引导式测验 · 中等 等级
人工智能在交通信号优化测验中的应用
检查强化学习状态、基于延迟的奖励、多交叉口协调、模拟和城市信号建议。
问题 1 的 8
传统定时交通信号灯的主要局限性是什么？
预览每个问题8 问题
当您参加测验时，就会出现答案和解释。
- 传统定时交通信号灯的主要局限性是什么？
- 它们无法满足不可预测的、不断变化的现实世界的流量需求
- 他们用太多电
- 他们始终需要人工操作员
- 他们只在晚上工作
- 哪种机器学习方法通常用于学习信号控制策略？
- 图像生成
- 强化学习
- 垃圾邮件过滤
- 语音合成
- 在强化学习流量代理中，奖励通常会惩罚什么？
- 交叉路口车道数
- 汽车的颜色
- 累计车辆延误或排队长度
- 一天中的时间
- 为什么协调多个交叉口比优化一个交叉口更难？
- 每个路口使用不同的电网
- 传感器仅在孤立的道路上工作
- 无法测量十字路口之间的流量
- 更改一个信号会影响邻近十字路口的交通流量
- Google 的绿灯计划的目的是什么？
- 推荐人工智能驱动的城市交通信号配时改进
- 建造自动驾驶汽车
- 将所有交通信号灯替换为环岛
- 出售导航订阅
- 经常使用什么模拟工具来训练交通信号人工智能代理？
- 电子表格
- 交通微型模拟器，例如 SUMO
- 文字处理器
- 天气预报模型
- 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