2026年人工智能在智能城市中的应用试题及答案

2026年人工智能在智能城市中的应用试题及答案一、单项选择题（每题2分，共20分）1.2026年，某智能城市采用联邦学习框架对跨区交通流量进行联合建模，其核心优势在于A.数据无需脱敏即可明文传输B.模型参数在本地更新后仅上传梯度，原始数据不出域C.所有车辆必须安装同品牌OBU才能参与训练D.中央服务器可直接访问各区原始视频答案：B解析：联邦学习通过“数据不动模型动”的机制，既保护隐私又实现协同训练，A、C、D均违背隐私保护原则。2.在智能路灯节能场景中，利用深度强化学习（DRL）动态调节亮度，状态空间通常不包含A.实时人流量B.环境光照度C.路灯灯珠的出厂批次D.相邻路灯的功率策略答案：C解析：出厂批次属于静态属性，与实时决策无关，其余均为动态状态变量。3.城市级数字孪生系统采用NeRF（神经辐射场）技术对核心商圈进行三维重建，其训练数据主要来源于A.卫星遥感多光谱影像B.无人机倾斜摄影与车载全景相机C.市民手机前置摄像头自拍D.社交媒体签到文本答案：B解析：NeRF需要稠密、多视角的RGB图像，无人机+车载全景可提供足够视角覆盖，A光谱分辨率不足，C、D与几何重建无关。4.2026年，某市部署“AI网格员”进行占道经营识别，其边缘计算节点采用INT8量化后的YOLOv9模型，相较FP32原模型，下列指标变化正确的是A.mAP下降≤1%，推理延迟下降约55%，功耗下降约40%B.mAP下降≥10%，延迟下降5%，功耗不变C.mAP上升2%，延迟上升30%D.mAP不变，延迟上升，功耗上升答案：A解析：INT8量化在合理校准下mAP损失可控制在1%以内，而延迟与功耗显著降低，符合边缘侧资源约束。5.城市暴雨内涝预测模型融合CNN与GNN，其中GNN主要用来刻画A.雷达回波图像的纹理特征B.排水管网拓扑与管径变化C.微博文本情绪D.出租车GPS速度答案：B解析：GNN擅长处理图结构数据，排水管网天然为图，可建模水位传播。6.在智能垃圾清运场景中，采用多智能体路径规划（MAPF）算法，下列策略可有效缓解“死锁”现象A.提高垃圾压缩比B.引入优先级继承与时空预留表C.降低车载传感器精度D.将清运任务改为夜间一次性完成答案：B解析：优先级继承与时空预留表是MAPF经典无冲突保证机制，其余与死锁无关。7.2026年，某市“AI120”系统对心肺复苏（CPR）质量进行实时评估，其深度相机主要检测A.按压深度与频率B.患者瞳孔对光反射C.心电图ST段抬高D.血氧饱和度答案：A解析：深度相机通过骨骼点追踪胸廓位移，可实时计算按压深度与频率，其余需专业传感器。8.城市级大模型（CityLLM）在回答市民政务咨询时，为防止“幻觉”生成虚假政策，2026年主流做法是A.提高温度系数至1.5B.外挂可信知识库RAG，并加引用溯源C.直接关闭top-p采样D.用GPT-3.5替代千亿参数模型答案：B解析：RAG（检索增强生成）把实时政策切片作为上下文，可显著降低幻觉，温度升高反而加剧幻觉。9.在智能红绿灯协同控制中，采用“奖励塑形”技术的主要目的是A.降低摄像头成本B.缓解强化学习稀疏奖励问题，加速收敛C.增加红灯时长D.减少相位数量答案：B解析：奖励塑形通过引入先验知识构造稠密奖励，解决RL在交通场景奖励延迟问题。10.2026年，某市利用生成式AI进行老旧小区改造方案设计，其Diffusion模型在训练阶段加入“合规判别器”，该判别器的输入标签最可能来自A.居民微信头像B.城乡规划强制性条文向量化编码C.房地产商广告文案D.历史房价曲线答案：B解析：合规判别器需学习法规条文，保证生成方案满足日照、消防、容积率等硬性指标。二、多项选择题（每题3分，共15分；多选少选均不得分）11.以下哪些技术组合可实现“零接触”AI自助体检舱在2026年落地A.毫米波雷达心率呼吸估计B.多光谱指尖摄像头测量血压C.联邦学习跨医院对比实验D.高精度机械臂采血答案：A、B、C解析：机械臂采血属于“接触式”，与“零接触”矛盾，其余均为无感监测。12.城市级生成式AI在发布暴雨红色预警文案时，需自动过滤A.未经证实的水库垮坝谣言B.带有地域歧视的调侃C.