各种行为对打造安全的个性化出行体验尤为重要。
比较有意思的一点是，从完全的手动驾驶到全自动驾驶，这其中涉及到不同模式切换的问题。一般来说双手脱离方向盘（handoff）就是一种信号，可能表示系统要做好接管的准备了，但还有什么其他更准确的信息可以用来判断，可能这也是“驾驶员监控”的研究人员需要持续思考的地方。
四、共享的感知控制（Shared Preception-Control）
通俗点来说，这相当于为整个自动驾驶系统增加了“一双眼睛和手”。目的是建立额外的感知、控制和路线规划机制。即便在高度自动驾驶系统运行状态下，也要及时地为驾驶员推送信息，将其纳入到整个驾驶过程中。
研究全自动驾驶的目的就是为了完美地解决“感知-控制”的问题，考虑到人类的不靠谱和行为的不可测性。所以传统观点认为最简单的办法就是把人从开车这件事上排除掉，像十几年前在 DARPA 挑战赛中获胜的队伍一样。
但和传统解决思路相反的是，MIT 提出的“以人为中心”的理论将人置于感知和决策规划闭环中的关键位置。因此，整车感知系统就变成了支持性的角色，为人类驾驶员提供外部环境信息，这其实也是为了解决机器视觉本身存在的局限性而考虑的。
表 II MIT“以人为中心”自动驾驶系统执行的感知任务，包括对驾驶员面部表情、动作以及可驾驶区域、车道线以及场景内物体的检测 | MIT
在 MIT 的研究中，工作人员围绕这个原则设计了几条关键的算法。表 II 是其中几个典型的案例。首先，从视觉上可以看到神经网络做出的判断、道路分割的区域以及对驾驶场景状态的预估的可信程度；其次，将所有的感知数据整合并输出融合式的决策建议，这样在表 IV 的场景下就能够对整体风险进行预估；再次，MIT 一直使用的是模仿学习：将人类驾驶员操控车辆时方向盘的动作作为训练数据，进一步优化端到端的深度神经网络；最后，MIT 使用的端到端的神经网络属于一个叫做“arguing machines（争论机器）”框架的一部分，它为主要的感知-控制系统（表 III）提供了来自人类的监督。
这里的“争论机器框架”是 MIT 2018年提出的一个概念，它将主要 AI 系统与经过独立训练以执行相同任务的次要 AI 系统配对。 该框架表明，在没有任何基础系统设计或操作知识的情况下，两个系统之间的分歧足以在人工监督分歧的情况下提高整体决策管道的准确性。
表 III 对“争论机器”框架在“Black Betty”自动驾驶测试车上的应用和评估 | MIT
表 IV 通过结合车内外感知系统数据得出的融合型决策能够充分预估可能发生的风险 | MIT
五、深度定制化（Deep Personalization）
这里涉及到一个“将人类融入到机器中”的概念。通过调整 AI 系统的参数，使其能够更适合人类操作并呈现出一定程度的定制化。最终的系统应该带有该驾驶员的行为特征，而不是像刚出厂时的普通配置一样。
六、不回避设计缺陷（Imperfect by Design）
对整个汽车工业而言，处于很多原因的考虑，进行工程设计时通常考虑最多的是“安全”，所以要尽可能地讲系统错误出现的频率和程度降至最低。换句话说，对自动驾驶而言，完美是目标，这也导致了在进行某些功能设计时，可能会因其“不完美”和“不确定”的性质而放弃这些可能是“必要”的设计。
但是在 MIT 的研究看来，丰富、高效的沟通机制在设计用于实现“人机共驾”的人工智能系统时，是非常必要的因素。就“沟通”而言，系统存在的不完美对人和机器而言，在进行感知模型的交换和融合过程中，能够提供密集、多样的信息内容。如果将 AI 系统的不确定性、局限性和错误都隐藏起来，这也就错失了与人建立信任、深度理解关系的机会。MIT 认为，此前业界在设计半自动驾驶系统时所采取的“完美”思路，可能是迄今为止所犯的严重错误之一。
而在开发“Black Betty”这辆无人车时，MIT 把人工智能系统的局限性通过文字和视觉的形式与人类进行充分沟通。例如将人类和机器对外部世界的感知视觉化，让驾驶员知晓 AI 系统的局限所在。研究人员表示这种方式相比只是提供“报警”或者“模糊的信号”，是最简洁有效的人机沟通方式。尽管这种沟通机制要实现还面临一些技术上的难题，比如视觉化的过程通常对芯片的算力和实时调用的能力要求很高。但值得机器人、自动化以及人机交互等领域共同关注并思考解决的办法。
