Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący sztucznej inteligencji w optymalizacji sygnalizacji świetlnej

Sprawdza stany uczenia się przez wzmacnianie, nagrody oparte na opóźnieniach, koordynację wielu skrzyżowań, symulacje i zalecenia dotyczące sygnałów miejskich.

Powiązane ścieżki prowadząceAI w optymalizacji sygnałów drogowych
Pytanie 1 z 8

Jakie jest główne ograniczenie tradycyjnych sygnałów drogowych o stałym czasie?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Jakie jest główne ograniczenie tradycyjnych sygnałów drogowych o stałym czasie?
    • Nie są w stanie sprostać nieprzewidywalnemu, zmieniającemu się zapotrzebowaniu na ruch w świecie rzeczywistym
    • Zużywają za dużo prądu
    • Zawsze wymagają obecności człowieka
    • Pracują tylko w nocy
  2. Które podejście do uczenia maszynowego jest powszechnie stosowane do uczenia się zasad kontroli sygnałów?
    • Generowanie obrazu
    • Uczenie się przez wzmacnianie
    • Filtrowanie spamu
    • Synteza mowy
  3. Za co zazwyczaj karana jest nagroda w przypadku agenta ruchu drogowego uczącego się przez wzmacnianie?
    • Liczba pasów na skrzyżowaniu
    • Kolor samochodów
    • Skumulowane opóźnienie pojazdu lub długość kolejki
    • Pora dnia
  4. Dlaczego koordynacja wielu skrzyżowań jest trudniejsza niż optymalizacja jednego?
    • Każde skrzyżowanie wykorzystuje inną sieć energetyczną
    • Czujniki działają tylko na izolowanych drogach
    • Nie ma możliwości pomiaru ruchu pomiędzy skrzyżowaniami
    • Zmiana jednego sygnału wpływa na płynność ruchu na sąsiednich skrzyżowaniach
  5. Do czego miał służyć projekt Green Light Google?
    • Polecaj ulepszenia synchronizacji sygnalizacji świetlnej w miastach oparte na sztucznej inteligencji
    • Buduj samochody autonomiczne
    • Zamień wszystkie sygnalizacje świetlne na ronda
    • Sprzedawaj subskrypcje nawigacji
  6. Jakie narzędzie symulacyjne jest często używane do szkolenia agentów AI zajmujących się sygnalizacją świetlną?
    • Arkusz kalkulacyjny
    • Mikrosymulator ruchu drogowego typu SUMO
    • Procesor tekstu
    • Model prognozowania pogody
  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