2025年6月浙江省普通高校招生选考技术真题（解析版）

这是一份2025年6月浙江省普通高校招生选考技术真题（解析版），共30页。试卷主要包含了 有如下Pythn程序段等内容，欢迎下载使用。
技术
考生须知:
1.答题前，请务必将自己的姓名、准考证号用黑色字迹的签字笔或钢笔分别填写在试题卷和答题纸规定的位置上。
2.答题时，请按照答题纸上“注意事项”的要求，在答题纸相应的位置上规范作答，在本试题卷上的作答一律无效。
3非选择题的答案必须使用黑色字迹的签字笔或钢笔写在答题纸上相应区域内，作图时可先使用2B铅笔，确定后必须用黑色字迹的签字笔或钢笔描黑。
第一部分 信息技术（共50分）
一、选择题（本大题共12小题，每小题2分，共24分。每小题列出的四个备选项中只有一个是符合题目
要求的，不选、多选、错选均不得分）
1. 某校师生可在学校图书馆自助设备上借还图书，还可通过在线图书馆系统查看借阅记录、续借图书、浏览新书推荐。下列关于数据的说法，正确的是（ ）
A. 图书的封面图像和馆藏数量在编码方式上没有差异
B. 数据库的应用降低了图书数据管理的效率
C. 对借阅数据的加工处理可为图书采购提供依据
D. 图书借还的数据仅存储在自助设备中
【答案】C
【解析】
图书的封面图像属于图像数据，通常采用像素编码（如 JPEG、PNG 等格式） 或矢量图形编码，通过颜色、像素点等信息表示；而馆藏数量属于数值型数据，采用二进制编码（如整数形式）存储。两者的编码方式存在本质差异，故A 错误。数据库的应用通过结构化存储、快速检索和批量处理等功能，可高效管理图书数据（如借阅记录、馆藏信息等），提升数据管理效率。例如，在线图书馆系统可实时更新借阅状态、自动统计数据，相比人工管理更高效，故 B 错误。借阅数据（如热门图书的借阅频率、读者偏好等）经过加工处理后，可反映图书的受欢迎程度和需求趋势。例如，若某类图书借阅量高、续借频繁，说明读者需求大，可为图书馆的采购决策提供依据（如增加该类图书的采购量），故C 正确。图书借还数据通常存储在图书馆的中央服务器或数据库中，而非仅存储在自助设备中。自助设备（如借还机）仅作为数据采集的终端，其操作数据会同步至后台数据库，以实现多设备数据共享和统一管理，故 D 错误。故选C。
2. 某校师生可在学校图书馆自助设备上借还图书，还可通过在线图书馆系统查看借阅记录、续借图书、浏览新书推荐。下列措施中，不能有效提升在线图书馆数据安全的是（ ）
A. 向用户发送借阅到期的提醒信息B. 对用户信息进行加密存储
C. 定期修改管理员密码D. 为系统服务器增加不间断电源
【答案】A
【解析】
向用户发送借阅到期提醒信息，属于业务功能通知，其目的是提醒用户及时归还图书，不涉及数据安全防护措施。该操作未对数据本身（如用户信息、借阅记录）进行加密、访问控制或备份等安全处理，因此无法提升数据安全，故 A 符合题意。对用户信息进行加密存储（如采用 SSL/TLS 加密、哈希算法等），可防止用户数据（如姓名、学号、借阅记录）在存储过程中被窃取或篡改。即使数据存储介质泄露，加密后的数据也难以被破解，属于数据安全的核心防护措施，故 B 不符合题意。定期修改管理员密码属于访问控制策略，可降低密码被暴力破解、泄露或盗用的风险。管理员作为系统高权限用户，其账户安全直接影响数据库和系统的整体安全，定期修改密码是增强系统安全性的常规操作，故 C 不符合题意。为系统服务器增加不间断电源（UPS），可在断电或电压波动时保障服务器持续运行，避免因突发断电导致数据丢失、存储错误或系统故障。这属于物理安全防护措施，间接保护了数据的完整性和可用性，故 D 不符合题意。故选A。
3. 某智慧公交系统中的车载终端内置了北斗定位、4G/5G通信、音频采集、NFC识别等模块，实时采集、处理公交车辆行驶数据，然后传输至服务器；车载摄像头识别违规驾驶行为，发出语音提醒，并通过车载终端将违规视频传输至服务器；公交APP为用户提供查询服务，还可在电子地图上实时显示公交车辆行驶路线和位置。在电子地图上实时显示公交车辆行驶路线和位置的过程中，没有用到的技术是（ ）