七、系统级的驾驶体验（System-Level Experience）
目前，汽车工业的工程设计过程中，一个最主要的目标就是“安全”。另一个则是“降低成本”。第二个目标导向的是模块化、基于零部件的设计思考。但同样的模式在面向机器人、计算机视觉、机器学习等领域的人工智能系统设计中却有着迥异的理由。
譬如在设计中重视单一功能（目标物检测等）的实现，能够有效测试该算法的合理性并逐步使之得到改善和优化。但是这个过程也难免会把注意力过渡集中在单一功能而忽略了系统的整体体验。
在过去的几十年里，“系统工程”、“系统思考”这样的原则一直在指导着汽车工业产品的输出。然后，类似的思考却几乎没有应用在自动驾驶汽车的设计、测试和评估过程中。正如 MIT 上面提到的这六大原则，人和机器都不可避免会有缺陷，只有当“人机共驾”这个框架在系统层面上得到考虑时，这些缺陷才可能有机会成为优势。
对“人机共驾”的永恒讨论
不管短期还是长期来看，其实很难预测自动驾驶的哪条实现路径最终会成功，而且退一万步说，你甚至都不知道什么样的结果算得上是“成功”。在谈到研究目的时，MIT 希望一套自动驾驶系统能够同时满足“安全”、“愉悦的驾驶体验”和“提升的出行体验”这三个要求，而不是彼此妥善折中。而尽管“人机共驾”这个话题在过去的十年里，是包括汽车工业、机器人在内很多领域研究的焦点，但它仍值得更深入的探讨。
在今年四月份的上海国际车展上，coPILOT 智能高级驾驶辅助系统，这是一套定位“L2+级” 的自动驾驶辅助系统，目的是提高乘用车的安全性和驾驶舒适性。从产品名称不难看出，这套系统同样强调了“人机共驾”的概念。它配备了相应的传感器和功能，能够监控驾驶员并在发生潜在危险情况时触发警告。例如，当发生驾驶员注意力不集中、几乎完全未将注意力放在路面交通上或显示出瞌睡迹象等。所以人工智能扮演了“私人驾驶助手”的角色，这个产品理念与 MIT 的研究不谋而合。
到底完美解决驾驶任务比完美管理人类的信任和注意力哪个更难？这是值得深思熟虑的问题。MIT 认为关于这个问题的讨论仍不会停止，不管是这篇论文还是“Black Betty”这台无人测试车，都是基于“人机共驾”研究的成果，MIT 认为它是开发“以人为中心”自动驾驶系统的必由之路。
D. 现代计算机是如何计算圆周率的
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('圆周率为{:.10f}'.format(pi))
请把以上代码拷进python语言开发环境里运行，结果如下（下图是使用python开发环境Spyder运行上述代码的结果）：圆周率为3.1415926536.
(4)路测算法扩展阅读
圆周率的研究过程：
1989年美国哥伦比亚大学研究人员用克雷－2型（Cray-2）和IBM－3090/VF型巨型电子计算机计算出π值小数点后4.8亿位数，后又继续算到小数点后10.1亿位数。2010年1月7日——法国工程师法布里斯·贝拉将圆周率算到小数点后27000亿位。
2010年8月30日——日本计算机奇才近藤茂利用家用计算机和云计算相结合，计算出圆周率到小数点后5万亿位。
2011年10月16日，日本长野县饭田市公司职员近藤茂利用家中电脑将圆周率计算到小数点后10万亿位，刷新了2010年8月由他自己创下的5万亿位吉尼斯世界纪录。56岁的近藤茂使用的是自己组装的计算机，从10月起开始计算，花费约一年时间刷新了纪录。
E. 全球首个自动驾驶混合式仿真测试平台发布阿里打造日测800万公里
为了满足规模化、节约化无人驾驶技术，建立仿真平台成为了大多数公司选择的路径，可以预见的是行业又将进入一个快速发展的新轨道。
文丨AutoR智驾子阳
仿真测试是达到规模化无人驾驶技术的唯一路径。
4月22日，阿里达摩院对外正式发布全球首个自动驾驶“混合式仿真测试平台”。
