Wie Künstliche Intelligenz hilft den Verkehrsfluss zu optimieren

Alles fließt
Das wussten schon die alten Griechen. Leider ist das aber nicht immer der Fall, denn die moderne Gesellschaft steht häufig genug still im Stau auf dem morgendlichen Weg zur Arbeit oder zum Urlaubsziel. Diese Momente des Stillstands empfindet man als besonders unangenehm. Es ist verschwendete Lebenszeit. Um den Verkehr auf Autobahnen schneller und situationsspezifischer steuern zu können, wurden digitale Verkehrszeichen eingeführt: die Streckenbeeinflussungsanlagen (SBA). Mit ihrer Hilfe kann man den Autofahrern aktuelle und an die Verkehrssituation angepasste Informationen zur Verfügung stellen oder konkrete Anweisungen geben, wie z.B. eine Anpassung der Geschwindigkeitsbeschränkung von 120 km/h auf 80 km/h. Die SBAs kommen auf Autobahnabschnitten mit hohem Verkehrsaufkommen oder an Stellen zum Einsatz, wo die Anfälligkeit für Staus bekannt und besonders hoch ist.

Wann kommt der Stau?
Aktuell kann man mit der Steuerung der SBAs nur auf das reagieren, was schon passiert ist. Man steuert der Realität hinterher. Große Verbesserungen im Verkehrsfluss und der Vermeidung von Staus ließen sich aber bereits erzielen, wenn man mit hoher Wahrscheinlichkeit wüsste, was in den nächsten zwei Minuten auf der Autobahn passiert. Ein zweiter Punkt der momentan bei der Steuerung der SBAs nicht berücksichtigt wird, ist der Einfluss des Verkehrs auf die Umwelt. Bei hohem Verkehrsaufkommen belasten Abgase und Lärm Anwohner und Umwelt. Wann ist ein Eingriff in den Verkehrsfluss möglich und wann ist er auch gerechtfertigt, so dass er von den Autofahrern akzeptiert wird? Um diese Fragen zu beantworten und das bisher ungenutzte Potential der SBAs zu nutzen, betrachtet die EDI GmbH – Engineering Data Intelligence das Problem von zwei Seiten und bezieht zusätzlich das wertvolle Wissen von Experten mit ein.

Top-Down und Bottom-Up, das sind die beiden Richtungen, aus denen das Problem untersucht wird. Seit mehreren Jahren wird auf einem ca. 30 km langen Streckenabschnitt der A5 nördlich von Frankfurt gemessen, wie viele Autos dort unterwegs sind, mit welcher Geschwindigkeit und auf welcher Spur sie fahren. Diese große Menge an Daten bilden die Grundlage mit der die EDI GmbH künstliche Intelligenz einsetzt, um eine Antwort auf die Frage zu erhalten, wie der Verkehrsfluss in den nächsten 2 Minuten aussehen wird, denn mit dieser Information lässt sich die Steuerung der digitalen Verkehrsschilder deutlich verbessern.

Mit dem Ansatz die Fragestellung Top-Down zu betrachten werden von EDI Modelle erzeugt, die ein Mensch verstehen kann. Das bedeutet, dass für bestimmte, ausgewählte Situationen die relevanten Zusammenhänge in lokalen Modellen abgebildet werden. Hierbei geht es darum verschiedene Situationen unterscheiden zu können und zu verstehen. Hierfür wird das Wissen von Experten integriert. Der Experte weiß, dass es verschiedene Arten von Staus gibt. So gibt z.B. Rechtsabbiegerstaus, Einfahrstaus oder LKW-Staus. Zusätzlich dazu ist den Experten oft auch bekannt, wann und an welcher Stelle ein solcher Stau in regelmäßigen Abständen auftritt: etwa immer jeden Vormittag um 8:00 Uhr an einer bestimmten Ausfahrt. Mit diesem zusätzlichen Wissen wird die vorhandene Menge an Daten nun von der EDI GmbH gefiltert und geclustert. Anschließend werden daraus lokale Modelle generiert, mit deren Hilfe dann einzelne relevante Situationen identifiziert und beschrieben werden. So erhält das Karlsruher Unternehmen eine Antwort auf die Frage, wie sich der Verkehr in den nächsten 2 Minuten entwickeln wird. Mit dieser Antwort kann man die Stauwarnungen der digitalen Anzeigetafeln auf der Autobahn deutlich verbessern und in günstigen Fällen sogar so schalten, dass kein Stau entsteht, eine entsprechende Akzeptanz der Autofahrer vorausgesetzt.

Die Frage der Akzeptanz wird von der EDI GmbH zusätzlich in einer Studie untersucht, die ebenfalls mit Hilfe von künstlicher Intelligenz in den vorliegenden Daten die tatsächlich gefahrene Geschwindigkeit der Fahrzeuge auf dem Streckenabschnitt der A5 in Bezug zu den angezeigten Geschwindigkeitsbeschränkungen und Warnungen ermittelt.

Die künstliche Intelligenz findet Antworten
Der zweite Ansatz nähert sich der Fragestellung aus der entgegengesetzten Richtung: Bottom-Up. Aber auch hier ist die zentrale Frage: Was passiert in den nächsten 2 Minuten? Um aus der anderen Richtung zu einer Antwort zu gelangen, ist ein Neuronales Netz das Mittel der Wahl. Es wird mit den Verkehrsdaten gefüttert und ist dann selbstständig in der Lage Muster zu erkennen und beispielsweise Stausituationen zu identifizieren, denn ein Stau hinterlässt ein bestimmtes Datenmuster. Das Netz lernt selbst, welche Muster wichtig sind. Es findet selbständig Antworten und kann auch sagen, welches Muster in den Daten letztendlich ausschlaggebend war. Das Besondere am Vorgehen der EDI GmbH ist die Anwendung des Hybridmodells. Als solches wird die Kombination der Erkenntnisse, welche die KI mit der Bottom-Up-Methode liefert und dem Fachwissen der Experten bezeichnet. Anschließend werden daraus menschenverständliche Modelle entwickelt, die dann wieder mit dem Top-Down Ansatz überprüft werden. Somit entsteht ein sich selbst verbessernder Kreislauf.

Der Top-Down- & Bottom-Up-Ansatz des KI-basierten Hybridmodells ermöglicht ein kooperatives Lernen der Experten mit der KI. Das Entscheidende an dieser Methode ist die Möglichkeit damit das Problem besser zu verstehen. Somit gelingt der Blick in die Zukunft und es wird eine robuste Antwort auf die Frage geliefert, wie der der Verkehr in den nächsten 2 Minuten aussehen wird. Staus können damit vermieden werden und das Leben und der Verkehr fließen wieder.

Verkehrssteuerung durch KI auf unserer Webseite:
https://www.edi.gmbh/…