2026年科技发展与智能科技应用知识普及试题及答案解析

2026年科技发展与智能科技应用知识普及试题及答案解析一、单项选择题（本大题共15小题，每小题2分，共30分。在每小题给出的四个选项中，只有一项是符合题目要求的）1.2026年，智能科技领域中被誉为“具身智能”的核心载体，主要是指具备物理实体、能够通过传感器感知环境并利用机械装置与环境交互的智能系统。在当前的科技演进路径下，哪类设备被视为具身智能最典型的代表？A.大型语言模型服务器B.人形机器人C.智能温控系统D.高性能计算数据中心2.随着生成式人工智能技术的迭代，2026年的主流AI模型架构在Transformer的基础上进一步演进。为了解决长上下文处理和计算效率问题，哪种机制或架构变体被广泛认为是提升模型推理能力的关键技术突破？A.纯卷积神经网络回归B.线性注意力机制与混合专家模型C.基于规则的符号逻辑系统D.传统的循环神经网络变体3.在量子计算领域，2026年被称为“含噪声中等规模量子”（NISQ）时代的深化期。此时，量子比特的主要技术路线中，被认为在保真度和可扩展性上最具商业应用前景，并被多家科技巨头重点布局的是：A.超导量子比特B.离子阱量子比特C.光量子比特D.拓扑量子比特4.下一代移动通信技术（6G）的标准化进程在2026年进入关键阶段。相较于5G，6G网络的典型特征不仅在于传输速率的提升，更在于实现了哪一核心能力的融合？A.仅覆盖陆地通信B.通感一体化与空天地一体化C.仅依靠基站通信D.去除所有网络边缘节点5.在生物技术与智能科技的交叉领域，脑机接口（BCI）技术在2026年已从实验室走向临床初步应用。目前高带宽侵入式脑机接口的主要技术瓶颈和攻关重点在于：A.信号的无线传输速度B.植入材料的生物相容性与信号解码的长期稳定性C.外壳的时尚设计D.电池的续航能力仅为一天6.智能能源管理是2026年实现“碳中和”目标的重要手段。在智能电网中，利用AI技术进行负荷预测和调度优化时，主要依赖的数据基础不包括：A.历史用电数据B.实时气象数据C.用户的社交媒体娱乐偏好D.电力市场价格波动数据7.数字孪生技术在2026年的工业生产中已普及。它通过构建物理设备的虚拟模型，实现全生命周期的管理。数字孪生发挥价值的核心底层支撑技术是：A.二维绘图技术B.物联网与大数据实时分析C.纯手工数据录入D.静态数据库存储8.随着AI算力需求的爆发式增长，2026年的芯片设计架构发生了重大变革。为了突破摩尔定律的瓶颈，哪种芯片架构因其高效并行计算能力成为AI训练和推理的绝对主力？A.传统x86CPU架构B.图形处理器（GPU）及其定制化变体（如TPU、NPU）C.早期的冯·诺依曼架构单片机D.仅用于存储的闪存芯片9.在人工智能伦理与安全领域，2026年全球普遍关注的“对抗性攻击”是指：A.黑客通过物理破坏服务器来攻击AIB.通过在输入数据中添加人类难以察觉的微小扰动来欺骗AI模型C.大量用户同时访问导致服务器宕机D.通过社会工程学骗取管理员密码10.智能交通系统在2026年实现了L4级自动驾驶在特定区域的商业化运营。自动驾驶车辆感知层中，能够实现全天候、不受光线影响且能精确测距的传感器组合是：A.单目摄像头+GPSB.激光雷达+毫米波雷达+红外热成像C.超声波雷达+摄像头D.仅依靠高精度地图11.2026年，隐私计算技术成为数据要素流通的基础设施。能够在不泄露原始数据的前提下，实现多方数据协同计算的技术统称为隐私计算，以下哪项不属于主流隐私计算技术范畴？A.多方安全计算（MPC）B.联邦学习C.明文数据直接传输D.可信执行环境（TEE）12.在合成生物学与AI结合的领域，2026年AI辅助药物研发取得了显著成效。AI在药物研发流程中，最能缩短研发周期、降低成本的环节是：A.临床试验三期招募B.药物销售渠道建设C.靶点发现与先导化合物筛选D.药品包装印刷13.智能家居在2026年从“单品智能”迈向了“全屋智能主动服务”。实现这一跨越的关键技术底座是：A.