Intelligente Ampelschaltungen könnten den Verkehrsfluss verbessern sowie Lärm und Emissionen mindern. (Bild: AdobeStock / candy1812 )
In zwei Projekten widmet sich der Institutsteil industrielle Automation (INA) des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung (IOSB) einer KI-basierten Optimierung von Ampelschaltungen. Die selbstlernenden Algorithmen sollen in Kombination mit neuer Sensorik den Verkehrsfluss verbessern sowie für kürzere Wartezeiten und mehr Sicherheit sorgen.
Gemeinsam mit diversen Partnern soll im Projekt KI4LSA eine intelligente, vorausschauende Ampelschaltung entwickelt werden – eine Abkehr von starren Regeln und in den Asphalt eingelassenen Induktionsschleifen. Anstelle der herkömmlichen Sensoren implementieren die Fraunhofer-Forscher dabei hochauflösende Kamera- und Radarsensorik. Dadurch wird die Anzahl der wartenden Fahrzeuge spurgetreu in Echtzeit aufgenommen sowie die durchschnittliche Geschwindigkeit und Wartezeit detektiert.
Algorithmen sorgen für besseren Verkehrsfluss
Kombiniert wird die Echtzeit-Sensorik mit künstlicher Intelligenz, die Algorithmen des sogenannten Deep Reinforcement Learning verwendet. Sie soll die starren Steuerungsregeln ersetzen und läuft auf einem Edge-Computer im Schaltkasten an der Kreuzung. Das gemessene Verkehrsaufkommen zur Rushhour wird zunächst in das Simulationsmodell übertragen. „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“, erläutert Arthur Müller, Projektleiter und Wissenschaftler am Fraunhofer IOSB-INA.
Das Ergebnis ist ein neuronales Netz, das die Ampelsteuerung darstellt. Es ermittelt das beste Schaltverhalten und die beste Phasenfolge. Ein Vorteil: Die Algorithmen lassen sich auf Verbundschaltungen – also benachbarten Ampeln – testen, anwenden und skalieren. An der Lemgoer Kreuzung konnte der Verkehrsfluss damit um zehn bis 15 Prozent verbessert werden. Das System wird in den kommenden Monaten für die weitere Evaluation ins Reallabor des Straßenverkehrs überführt. „Weltweit sind wir die ersten, die die Ampelsteuerung per Deep Reinforcement Learning unter realen Bedingungen testen. Wir setzen auf den Vorbildcharakter unseres Projekts“, betont Müller.
KI passt Ampelschaltung an Fußgänger an
Im zweiten Projekt, KI4PED, stehen hingegen nicht Fahrzeuge, sondern Fußgänger im Fokus. Hierbei entwickelt das Fraunhofer IOSB-INA gemeinsam mit den Partnern eine bedarfsgerechte Steuerung von Fußgängerampeln, welche die bisherigen meist gelben Taster obsolet machen könnte. Die Forscher erhoffen sich, die Wartezeit bei hohem Personenaufkommen um 30 Prozent und die Anzahl gefährlicher, verkehrswidriger Überquerungen um etwa 25 Prozent reduzieren zu können.
Demnach soll eine Kombination von hochauflösenden Lidar-Sensoren und künstlicher Intelligenz künftig etwa vulnerable Personen erkennen, ihre Wartezeiten verkürzen und die Überquerungszeiten an die Bedarfe anpassen. „Aus Gründen des Datenschutzes verwenden wir anstelle von kamerabasierten Systemen Lidar-Sensoren, da sie Fußgänger als 3D-Punktwolken darstellen und diese somit nicht identifiziert werden können“, erklärt Dennis Sprute, Projektleiter und Wissenschaftler am Fraunhofer IOSB-INA. Zunächst werden die KI-Algorithmen an zwei Ampelkreuzungen in Lemgo und Bielefeld eine Woche lang trainiert. Danach sind Sensortests unter verschiedenen Beleuchtungsbedingungen geplant.
