2025AI交通流量预测系统模拟考试试题及解析.docxVIP

2025AI交通流量预测系统模拟考试试题及解析

一、单项选择题（每题2分，共20分）

1.2025年某市早高峰时段，AI预测系统采集到主干道A的实时速度为28km/h，历史同期平均速度为35km/h。若系统采用基于速度衰减系数的拥堵分级模型，衰减系数阈值设定为0.75，则该路段应被判定为哪一级拥堵？

A.畅通

B.轻度拥堵

C.中度拥堵

D.重度拥堵

解析：速度衰减系数=实时速度/历史速度=28/35=0.8。0.80.75，未触发中度拥堵阈值，故为轻度拥堵。答案：B。

2.在融合多源数据训练LSTM网络时，下列哪一项特征最可能被标记为“高敏感度”而单独做Z-score标准化？

A.降雨量0.1mm

B.公交车GPS偏移量2m

C.路段行程时间指数1.7

D.大气压1013hPa

解析：行程时间指数直接决定拥堵标签，数值波动对Loss贡献最大，需精细缩放。答案：C。

3.某边缘计算节点在200ms内完成一次图卷积推理，若帧率为5Hz，则节点GPU利用率理论上限为：

A.50%

B.80%

C.90%

D.100%

解析：单帧耗时200ms，帧间隔1000ms/5=200ms，GPU无空闲，理论利用率100%。答案：D。

4.联邦学习场景下，参与方上传的是：

A.原始车牌图片

B.梯度哈希指纹

C.明文速度序列

D.完整模型权重

解析：为保护隐私，上传经差分隐私处理后的梯度指纹。答案：B。

5.当使用强化学习进行信号配时优化时，状态空间若包含“相位剩余绿时”，则其量纲应统一为：

A.秒

B.周期占比

C.流量比

D.占有率

解析：剩余绿时与周期长度共同决定动作空间连续性，用周期占比可消除不同路口周期差异。答案：B。

6.在基于NVIDIAJetsonAGXOrin的部署测试中，发现INT8量化后MAPE上升0.8%，其主要原因最不可能是：

A.校准集覆盖场景不足

B.激活函数溢出

C.权重通道维度非32倍数

D.学习率过高

解析：INT8量化误差与训练阶段学习率无关。答案：D。

7.某市在节假日采用“历史平均+事件权重”模型，若事件权重矩阵W为对角阵且diag(W)=[1,0.8,1.2,0.9]，则对应事件最可能为：

A.演唱会散场

B.周一早高峰

C.暴雨红色预警

D.普通工作日

解析：第三维权重1.2对应大型活动散场客流突增。答案：A。

8.在GNN消息传递框架中，若聚合函数选用Max-pool，则对“幽灵堵车”波速的预测倾向是：

A.高估

B.低估

C.无影响

D.先高估后低估

解析：Max-pool易放大极端密度，导致波速偏高。答案：A。

9.系统日志出现“Time-to-liveexpiredfortoken0x7f3e”报警，最优先排查：

A.摄像头时钟漂移

B.NTP服务

C.Redis过期策略

D.模型版本

解析：令牌TTL由Redis控制，与时钟无关。答案：C。

10.若采用贝叶斯LSTM进行不确定性估计，其先验σ0=0.1，观测噪声σn=0.05，则95%置信区间半宽约为：

A.0.05

B.0.10

C.0.16

D.0.20

解析：总标准差σ=√(σ02+σn2)=0.112，95%半宽=1.96σ≈0.22，最接近0.20。答案：D。

二、多项选择题（每题3分，共15分）

11.以下哪些操作可有效缓解“数据穿越”导致的未来信息泄漏？

A.特征滞后对齐

B.滑动窗口屏蔽未来

C.采用StratifiedK-fold

D.训练集与测试集按天切分

E.使用样本权重

答案：A、B、D。

12.在基于Transformer的时空预测模型中，Self-attention权重可视化出现“对角带状”聚集，可能原因包括：

A.位置编码周期与信号周期耦合

B.路段拓扑呈链式

C.使用了因果掩码

D.学习率过低

E.层归一化失效

答案：A、B、C。

13.关于边缘端迁移学习，下列说法正确的是：

A.冻结底层可减小传输数据量

B.微调阶段可采用LoRA

C.蒸馏温度越高，软标签越硬

D.使用INT4量化可节省75%带宽

E.边缘端推理必须保持浮点精度

答案：A、B、D。

14.下列指标中，可直接用于在线ABTest评价的有：

A.MAPE

B.拥堵持续时间

C.平均通