官方已辟谣的旧视频D.排水泵站的实时功率数据答案：A、B、C解析：D为客观数据，无需过滤，其余均可能引发恐慌或歧视。13.2026年，智能公交车道动态借道系统采用数字孪生仿真评估，需同步以下哪些实时数据A.公交满载率B.社会车辆流量C.道路表面温度D.司机面部微表情答案：A、B、C解析：微表情与宏观交通流无关，其余均影响仿真精度。14.在“AI+社区养老”场景中，跌倒检测雷达需解决A.多径反射导致虚警B.宠物活动干扰C.老人隐私泄露D.雷达与Wi-Fi频段冲突答案：A、B、D解析：雷达不采集图像，隐私泄露风险低，其余为技术难点。15.城市地下管网漏损检测机器人使用声波+视觉融合SLAM，其挑战包括A.污水表面反光导致视觉失效B.声波在PVC与铸铁界面折射C.全球定位系统信号盲区D.市民对机器人拍摄投诉答案：A、B、C解析：地下场景无GPS，且视觉、声学均受介质影响，D与地面投诉无关。三、判断题（每题1分，共10分；正确打“√”，错误打“×”）16.2026年，所有智能城市大模型必须完成“生成内容水印”备案，才能向公众开放服务。答案：√解析：工信部2025年底出台《生成式人工智能服务管理办法》要求水印溯源。17.在联邦学习框架下，只要模型梯度加密，就一定不会泄露任何隐私信息。答案：×解析：梯度仍可被反推，需配合差分隐私或安全聚合。18.使用NeRF对城市进行建模时，LiDAR点云可作为深度监督信号，提高收敛速度。答案：√解析：深度监督可缓解NeRF无几何先验导致的缓慢训练。19.城市级AI系统采用“算法备案”制度后，更新模型权重无需再次审批。答案：×解析：重大权重更新需重新备案，防止性能漂移。20.2026年，智能城市边缘节点普遍采用RISC-V+INT8协处理器，以降低对ARMNeon的依赖。答案：√解析：开源指令集+专用量化单元成为低成本边缘方案。21.在智能垃圾分类场景中，增加“厨余垃圾破袋”图像样本可增强模型对“破袋率”指标的评估能力。答案：√解析：破袋与否直接影响后续发酵工艺，属于关键标签。22.城市大脑采用“日级”离线批处理即可满足救护车优先信号实时控制需求。答案：×解析：救护车需秒级响应，必须流式计算。23.2026年，生成式AI可直接输出CAD图纸，并保证所有尺寸满足《住宅建筑模数协调标准》。答案：×解析：仍需结构计算验证，AI仅提供初始方案。24.利用Transformer对城市用水量进行预测时，引入“节假日Embedding”可降低MAPE约3%。答案：√解析：节假日用水模式差异显著，Embedding可捕捉非线性。25.在智能城市伦理审查中，“算法公平性”仅指不同性别群体结果相等。答案：×解析：公平性包括性别、年龄、收入、区域等多维均衡。四、填空题（每空2分，共20分）26.2026年，某市利用“时空Transformer”预测共享单车潮汐需求，若输入为过去3小时、15分钟粒度的订单矩阵O∈R^{12×N}，则时间步长为________分钟，输入时间片数量________。答案：15；12解析：3小时=180分钟，180/15=12片。27.在智能红绿灯系统中，采用“Webster”固定配时作为强化学习的初始策略，可有效缓解________问题。答案：冷启动解析：强化学习初期随机探索易导致拥堵，Webster提供合理基线。28.城市级大模型进行低资源方言语音识别时，采用“适配器”(Adapter)微调，仅新增________%参数即可达到全参数微调95%效果。答案：5解析：Adapter插入FFN旁路，参数量约为原模型5%。29.2026年，某AI巡检无人机对高压线绝缘子缺陷检测，采用“知识蒸馏”将Teacher模型mAP91%压缩到Student模型________%，即可在NX边缘盒实时运行。答案：88解析：实验表明损失3%mAP可换取8倍提速。30.在联邦学习跨医院医学影像场景中，若参与方N=10，每轮沟通上传梯度参数量|P|=100MB，通信轮次T=100，则总通信成本为________GB。答案：100解析：100MB×100=10000MB=10GB，注意是“上传”，双向通信常乘以2，但题目仅问上传。31.