Cuestionario vinculado a una guía · Medio Nivel

Prueba de optimización de señales de tráfico sobre IA

Comprueba los estados de aprendizaje por refuerzo, las recompensas basadas en retrasos, la coordinación de intersecciones múltiples, la simulación y las recomendaciones de señales de la ciudad.

Rutas de guía relacionadasIA en la optimización de las señales de tráfico
Pregunta 1 de 8

¿Cuál es la principal limitación de los semáforos tradicionales de horario fijo?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Cuál es la principal limitación de los semáforos tradicionales de horario fijo?
    • No pueden igualar la demanda de tráfico cambiante e impredecible del mundo real.
    • Usan demasiada electricidad
    • Requieren de un operador humano en todo momento
    • solo trabajan de noche
  2. ¿Qué enfoque de aprendizaje automático se utiliza comúnmente para aprender políticas de control de señales?
    • Generación de imágenes
    • Aprendizaje por refuerzo
    • Filtrado de spam
    • Síntesis de voz
  3. En un agente de tráfico de aprendizaje por refuerzo, ¿qué penaliza normalmente la recompensa?
    • El número de carriles en la intersección.
    • El color de los autos.
    • Retraso acumulado del vehículo o longitud de la cola
    • la hora del dia
  4. ¿Por qué es más difícil coordinar varias intersecciones que optimizar una?
    • Cada intersección utiliza una red eléctrica diferente.
    • Los sensores sólo funcionan en carreteras aisladas
    • No hay forma de medir el tráfico entre intersecciones
    • Cambiar una señal afecta el flujo de tráfico en las intersecciones vecinas
  5. ¿Para qué fue diseñado el Proyecto Luz Verde de Google?
    • Recomendar mejoras en la sincronización de las señales de tráfico impulsadas por IA en las ciudades
    • Construir coches autónomos
    • Reemplazar todos los semáforos por rotondas
    • Vender suscripciones de navegación
  6. ¿Qué herramienta de simulación se utiliza a menudo para entrenar agentes de inteligencia artificial de señales de tráfico?
    • una hoja de cálculo
    • Un microsimulador de tráfico como SUMO
    • un procesador de textos
    • Un modelo de previsión meteorológica.
  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