New Mobility

Grüne Welle: Wie KI den Straßenverkehr optimieren könnte

Häufige Ampelstopps treiben den Kraftstoff-Verbrauch in die Höhe. Im Zeitalter des automatisiertes Fahrens könnte sich das ändern. Und zwar, indem KI-Algorithmen die Ampelschaltung so optimieren, dass die autonomen Fahrzeuge kaum mehr zu stoppen brauchen. //next hat sich angesehen, wie eine solche KI-gesteuerte „grüne Welle“ funktionieren könnte. 

Ein Forscherteam am Massachusetts Institute of Technology (MIT) hat in einer Studie untersucht, wie sich durch maschinelles Lernen eine Flotte autonomer Fahrzeuge so steuern lässt, dass diese ohne Ampelstops auskommen. In den Simulationen ließen sich hierdurch Kraftstoffverbrauch und die Emissionen senken, während die durchschnittliche Fahrzeuggeschwindigkeit gleichzeitig sogar zunahm.

Zwar erzielte dieser Ansatz die besten Ergebnisse, wenn die teilnehmenden Fahrzeuge allesamt autonom unterwegs sind. Doch selbst wenn nur 25 Prozent der Pkw den MIT-Steuerungsalgorithmus nutzen, führt dies bereits zu erheblichen Kraftstoff- und Emissionsvorteilen.


Der Straßenverkehr an Kreuzungen führt dem Forscherteam zufolge zu „Milliarden verschiedener Szenarien“ – abhängig von der Anzahl an Fahrspuren und Fahrzeuge, deren Geschwindigkeit, dem Schaltverhalten der Ampeln und der Frage, ob Fußgänger und Radfahrer oder andere Verkehrsteilnehmerinnen und -teilnehmer die Komplexität der Lage weiter erhöhen. 

Das MIT-Team näherte sich diesem Problem mit einem modellfreien Ansatz, den sie als „Deep Reinforcement Learning“ bezeichen. Per „Trial and Error“ erlernt der Steuerungsalgorithmus nach und nach das Treffen von Entscheidungen: Fließt der Verkehr flüssig, waren diese offenkundig angemessen und werden entsprechend als vielversprechend abgespeichert. 

Wie das Verfahren im Detail funktioniert – und welche Hindernisse das Forscherteam zu überwinden hatte und nach wie vor zu überwinden hat – lest Ihr hier beim MIT (auf Englisch):


Text: Ingo Schenk