Vehicle Vehicle格式示例： vehicle_info { stamp_secs: 1604996332 stamp_nsecs: 847945211 autonomy_status: 0 gear_value: 4 vehicle_speed: 43.93000030517578 steering_angle: 0.699999988079071 yaw_rate: 0.0 interior_temperature: 0.0 outside_temperature: 0.0 brake: 0.0 timestamp: 1604996332847 turn_left_light: 0 turn_right_light: 0 longitude_acc: -0.03125 lateral_acc: 0.0 }

Ego_tf Ego_tf格式示例： localization_info { timestamp: 1604996332855 stamp_secs: 1604996332 stamp_nsecs: 855301408 pose_position_x: 1165.5460205078125 pose_position_y: -479.2198486328125 pose_position_z: -1.48505699634552 pose_orientation_x: 0.003883248195052147 pose_orientation_y: -0.0031167068518698215 pose_orientation_z: 0.7017714977264404 pose_orientation_w: 0.7123847603797913 pose_orientation_yaw: 1.5557808876037598 velocity_linear: 12.21684455871582 velocity_angular: 0.014540454372763634 acceleration_linear: 0.23571151494979858 acceleration_angular： 0.0 }

Tag_record Tag_record格式示例： segments { scenario_id: 100000000 source: "takeover" start: 1617336642300 end: 1617336652300 } segments { scenario_id: 100000000 source: "vehicle" start: 1617336672300 end: 1617336692300 }

Routing_path Routing_path格式示例： timestamp: 1630057162125 stamp_secs: 1630057162 stamp_nsecs: 125769156 routing_path_info { id: 1 path_point { x: -203.34230041503906 y: 125.63516998291016 z: -0.5 } path_point { x: -203.34915161132812 y: 125.72517395019531 z: -0.5 }......}

