引導式測驗 · 中等 等級
人工智慧在交通號誌優化測驗的應用
檢查強化學習狀態、基於延遲的獎勵、多交叉口協調、模擬和城市信號建議。
問題 1 的 8
傳統定時交通號誌的主要限制是什麼?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 傳統定時交通號誌的主要限制是什麼?
- 它們無法滿足不可預測的、不斷變化的現實世界的流量需求
- 他們用太多電
- 他們始終需要人工操作員
- 他們只在晚上工作
- 哪一種機器學習方法通常用於學習訊號控制策略?
- 影像生成
- 強化學習
- 垃圾郵件過濾
- 語音合成
- 在強化學習流量代理中,獎勵通常會懲罰什麼?
- 交叉路口車道數
- 汽車的顏色
- 累計車輛延誤或排隊長度
- 一天中的時間
- 為什麼協調多個交叉口比優化一個交叉口更難?
- 每個路口使用不同的電網
- 感測器僅在孤立的道路上工作
- 無法測量十字路口之間的流量
- 更改一個號誌會影響鄰近十字路口的交通流量
- Google 的綠燈計畫的目的是什麼?
- 推薦人工智慧驅動的城市交通號誌配時改進
- 建造自動駕駛汽車
- 將所有交通號誌燈替換為環島
- 出售導航訂閱
- 經常使用什麼模擬工具來訓練交通號誌人工智慧代理?
- 試算表
- 交通微型模擬器,例如 SUMO
- 文字處理器
- 天氣預報模型
- 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