VISTA: Visueller KI-gestützter Steuerungsassistent für Lichtsignalanlagen zur effizienten Staureduktion in der stadt Kaiserslautern

Problem Formulation

Städtische Verkehrsstaus stellen eine zunehmende Herausforderung dar,  hervorgerufen durch steigende Fahrzeugdichte, eine wachsende Vielfalt an Verkehrsteilnehmenden und veraltete Verkehrsmanagementsysteme. Herkömmliche Ampelsysteme, die auf statischen oder vorprogrammierten Zeitplänen basieren, sind nicht flexibel genug, um auf die aktuellen Verkehrsbedingungen zu reagieren. Das führt zu einem ineffizienten Verkehrsfluss, langen Wartezeiten und unnötigem Kraftstoffverbrauch. Diese Ineffizienz verschwendet die Zeit und Ressourcen der Verkehrsteilnehmer und verstärkt die Probleme bei der Bewältigung des komplexen Stadtverkehrs. Um diese Probleme zu lösen, schlagen wir in diesem Projekt die Entwicklung eines KI-basierten Ampelplaners vor, der Echtzeitdaten nutzt. Durch den Einsatz von KI-basierten Echtzeit-Analysealgorithmen und adaptiven Technologien wird dieser Ansatz die Effizienz optimieren und das Verkehrsmanagement insgesamt verbessern.

Project Goals

VISTA entwickelt einen KI-basierten Verkehrssteuerungsplaner, der moderne Sensortechnologien und Echtzeitdaten nutzt, um den urbanen Verkehrsfluss intelligent zu optimieren. Das System erfasst und analysiert Fahrzeuge, Radfahrende, Fußgänger, ÖPNV und Einsatzfahrzeuge an Kreuzungen und Verkehrsachsen. Mithilfe adaptiver KI-Algorithmen werden Verkehrsmuster erkannt, Störungen prognostiziert und Ampelphasen dynamisch angepasst. Ziel ist es, Wartezeiten zu reduzieren, Staus zu vermeiden, priorisierte Verkehrsteilnehmer schneller durch den Verkehr zu führen und Emissionen zu senken. VISTA soll als modularer und skalierbarer Verkehrsplaner flexibel in bestehende Smart-City-Infrastrukturen integriert werden.

Solution Approach

Die vorgeschlagene Lösung besteht aus drei Hauptkomponenten. Zunächst werden moderne Verkehrssensoren wie Induktionsschleifen, LiDAR-, Radar, und Infrarotsensoren entlang der Straßen installiert, um die Verkehrslage in Echtzeit zu überwachen und zu analysieren. Diese Sensoren sammeln Rohdaten über den Verkehrsfluss, die Fahrzeugdichte und das Verhalten der verschiedenen Verkehrsteilnehmer. Diese Daten bilden die Grundlage für eine intelligente Verkehrssteuerung, die sich dynamisch an veränderte Bedingungen anpassen kann. In einem zweiten Schritt werden KI-basierte Objekterkennung Algorithmen entwickelt, die in der Lage sind, Verkehrsteilnehmer wie Fahrzeuge, Fußgänger, Radfahrer, öffentliche Verkehrsmittel und Einsatzfahrzeuge präzise zu identifizieren und zu klassifizieren. Die Algorithmen analysieren die erfassten Daten, um das Verkehrsverhalten zu überwachen, Stauschwerpunkte zu erkennen und kritische Muster im Verkehrsfluss zu identifizieren. Die Kombination von Echtzeitdaten und KI-gestützter Analyse verbessert die Verkehrsüberwachung und ermöglicht fundierte Entscheidungen. Schließlich wird ein intelligentes Framework zur Optimierung der Ampelsteuerung entwickelt. Dieses integriert Verfahren wie Reinforcement Learning zur adaptiven Steuerung zur Optimierung des Verkehrsflusses in Echtzeit sowie Multi-Agenten-Koordination zur effizienten Steuerung komplexer Interaktionen über mehrere Kreuzungen hinweg:

