血雾时代冲血雾时代最新章节冲红领冲零零看书冲00办虫蝉.肠辞尘
推荐：甜辣肉丝、咕咾肉、茄子
2025年01月11日，日军炸不掉的都江堰？2022-05-24 09:15·水经注GIS1940年成都大轰炸1938年10月抗日战争进入相持阶段后，日军调整侵华的作战方针，停止对中国各地的大规模军事进攻，转而对我国内地许多大、中城市进行空中轰炸，四川成为日机的轰炸重点。日军轰炸后的成都大慈寺（源于网络）1940年成都市区一片火海，天空中的日军轰炸机还在盘旋，他们要寻找下一个目标——都江堰。在他们的情报当中认为中国迟迟不降，是因为四川在人力、物力和财力上的大力支持，而殷实与富足的四川之所以能成为中国抗战的大后方，又完全因为一个宏大的水利工程——都江堰。都江堰（源于网络）由此他们认为只要炸毁都江堰，就可以截断成都、四川、乃至中国的生命线，这样一来攻占中国指日可待。于是他们派出了最优秀的飞行员驾驶着战斗机，飞至都江堰上空。然而令日军飞行员万万没有想到的是，他们在目标上空转了又转，看到的只是无数条奔涌的河流，并没有找到预想中的拦截江水的大坝，无奈只能返航。日军万万想不到，鼎鼎有名的都江堰水利工程竟然是一个无坝引水工程，这就是神奇的都江堰。中国古人凭借着他们的智慧成就了这个建堰2250多年来经久不衰，且发挥着愈来愈大的效益的伟大水利工程。都江堰的创建，充分利用自然资源，变害为利，它和大自然融为一体，帮助人类，用自然征服了自然！为什么要修都江堰首先来看看成都的地理位置。四川省位于中国大陆地势三大阶梯中的第一级青藏高原和第三级长江中下游平原的过渡地带，高差悬殊，地势呈西高东低的特点，成都又地处四川盆地西部、成都平原腹地，境内地势平坦。四川地形地貌（水经微图）而整个盆地当中，又有好几条大河直通长江，长江就像一条容量超大的下水道，排水能力超强。四川省水系专题图（水经微图）境内水系（水经微图）其中岷江是流量最大的一条，年均径流量900多亿立方米，是黄河的两倍多。成都外面有一座玉垒山，山体非常坚硬，确实能挡住岷江，让其在此拐弯，向南流入长江方向。岷江水小之时，成都极度干旱。岷江暴涨之时，洪水从各个方向绕过去，淹没成都，形成成都大平原半年干旱，半年洪水的大问题。秦昭王后期（约公元前276年至251年），蜀郡守李冰总结了前人治水的经验，组织岷江两岸人民，修建都江堰；唐代，修建了飞沙堰；建国后，又修建了工业供水渠、外江闸、飞沙堰工业引水临时挡水闸，为有效管理维护都江堰的运行，设立了堰官、岁修制度。它充分利用当地西北高、东南低的地理条件，根据江河出山口处特殊的地形、水脉、水势，乘势利导，无坝引水，自流灌溉，使堤防、分水、泄洪、排沙、控流相互依存，共为体系，保证了防洪、灌溉、水运和社会用水综合效益的充分发挥。治水先治沙如果处理不了上游裹挟下来的泥沙，无论是修水坝、修防洪堤还是修运河，最后只能导致泥沙慢慢垫高，淤泥塞满，仍旧逃不过洪水的吞噬。二八分沙（1）玉垒山的独特之处在于这里的小转弯处就是个天然的滤沙器，刚好能自然的把内圈的泥沙往里靠，把泥沙少的上层水引到成都灌溉。功能示意图所以要利用好这个天然滤沙器，第一步需要开凿玉垒山，修建运河，将外圈泥沙少的上层水引入成都，也就是现在的宝瓶口。宝瓶口结构(水经微图）前面说过，正是玉垒山非常坚硬，岷江冲不过去才在这里形成了一个天然滤沙器。所以，我们其实很难想象古人究竟是怎么在玉垒山上开凿运河的。