Questionário vinculado ao guia · Médio Nível

Questionário de otimização de sinais de trânsito sobre IA

Verifica estados de aprendizagem por reforço, recompensas baseadas em atraso, coordenação de múltiplas interseções, simulação e recomendações de sinais de cidade.

Caminhos de guia relacionadosIA na otimização de sinais de trânsito
Pergunta 1 de 8

Qual é a principal limitação dos semáforos tradicionais de tempo fixo?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Qual é a principal limitação dos semáforos tradicionais de tempo fixo?
    • Eles não podem atender à demanda de tráfego imprevisível e mutável do mundo real
    • Eles usam muita eletricidade
    • Eles exigem um operador humano em todos os momentos
    • Eles só trabalham à noite
  2. Qual abordagem de aprendizado de máquina é comumente usada para aprender políticas de controle de sinal?
    • Geração de imagem
    • Aprendizagem por reforço
    • Filtragem de spam
    • Síntese de fala
  3. Em um agente de tráfego com aprendizagem por reforço, o que a recompensa normalmente penaliza?
    • O número de faixas no cruzamento
    • A cor dos carros
    • Atraso acumulado do veículo ou comprimento da fila
    • A hora do dia
  4. Por que coordenar vários cruzamentos é mais difícil do que otimizar um?
    • Cada interseção usa uma rede elétrica diferente
    • Sensores só funcionam em estradas isoladas
    • Não há como medir o tráfego entre cruzamentos
    • A mudança de um semáforo afeta o fluxo de tráfego nos cruzamentos vizinhos
  5. O que o Projeto Luz Verde de Google foi projetado para fazer?
    • Recomendar melhorias de tempo de semáforo baseadas em IA nas cidades
    • Construa carros autônomos
    • Substituir todos os semáforos por rotundas
    • Venda assinaturas de navegação
  6. Qual ferramenta de simulação é frequentemente usada para treinar agentes de IA de semáforos?
    • Uma planilha
    • Um microssimulador de tráfego como o SUMO
    • Um processador de texto
    • Um modelo de previsão do tempo
  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