利用DiffusionModel进行城市风貌生成时，加入“语义分割掩膜”条件，可引导模型控制________与________布局。答案：建筑高度；道路走向解析：掩膜提供几何语义，实现可控生成。32.2026年，智能城市数字孪生采用“物理不可克隆函数”(PUF)对边缘节点进行身份认证，其理论基础是利用芯片制造过程中不可避免的________差异。答案：时延/阈值电压（答其一即可）解析：PUF源于深亚微米工艺偏差。33.在AI驱动的城市碳排放监测系统中，采用“夜间灯光遥感+GDP修正”模型，若拟合方程为C其中L为灯光强度，G为GDP，则α的单位是________。答案：吨CO₂/(nW·cm⁻²·sr⁻¹)解析：C单位吨CO₂，L单位辐射亮度，故α为此复合单位。34.城市级大模型推理服务采用“投机解码”(SpeculativeDecoding)技术，用小型模型提前生成________，再由大模型并行验证，可将延迟降低________%。答案：候选token；30–50解析：投机解码以draft-then-verify策略减少大模型调用。35.在智能公交优先控制中，采用“队列长度”作为状态变量，需通过视频检测器换算为________，再输入深度Q网络。答案：离散化区间/等级（如0–5辆、6–10辆）解析：连续变量需离散化以适应DQN表格或网络输出。五、简答题（每题10分，共20分）36.2026年，某沿海城市面临台风-暴雨-潮汐三碰头极端场景，城市大脑需在30分钟内完成多灾害耦合推演。请简述AI如何融合气象雷达、潮位站、排水泵站传感器及社交媒体文本，实现快速内涝风险评估，并给出两项关键技术细节。答案与解析：1.数据层：–气象雷达提供1km分辨率降水短临预报（Nowcasting），采用ConvLSTM外推未来1小时降雨场；–潮位站实时数据通过LSTM-Attention预测未来6小时潮位，考虑天文潮与风暴增水；–泵站传感器返回流量、电流、启停状态，构建“泵站健康度”实时向量；–社交媒体文本经BERTopic提取“积水”“封路”关键词，作为弱标签验证模型。2.融合模型：–采用“图神经网络+物理方程”混合架构：节点为管网检查井，边为管道，节点特征包括降雨强度、潮位差、泵站排量；边上嵌入水动力方程离散残差，形成“物理引导GNN”，损失函数为ℒ其中h为水位，Q为流量，R为降雨源项，λ取0.1，保证物理一致性。3.加速细节：–采用“元学习”(MAML)预训练不同暴雨等级参数，新事件仅需5步梯度更新即可上线；–推理阶段使用“时空并行图采样”(TPGS)，将大图切分为重叠子图，GPUbatch并行，30分钟完成全市2万节点、6小时滚动推演，水位误差MAE<8cm。37.2026年，某市发布《公共数据开放条例》，要求AI企业在训练大模型时，对涉及个人轨迹的GPS数据采用“目的限定”使用。请设计一套技术方案，使得企业在构建“通勤OD预测大模型”时既合规又保证精度，需说明数据流转路径、脱敏算法、模型训练与评估指标。答案与解析：1.数据流转：–原始GPS轨迹保存在政府可信计算域（TEE），企业提交“训练任务容器镜像”，数据不出域；–在TEE内执行“局部差分隐私+聚类”脱敏：对每条轨迹增加ε=1的Geo-Indistinguishability噪声，随后采用“停留点密度聚类”生成伪OD，删除连续3个以下记录的小样本，降低重识别风险；–输出为“网格级OD矩阵”(500m×500m)，并加Lap(1/Δf)噪声，满足(ε,δ)-DP，δ<10⁻⁵。2.训练：–采用“联邦迁移学习”：企业在外部公开数据集（如手机信令）预训练Transformer，后在TEE内用私有数据微调最后2层，学习率3e-5，batch=512；–损失函数加入“隐私正则项”：ℒ其中γ=3.评估：–精度指标：RMSE、MAPE、Cosine相似度；–隐私指标：重识别率<0.1%，ε-差分隐私预算消耗可审计；–公平性指标：不同收入区域预测误差差异<5%。经验证，该方案在ε=1下RMSE仅上升4.2%，满足法规与业务双需求。六、计算题（共15分）38.2026年，某智能园区微电网采用深度强化学习实时调度光伏、储能与电动汽车(EV)充电，状态空间含：光伏功率、负荷、电池电