2025AI智能城市规划智能交通系统模拟考试试题及解析.docxVIP

2025AI智能城市规划智能交通系统模拟考试试题及解析

一、单项选择题（每题2分，共30分）

1.2025年某AI智能城市拟在主干道布设“全息感知+数字孪生”交通节点，下列哪项硬件组合最能兼顾实时性与经济性？

A.8K全景摄像头+毫米波雷达+5G边缘计算盒

B.激光雷达+红外热像仪+光纤环网

C.微波车检器+北斗高精度定位+Wi-Fi6嗅探

D.地磁传感器+蓝牙Beacon+LoRa回传

答案：A

解析：8K全景摄像头提供高分辨率视觉，毫米波雷达在雨雾天气仍可靠，5G边缘计算盒可在本地完成目标融合，时延低于20ms，兼顾性能与布设成本；B方案激光雷达单价高，光纤环网施工量大；C方案北斗定位对车载终端渗透率要求高；D方案带宽不足，难以支撑数字孪生秒级更新。

2.在强化学习信号控制模型中，状态空间若直接引入“排队长度”作为特征，最可能引发以下哪类偏差？

A.稀疏奖励偏差

B.分布外样本偏差

C.自变量因果混杂偏差

D.非平稳环境偏差

答案：C

解析：排队长度与红灯时长存在双向因果关系，智能体易把“果”当“因”，导致策略陷入局部最优；属于自变量因果混杂。

3.城市级交通数字孪生要求“几何—语义—行为”三域同步更新，其中“行为域”更新频率一般不低于：

A.1Hz

B.5Hz

C.10Hz

D.30Hz

答案：B

解析：行为域描述个体车辆加减速、换道等微观动作，5Hz可保证相邻帧位移误差小于0.5m（按城市限速60km/h计算），满足安全分析需求。

4.2025年新规要求自动驾驶出租车上路前须通过“混合交通流影子模式”验证，该模式核心指标“人机冲突率”指：

A.每千车公里中人类驾驶车辆对自动驾驶车鸣笛次数

B.自动驾驶车每千次变道中人类驾驶车辆被迫减速次数

C.人类驾驶车辆与自动驾驶车轨迹交叉点每千次出现紧急制动次数

D.自动驾驶车每千公里脱离自动驾驶模式次数

答案：C

解析：轨迹交叉点紧急制动直接反映潜在碰撞风险，是“冲突”的客观量化。

5.在联邦学习框架下，各区交通局协同训练拥堵预测模型，为防止梯度泄露路段原始流量，可采用：

A.同态加密

B.差分隐私

C.安全多方计算

D.梯度压缩

答案：B

解析：差分隐私在梯度上传前加入校准噪声，理论可证(ε,δ)-隐私，兼顾模型可用性与路段级隐私。

6.某AI城市部署“可变车道潮汐控制”，若采用Q-learning实时决策，奖励函数应剔除：

A.平均行程时间

B.平均怠速排放

C.车道切换频次

D.公交准点率

答案：C

解析：车道切换频次是控制动作本身，若纳入奖励会形成“动作—奖励”自循环，导致策略震荡。

7.基于Transformer的多步速度预测模型中，若将“天气文本描述”作为辅助输入，最佳编码方式是：

A.One-hot

B.Word2Vec预训练词向量

C.BERT动态句向量

D.TF-IDF

答案：C

解析：BERT可捕捉“暴雨”“小雪”等上下文相似性，动态向量随场景变化，提升模型泛化。

8.城市快速路入口匝道控制采用ALINEA算法，若下游占有率设定值0.2，实测0.18，则下一周期匝道绿灯延长量应：

A.按误差比例增加

B.按误差积分增加

C.按误差微分增加

D.保持不变

答案：A

解析：ALINEA为比例调节器，Δg=K·(0.2?0.18)，K0。

9.高精度地图更新采用“众包+区块链”共识，若某节点上传的新增限速标志被超90%节点确认，则系统对该节点：

A.赋予一次“信用减半”

B.赋予Token奖励并提升共识权重

C.启动人工复核

D.拒绝该节点后续一周上传

答案：B

解析：高共识意味着高质量贡献，区块链智能合约自动执行Token激励与权重提升，鼓励持续众包。

10.在混合交通仿真中，若自动驾驶渗透率从30%提升至70%，宏观基本图（MFD）最显著变化是：

A.临界密度右移，最大流率下降

B.临界密度左移，最大流率上升

C.临界密度右移，最大流率上升

D.临界密度不变，最大流率上升

答案：C

解析：自动驾驶车保持更小车头时距，提升道路容量，临界密度右移，最大流率上升。

11.城市交通大脑采用“云—边—端”架构，下列任务最适合部署在“端”层的是：

A.区域级信号优化

B.个体车辆碰撞预警

C.全网OD估计

D.视频事件检测

答案：B

解析：碰撞预警需100ms，端侧OBU可直接感知并广播B