Über KI4LSA
Der zunehmende innerstädtische Verkehr führt zu Umweltbelastungen (Lärm, Abgase), hohen Reisezeiten und erhöhtem Treibstoffverbrauch für die Verkehrsteilnehmer. Ein wesentlicher Hebel zur Verbesserung des Verkehrsflusses im innerstädtischen Bereich liegt in der Optimierung der Steuerungen von Lichtsignalanlagen (LSA).
Ziel des Projektes „KI4LSA“ war es daher, mittels Reinforcement Learning (RL) – einem Verfahren der Künstlichen Intelligenz – die LSA so zu steuern, dass der Verkehrsfluss optimiert wird. Zu diesem Zweck wurde die KI in einer Simulation trainiert und anschließend ausgewertet. Des Weiteren wurde das System auch im Realbetrieb erprobt, wozu eine Testkreuzung mit zusätzlicher Hardware und Sensorik nachgerüstet wurde.
Im Projekt „KI4LSA“ wurde weltweit das erste Mal eine RL-basierte LSA-Steuerung erfolgreich im Realbetrieb eingesetzt. Hierzu wurde zunächst ein Softwareframework zum Trainieren des RL-Algorithmus entwickelt. Der trainierte RL-Agent wurde anschließend zur Steuerung einer realen LSA eingesetzt. Hierzu wurden zusätzliche Kamera- und Radarsensoren an der Kreuzung installiert, die eine spurgetreue Erfassung der Verkehrssituation in Echtzeit ermöglichten und als Entscheidungsgrundlage für den RL-Agent dienen. Im Realbetrieb konnte so die durchschnittliche Reisezeit von Fahrzeugen um ca. 10% reduziert werden. Des Weiteren konnte in der Simulation eine Emissionsreduktion von 15-20% nachgewiesen werden.
Ferner lässt sich auch der Entwicklungsaufwand für LSA-Steuerungen durch den Einsatz der KI reduzieren, da eine manuelle Programmierung der Steuerungen entfällt. In Hinblick auf die zukünftige Einbindung von weiteren Verkehrsinformationen durch V2X-Technologien, bietet die untersuchte Lösung den Vorteil, dass sich diese im Gegensatz zu bisherigen Steuerungen aufwandsarm integrieren lassen könnten.
Verbundkoordinator
Fraunhofer IOSB-INA, Lemgo
Projektpartner
Cichon Automatisierungstechnik GmbH, Pfinztal
Stührenberg GmbH
Stadtwerke Lemgo GmbH