Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο
AI στο Κουίζ βελτιστοποίησης σημάτων κυκλοφορίας
Ελέγχει τις καταστάσεις ενίσχυσης-μάθησης, τις ανταμοιβές με βάση τις καθυστερήσεις, τον συντονισμό πολλών διασταυρώσεων, την προσομοίωση και τις συστάσεις σήματος πόλης.
Ερώτηση 1 του 8
Ποιος είναι ο κύριος περιορισμός των παραδοσιακών σημάτων κυκλοφορίας σταθερού χρονισμού;
Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις
Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.
- Ποιος είναι ο κύριος περιορισμός των παραδοσιακών σημάτων κυκλοφορίας σταθερού χρονισμού;
- Δεν μπορούν να ανταποκριθούν στην απρόβλεπτη, μεταβαλλόμενη ζήτηση κυκλοφορίας στον πραγματικό κόσμο
- Χρησιμοποιούν πάρα πολύ ηλεκτρισμό
- Απαιτούν έναν άνθρωπο χειριστή ανά πάσα στιγμή
- Δουλεύουν μόνο τη νύχτα
- Ποια προσέγγιση μηχανικής εκμάθησης χρησιμοποιείται συνήθως για την εκμάθηση πολιτικών ελέγχου σήματος;
- Δημιουργία εικόνας
- Ενισχυτική μάθηση
- Φιλτράρισμα ανεπιθύμητων μηνυμάτων
- Σύνθεση λόγου
- Σε έναν πράκτορα κυκλοφορίας μάθησης ενίσχυσης, τι τιμωρεί συνήθως η ανταμοιβή;
- Ο αριθμός των λωρίδων στη διασταύρωση
- Το χρώμα των αυτοκινήτων
- Συσσωρευμένη καθυστέρηση οχήματος ή μήκος ουράς
- Η ώρα της ημέρας
- Γιατί ο συντονισμός πολλαπλών διασταυρώσεων είναι πιο δύσκολος από τη βελτιστοποίηση μιας;
- Κάθε διασταύρωση χρησιμοποιεί διαφορετικό ηλεκτρικό δίκτυο
- Οι αισθητήρες λειτουργούν μόνο σε απομονωμένους δρόμους
- Δεν υπάρχει τρόπος να μετρηθεί η κίνηση μεταξύ των διασταυρώσεων
- Η αλλαγή ενός σήματος επηρεάζει τη ροή της κυκλοφορίας σε γειτονικές διασταυρώσεις
- Τι σχεδιάστηκε για να κάνει το Project Green Light του Google;
- Προτείνετε βελτιώσεις χρονισμού σημάτων κυκλοφορίας με γνώμονα την τεχνητή νοημοσύνη στις πόλεις
- Κατασκευάστε αυτοοδηγούμενα αυτοκίνητα
- Αντικαταστήστε όλα τα φανάρια με κυκλικούς κόμβους
- Πώληση συνδρομών πλοήγησης
- Ποιο εργαλείο προσομοίωσης χρησιμοποιείται συχνά για την εκπαίδευση των πρακτόρων τεχνητής νοημοσύνης σημάτων κυκλοφορίας;
- Ένα υπολογιστικό φύλλο
- Ένας μικροπροσομοιωτής κυκλοφορίας όπως το SUMO
- Επεξεργαστής κειμένου
- Ένα μοντέλο πρόγνωσης καιρού
- 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
- 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