该平台采用虚拟与现实结合的仿真技术，引进真实路测场景和云端训练师，模拟一次极端场景只需30秒，系统每日虚拟测试里程可超过800万公里，大幅提升自动驾驶AI模型训练效率。
达摩院称，该技术将推动自动驾驶加速迈向L5阶段。
传统纯虚拟仿真测试平台能快速跑完自动驾驶路测里程，但仍然面临极端场景训练效率低下的关键问题：极端场景数据不足，就无法还原真实路况的不确定性，系统就无法精准应对真实路况的突发情况，自动驾驶就难以实现进一步突破。
腾讯从2017年开始研发模拟仿真平台的三维场景及传感器仿真、数据驱动交通流模拟丰富的测试场景、场景型云仿真及虚拟城市型云仿真并行等核心能力。
针对自动驾驶模拟仿真测试的需求以及行业痛点，腾讯打造了一套内置高精度地图、虚实结合、线上线下一体的自动驾驶模拟仿真平台——TADSim。
TADSim集成了工业级的车辆动力学模型、专业的游戏引擎、三维重建技术和虚实一体的交通流技术，可以完成感知、决策、控制算法等实车上全部模块的仿真实验，同时支持单机和云端部署的方式，一套系统满足全栈算法的使用需求；基于腾讯已经完成的全国高速、快速路高精度地图采集和制作，TADSim支持全国高速和快速路的仿真。
网络则和UnityTechnologies建立合作伙伴关系，一起研发实时仿真产品，该产品将创建虚拟环境，让开发人员在现实模拟环境中测试自动驾驶汽车。
该仿真3D平台可让汽车制造商（OEM）减少测试错误和风险，同时通过复制模拟真实世界场景提高测试效率和速度。此外，还提供定制化内容，可通过其数百万研发人员创建的AssetStore进行定制。
除BAT之外，华为推出了自动驾驶云服务Octopus，服务覆盖自动驾驶数据、模型、训练、仿真、标注等全生命周期业务，向开发者提供包括数据服务、训练服务、仿真服务在内的3大服务。
据悉，通过集成场景设计和数据驱动的方法，合计提供超过1万个仿真场景，系统每日虚拟测试里程可超过500万公里，支持3000个实例并发测试。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
F. 北京发布“硬核”自动驾驶路测报告，标准优于DMV，百度再获第一
其中，14%的脱离是由于策略缺陷、人工安全防御、系统故障造成的关键脱离，这些脱离数据的价值要远远高于人为接管脱离。
从脱离类别和原因上看，除因传感器、车辆或者数据记录设备、地图标注、地图加载等问题外，与社会车辆的博弈、对复杂场景的理解以及一些应急情况的处理能力，仍然是自动驾驶亟需解决的重要课题。
毫无疑问，作为全球最大的自动驾驶平台，网络Apollo在北京开展的路测在测试规模、技术水平、场景覆盖、产品能力和安全水平上均大幅领先行业水平。
除此之外，相比其他企业，网络还取得ISO26262、ASPICE、IATF16949以及全国最高技术等级的T4级别道路测试牌照等行业认证。
进入2020年，随着网络发布Q4财报宣布Apollo商业化进一步的提速以及驭势科技、小马智行等自动驾驶初创公司宣布融资计划，自动驾驶技术正迎来新一轮的变革。
当然，中国自动驾驶技术能够站在世界领先位置，除了自身能力过硬之外，还离不开政策、测试机构的支持。
北京作为全国首个开放自动驾驶测试区域、开放全国首个车联网与自动驾驶地图应用试点的区域，截止到2019年12月31日，北京市已开放4个区县的自动驾驶测试道路，共计151条，503.68公里累计为13家企业，涵盖6家互联网、6家主机厂、1家地图厂商，77辆车，发放了285张道路测试牌照，路测里程为104万公里，申请企业数量、发放牌照数量、路测里程均位居全国第一。
可以预期的是，随着北京在开放测试道路、区域、服务规模、测试牌照及测试里程方面不断的领先，北京测试将成为全球自动驾驶技术向前迈进的推手，以“中国特色”推动自动驾驶技术落地应用。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
G. 线损计算方法
线损理论计算是降损节能，加强线损管理的一项重要的技术管理手段。通过理论计算可发现电能损失在电网中分布规律，通过计算分析能够暴露出管理和技术上的问题，对降损工作提供理论和技术依据，能够使降损工作抓住重点，提高节能降损的效益，使线损管理更加科学。所以在电网的建设改造过程以及正常管理中要经常进行线损理论计算。