目前猜测是，古人使用了热胀冷缩的原理，先在山石上放火，把石头烧热，然后再突然给它降温，甚至还传说，降温原料用的是醋，这样，热胀冷缩，再加酸性腐蚀，坚硬的花岗岩就很容易裂开，古人再开凿起来，也相对容易一点。第一步完成，大拐弯+运河，借助自然结构形成了一个二八分沙的模型。二八分沙（2）江水中，虽然80%砂石会从内圈跟着江水流走，只有20%砂石会进入运河的方向，但是这20%砂石依旧不是个小数目。长期累积下去运河还是会被堵死，于是古人在江心修建了一个人工小岛-鱼嘴。鱼嘴结构（水经微图）前半段是流线型的尖嘴，后半段被称作金刚堤非常牢固，这样一来，鱼嘴、金刚堤、宝瓶口，又在河道中模拟出一个拐弯，二八分沙的原理再次被放大，流到宝瓶口方向的泥沙，理论上就只剩4%了。鱼嘴功能示意图第二步完成，人工修建“拐弯”，模拟自然结再次构形成一个二八分沙的模型。完善飞沙堰结构（水经微图）这是一大片又矮又宽的小堤坝，水可以很轻松淹过去，但同时，如果水经过飞沙堰，那么流速会大大降低，这样一来，被鱼嘴裹挟进外圈的那一小部分泥沙，还能再分！飞沙堰原理示意图（源于网络）第一个是水小的时候，自然沉降到飞沙堰上面。第二个是水大的时候，从飞沙堰上面冲走，进入下面的河道。第三个是，留在宝瓶口外面不断地打转，不往运河里走，而这些打转的泥沙，最终也会被其他泥沙裹挟，落到飞沙堰上。第三步完成，经过检测之后发现，宝瓶口沉积的泥沙只有4.5%左右，也就是说古人的这一套工程完美逼近理论值！四六分水分水功能这部分，鱼嘴再立功。将它剖开，看剖面，你会发现，它又成了一个四六分水的装置。鱼嘴四六分水功能示意图（源于网络）任何连通大气的情况下，水平面一定是一样高的，鱼嘴把河道分成一个内外不均的形状，外江底浅口大，内江底深口浅。水大的时候，内江分到四成水，洪水就不会通过宝瓶口袭击成都。水小的时候，内江分到六成水，又能保证足够的灌溉用水。同时飞沙堰也再次起到了分水的作用。当水非常小的时候，飞沙堰会露出水面，变成一个坝，，所有进入内江的水都只能流入宝瓶口。而如果水量上涨，又能淹过飞沙堰，一边排沙，一边泄洪。总结世界遗产委员会是这样评价它的：“建于公元前三世纪，位于四川成都平原西部的岷江上的都江堰，是中国战国时期秦国蜀郡太守李冰及其子率众修建的一座大型水利工程，是全世界迄今为止，年代最久、惟一留存、以无坝引水为特征的宏大水利工程。”最后，感谢大家的阅读，同时欢迎各位朋友在评论区积极留言，可以留下您对本期内容的相关讨论或下期内容的期待。如果您在工作中遇到与GIS相关的任何难题，请通过关注“水经注GIS”并在后台留言告诉我们，我们将针对比较有典型性和代表性的问题提供解决方案，从而将我们“为您提供丰富的地图数据与专业的GIS服务”之宗旨落到实处！部分文章参考素材来源于网络，若有侵权请联系后台删除。
血雾时代冲血雾时代最新章节冲红领冲零零看书冲00办虫蝉.肠辞尘
深度解析：对于无人驾驶看这一篇就够了2017-04-14 22:26·亿欧网本文系亿欧智库原创以下基于笔者对市场信息分析与研究得出错误和偏颇之处在所难免请大家多多指正批评随着时间的推移现代生活中人类越来越多的将机械物件交由机器系统来负责操控移动出行用的汽车也不例外从辅助驾驶的共同控制演变到无人驾驶的授权控制考验的是机器系统能否更多去面对和适应外面的非机构化环境从需求角度看城市居民对于无人驾驶的诉求是存在的却无法完全信任其安全可靠性而在这中间汽车制造商出于可能要承担法律责任问题限制自动驾驶的能力导致高新科技面市的推迟下面从无人驾驶技术的谈起聊及城市居民对无人驾驶的需求以及无人驾驶背后监管的重要性一、什么是无人驾驶汽车无人驾驶汽车（Self-driving