A. 北斗定位B. 4G/5G通信C. 数据可视化D. NFC
【答案】D
【解析】
北斗定位模块用于实时获取公交车辆的地理位置信息（如经纬度），这是在电子地图上显示车辆位置的基础数据来源。若无北斗定位，系统无法确定车辆的实时坐标，故 A 不符合题意。4G/5G 通信模块负责将车载终端采集的定位数据、违规视频等信息传输至服务器，再由服务器同步至公交 APP。电子地图上的车辆位置更新需依赖实时数据传输，因此 4G/5G 通信是实现该功能的关键技术之一，故 B 不符合题意。数据可视化技术用于将公交车辆的定位数据（如经纬度坐标）转换为电子地图上的可视化元素（如车辆图标、行驶路线）。例如，通过地图 API 将坐标数据渲染为动态移动的车辆标记，使乘客能直观看到车辆位置，故 C 不符合题意。NFC（近场通信）模块主要用于近距离非接触式支付（如公交卡刷卡、手机扫码乘车），其功能场景局限于短距离数据交换。在电子地图显示车辆位置的过程中，无需使用 NFC 技术进行数据传输或处理，因此 D 符合题意。故选D。
4. 某智慧公交系统中的车载终端内置了北斗定位、4G/5G通信、音频采集、NFC识别等模块，实时采集、处理公交车辆行驶数据，然后传输至服务器；车载摄像头识别违规驾驶行为，发出语音提醒，并通过车载终端将违规视频传输至服务器；公交APP为用户提供查询服务，还可在电子地图上实时显示公交车辆行驶路线和位置。下列关于公交APP功能和设计的说法，正确的是（ ）
A. 该APP具有数据处理功能
B. 该APP的运行不需要操作系统支持
C. 该APP升级和维护都是为了适应公交线路的变化
D. 该APP只能直接从车载终端获取车辆实时位置
【答案】A
【解析】
公交 APP 需要对服务器传输的车辆定位数据、公交线路信息等进行处理，例如将经纬度坐标转换为地图上的可视化标记、计算车辆到站时间等，这属于数据处理功能。此外，APP 还需处理用户的查询请求（如路线搜索、站点查询），并将结果反馈给用户，因此 A 正确。任何 APP 的运行都依赖于操作系统（如 Andrid、iOS）的支持。操作系统为 APP 提供底层资源管理（如内存、处理器）、网络通信接口和用户交互界面等基础功能，脱离操作系统的 APP 无法独立运行，故 B 错误。APP 的升级和维护目的具有多样性，不仅限于适应公交线路变化。例如：修复漏洞：解决程序 bug 或安全隐患；优化性能：提升响应速度或降低功耗；新增功能：添加实时路况提醒、扫码支付等新功能；兼容更新：适配新的操作系统版本或硬件设备。=因此 C 选项的表述过于片面，错误。公交 APP 的车辆实时位置数据通常来自服务器，而非直接从车载终端获取。车载终端通过 4G/5G 通信将数据传输至服务器，服务器进行数据整合和处理后，再推送给 APP。这种架构可实现数据的集中管理和多终端共享，避免 APP 与车载终端直接通信的复杂性和不稳定性，故 D 错误。故选A。
5. 某智慧公交系统中的车载终端内置了北斗定位、4G/5G通信、音频采集、NFC识别等模块，实时采集、处理公交车辆行驶数据，然后传输至服务器；车载摄像头识别违规驾驶行为，发出语音提醒，并通过车载终端将违规视频传输至服务器；公交APP为用户提供查询服务，还可在电子地图上实时显示公交车辆行驶路线和位置。下列关于该系统中硬件和网络的说法，正确的是（ ）
A. 该系统无需在公交车上配备输出设备
B. 车载终端中必定有处理器部件
C. 车辆行驶数据传输至服务器无需网络协议的支持
D. 通过4G/5G网络才能使用公交APP的查询功能
【答案】B
【解析】
