Тест, свързан с ръководство · Среден Ниво

AI в викторина за оптимизиране на пътни сигнали

Проверява състоянията на обучение за подсилване, възнаграждения, базирани на забавяне, координация на множество кръстовища, симулация и препоръки за градски сигнали.

Свързани ръководни пътекиAI в оптимизацията на пътните сигнали
Въпрос 1 на 8

Какво е основното ограничение на традиционните пътни сигнали с фиксирано време?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво е основното ограничение на традиционните пътни сигнали с фиксирано време?
    • Те не могат да отговорят на непредсказуемото, променящо се търсене на трафик в реалния свят
    • Използват твърде много електричество
    • Те изискват човешки оператор по всяко време
    • Те работят само през нощта
  2. Кой подход за машинно обучение се използва обикновено за изучаване на политики за контрол на сигнала?
    • Генериране на изображения
    • Учене с подсилване
    • Филтриране на спам
    • Синтез на речта
  3. Какво обикновено наказва възнаграждението в трафик агент за обучение за подсилване?
    • Броят на лентите на кръстовището
    • Цветът на колите
    • Натрупано закъснение на превозното средство или дължина на опашката
    • Времето на деня
  4. Защо координирането на множество кръстовища е по-трудно от оптимизирането на едно?
    • Всяко кръстовище използва различна електрическа мрежа
    • Сензорите работят само на изолирани пътища
    • Няма начин да се измери трафикът между кръстовищата
    • Смяната на един сигнал се отразява на трафика на съседните кръстовища
  5. За какво беше предназначен проектът Green Light на Google?
    • Препоръчайте подобрения на синхронизирането на пътните сигнали, управлявани от AI, в градовете
    • Изградете самоуправляващи се автомобили
    • Сменете всички светофари с кръгови кръстовища
    • Продайте абонаменти за навигация
  6. Какъв инструмент за симулация често се използва за обучение на AI агенти на сигнали за трафик?
    • Електронна таблица
    • Микросимулатор на трафик като SUMO
    • Текстообработваща програма
    • Модел за прогнозиране на времето
  7. Which observations may form the state of a reinforcement-learning traffic-signal agent?
    • Only the weather forecast
    • The driver’s social-media profile
    • Queue lengths, vehicle counts and the current signal phase
    • The total number of roads in the country
  8. What is one benefit of coordinating neighboring signal agents along a corridor?
    • They eliminate the need for sensors
    • They guarantee zero vehicle delay
    • They replace traffic laws with rewards
    • They can form green waves rather than optimize each intersection in isolation