强制统一的家电外观颜色B.家庭内部的高速异构网络与边缘计算网关C.仅依赖蓝牙4.0连接D.必须使用同一品牌的所有产品14.虚拟现实（VR）与增强现实（AR）在2026年融合为扩展现实（XR），并广泛应用于远程协作。为了解决XR设备佩戴眩晕感的问题，硬件技术上主要优化了：A.设备的重量（越轻越好）B.显示的刷新率、视场角（FOV）以及运动到光子（MTP）的低延迟C.设备外壳的材质D.耳机的音质15.2026年，低空经济成为新的增长点，无人机物流配送普及。保障无人机群在城市复杂环境中安全飞行、避免碰撞的核心算法技术是：A.简单的PID控制B.基于深度强化学习的群集协同控制与路径规划C.人工遥控D.预设固定航线飞行二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题给出的四个选项中，有两项或两项以上是符合题目要求的。全部选对得满分，少选得相应分值，多选、错选不得分）1.2026年的通用人工智能（AGI）研究呈现出多模态融合的趋势。这里的“多模态”主要指计算机能够同时处理和理解哪些类型的数据？A.文本与图像B.语音与视频C.触觉与力反馈数据D.仅限数值表格数据2.面对日益严峻的AI深度伪造威胁，2026年的检测与防御技术主要包括哪些方面？A.基于多模态语义一致性的检测算法B.数字水印与区块链溯源技术C.依靠肉眼直接辨别D.生物特征活体检测（如微表情、眨眼频率）3.智慧城市在2026年不仅仅是摄像头的安装，而是城市大脑的全面升级。城市大脑的底层架构通常包含：A.城市级数据中台与知识图谱B.云边端协同计算架构C.纯物理模拟沙盘D.统一的API接口与身份认证体系4.2026年，绿色计算成为硬性指标。为了降低数据中心的能耗，业界采取的有效措施包括：A.采用浸没式液冷技术B.利用AI优化冷却系统气流C.废弃所有旧服务器，无论其性能如何D.利用可再生能源（风能、太阳能）直供数据中心5.在智能医疗领域，2026年AI辅助诊疗系统不仅提供诊断建议，还参与了预后管理。这些系统主要依赖的数据来源有：A.电子健康档案（EHR）B.医学影像（CT、MRI、病理切片）C.基因组测序数据D.患者的主观心情日记（非结构化文本）6.2026年，工业互联网平台实现了跨企业、跨行业的互联互通。其核心功能模块通常包括：A.设备管理与资产性能监控B.工业大数据分析与微服务组件库C.供应链协同与溯源D.仅用于企业内部通讯的即时通讯工具7.随着智能科技的普及，网络安全威胁形态也发生了变化。2026年需要重点防御的新型网络攻击形态包括：A.AI驱动的自动化漏洞挖掘与攻击B.针对物联网僵尸网络的DDoS攻击C.通过脑机接口窃取神经信号数据D.物理切断网线8.2026年，教育科技（EdTech）深度融合AI，实现了真正的因材施教。个性化学习平台的核心特征包括：A.基于知识图谱的学习路径动态规划B.细粒度的学情实时诊断与反馈C.单向视频直播授课D.适应性测评与智能推荐学习资源9.在航空航天领域，智能科技的应用使得深空探测更加自主。2026年的火星探测器具备的智能能力包括：A.自主导航与障碍规避B.基于边缘计算的科学目标优先级排序C.实时与地球进行无延迟视频通话D.在轨故障自诊断与自修复10.2026年，区块链技术与智能合约在数字化转型中扮演了“信任机器”的角色。其主要应用场景延伸至：A.跨境支付与数字货币结算B.碳排放权交易与溯源C.知识产权（NFT）确权与交易D.中心化数据库的简单备份三、填空题（本大题共15小题，每小题2分，共30分。请将答案写在答题纸的指定位置）1.2026年，为了解决大模型训练中的“幻觉”问题，研究者引入了________技术，即让模型在生成回答前先检索相关权威知识库，以增强事实准确性。2.在神经形态计算领域，模仿生物神经元和突触结构的计算芯片被称为________芯片，它们在处理稀疏数据和异步事件时具有极高的能效比。