Object_array_vision Object_array_vision格式示例： tracked_object { timestamp: 1604996332862 stamp_secs: 1604996332 stamp_nsecs: 862911489 objects { id: 26175 label: "Car" pose_position_x: 1154.59912109375 pose_position_y: -496.5350646972656 pose_position_z: -1.8222997188568115 pose_orientation_z: 0.714431643486023 pose_orientation_w: 0.6997052431106567 pose_orientation_yaw: 1.5916229486465454 dimensions_x: 4.513162136077881 dimensions_y: 1.7747581005096436 dimensions_z: 1.628068208694458 speed_vector_linear_x: 0.012852923013269901 speed_vector_linear_y: -9.972732543945312 relative_position_x: -17.48011016845703 relative_position_y: 10.685434341430664 relative_position_z: -0.17673441767692566 } objects { id: 26170 label: "Pedestrian" pose_position_x: 1180.902099609375 pose_position_y: -504.7625732421875 pose_position_z: -1.3601081371307373 pose_orientation_z: -0.7057344317436218 pose_orientation_w: 0.7084764242172241 pose_orientation_yaw: -1.5669186115264893 dimensions_x: 0.7922295331954956 dimensions_y: 0.7891787886619568 dimensions_z: 1.6868246793746948 speed_vector_linear_x: 0.13573257625102997 speed_vector_linear_y: 1.5281875133514404 relative_position_x: -25.306795120239258 relative_position_y: -15.737456321716309 relative_position_z: 0.39350399374961853 } objects { id: 26169 label: "Pedestrian" pose_position_x: 1175.647216796875 pose_position_y: -506.730712890625 pose_position_z: -1.569373607635498 pose_orientation_z: 0.6943609118461609 pose_orientation_w: 0.7196269631385803 pose_orientation_yaw: 1.5350627899169922 dimensions_x: 0.8029457330703735 dimensions_y: 0.7876891493797302 dimensions_z: 1.6028095483779907 speed_vector_linear_x: 0.06551000475883484 speed_vector_linear_y: 0.0022428608499467373 relative_position_x: -27.355571746826172 relative_position_y: -10.512933731079102 relative_position_z: 0.19844147562980652 } objects { id: 26168 label: "Pedestrian" pose_position_x: 1173.3189697265625 pose_position_y: -507.2300109863281 pose_position_z: -1.6026556491851807 pose_orientation_z: 0.717462956905365 pose_orientation_w: 0.6965966820716858 pose_orientation_yaw: 1.600306749343872 dimensions_x: 0.7922430038452148 dimensions_y: 0.7811086177825928 dimensions_z: 1.6341478824615479 speed_vector_linear_x: -0.04817964881658554 speed_vector_linear_y: -0.21502695977687836 relative_position_x: -27.89008903503418 relative_position_y: -8.192517280578613 relative_position_z: 0.16775710880756378 } objects { id: 26155 label: "Bus" pose_position_x: 1172.106689453125 pose_position_y: -478.5303039550781 pose_position_z: -0.48812994360923767 pose_orientation_z: -0.7203028798103333 pose_orientation_w: 0.6936596632003784 pose_orientation_yaw: -1.6084778308868408 dimensions_x: 11.322981834411621 dimensions_y: 2.9294095039367676 dimensions_z: 3.1415622234344482 speed_vector_linear_x: -0.017722932621836662 speed_vector_linear_y: 0.1302066147327423 relative_position_x: 0.7977913022041321 relative_position_y: -6.548437118530273 relative_position_z: 0.9966707229614258 } objects { id: 26153 label: "Bus" pose_position_x: 1148.1876220703125 pose_position_y: -490.8350524902344 pose_position_z: -0.954763650894165 pose_orientation_z: 0.6907882690429688 pose_orientation_w: 0.7230570912361145 pose_orientation_yaw: 1.5251574516296387 dimensions_x: 10.779899597167969 dimensions_y: 2.856076717376709 dimensions_z: 2.811084508895874 speed_vector_linear_x: 0.03153659775853157 speed_vector_linear_y: 0.23439916968345642 relative_position_x: -11.868709564208984 relative_position_y: 17.1827335357666 relative_position_z: 0.6278138756752014 } objects { id: 26141 label: "Bus" pose_position_x: 1171.7779541015625 pose_position_y: -512.5936889648438 pose_position_z: -0.9443151354789734 pose_orientation_z: -0.7186583876609802 pose_orientation_w: 0.6953632831573486 pose_orientation_yaw: -1.6037421226501465 dimensions_x: 10.841312408447266 dimensions_y: 2.9661808013916016 dimensions_z: 3.2250704765319824 speed_vector_linear_x: 0.0513402484357357 speed_vector_linear_y: 0.006104861851781607 relative_position_x: -33.26952362060547 relative_position_y: -6.731308937072754 relative_position_z: 0.8776476979255676 } objects { id: 26133 label: "Bus" pose_position_x: 1146.657958984375 pose_position_y: -508.7508239746094 pose_position_z: -0.883571445941925 pose_orientation_z: 0.7007946968078613 pose_orientation_w: 0.713362991809845 pose_orientation_yaw: 1.5530219078063965 dimensions_x: 12.186415672302246 dimensions_y: 2.824420690536499 dimensions_z: 3.292656183242798 speed_vector_linear_x: 0.005901232361793518 speed_vector_linear_y: 0.013970088213682175 relative_position_x: -29.803848266601562 relative_position_y: 18.443498611450195 relative_position_z: 0.8749525547027588 } objects { id: 26120 label: "Bus" pose_position_x: 1170.993408203125 pose_position_y: -525.5801391601562 pose_position_z: -1.104852318763733 pose_orientation_z: -0.7154129147529602 pose_orientation_w: 0.6987019181251526 pose_orientation_yaw: -1.5944297313690186 dimensions_x: 10.749905586242676 dimensions_y: 2.7170863151550293 dimensions_z: 3.0421104431152344 speed_vector_linear_x: 0.016746148467063904 speed_vector_linear_y: -0.23609620332717896 relative_position_x: -46.26727294921875 relative_position_y: -6.141877174377441 relative_position_z: 0.8449855446815491 } }

