Quiz collegato alla guida · Medio Livello

Quiz sull'intelligenza artificiale nell'ottimizzazione dei segnali stradali

Controlla gli stati di apprendimento per rinforzo, i premi basati sul ritardo, il coordinamento multi-intersezione, la simulazione e le raccomandazioni sui segnali della città.

Domanda 1 di 8

Qual è il limite principale dei tradizionali semafori a tempo fisso?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Qual è il limite principale dei tradizionali semafori a tempo fisso?
    • Non possono soddisfare la domanda di traffico reale, imprevedibile e mutevole
    • Usano troppa elettricità
    • Richiedono sempre la presenza di un operatore umano
    • Funzionano solo di notte
  2. Quale approccio di machine learning viene comunemente utilizzato per apprendere le policy di controllo del segnale?
    • Generazione di immagini
    • Apprendimento per rinforzo
    • Filtraggio dello spam
    • Sintesi vocale
  3. In un agente del traffico con apprendimento per rinforzo, cosa penalizza tipicamente la ricompensa?
    • Il numero di corsie all'incrocio
    • Il colore delle auto
    • Ritardo accumulato del veicolo o lunghezza della coda
    • L'ora del giorno
  4. Perché coordinare più intersezioni è più difficile che ottimizzarne una?
    • Ogni incrocio utilizza una rete elettrica diversa
    • I sensori funzionano solo su strade isolate
    • Non è possibile misurare il traffico tra gli incroci
    • La modifica di un segnale influisce sul flusso del traffico agli incroci vicini
  5. Per cosa era stato progettato il progetto Green Light di Google?
    • Consigliare miglioramenti nella tempistica dei segnali stradali guidati dall'intelligenza artificiale nelle città
    • Costruisci auto a guida autonoma
    • Sostituire tutti i semafori con rotatorie
    • Vendi abbonamenti di navigazione
  6. Quale strumento di simulazione viene spesso utilizzato per addestrare gli agenti IA dei semafori?
    • Un foglio di calcolo
    • Un microsimulatore di traffico come SUMO
    • Un elaboratore di testi
    • Un modello di previsione meteorologica
  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