3.6G网络将不仅提供通信服务，还将提供________服务，即利用无线电波的反射和散射特性，实现对周围环境和目标的感知探测。4.2026年的智能供应链管理中，________技术被广泛应用于货物追踪、防伪溯源和库存自动化管理，通过无线射频信号自动识别目标对象。5.在自然语言处理（NLP）中，评估生成式模型输出质量的一个重要指标是________，它衡量模型生成结果与参考答案之间的重叠度，但在2026年更侧重于基于模型的语义评估。6.2026年，随着算力需求的激增，________计算作为一种新型计算模式，将计算任务分布在网络边缘，靠近数据源进行处理，以降低延迟和带宽压力。7.在AI辅助材料科学中，利用机器学习模型预测新材料性质和加速材料筛选的方法被称为________，它将材料科学与信息科学深度融合。8.为了保护用户隐私，2026年的联邦学习框架要求________数据不出本地，仅交换模型参数或梯度更新，从而在合规前提下完成联合建模。9.2026年，________编辑技术在CRISPR基础上进一步发展，结合AI预测脱靶效应，实现了更精准、安全的基因治疗，广泛应用于遗传病防治。10.在智能座舱领域，2026年的汽车不仅是交通工具，更是第三生活空间。________交互技术允许用户通过眼神、手势和语音多模态自然地控制车辆功能。11.2026年，为了应对量子计算对传统公钥密码学的威胁，________密码学标准的部署加速，这类算法能够抵抗量子计算机的攻击。12.在计算机视觉中，________分割技术能够精确到像素级别地识别图像中的物体轮廓，是自动驾驶和医疗影像分析的基础技术。13.2026年的AI大模型部署更加注重轻量化，________技术通过去除模型中不重要的权重连接，大幅减少了模型大小和计算量，使其能在移动端流畅运行。14.智能农业在2026年普及了________无人机，它们能够根据多光谱相机采集的数据，精准地对每一株作物进行施肥和喷药，实现精细化耕作。15.2026年，________作为一种去中心化的存储和计算资源网络，结合区块链激励机制，解决了单一数据中心垄断和单点故障问题。四、判断题（本大题共10小题，每小题1分，共10分。请判断正误，正确的打“√”，错误的打“×”）1.2026年，人工智能已经完全具备人类的自我意识、情感体验和道德判断能力，可以完全替代人类进行所有复杂决策。（）2.量子通信利用量子纠缠效应，理论上可以实现无条件安全的密钥分发，任何窃听行为都会改变量子态从而被发现。（）3.数字化转型仅仅是购买更多的IT设备和软件，不需要改变企业的组织架构和业务流程。（）4.2026年的元宇宙概念已经泡沫破裂，完全消失，不再有任何技术或应用保留下来。（）5.深度学习模型的“黑盒”特性是指我们完全无法理解模型内部的任何参数和运作机制，只能看输入输出。（）6.5G网络的高带宽、低延迟、广连接特性在2026年仍然是工业互联网和远程控制的主要承载网络，6G尚未完全商用替代。（）7.算法偏见在2026年已经彻底消除，所有AI系统都绝对公平、公正，不存在任何歧视性输出。（）8.边缘计算的兴起意味着云计算将不再重要，所有计算都将完全在终端设备本地完成。（）9.脑机接口技术只能用于读取大脑信号，无法向大脑写入信号以进行感觉反馈或神经调控。（）10.智能电网中的“虚拟电厂”并不是实体电厂，而是通过软件系统将分散的分布式电源、储能和负荷聚合起来作为一个特殊电厂参与电网运行。（）五、简答题（本大题共4小题，每小题5分，共20分）1.简述2026年智能科技背景下，“AIAgent”（人工智能代理）与传统“聊天机器人”的核心区别，并列举AIAgent的三个关键特征。2.在2026年的智能制造中，数字孪生技术如何赋能产品全生命周期管理？请结合设计、生产、运维三个阶段简要说明。3.什么是生成式人工智能中的“零样本学习”和“少样本学习”？它们在2026年的应用普及中有什么重要意义？4.简述随着人工智能算力需求的指数级增长，2026年在芯片散热和能效方面面临的主要挑战及一种主流的解决方案。