线损理论计算是项繁琐复杂的工作，特别是配电线路和低压线路由于分支线多、负荷量大、数据多、情况复杂，这项工作难度更大。线损理论计算的方法很多，各有特点，精度也不同。这里介绍计算比较简单、精度比较高的方法。
理论线损计算的概念
1．输电线路损耗
当负荷电流通过线路时，在线路电阻上会产生功率损耗。
(1)单一线路有功功率损失计算公式为
△P＝I2R
式中△P--损失功率，W；
I--负荷电流，A；
R--导线电阻，Ω
(2)三相电力线路
线路有功损失为
△P＝△PA十△PB十△PC＝3I2R
(3)温度对导线电阻的影响：
导线电阻R不是恒定的，在电源频率一定的情况下，其阻值
随导线温度的变化而变化。
铜铝导线电阻温度系数为a＝0.004。
在有关的技术手册中给出的是20℃时的导线单位长度电阻值。但实际运行的电力线路周围的环境温度是变化的；另外；负载电流通过导线电阻时发热又使导线温度升高，所以导线中的实际电阻值，随环境、温度和负荷电流的变化而变化。为了减化计算，通常把导线电阴分为三个分量考虑： 1）基本电阻20℃时的导线电阻值R20为
R20=RL
式中R--电线电阻率，Ω/km，;
L--导线长度，km。
2）温度附加电阻Rt为
Rt=a（tP－20）R20
式中a--导线温度系数，铜、铝导线a=0．004；
tP--平均环境温度，℃。
3）负载电流附加电阻Rl为
Rl= R20
4）线路实际电阻为
R=R20+Rt+Rl
（4）线路电压降△U为
△U=U1－U2=LZ
2．配电变压器损耗(简称变损)功率△PB
配电变压器分为铁损(空载损耗)和铜损(负载损耗)两部分。铁损对某一型号变压器来说是固定的，与负载电流无关。铜损与变压器负载率的平方成正比。
配电网电能损失理论计算方法
配电网的电能损失，包括配电线路和配电变压器损失。由于配电网点多面广，结构复杂，客户用电性质不同，负载变化波动大，要起模拟真实情况，计算出某一各线路在某一时刻或某一段时间内的电能损失是很困难的。因为不仅要有详细的电网资料，还在有大量的运行资料。有些运行资料是很难取得的。另外，某一段时间的损失情况，不能真实反映长时间的损失变化，因为每个负载点的负载随时间、随季节发生变化。而且这样计算的结果只能用于事后的管理，而不能用于事前预测，所以在进行理论计算时，都要对计算方法和步骤进行简化。 为简化计算，一般假设：
（1）线路总电流按每个负载点配电变压器的容量占该线路配电变压器总容量的比例，分配到各个负载点上。
（2）每个负载点的功率因数cos 相同。
这样，就能把复杂的配电线路利用线路参数计算并简化成一个等值损耗电阻。这种方法叫等值电阻法。
等值电阻计算
设：线路有m个负载点，把线路分成n个计算段，每段导线电阻分别为R1，R2，R3，…，Rn，
1．基本等值电阻Re
3．负载电流附加电阻ReT
在线路结构未发生变化时，Re、ReT、Rez三个等效电阻其值不变，就可利用一些运行参数计算线路损失。
均方根电流和平均电流的计算
利用均方根电流法计算线损，精度较高，而且方便。利用代表日线路出线端电流记录，就可计算出均方根电流IJ和平均电流IP。
在一定性质的线路中，K值有一定的变化范围。有了K值就可用IP代替IJ。IP可用线路供电量计算得出，电能损失计算
（1）线路损失功率△P（kW）
△P=3（KIP）2（Re+ReT+ReI）×10-3
如果精度要求不高，可忽略温度附加电阻ReT和负载电流附加电阻ReI。
（2）线路损失电量△W
（3）线损率
（4）配电变压器损失功率△PB
（5）配电变压器损失电量△WB
（6）变损率 B
（7）综合损失率为 + B。
另外，还有损失因数、负荷形状系数等计算方法。这些计算方法各有优缺点，但计算误差较大，这里就不再分别介绍了。
低压线路损失计算方法
低压线路的特点是错综复杂，变化多端，比高压配电线路更加复杂。有单相供电，3×3相供电，3×4相供电线路，更多的是这几种线路的组合。因此，要精确计算低压网络的损失是很困难的，一般采用近似的简化方法计算。
