Wer kennt das nicht? Die Straßen sind chronisch überfüllt, an den Kreuzungen stauen sich die Fahrzeuge. Vor allem in der Rushhour bilden sich lange Warteschlangen. In den Projekten „KI4LSA“ und „KI4PED“ realisieren Forschende am Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung, Institutsteil für industrielle Automation (IOSB-INA) in Lemgo eine intelligente Ampelsteuerung mithilfe von Künstlicher Intelligenz (KI). Selbstlernende Algorithmen sollen in Kombination mit neuer Sensorik künftig für einen besseren Verkehrsfluss sowie kürzere Wartezeiten sorgen und Fußgängern mehr Sicherheit an Ampelkreuzungen bieten.
Aktuelle Ampelsteuerungen sind regelbasiert, die starren Regeln passen nicht auf alle Verkehrssituationen. Zudem bilden die vorhandenen Sensoren – in den Asphalt eingelassene Induktionsschleifen – die Verkehrssituation nur grob ab. Diese Probleme beschäftigen die Forschenden am Fraunhofer IOSB-INA. Anstelle der herkömmlichen Sensoren implementieren sie hochauflösende Kamera- und Radar-Sensorik, die das Verkehrsgeschehen präziser erfasst.
Die Anzahl der wartenden Fahrzeuge an der Kreuzung kann so spurgetreu in Echtzeit aufgenommen werden. Auch die durchschnittliche Geschwindigkeit der Autos und die Wartezeit werden detektiert. Die Echtzeit-Sensorik wird mit der KI kombiniert, die die heute noch aktuellen starren Steuerungsregeln ersetzt.
Die KI verwendet Algorithmen des „Deep Reinforcement Learning“. Diese Methode des maschinellen Lernens konzentriert sich darauf, intelligente Lösungen für komplexe Steuerungsprobleme zu finden. „Wir haben von der Lemgoer Kreuzung, an der unsere Tests stattfinden, ein realitätsgetreues Simulationsmodell gebaut und die KI in diesem Modell unzählige von Iterationen trainieren lassen. Zuvor haben wir das gemessene Verkehrsaufkommen zur Rushhour in das Simulationsmodell übertragen, sodass die KI mit realen Daten arbeiten kann. Das Ergebnis ist ein per Deep Reinforcement Learning trainierter ‚Agent‘, ein Neuronales Netz, das die Ampelsteuerung darstellt“, erläutert Arthur Müller, Projektleiter und Wissenschaftler am Fraunhofer IOSB-INA den Ansatz des DRL.
Die so durch ständiges Wiederholen von Verkehrssituationen trainierten Algorithmen ermitteln das beste Ampel-Schaltverhalten und die beste Phasenfolge, um die Wartezeiten an der Kreuzung zu verkürzen, Fahrzeiten zu senken und den durch Staus entstehenden Lärm und die CO2-Belastung zu senken. Die KI-Algorithmen laufen auf einem Computer im Schaltkasten an der Kreuzung. Ein Vorteil: Die Algorithmen lassen sich auf Verbundschaltungen testen, anwenden und skalieren, also auf benachbarten Ampeln, die sich in einem Verbund befinden.
Um 10 bis 15 % könnte der Verkehrsfluss durch die KI verbessert werden. Zu diesem Ergebnis kamen die Simulationsphasen an der überlasteten Lemgoer Kreuzung, die mit intelligenten Ampeln ausgerüstet wurde.
Die EU beziffert den durch Staus verursachten wirtschaftlichen Schaden auf insgesamt 100 Mrd. Euro jährlich für die Mitgliedsstaaten. KI-Ampeln sind laut Müller eine Möglichkeit, die vorhandene Infrastruktur effizienter zu nutzen. „Weltweit sind wir die ersten, die die Ampelsteuerung per Deep Reinforcement Learning unter realen Bedingungen testen. Wir setzen auf den Vorbildcharakter unseres Projekts“.
Bild: Im Projekt „KI4LSA“ soll Künstliche Intelligenz eine intelligente, vorausschauende Ampelschaltung ermöglichen. Hochauflösende Kamera- und Radarsensorik erfasst das Verkehrsgeschehen präzise.
Bildquelle: Fraunhofer IOSB-INA
BUSMAGAZIN ist die Fachzeitschrift für private Omnibusunternehmen, die Reise- und Linienverkehr betreiben.
Mit den regelmäßigen BUSNEWS bleiben Sie stets informiert und auf dem neuesten Stand innerhalb der Busbranche.
Dienste und Anwendungen von Bustreff.de für Busunternehmen und Unternehmen der Busbranche.