六、综合应用题（本大题共3小题，第1小题15分，第2小题15分，第3小题20分，共50分）1.【案例分析：智慧医疗中的AI应用】某三甲医院在2026年引入了一套全新的“AI辅助全科诊疗与慢病管理平台”。该平台集成了多模态大模型，能够处理文本病历、医学影像、基因数据以及可穿戴设备的实时监测数据。(1)请分析该平台在处理患者数据时，涉及到的关键技术有哪些？（至少列举三项）(2)在实际部署中，医院面临数据隐私保护（患者隐私）与数据孤岛（各科室数据不互通）两大难题。请结合2026年的技术背景，提出具体的解决方案。(3)该平台通过分析可穿戴设备数据发现某心血管疾病患者的心率变异性（HRV）出现异常趋势，并预测未来72小时内有急性发作风险。请简述AI做出这一预测的大致逻辑流程。2.【场景设计：智能交通与自动驾驶】2026年，某一线城市计划在特定区域（如工业园区）部署L4级自动驾驶公交接驳服务。该区域路况复杂，包含十字路口、环岛、混行社会车辆及行人。(1)为确保公交车的安全行驶，感知系统需要配置哪些类型的传感器？请说明每种传感器的主要作用。(2)在复杂的十字路口，自动驾驶公交车如何利用V2X（车路协同）技术与路侧基础设施交互以优化通行效率和安全性？(3)假设公交车在行驶中遇到前方突发障碍物（如货物掉落），请基于深度强化学习原理，简述车辆的决策规划层是如何生成控制指令的（如刹车、变道）。3.【综合论述：人工智能伦理与治理】2026年，随着人工智能在社会治理、金融、法律等关键领域的深度渗透，其带来的伦理与治理挑战日益凸显。假设你是国家科技伦理委员会的专家，正在起草一份《新一代人工智能伦理治理准则》。(1)请针对“算法透明度与可解释性”这一条款，阐述为何在金融信贷审批和司法量刑辅助系统中，必须要求AI系统具备可解释性？如果缺乏可解释性，会带来什么后果？(2)针对生成式AI（AIGC）产生的虚假信息（Deepfake）和版权侵权问题，请从技术治理（如检测算法、水印）和法律法规（如确权、追责）两个维度，提出一套综合治理框架。(3)展望未来，通用人工智能（AGI）可能对人类就业结构产生巨大冲击。请论述在智能科技时代，应如何构建“人机协作”的新型社会关系，以及教育和培训体系应做出哪些根本性变革以适应这一趋势？参考答案及详细解析一、单项选择题1.【答案】B【解析】具身智能强调智能体与物理环境的交互。人形机器人因其形态适应人类环境，具备复杂的感知和执行能力，是2026年具身智能最典型的载体。A是纯软件，C是单一功能系统，D是基础设施。2.【答案】B【解析】线性注意力机制降低了Transformer的二次方复杂度，混合专家模型则通过稀疏激活大幅提升了参数利用效率，是2026年大模型架构演进的主流方向。C和D是旧技术或特定领域技术，不具备主流统治力。3.【答案】A【解析】超导量子比特（如Google、IBM路线）在操作速度和门保真度上进展迅速，且利用微纳加工工艺具备较好的可扩展性，是当时商业化探索的前沿。B和C各有优势但在扩展性上稍逊，D仍处于理论探索阶段。4.【答案】B【解析】6G的核心愿景是实现空天地一体化的全球覆盖以及通感一体化，即通信与感知能力的融合。A、C、D均为错误描述。5.【答案】B【解析】侵入式BCI的挑战在于植入物长期在体内会引起免疫反应（排异），且神经信号随时间可能漂移，解码算法需适应这种漂移。A、C、D并非核心瓶颈。6.【答案】C【解析】负荷预测主要基于物理环境、历史行为和经济数据。用户的娱乐偏好与电力负荷无直接强因果关系，属于无关数据。7.【答案】B【解析】数字孪生依赖物联网实时获取物理实体的状态数据，并利用大数据分析进行仿真和预测。A、C、D无法支撑动态映射。8.【答案】B【解析】GPU及其定制化加速器（TPU/NPU）天生适合处理矩阵运算，是深度学习训练和推理的核心硬件。CPU通用性差效率低，其他选项不适用。9.