Traffic_light_info Traffic_light_info格式示例： timestamp: 1630057508000 stamp_secs: 1630057508 lights { id: 1 color: 1 location_x: -206.60186767578125 location_y: 459.9820861816406 location_z: 3.0 } lights { id: 2 color: 2 location_x: -74.1282958984375 location_y: 484.984619140625 location_z: 4.0 } lights { id: 3 color: 3 location_x: 59.96036911010742 location_y: 473.6038513183594 location_z: 5.0 }

Predicted_objects Predicted_objects格式示例： stamp_secs: 1617336640 stamp_nsecs: 971891550 timestamp: 1617336640971 obstacle_info { obstacle_timestamp: 1617336640699 id: 6711 x: -123.08731842041016 y: 486.83221435546875 z: 0.575542688369751 prediction_trajectory { path_point { x: -103.26817321777344 y: 486.0815734863281 theta: -0.007839304395020008 v: 4.405668258666992 relative_time: 4.5 } path_point { x: -102.82765197753906 y: 486.0737609863281 theta: -0.00746726430952549 v: 4.405668258666992 relative_time: 4.599999904632568 } ...... } } obstacle_info { obstacle_timestamp: 1617336640699 id: 6744 x: -145.0320587158203 y: 491.35015869140625 z: -0.40381166338920593 prediction_trajectory { path_point { x: -145.0320587158203 y: 491.35015869140625 theta: -2.9442124366760254 v: 1.0038001537322998 } path_point { x: -145.1304931640625 y: 491.3304748535156 theta: -2.9442124366760254 v: 1.0038001537322998 relative_time: 0.10000000149011612 } ...... } } obstacle_info { obstacle_timestamp: 1617336640699 id: 6760 x: -138.3047332763672 y: 489.9286193847656 z: -0.12651222944259644 }

Planning_trajectory Planning_trajectory格式示例： stamp_secs: 1617336640 stamp_nsecs: 809739351 timestamp: 1617336640809 trajectory_points { x: -151.27487182617188 y: 486.55096435546875 theta: 0.0023324606008827686 kappa: -0.0017824547830969095 } trajectory_points { x: -151.21182250976562 y: 486.5510559082031 theta: 0.0022713469807058573 kappa: -0.0017127590253949165 } ......

采样结果 如下图1和图2所示，对于某个逻辑场景进行拉丁超立方和蒙特卡洛采样，参数都是符合随机特性，但采样得到的值不相同。 对于同样的采样点数，拉丁超立方采样的结果会更加分散，并且边界值会更多。 图4 蒙特卡洛采样结果 图5 拉丁超立方采样结果 对于离散型参数，联合概率分布采样会根据给定的取值列表进行随机采样。 图6 离散型参数-联合概率分布采样结果 对于连续型参数，联合概率分布采样会根据参数分布和相关系数进行采样。 图7 连续型参数-联合概率分布采样结果 对于重要性采样，联合概率分布采样会在边界附近进行采样。 图8 重要性采样结果

前提条件 已购买一台弹性云服务器，且已为其绑定弹性公网IP。 弹性云服务器所在安全组添加了如下表所示的安全组规则，具体步骤参见为安全组添加安全组规则。 表1 安全组规则 方向 优先级 策略 类型 协议端口 源地址 入方向 1 允许 IPv4 TCP: 8088 0.0.0.0/0 入方向 1 允许 IPv4 TCP: 50070 0.0.0.0/0 为了更好的获取和更新系统和软件，建议您更新镜像源为华为云镜像源，详细操作，请参见如何使用自动化工具配置华为云镜像源(x86_64和ARM)？。

简介 本文介绍了如何在华为云上使用弹性云服务器的Linux实例手工搭建Hadoop环境。Hadoop是一款由Apache基金会用Java语言开发的分布式开源软件框架，用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的能力进行高速运算和存储。Hadoop的核心部件是HDFS（Hadoop Distributed File System）和MapReduce： HDFS：是一个分布式文件系统，可对应用程序数据进行分布式储存和读取。 MapReduce：是一个分布式计算框架，MapReduce的核心思想是把计算任务分配给集群内的服务器执行。通过对计算任务的拆分（Map计算和Reduce计算），再根据任务调度器（JobTracker）对任务进行分布式计算。 更多信息，请参见Hadoop官网。

