แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

AI ในแบบทดสอบการเพิ่มประสิทธิภาพสัญญาณไฟจราจร

ตรวจสอบสถานะการเรียนรู้เสริมกำลัง รางวัลตามความล่าช้า การประสานงานหลายทางแยก การจำลอง และคำแนะนำสัญญาณเมือง

เส้นทางแนะนำที่เกี่ยวข้องAI ในการเพิ่มประสิทธิภาพสัญญาณไฟจราจร
คำถาม 1 ของ 8

อะไรคือข้อจำกัดหลักของสัญญาณไฟจราจรแบบกำหนดเวลาแบบเดิม?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. อะไรคือข้อจำกัดหลักของสัญญาณไฟจราจรแบบกำหนดเวลาแบบเดิม?
    • ไม่สามารถจับคู่ความต้องการการจราจรในโลกแห่งความเป็นจริงที่คาดเดาไม่ได้และเปลี่ยนแปลงไป
    • พวกเขาใช้ไฟฟ้ามากเกินไป
    • พวกเขาต้องการผู้ปฏิบัติงานที่เป็นมนุษย์ตลอดเวลา
    • พวกเขาทำงานเฉพาะตอนกลางคืนเท่านั้น
  2. วิธีแมชชีนเลิร์นนิงแบบใดที่มักใช้เพื่อเรียนรู้นโยบายการควบคุมสัญญาณ
    • การสร้างภาพ
    • การเรียนรู้แบบเสริมกำลัง
    • การกรองสแปม
    • การสังเคราะห์เสียงพูด
  3. ในตัวแทนจราจรเพื่อการเรียนรู้แบบเสริมกำลัง โดยทั่วไปรางวัลจะมีโทษอะไรบ้าง
    • จำนวนเลนที่ทางแยก
    • สีของรถ
    • ความล่าช้าของรถสะสมหรือความยาวคิว
    • เวลาของวัน
  4. เหตุใดการประสานงานทางแยกหลายแห่งจึงยากกว่าการปรับให้เหมาะสม
    • แต่ละทางแยกใช้โครงข่ายไฟฟ้าที่แตกต่างกัน
    • เซ็นเซอร์ทำงานเฉพาะบนถนนที่แยกจากกันเท่านั้น
    • ไม่มีวิธีวัดการจราจรระหว่างทางแยก
    • การเปลี่ยนสัญญาณหนึ่งสัญญาณส่งผลต่อการไหลของการจราจรที่ทางแยกข้างเคียง
  5. โครงการไฟเขียวของ Google ได้รับการออกแบบมาเพื่อทำอะไร
    • แนะนำการปรับปรุงกำหนดเวลาสัญญาณไฟจราจรที่ขับเคลื่อนด้วย AI ในเมืองต่างๆ
    • สร้างรถยนต์ที่ขับเคลื่อนด้วยตนเอง
    • เปลี่ยนสัญญาณไฟจราจรทั้งหมดเป็นวงเวียน
    • ขายการสมัครสมาชิกการนำทาง
  6. เครื่องมือจำลองใดที่มักใช้ในการฝึกอบรมตัวแทน AI สัญญาณไฟจราจร
    • สเปรดชีต
    • เครื่องจำลองการจราจรเช่น SUMO
    • โปรแกรมประมวลผลคำ
    • แบบจำลองการพยากรณ์อากาศ
  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