แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
AI ในแบบทดสอบการเพิ่มประสิทธิภาพสัญญาณไฟจราจร
ตรวจสอบสถานะการเรียนรู้เสริมกำลัง รางวัลตามความล่าช้า การประสานงานหลายทางแยก การจำลอง และคำแนะนำสัญญาณเมือง
คำถาม 1 ของ 8
อะไรคือข้อจำกัดหลักของสัญญาณไฟจราจรแบบกำหนดเวลาแบบเดิม?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- อะไรคือข้อจำกัดหลักของสัญญาณไฟจราจรแบบกำหนดเวลาแบบเดิม?
- ไม่สามารถจับคู่ความต้องการการจราจรในโลกแห่งความเป็นจริงที่คาดเดาไม่ได้และเปลี่ยนแปลงไป
- พวกเขาใช้ไฟฟ้ามากเกินไป
- พวกเขาต้องการผู้ปฏิบัติงานที่เป็นมนุษย์ตลอดเวลา
- พวกเขาทำงานเฉพาะตอนกลางคืนเท่านั้น
- วิธีแมชชีนเลิร์นนิงแบบใดที่มักใช้เพื่อเรียนรู้นโยบายการควบคุมสัญญาณ
- การสร้างภาพ
- การเรียนรู้แบบเสริมกำลัง
- การกรองสแปม
- การสังเคราะห์เสียงพูด
- ในตัวแทนจราจรเพื่อการเรียนรู้แบบเสริมกำลัง โดยทั่วไปรางวัลจะมีโทษอะไรบ้าง
- จำนวนเลนที่ทางแยก
- สีของรถ
- ความล่าช้าของรถสะสมหรือความยาวคิว
- เวลาของวัน
- เหตุใดการประสานงานทางแยกหลายแห่งจึงยากกว่าการปรับให้เหมาะสม
- แต่ละทางแยกใช้โครงข่ายไฟฟ้าที่แตกต่างกัน
- เซ็นเซอร์ทำงานเฉพาะบนถนนที่แยกจากกันเท่านั้น
- ไม่มีวิธีวัดการจราจรระหว่างทางแยก
- การเปลี่ยนสัญญาณหนึ่งสัญญาณส่งผลต่อการไหลของการจราจรที่ทางแยกข้างเคียง
- โครงการไฟเขียวของ Google ได้รับการออกแบบมาเพื่อทำอะไร
- แนะนำการปรับปรุงกำหนดเวลาสัญญาณไฟจราจรที่ขับเคลื่อนด้วย AI ในเมืองต่างๆ
- สร้างรถยนต์ที่ขับเคลื่อนด้วยตนเอง
- เปลี่ยนสัญญาณไฟจราจรทั้งหมดเป็นวงเวียน
- ขายการสมัครสมาชิกการนำทาง
- เครื่องมือจำลองใดที่มักใช้ในการฝึกอบรมตัวแทน AI สัญญาณไฟจราจร
- สเปรดชีต
- เครื่องจำลองการจราจรเช่น SUMO
- โปรแกรมประมวลผลคำ
- แบบจำลองการพยากรณ์อากาศ
- 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