该系统中存在明确的输出设备需求：车载终端需通过语音提醒违规驾驶行为（如音频采集模块的反向功能 —— 扬声器输出）；公交 APP 在电子地图上显示车辆位置和路线，依赖手机屏幕作为输出设备。因此系统必须配备输出设备，A 错误。车载终端需要实时采集、处理北斗定位数据、4G/5G 通信数据等，必须包含处理器部件（如 CPU） 来执行数据处理、逻辑控制等操作。若无处理器，终端无法完成数据的分析和传输，故 B 正确。任何网络数据传输（如车辆数据至服务器）都必须遵循网络协议（如 TCP/IP、HTTP）。协议规定了数据的格式、传输规则和错误校验方式，确保数据在不同设备间准确传输。脱离协议的网络通信无法实现，故 C 错误。公交 APP 的查询功能并非仅依赖 4G/5G 网络：在有 Wi-Fi 网络的环境下，APP 可通过 Wi-Fi 连接服务器获取数据；部分离线查询功能（如已下载的公交线路图）无需实时网络。因此 D 选项表述绝对化，错误。故选B。
6. 某智慧公交系统中的车载终端内置了北斗定位、4G/5G通信、音频采集、NFC识别等模块，实时采集、处理公交车辆行驶数据，然后传输至服务器；车载摄像头识别违规驾驶行为，发出语音提醒，并通过车载终端将违规视频传输至服务器；公交APP为用户提供查询服务，还可在电子地图上实时显示公交车辆行驶路线和位置。将车载终端采集的声音存储为未经压缩的Wave格式音频文件，下列说法不正确的是（ ）
A. 声音采集实现了从模拟信号到数字信号的转换
B. 音频采集模块的采样频率会影响音频的音质
C. 现场声音越嘈杂，得到的音频文件存储容量越大
D. 为了节省存储空间，可将Wave格式音频转换为MP3格式
【答案】C
【解析】
声音是连续的模拟信号，音频采集模块通过采样、量化、编码三个步骤，将其转换为离散的数字信号（如 Wave 格式），这一过程称为模数转换（A/D 转换），故 A 不符合题意。采样频率是指每秒对声音信号的采样次数，直接影响音频的音质。采样频率越高（如 44.1kHz 比 22.05kHz 更高），保留的声音细节越丰富，音质越接近原始声音，故 B 不符合题意。Wave 格式音频文件的存储容量由采样频率、量化位数、声道数和时长决定，计算公式为：存储容量=8采样频率×量化位数×声道数×时长​ (字节)现场声音的嘈杂程度（音量大小）不影响上述参数，仅改变声音的振幅，而振幅由量化位数决定（如 16 位量化可表示更多振幅层级）。因此，嘈杂程度与音频文件的存储容量无直接关系，故 C 符合题意。Wave 格式是未经压缩的音频格式，存储容量较大（如 1 分钟立体声 44.1kHz/16 位 Wave 文件约 10MB）；而 MP3 格式通过有损压缩算法（如删除人耳不敏感的高频信号）减小文件体积（同一段音频压缩后约为 1MB），可有效节省存储空间，故 D 不符合题意。故选C。
7. 某智慧公交系统中的车载终端内置了北斗定位、4G/5G通信、音频采集、NFC识别等模块，实时采集、处理公交车辆行驶数据，然后传输至服务器；车载摄像头识别违规驾驶行为，发出语音提醒，并通过车载终端将违规视频传输至服务器；公交APP为用户提供查询服务，还可在电子地图上实时显示公交车辆行驶路线和位置。车载摄像头识别违规驾驶行为是基于神经网络方法实现的，下列说法不正确的是（ ）
A. 识别违规驾驶行为是人工智能技术的应用
B. 训练神经网络模型时需要提供驾驶行为数据
C. 进行违规驾驶行识别时仍离不开原始训练数据
D. 识别违规驾驶行为的结果并不总是正确的
【答案】C
【解析】
基于神经网络的违规驾驶行为识别属于人工智能（AI）技术中的计算机视觉应用。神经网络通过模拟人脑神经元结构进行模式识别，是 AI 的核心技术之一，故 A 不符合题意。神经网络模型的训练依赖于大量标注好的驾驶行为数据（如正常驾驶、违规驾驶的图像 / 视频样本）。通过对这些数据的学习，模型才能掌握违规行为的特征（如驾驶员低头看手机、双手脱离方向盘等），故 B 不符合题意。神经网络模型在训练阶段需要原始训练数据来优化参数，但在推理（识别）阶段仅需输入待检测的实时视频数据，无需再次依赖原始训练数据。模型已通过训练将特征提取逻辑固化在参数中，因此 C 的说法错误，符合题意。由于光线变化、遮挡、摄像头角度等因素影响，或训练数据覆盖不全（如未包含所有违规场景），神经网络的识别结果可能出现误判（如将正常调整坐姿识别为违规），即识别准确率无法达到 100%，故 D 不符合题意。故选C。