【答案】B【解析】对抗性攻击是针对AI模型特性的攻击，通过添加微小扰动导致模型误判。A、C、D是传统网络或物理攻击。10.【答案】B【解析】激光雷达提供高精度3D点云，毫米波雷达测速且穿透性好，红外热成像在夜间或恶劣天气下有效。A、C、D均有局限性。11.【答案】C【解析】隐私计算旨在“数据可用不可见”。明文传输会导致数据泄露，违背隐私计算原则。12.【答案】C【解析】传统药物研发周期长，AI在靶点发现和分子筛选阶段能将数年的工作缩短至数月，是降本增效最显著的环节。13.【答案】B【解析】全屋智能需要异构网络（Wi-Fi,Thread,Zigbee等）连接不同设备，并通过边缘网关进行本地决策和低延迟响应。A、C、D不是关键。14.【答案】B【解析】眩晕感主要由视觉与前庭觉冲突以及延迟引起。提高刷新率、扩大视场角、降低MTP延迟是硬件层面的核心解决方案。15.【答案】B【解析】城市环境复杂，固定航线不可行，人工遥控无法规模化。基于深度强化学习的算法能实现动态避障和协同。A太简单。二、多项选择题1.【答案】ABC【解析】多模态包括文本、图像、音视频、传感器数据（触觉/力觉）。D仅是数值，属于单一模态的子集。2.【答案】ABD【解析】对抗Deepfake需要多模态语义分析、数字水印防伪以及生物活体检测。C依靠肉眼已不可行。3.【答案】ABD【解析】城市大脑依赖数据中台、云边端架构和统一接口。C是物理手段，不是数字大脑的核心架构。4.【答案】ABD【解析】液冷、AI优化散热、使用可再生能源是绿色计算的有效措施。C盲目废弃不仅浪费且不环保。5.【答案】ABCD【解析】现代AI诊疗系统综合结构化（EHR、基因）和非结构化（影像、日记文本）数据，甚至包括主观描述。6.【答案】ABC【解析】工业互联网平台涵盖设备管理、数据分析、供应链协同。D只是办公工具，非核心功能。7.【答案】ABC【解析】AI驱动攻击、IoT僵尸网络、脑机接口窃取是新型威胁。D是物理破坏，属于传统威胁。8.【答案】ABD【解析】个性化学习依赖知识图谱、动态规划、实时诊断和资源推荐。C是传统网课模式。9.【答案】ABD【解析】深空探测受限于距离，必须具备自主导航、科学决策和故障自修复。C受光速限制无法实现。10.【答案】ABC【解析】区块链应用于支付、碳交易、IP确权。D是中心化存储，不是区块链典型应用场景。三、填空题1.【答案】检索增强生成（RAG）2.【答案】神经形态（或类脑）3.【答案】通感一体（或通感）4.【答案】射频识别（RFID）5.【答案】BLEU（或ROUGE/BERTScore，注：2026年更侧重语义评估如BERTScore）6.【答案】边缘7.【答案】材料信息学（或AIforScience）8.【答案】原始9.【答案】基因（或碱基）10.【答案】多模态11.【答案】后量子12.【答案】语义13.【答案】模型剪枝（或量化）14.【答案】植保15.【答案】去中心化算力网络（或DePIN）四、判断题1.【答案】×【解析】2026年AI虽有强大能力，但并未产生自我意识和真正的情感，仍属于弱人工智能或专用人工智能的增强版，不能完全替代人类复杂决策。2.【答案】√【解析】量子通信基于量子力学原理，窃听会导致量子态坍缩，理论上是无条件安全的。3.【答案】×【解析】数字化转型的核心是业务流程和组织架构的重构，技术只是工具，单纯买设备无法实现转型。4.【答案】×【解析】元宇宙概念虽经历泡沫调整，但其背后的XR、数字孪生等技术并未消失，而是融入了工业互联网和数字生活等具体场景。5.【答案】×【解析】“黑盒”是指模型内部逻辑难以被人类直观理解，并非完全无法知道参数。可解释AI（XAI）正是致力于解决这一问题。6.【答案】√【解析】2026年6G尚处于研发和早期标准阶段，5G及其增强版（5G-Advanced）仍是主力承载网络。7.【答案】×【解析】算法偏见源于训练数据和算法设计，2026年只能缓解无法彻底消除，仍需持续治理。8.