简单线路的损失计算
1．单相供电线路
（1）一个负荷在线路末端时：
（2）多个负荷时，并假设均匀分布：
2．3×3供电线路
（1）一个负荷点在线路末端
（2）多个负荷点，假设均匀分布且无大分支线
3．3×4相供电线路
（1）A、B、C三相负载平衡时，零线电流IO=0，计算方法同3×3相线路。
由表6-2可见，当负载不平衡度较小时，a值接近1，电能损失与平衡线路接近，可用平衡线路的计算方法计算。
4．各参数取值说明
（1）电阻R为线路总长电阻值。
（2）电流为线路首端总电流。可取平均电流和均方根电流。取平均电流时，需要用修正系数K进行修正。平均电流可实测或用电能表所计电量求得。
（3）在电网规划时，平均电流用配电变压器二次侧额定值，计算最大损耗值，这时K=1。
（4）修正系数K随电流变化而变化，变化越大，K越大；反之就小。它与负载的性质有关。
复杂线路的损失计算
0．4kV线路一般结构比较复杂。在三相四线线路中单相、三相负荷交叉混合，有较多的分支和下户线，在一个台区中又有多路出线。为便于简化，先对几种情况进行分析。
1．分支对总损失的影响
假设一条主干线有n条相同分支线，每条分支线负荷均匀分布。主干线长度为ι。
则主干电阻Rm=roL
分支电阻Rb=roι
总电流为I，分支总电流为Ib=I/n
（1）主干总损失△Pm
（2）各分支总损失△Pb
（3）线路全部损失
（4）分支与主干损失比
也即，分支线损失占主干线的损失比例为ι/nL。一般分支线小于主干长度，ι/nL＜1/n
2．多分支线路损失计算
3．等值损失电阻Re
4．损失功率
5．多线路损失计算
配变台区有多路出线（或仅一路出线，在出口处出现多个大分支）的损失计算。
设有m路出线，每路负载电流为I1，I2，…，Im
台区总电流I=I1+I2…+Im
每路损失等值电阻为Re1，Re2，…，Rem
则
△P=△P1+△P2+…+△Pm=3（I21Re1+I22Re2+…+I2mRem）
如果各出线结构相同，即I1=I2=…=Im
Re1=Re2=…=Rem
6．下户线的损失
主干线到用各个用户的线路称为下户线。下户线由于线路距离短，负载电流小，其电能损失所占比例也很小，在要求不高的情况下可忽略不计。
取：下户线平均长度为ι，有n个下户总长为L，线路总电阻R=roL，每个下户线的负载电流相同均为I。
（1）单相下户线
△P=2I2R=2I2roL
（2）三相或三相四线下户
△P=3I2R=3I2roL
电压损失计算
电压质量是供电系统的一个重要的质量指标，如果供到客户端的电压超过其允许范围，就会影响到客户用电设备的正常运行，严重时会造成用电设备损坏，给客户带来损失，所以加强电压管理为客户提供合格的电能是供电企业的一项重要任务。 电网中的电压随负载的变化而发生波动。国家规定了在不同电压等级下，电压允许波动范围。国电农（1999）652号文对农村用电电压做了明确规定：
（1）配电线路电压允许波动范围为标准电压的±7%。
（2）低压线路到户电压允许波动范围为标准电压的±10%。
电压损失是指线路始端电压与末端电压的代数差，是由线路电阻和电抗引起的。
电抗（感抗）是由于导线中通过交流电流，在其周围产生的高变磁场所引起的。各种架空线路每千米长度的电抗XO（Ω/km），可通过计算或查找有关资料获得。表6-3给出高、低压配电线路的XO参考值。
三相线路仅在线路末端接有一集中负载的三相线路，设线路电流为I，线路电阻R，电抗为X，线路始端和末端电压分别是U1，U2，负载的功率因数为cos 。
电压降△ù=△ù1-△ù2=IZ
电压损失是U1、U2两相量电压的代数差△U=△U1-△U2
由于电抗X的影响，使得ù1和ù2的相位发生变化，一般准确计算△U很复杂，在计算时可采用以下近似算法：△U=IRcos +ιXsin
一般高低压配电线路 该类线路负载多、节点多，不同线路计算段的电流、电压降均不同，为便于计算需做以下简化。
1．假设条件
