Photo by Anna Ilina on Pexels.com

(TRD/MID) Im Schleichtempo stauen sich die Autos von einer überfüllten Ampelkreuzung zur nächsten, vor allem zu Stoßzeiten ist die grüne Welle nur ein frommer Wunsch. Forscherteams am Institutsteil für industrielle Automation INA des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung (IOSB) wollen das ändern. Sie setzen auf Künstliche Intelligenz für eine intelligente, vorausschauende Ampelschaltung.

Um zehn bis 15 Prozent könnte der Verkehrsfluss durch Künstliche Intelligenz verbessert werden, ergaben die Simulationsphasen an der überlasteten Test-Kreuzung, die mit intelligenten Ampeln ausgerüstet wurde.Photo by Anna Ilina on Pexels.com

Künstliche Intelligenz soll das Vorankommen von morgen lenken

Aktuelle Ampelsteuerungen sind an starre Regeln gebunden, und die passen nicht für alle Verkehrssituationen. Zudem bilden die vorhandenen Sensoren – in den Asphalt eingelassene Induktionsschleifen – die Verkehrssituation nur reichlich grob ab. Deshalb setzen die Forschenden am Fraunhofer IOSB-INA im Projekt KI4LSA (Künstliche Intelligenz für LichtSignalAnlagen) anstelle der herkömmlichen Sensoren hochauflösende Kamera- und Radarsensorik ein, die das Verkehrsgeschehen präziser erfasst.

Höherer Zweck macht Unternehmen attraktiver

So kann die Anzahl der wartenden Fahrzeuge an der Kreuzung spurgetreu in Echtzeit aufgenommen werden. Auch die durchschnittliche Geschwindigkeit der Autos und ihre Wartezeit werden detektiert.

Licht- und Schattenseiten von Künstlicher Intelligenz (KI)

Die Echtzeit-Sensorik wird mit Künstlicher Intelligenz kombiniert, die die starren Steuerungsregeln ersetzt. Die KI verwendet Algorithmen des Deep Reinforcement Learning (DRL). Diese Methode des maschinellen Lernens konzentriert sich darauf, intelligente Lösungen für komplexe Steuerungsprobleme zu finden.

Das Nachzügler-Vorrecht an Ampeln: Nicht blindlings losfahren!

„Wir haben von der Kreuzung, an der unsere Tests stattfinden, ein realitätsgetreues Simulationsmodell gebaut und die KI in diesem Modell unzählige Iterationen trainieren lassen. Zuvor haben wir das gemessene Verkehrsaufkommen zur Rush-Hour in das Simulationsmodell übertragen, sodass die KI mit realen Daten arbeiten kann“, erläutert Projektleiter Arthur Müller den Ansatz des DRL. Das Ergebnis sei ein per Deep Reinforcement Learning trainierter Agent, ein Neuronales Netz, das die Ampelsteuerung darstelle.

Ultraleichtbauweise bei Wohnwagen setzt neue Maßstäbe

Künstliche Intelligenz
Beim Projekt KI4LSA soll Künstliche Intelligenz eine vorausschauende Ampelschaltung ermöglichen. © Fraunhofer IOSB-INA / TRDMobil

Forschungsprojekt für die Planung von digitalen Produktionssystemen

Die so 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.

Lastenräder sind ein ständiges Risiko für die Verkehrssicherheit

Und das durchaus nennenswert: Um zehn bis 15 Prozent könnte der Verkehrsfluss durch Künstliche Intelligenz verbessert werden, ergaben die Simulationsphasen an der überlasteten Test-Kreuzung, die mit intelligenten Ampeln ausgerüstet wurde.

Wissenswertes über den intelligenten Allradantrieb und kluge Räder

Wie wichtig dieses Projekt ist, zeigt folgende Zahl: Die EU beziffert den durch Staus verursachten wirtschaftlichen Schaden auf 100 Milliarden Euro jährlich. KI-Ampeln sind eine Möglichkeit, diese Summe deutlich zu reduzieren.

https://trd-pressedienst.com/willkommen-auf-der-trd-plattform/

Best Brands und Buchtipps rund um die Mobilität

Heavy Metal in der Wanne genießen

Welche Möglichkeiten hat der Einzelhandel im Digital-Zeitalter

Der Öffentliche Personennahverkehr (ÖPNV) bekommt die Krise zu spüren

Suzuki Deutschland stellt sich neu auf

Im digitalen Zeitalter wollen Urlauber nicht nur auf dem Wasser surfen

Auf diese Bikes fährt James Bond ab

Kundenportal und Seitenleiste

Warum wir redaktionell so arbeiten, wie wir arbeiten

google-site-verification: google150de92e7e78d4d3.html