Car）是室外轮式移动机器人的一种它依靠人工智能、传感器、定位系统和导航系统的协同合作让计算机在没有任何人类主动的操作下自动安全地操作机动车辆为人类的交通安全和效率带来全新体验1、无人驾驶的演进是一个人类逐步交出操控权、提高安全系数的过程；无人驾驶演进的阶段其实是车辆操控权由人逐步交给计算机系统（如图1）的一个过程图1也是安全度不断提高的一个过程（如图2从被动安全到主动安全再到预防性安全）图2结合业内目前产业普遍的预判周期亿欧智库分析判断部分无人驾驶预计会在2025年左右开始商业化完全无人驾驶的商业化要等到2025年以后而在此之前ADAS（Advanced Driver AssistantSystem高级驾驶辅助系统）会发挥重要作用2、无人驾驶汽车涉及的技术=环境感知+定位导航+路径规划+决策控制；无人驾驶涉及的技术可以分为感知和决策两个层面如下图3所示一方面通过传感器数据获取局部数据（车辆自身及四周环境的数据）另一方面结合高精度地图和天气数据做到构建全局数据数据综合起来将与决策层做协调应用辅助系统做定位和导航再结合算法模型做路径规划控制车辆的转向和速度实现驾驶自动化决策层得到的数据部分也会反馈回高精度地图上图3（1）环境感知层面=局部数据的感知+全局数据的辅助；车辆的感知功能主要是通过传感器来获取数据传感器相当于无人驾驶汽车的眼睛用来观察行驶时的动态变化它是无人驾驶汽车中不可或缺的重要组成部分常用的传感器包括有摄像头、激光雷达、超声波雷达、GPS、陀螺仪等摄像头和激光雷达是最主要的两种传感器a、摄像头；目前通过摄像头进行拍摄在进行图像和视频识别确定车辆前方环境是无人驾驶汽车的主要感知途径这也是很多无人驾驶公司的主要研发内容之一摄像头作为一种已普遍应用的传感器具有成本低廉、信息采集量大等特点目前车载摄像头主要分为单目和双目两种单目摄像头主要基于机器学习原理利用大量数据进行训练可以获取道路图像提取车道线对环境进行识别尽管需要大量数据支持且在恶劣光线条件下的表现不如双目摄像头但其相对便宜的价格以及成熟的技术也获得了一部分公司的青睐而双目摄像头则基于视差原理可以在数据量不足的情况下测定车辆前方环境（树木、行人、车辆、坑洞等）并且获得准确的距离数据再辅以算法增强的调节来获取周围环境的景深用以提供给无人驾驶系统进行车辆控制图4b、雷达；激光雷达的工作原理是通过发射单元将电脉冲变成光脉冲发射出去接收单元再把从目标反射回来的光放冲还原成电脉冲通过计算发送信号到接收信号的时间差可以准确测量视场中物体轮廓边沿与设备间的相对距离这些轮廓信息组成所谓的点云并绘制出3D环境地图精度可达到厘米级别如下图5图5激光雷达的穿透距离远高性能激光雷达可以实现200米范围内精度高达厘米级的3D场景扫描重现从而帮助无人驾驶系统实现提前行驶路线规划目前来看多线激光雷达很有可能是未来无人车的必备传感器并且与高精度地图及驾驶系统核心算法紧密相关目前多线激光雷达还没有针对车规级的成熟量产方案机械旋转式多线激光雷达虽然已在普遍应用但体积较大且价格过于昂贵更小型更低成本的纯固态激光雷达还未见到成熟产物毫米波雷达、超声波雷达：除了激光雷达之外近年来毫米波雷达和超声波雷达也逐渐成为无人驾驶汽车中参与