【答案】×【解析】边缘计算是云计算的补充，用于处理实时性要求高的任务，海量数据存储和复杂训练仍依赖云计算。9.【答案】×【解析】脑机接口不仅读取信号，也可以进行电刺激，用于治疗疾病或恢复感觉（如视觉假体）。10.【答案】√【解析】虚拟电厂通过软件聚合分布式资源参与电网调度，是智能电网的重要形式。五、简答题1.【答案】核心区别：传统聊天机器人主要是被动响应，基于预设规则或单轮对话，缺乏自主性和工具调用能力；AIAgent具备自主规划、记忆和工具使用能力，能主动拆解复杂任务并执行。关键特征：(1)自主性：能主动设定目标并采取行动。(2)感知与交互：能感知环境并使用工具（API、数据库等）改变环境。(3)规划与推理：具备复杂任务的拆解、规划和多步推理能力。2.【答案】(1)设计阶段：通过数字孪生进行仿真模拟，快速验证产品性能，减少物理样机制造次数，缩短研发周期。(2)生产阶段：实时映射生产线状态，利用AI进行工艺参数优化、质量预测和设备排程，实现生产过程的透明化和智能化。(3)运维阶段：收集产品运行数据，预测故障发生，实现预测性维护；根据用户使用反馈反向优化产品设计。3.【答案】定义：零样本学习：模型在没有见过任何特定任务示例的情况下，仅凭任务描述就能完成新任务。少样本学习：模型在仅看过极少数量（如1-5个）示例的情况下，就能学会新任务。意义：(1)降低数据依赖：解决长尾领域数据稀缺问题。(2)快速适应：使模型能快速适应新场景和新任务，无需重新大规模训练。(3)普及应用：降低了AI应用门槛，使普通用户通过自然语言即可定义和AI解决新问题。4.【答案】挑战：芯片功耗密度激增导致热点集中，传统风冷已无法满足散热需求；能效比提升遭遇物理极限，单位算力的能耗增长带来高昂的运营成本和碳排放压力。解决方案：浸没式液冷技术。将服务器电子元器件直接浸没在绝缘冷却液中，利用液体相变或对流带走热量。其散热效率远高于风冷，能显著降低PUE（能源使用效率）值，同时提升芯片运行的稳定性和超频空间。六、综合应用题1.【答案】(1)关键技术：多模态融合大模型（处理文本、影像、基因等异构数据）。知识图谱（构建医学专业知识库辅助推理）。隐私计算技术（如联邦学习、多方安全计算，确保数据不出域）。时序数据分析算法（处理可穿戴设备流数据）。(2)解决方案：针对隐私保护：采用联邦学习架构，各科室和医院在本地训练模型，仅交换加密参数；使用可信执行环境（TEE）保护数据计算过程；对患者数据进行严格的去标识化和差分隐私处理。针对数据孤岛：建立全院统一的医疗数据中台，制定统一的数据标准和接口规范（如FHIR标准）；利用区块链技术实现数据的授权共享和溯源，打破科室壁垒。(3)预测逻辑流程：1.数据采集：从可穿戴设备高频采集心率、HRV、运动等时序数据。2.预处理：去噪、对齐、特征提取（提取HRV的时域、频域特征）。3.模式识别：将特征输入训练好的深度学习模型（如LSTM或Transformer模型）。4.异常检测：模型识别出当前HRV模式与该患者正常基线模式的偏离度。5.风险评估：结合患者病史（静态数据），通过分类模型输出急性发作的概率值。6.预警：若概率超过阈值，触发分级预警机制。2.【答案】(1)传感器配置及作用：激光雷达：生成高精度3D点云，精确感知周围物体形状、距离和轮廓。毫米波雷达：利用多普勒效应精准测量物体速度和距离，穿透雨雾烟尘，在恶劣天气下补充感知。高清摄像头：识别交通信号灯颜色、车道线、交通标志以及行人和车辆类型（基于视觉识别）。惯性导航系统（IMU）：提供车辆的高精度定位和姿态信息（加速度、角速度），在GPS信号弱时维持定位。(2)V2X交互机制：车辆通过V2I（车对基础设施）通信向路侧单元（RSU）发送位置、速度、意图（如变道、转向）。RSU汇总全路口信息，通过路侧感知设备补充车辆盲区（如大型车辆遮挡处的行人）。RSU计算最优信号灯配时或优先通行权，并通过V2I将指令（如绿波速度引导、闯红灯预警）下发给车辆。车辆与车辆（V2V）通信，交换位置信息，避免碰撞