假期将至，我国许多城市又将迎来出行高峰，不少游客可能再次遭遇“堵在路上看人山人海…

数量关系 · 行程问题 · 相遇追及 · 2026年 北京 练习题

假期将至，我国许多城市又将迎来出行高峰，不少游客可能再次遭遇“堵在路上看人山人海”的尴尬。①然而，交通拥堵并非假期“专属病”。②随着我国城市化水平不断提升、机动车保有量持续攀升，拥堵已成为制约城市高质量发展的“顽疾”。③ 作为机动车保有量突破350万辆的城市，沈阳曾长期面临超饱和车流管控难题。④以该市青年大街南段为例，其设计饱和流量为7600辆/时，实际高峰流量却高达8300辆/时。过去依赖交警视频巡查、经验判断的管控模式，难以应对当地复杂的交通状况。2025年，沈阳公安交警启动交通态势智能感知系统建设，盘活既有设备、用AI赋能治理。该系统借助AI技术对既有设备进行智能化升级，并融合各类终端的多源数据，为交通态势综合感知与预测提供数据支撑。沈阳交警对全市11099处车辆卡口、1295台监控球机等既有设备进行算法赋能，让这些原本功能单一的老设备摇身一变，成为持续输出数据的智慧终端。 该系统通过计算机视觉技术，可实现违停、拥堵等异常情况的秒级自动捕获。一旦发现异常，系统会立即生成预警信息，同时自动搜索距离最近的执勤民警，下发派警指令，实现“事故发生-系统捕获-指令下发-警力到场”的全流程闭环，大大缩短出警时间。该系统不仅可以实现事故快速处置，而且能做到“未堵先防”。系统融合路况、车流、气象等数据，构建综合态势预测模型，可提前30分钟推演路网运行状态，关键路段拥堵预测准确率达89.6%。 成都绕城高速作为串联成都中心城区的核心交通环线，全长85公里，沿线布设25座互通立交、17个收费站，平均每3公里就有一个出入口，车流分合情况极为复杂，是成都车流量最大、日常保畅压力最突出的高速公路之一。长期以来，高速公路应急车道遵循“全程禁入”的管理原则，除紧急情况外，所有社会车辆一律不得驶入。这导致在日常早晚高峰及节假日大流量期间，主车道拥堵 ，而应急车道资源却闲置。为解决这一问题，此前成都绕城高速在保证安全的前提下，尝试对应急车道进行弹性开放。不过，以前该模式主要依赖人工巡查判断，需要监控人员逐段排查视频画面。这不仅耗费大量人力，而且存在拥堵发现滞后、判断精度不足的问题，难以快速响应突发通行状况，道路通行潜力无法得到充分释放。 不同于以往传统的应急车道管理模式，此次测试运行的智慧扩容管控系统通过数据驱动的主动管控，解决高速大流量拥堵问题，全面提升成都绕城环线的通行效率。该系统的运行，离不开高密度感知网络与动态智能算法。成都绕城高速沿线布设了百余套多源交通感知与信息发布设备，每隔300米到500米就设有一个毫米波雷达点位，这些雷达可分车道、分区段实时监测路段内车流的平均速度、流量和密度。在此基础上，系统实现了应急车道从“全程禁入”向“按需开放、智能管控、全域联动”的转变。依托历史车流数据，系统还会为每个路段、每个点位设置专属的动态阈值，阈值还会根据车流变化按月、按季度动态调整。当某一路段的三项指标同时达到阈值，系统会立刻弹窗预警，向工作人员推送应急车道开启建议，把原来的“人工找拥堵”变成“系统主动报拥堵”，为应急车道“秒级开放”提供支撑。 重庆地形复杂，隧道、桥梁众多，交通流量时空分布不均，车辆故障、突发事故等非预期事件极易引发局部拥堵。若不能及时发现处置，局部拥堵很可能发展为大面积拥堵。为破解这一难题，重庆通用人工智能研究院联合重庆市公安局交通管理总队，开发出异常拥堵识别智能体。 智能体发现异常拥堵的速度，往往比导航软件快。与早晚高峰形成的常态拥堵不同，该智能体重点识别的是车辆故障、突发事故、局部车流异常等非预期事件。该智能体采用独特的概率语法模型，实现了异常拥堵的快速识别与预警，其技术优势在于不依赖异常样本、自适应能力强。传统模型需要学习大量标注好的拥堵、事故数据，而该智能体通过概率语法模型，先学习不同路段、不同时段的正常交通运行状态，比如车流速度、行驶间距等，建立正常交通行为的基准模型。一旦发现与正常行为明显不同的情况，它会先将其识别为异常，再判断其是否为拥堵或突发事故。 问题：甲车从A地出发前往B地，到达B地后立即返回。甲车出发30分钟后，乙车也从A地出发前往B地，又过了30分钟两车在C地相遇，且B、C两地相距20千米。若甲车的速度比乙车快30%，那么A、B两地相距多少千米？

点选项就能作答，不用注册；做错的题会记进错题本。

更多「相遇追及」考点题目 ›