操作步骤 安装相关依赖包。 登录弹性云服务器。 为了更好的获取和更新系统和软件，建议您更新镜像源为华为云镜像源，详细操作，请参见如何使用自动化工具配置华为云镜像源(x86_64和ARM)？。 执行以下命令，安装相关依赖包。 sudo yum install -y curl policycoreutils-python openssh-server 依次执行以下命令，设置SSH开机自启动并启动SSH服务。 sudo systemctl enable sshd sudo systemctl start sshd 安装Postfix来发送通知邮件。 依次执行以下命令，安装Postfix。 sudo yum install postfix 依次执行以下命令，设置Postfix开机自启动并启动Postfix服务。 sudo systemctl enable postfix sudo systemctl start postfix 添加GitLab软件包仓库并安装软件包。 执行以下命令，添加GitLab软件包仓库。 curl https://packages.gitlab.com/install/repositories/gitlab/gitlab-ce/script.rpm.sh | sudo bash 执行以下命令，安装GitLab。 sudo EXTERNAL_URL="http://gitlab.example.com" yum install -y gitlab-ce 其中，将“ EXTERNAL_URL”的值设置为访问GitLab服务器的地址，可以设置为服务器的公网IP地址，也可以设置为 域名 。 执行命令后可在回显信息中查看软件的下载速度和系统预估的下载完成时间。 如果下载速度持续比较缓慢，可以尝试通过“http://tool.chinaz.com/dns”查询“github.com”的响应IP地址，选择TTL值较小的IP。然后在服务器的“hosts”文件中添加相应的本地DNS解析。 回显如下类似信息，表示GitLab已经安装成功。 浏览器访问测试。 使用浏览器访问“http://服务器弹性公网IP地址”，显示如下页面，说明环境搭建成功。

后续操作 获取GitLab的登录密码。 执行以下命令获取GitLab的登录密码： sudo cat /etc/gitlab/initial_root_password 回显如下类似信息： 由于保存默认密码的文件将在首次配置运行24小时后自动删除，建议您首次登录之后，立即修改初始密码。 登录GitLab。 在浏览器的地址栏中，输入“http://服务器弹性公网IP地址”即可进入GitLab的登录界面。 首次登录使用用户名root，密码为1获取的密码。 修改初始密码 登录GitLab后，选择页面左上角的用户头像，在弹出菜单中选择“Preferences”。 在“User Settings”页面中，选择左侧导航栏的“Password”。 在页面中输入当前使用密码，新密码及确认新密码后，单击“Save Password”。 如果您想了解更多的GitLab操作，例如GitLab常用命令、数据备份、配置选项、用户管理、与其他服务集成、故障排除等，请参见GitLab官方文档。

编辑评测指标 评测类型为内置评测配置时，可为评测添加或删除评测指标，便于管理。 单击评测名称，在评测项目详情页，自定义评测配置部分，单击“编辑”。 单击“添加评测指标”，选择需要添加的指标，单击“确认”。 图2 添加评测指标 单击，对阈值进行设置，也可对重要度以及评分方案进行选择。 图3 阈值设置 重要度：可选主要和次要。 评分方案：可选主要次要log函数、主要次要均匀权重、全部均匀权重。具体介绍请查看评测分数计算介绍。 删除评测指标。 单击评测指标后“操作”栏内“删除”，删除该评测指标。 被任务使用的评测项目和镜像不能删除。 以上信息选择无误后，单击“保存”，评测指标编辑完成。

创建镜像仓库 用平台管理员账号登录Octopus平台。 在左侧菜单栏中，单击“镜像仓库 ”。 单击“新建”，填写基本信息。 图1 创建镜像仓库 名称：输入镜像仓库的名称，只能包含数字、英文、中文、下划线、中划线。 用途：根据需求，下拉框选择用途。 描述：简单描述镜像仓库，最大长度为255。 使用范围：仅支持团队，即租户内所有配置了该镜像相关权限的用户都可见可编辑。 单击“确定”，在镜像仓库列表即可查看新建的镜像仓库。