线路中负载均匀分布，各负载的cos 相同，由于一般高低压配电线路阻抗Z的cos Z=0．8～0．95，负载的cos 在0．8以上，可以用ù代替△U进行计算。
2．电压损失
线路电能损失的估算
线路理论计算需要大量的线路结构和负载资料，虽然在计算方法上进行了大量的简化，但计算工作量还是比较大，需要具有一定专业知识的人员才能进行。所以在资料不完善或缺少专业人员的情况下，仍不能进行理论计算工作。下面提供一个用测量电压损失，估算的电能损失的方法，这种方法适用于低压配电线路。
1．基本原理和方法
（1）线路电阻R，阻抗Z之间的关系
（2）线路损失率
由上式可以看出，线路损失率 与电压损失百分数△U%成正比，△U%通过测量线路首端和末端电压取得。k为损失率修正系数，它与负载的功率因数和线路阻抗角有关。表6-4、表6-5分别列出了单相、三相无大分支低压线路的k值。
在求取低压线路损失时的只要测量出线路电压降△U，知道负载功率因数就能算出该线路的电能损失率。
2．有关问题的说明
（1）由于负载是变化的，要取得平均电能损失率，应尽量取几个不同情况进行测量，然后取平均数。如果线路首端和末端分别用自动电压记录仪测量出一段时间的电压降。可得到较准确的电能损失率。 （2）如果一个配变台区有多路出线，要对每条线路测取一个电压损失值，并用该线路的负载占总负载的比值修正这个电压损失值，然后求和算出总的电压损失百分数和总损失率。
（3）线路只有一个负载时，k值要进行修正。
（4）线路中负载个数较少时，k乘以（1+1/2n），n为负载个数。
H. 自动驾驶又一PK战场，BAT谁占车路协同先机
[亿欧导读]?车路协同是一场马拉松。
道路上的车辆/Unplash
而对于企业而言，车路协同的商业模式成为重要讨论议题。
多位从业者向亿欧汽车表达了担忧，他们认为车路协同当下商业模式并不明显。阿里云通用能力中心高级解决方案架构师赵圣强表示，当下，车路协同方面虽然各个企业已经展开了相关研究和探索，但目前，整个行业内并没有找到一条清晰的商业模式，还需要时间试错。
编辑：张嫣
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
I. 一分钟700米时速跑多少码表
一分钟700米时速是跑42码。算法是750×20=15000米15000÷15=1000米答案是每分钟行驶1000米。时速意思是指每小时的速度。
时速换算方法如下
时速的定义是一小时内位移了多少距离。时速的单位为千米。时速通常使用于交通运输领域，但不是国际单位制的标准速度单位。
具体的计算方法：
（1）1分钟测量法。V=60S：
如果1分钟测量到50米，每小时为60分钟，则时速为V=60*50=3000米／小时＝3公里／小时。
如果1分钟测量到2000米，每小时为60分钟，则时速为V=60*2000=120000米／小时＝120公里／小时。
第七十八条高速公路应当标明车道的回行驶速度，最高车速不得超过每小时120公里，最低车速不得低于每小时60公里。
同方向有2条车道的，左侧车道的最低车速为每小时100公里；同方向有3条以答上车道的，最左侧车道的最低车速为每小时110公里，中间车道的最低车速为每小时90公里。
J. 硅谷“封城”前夜，轻舟智航无人车挑战Drive-through
该生成模型支持在不同地图上合成不同的场景库，具有真实有效，多样丰富，以及规模扩展等诸多特性。
视频中的两个点或者两辆车，是具有交互性的，它们之间可以进行正确的互动，这种互动行为不是人工手动创制，而是从真实车与车之间的互动数据中通过深度学习的方法学习而来的。
关于轻舟智航：
作为一家年轻的初创公司，轻舟智航的的核心团队成员来自Waymo、特斯拉、UberATG、福特、英伟达、Facebook等世界顶级自动驾驶公司和科技公司。
目前在美国硅谷、中国北京、深圳、苏州等多个城市都设有办公室。其联合创始人、CEO于骞是顶尖核心感知算法和地图专家，曾任Waymo感知关键模块的机器学习算法研发负责人，在计算机视觉和机器学习领域拥有十多年经验。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。