8. 某二叉树如图所示，E节点在前序遍历序列中的位置记号为x。下列二叉树中，E节点在中序遍历序列中的位置序号也为x的是（ ）
A. B.
C. D.
【答案】A
【解析】
中序遍历顺序为：先访问最左子树节点，再访问其根节点，接着访问包含E的左子树的根节点，然后访问E节点，最后访问右子树节点 。具体遍历过程：左子树节点 -> 左子树的根节点 -> 包含E的左子树的根节点 -> E -> 右子树节点 ，E是第4个节点，位置序号为4，故A符合要求。中序遍历顺序为：左子树节点 -> 左子树的根节点 -> 根节点 -> 右子树的左节点（E） -> 右子树的根节点 。E是第4个节点之后的节点，位置序号不是4，故B不符合要求。中序遍历顺序为：左子树节点 -> 左子树的根节点 -> E（根节点） -> 右子树的根节点 -> 右子树的节点 。E是第3个节点，位置序号不是4，故C不符合要求。该结构不是二叉树（存在环结构，不符合二叉树的定义：二叉树是每个节点最多有两个子树的树结构 ），无需进行中序遍历分析，直接排除D。故选A。
9. 某队列中，队首到队尾的元素依次为A，B，C，D，E。元素出队后直接输出或重新入队，若输出次序为B，D，C，E，A，则元素A重新入队的最少次数为（ ）
A. 1B. 2C. 3D. 4
【答案】B
【解析】
为了找到 A 被重新入队的最少次数，我们需要模拟队列的操作过程，确保能够按照给定的输出序列进行操作，并记录 A 被重新入队的次数。
初始队列：[A, B, C, D, E]
目标输出序列：B, D, C, E, A
我们需要一步步进行操作，每次选择是将队首元素输出还是重新入队，以达到目标序列。
第一步：初始队列 [A, B, C, D, E]
队首元素：A
选择：
如果输出 A，那么输出序列第一个是 A，但目标第一个是 B，不匹配。
所以必须将 A 重新入队。
操作：
A 出队，重新入队。
队列变为：[B, C, D, E, A]
A 被重新入队 1 次。
第二步：队列 [B, C, D, E, A]
队首元素：B
目标输出第一个是 B，所以选择输出 B。
操作：
B 出队并输出。
输出序列：[B]
队列变为：[C, D, E, A]
第三步：队列 [C, D, E, A]
队首元素：C
目标下一个输出是 D，不是 C，所以不能输出 C。
必须将 C 重新入队。
操作：
C 出队，重新入队。
队列变为：[D, E, A, C]
A 没有被操作，重新入队次数仍为 1。
第四步：队列 [D, E, A, C]
队首元素：D
目标下一个输出是 D，所以输出 D。
操作：
D 出队并输出。
输出序列：[B, D]
队列变为：[E, A, C]
第五步：队列 [E, A, C]
队首元素：E
目标下一个输出是 C，不是 E，所以不能输出 E。
必须将 E 重新入队。
操作：
E 出队，重新入队。
队列变为：[A, C, E]
A 没有被操作，重新入队次数仍为 1。
第六步：队列 [A, C, E]
队首元素：A
目标下一个输出是 C，不是 A，所以不能输出 A。
必须将 A 重新入队。
操作：
A 出队，重新入队。
队列变为：[C, E, A]
A 被重新入队，次数增加到 2。
第七步：队列 [C, E, A]
队首元素：C
目标下一个输出是 C，所以输出 C。
操作：
C 出队并输出。
输出序列：[B, D, C]
队列变为：[E, A]
第八步：队列 [E, A]
队首元素：E
目标下一个输出是 E，所以输出 E。
操作：
E 出队并输出。
输出序列：[B, D, C, E]
队列变为：[A]
第九步：队列 [A]
队首元素：A
目标下一个输出是 A，所以输出 A。
操作：
A 出队并输出。
输出序列：[B, D, C, E, A]
队列变为：[]
检查输出序列
我们得到的输出序列是：B, D, C, E, A，与题目要求一致。
记录 A 的重新入队次数
在上述过程中：
第一次：A 从 [A, B, C, D, E] 出队并重新入队到 [B, C, D, E, A]。
第二次：A 从 [A, C, E] 出队并重新入队到 [C, E, A]。
因此，A 被重新入队的总次数为 2 次。
10. 有如下Pythn程序段:
i,r=n，""
while i