多传感器信息融合感知设备其中最为知名的例子就是特斯拉在其智能汽车中完全没有使用激光雷达而采用毫米波雷达+摄像头的方案另外类似博世、大陆这样的智能辅助驾驶巨头也在毫米波雷达和超声波雷达这样成本较低传感器设备上拥有比较深刻的技术积累和应用经验而在国内像行易道这样的毫米波雷达厂商也在积极进行技术开发追赶国际巨头水平（2）无人驾驶定位与导航；无人驾驶通过定位技术准确感知自身在全局环境中的相对位置将自身视作一个质点并与环境有机结合起来导航技术则帮助无人驾驶汽车知道自己所要行驶的速度、方向、路径等信息在实际应用中通过信息融合技术将二者组合从而将环境信息和车身信息融合成一个系统性的整体其中高精度地图是无人驾驶实现导航以及后续做路径规划的基础这些年卫星导航和基于激光雷达的3D环境建模技术日益成熟高精度地图测绘质量逐步提升这为自动驾驶的研发提供了不小的助力国内高精度地图以百度地图、高德地图、四维图新等公司为主力；而国外方面Here、TomTom等公司一直备受称赞（3）无人驾驶路线规划、决策控制；图6路径规划技术可以为无人驾驶提供最优的行车路径在无人驾驶车行驶的过程中从出行需求出发在高精度地图的基础之上根据路网和宏观交通信息绘制一条自出发点至目标点、无碰撞、可通过的路径（包括计算道路长度、速度、路段等级、交通口等待时长等）再根据车辆在行驶过程中收集到的局部环境数据、自身状态数据来做最优路径选择得益于激光雷达算法可以在更大的尺度、缓慢变换的地图和更长的路径上进行路径规划如图6所示并不会等到最后一刻才发现路径有问题（4）算法给无人驾驶技术做底层支撑应对动态障碍物的检测跟踪；无人驾驶技术在研究过程中首要解决的是安全问题但激光雷达只能够提供稀疏的环境信息而无人驾驶行驶在路上所面对的是一个动态变化所以提高对动态障碍物检测跟踪的准确率、降低误检率是无人驾驶汽车在环境感知中迫切需要解决的问题为了在行驶过程中避免与动态障碍物发生碰撞无人驾驶系统需要算法的辅助来做到以下3个条件：a、首先要可靠地检测出对行驶有影响的动态障碍物需要传感器精确测量出障碍物的位置变化并能够提取出障碍物特征用于不同时刻的障碍物之间的匹配完成对同一个障碍物的跟踪；b、其次必须预测出动态障碍物的运动路径；c、最后需要识别动态障碍物的种类不同的障碍物具有不同的运动特性直接影响着无人驾驶汽车最终采取的避障策略；深度学习在无人驾驶的感知层面主要对摄像头和雷达收集到的局部数据（结合全局数据）做处理基于动态图像极大的丰富信息以及难以手工建模的特性深度学习能最大限度发挥其优势除却感知和决策层面无人驾驶还涉及到车辆的控制、汽车动力学、汽车工程等诸多技术学科同时还需要汽车控制（刹车、转向、灯光、油门等）配件的支持二、自动化作为未来城市移动出行趋势中的一支协助供给侧应对需求侧的诉求1、未来城市的移动出行的需求侧和供给侧；城市化和人口增长将推动城市平均人口密度至少增长30%为此人口密集城市对移动性的需求将翻番（如果人均出行里程保持稳定汽车保有量与GDP增速之间的比例保持历史水平）毫无疑问人们对移动的需求翻番引发的交通拥堵（尤其在通勤时间）将大大降低了人们的交通效率从（中国超一线城市）居民的角度出发考虑一方面是交通效率另一方面是安全可靠性再有便是基于宜居性和可持续性所衍生出来的全球对尾气排放的监管、以及对可再生能源的支持试图改善空气质量麦肯锡在其《对于未来出行（移动性）的展望》报告中提出了电气化、共享化和自动化三种移动趋势依据中国具体的城市情况（城市人口密度、经济发展、基础道路设施等）来判断中国城市未来（相对短期来看会体现在北上深这些超一线城市）会逐步从清洁能源与共享系统逐步过渡到无缝移动性大体来看共享化作为公共交通体系的补充成为中坚支柱而电气化和自动化是出于改善空气质量和提高交通效率的诉求对共享出来的这部分车辆进行技术上的升级改造图7自动驾驶是在原有车辆的体系上接入大数据做到自动化如上图7所示自动化作为未来城市移动出行趋势中的一支协助供给侧应对需求侧的三大诉求2、无人驾驶未来的三种商业模式；从商业模式看无人驾驶汽车在未来技术成熟后、推出市场面向最终C端商业化可以以卖产物或提供服务两种形式出现以产物形式售卖给高净值收入人群作为私人自动驾驶车辆而提供服务形式可以分为B2B2C（中间的B端作为共享模式的车辆运营商提供无人驾驶车辆给C端）、以及B2B2B（相对封闭、路况不复杂的场景诸如货车、卡车在中间高速路段就交由驾驶系统来掌控）图8目前来看诸如高速路段等路况相对不复杂的场景商业化速度更快据亿欧智库了解图森互联正在着手货车的高速路段的路测驭势科技的无人驾驶车辆于3月30日在广州白云机场完成试运营首秀三、无人驾驶距离面市还横着监管体系的问题现下社会正处于从辅助驾驶ADAS向部分无人驾驶和完全无人驾驶过渡的阶段从城市居民需求的角度看出于提高交通效率和改善空气质量的需求都希望无人驾驶技术的尽快面市但又犹豫于无人驾驶是否安全可靠美国MIT麻省理工学院教授Nancy G. Leveson指出ADAS的安全性问题不在个体程序部件而是在系统的整合上德国TüV安全认证机构的一份研究报告则指出当驾驶辅助系统开始展现一些（半）自动行为以后有事会伴随若干不稳定的非必要系统行为在严重的情况下将出现威胁到人身安全的后果目前研究来看从辅助驾驶过渡到无人驾驶的过程是一个不断提高对非结构化环境适应的过程在这中间存在着隐患以及错误背后引发的隐患：1、受黑客入侵内部网或不当干扰车辆传感器；2、对环境状况理解不完整从而导致的安全事故在车联网等数据开放共享的趋势下第1类的安全隐患系数也在提高而第2类错误可以具体细分为：（1）诸如车辆主动式制动系统无缘由地突然启动等安全隐患；（2）系统技术水平没达到导致系统进行了错误的分类和理解而导致的安全隐患；（3）无人驾驶系统利用机器学习存在未可知性可能导致最后的行为脱离汽车制造商的预期这些隐患随时都可能促使或直接导致交通意外事故除却在辅助驾驶人类和机器共同控制的模式之下存在共同过失判断难的问题其实从辅助驾驶向部分无人驾驶、完全无人驾驶过渡过程中交通事故责任出现一种由人类转向汽车制造商的趋势那么出于对庞大法律责任的考虑无人驾驶汽车制造商可能因为安全隐患而考虑限制汽车能力最后导致高新科技无法充分地投入社会中归根结底无人驾驶汽车最后能否顺利进入社会与否并非取决于技术成熟度而是同时社会里由下而上的社会接受度与由上而下的政策、立法管制考虑诚如谷歌无人驾驶汽车项目安全主管Medford博士所说的即使最好的汽车安全科技也不能确保挽救每一条性命对于安全科技效用的限制在于人们使用（或不使用它）的方式无人驾驶距离面市还横着监管体系的问题本文作者吴亦亿欧专栏作者；转载请注明作者姓名和来源：亿欧；文章内容系作者个人观点不代表亿欧对观点赞同或支持
他以为孩子出了保温箱都死了，又想到家里的习俗，就想着把孩子丢了。男子遭电诈将电信公司诉至法院索赔51万，一审将二次开庭