  1. Sensorinstallation: Installation von Verkehrssensoren auf der Straße zur Überwachung und Erfassung von Verkehrsdaten in Echtzeit.
  2. Beobachtung und Erkennung des Verkehrsflusses: Einsatz von Objekterkennungstechnologien zur Identifizierung und Klassifizierung von Verkehrsteilnehmern, einschließlich Fahrzeugen, Fußgängern, Radfahrern und Einsatzfahrzeugen.
  3. Datenerfassung und Entwicklung von KI-Modellen: Kontinuierliche Erfassung von Verkehrsdaten zur Entwicklung, zum Training und zur Verfeinerung von KI-basierten Modellen für präzise Vorhersagen und optimierte Steuerungsstrategien.
  4. Ampelsteuerungsplaner: Zentrales System, das Daten, Prognosen und Entscheidungsprozesse integriert, um koordinierte und effiziente Ampelsteuerungspläne zu erstellen.
  5. Adaptive Ampelsteuerung: Dynamische Anpassung der Ampelprogramme an aktuelle Verkehrsbedingungen in Echtzeit.
  6. Konnektivität und Kommunikation: Aufbau sicherer und zuverlässiger Verbindungen zwischen Straßensensoren, Edge-Geräten, Servern und lokalen Ampelsteuerungen unter Verwendung verschlüsselter Kommunikationsprotokolle zum Schutz vor unberechtigtem Zugriff. 
  7. Sicherheit und Datenschutz: Gewährleistung robuster Datenschutzmaßnahmen einschließlich Verschlüsselung, sicherer Authentifizierung und Einhaltung von Datenschutzvorschriften zum Schutz sensibler Informationen und zur Verhinderung von Sicherheitsverletzungen.

Digitales Testfeld Trippstadter Straße K68/K69

Die Trippstadter Straße mit den Knotenpunkten K68 und K69 dient als digitales Testfeld für intelligente Verkehrsmanagementlösungen in Kaiserslautern. In Zusammenarbeit zwischen der Stadt Kaiserslautern und der RPTU werden dort moderne Sensor- und Kamerasysteme eingesetzt, um Verkehrsflüsse, Rückstaus und Bewegungsmuster verschiedener Verkehrsteilnehmer in Echtzeit zu erfassen und auszuwerten.
Das Testfeld ermöglicht die praxisnahe Entwicklung und Erprobung KI-basierter Ampelsteuerungen. Besonders wichtig ist dabei die Betrachtung mehrerer benachbarter Knotenpunkte, sodass Verkehrsströme nicht nur an einzelnen Kreuzungen, sondern auf Streckenebene optimiert werden können. Ziel ist es, Wartezeiten zu reduzieren, Staus frühzeitig zu erkennen und den Verkehrsfluss effizienter, sicherer und nachhaltiger zu gestalten.
Als Teil der Smart-City-Aktivitäten in Kaiserslautern unterstützt das Testfeld die Entwicklung skalierbarer Lösungen für vernetzte Mobilität, adaptive Lichtsignalsteuerung und datenbasiertes Verkehrsmanagement.

Keywords

Adaptive Traffic Light Control
Artificial Intelligence (AI)
Objects Detection
Traffic planning
Smart City

Funding

Time Span

May 2026 - April 2029

Project Partners

NewSense Engineering GmbH
Dingolfinger Str. 15 | REGUS OFFICE
81673 München
https://newsense-engineering.de/

LASE PeCo Systemtechnik GmbH
Rudolf-Diesel-Str. 115
D-46485 Wesel
https://www.lase-peco.com/

Associated partner:
City Kaiserslautern

Contact

Prof. Dr.-Ing. Naim Bajcinca
Gottlieb-Daimler-Str. 42
67663, Kaiserslautern
+49 (0)631/205-3230
naim.bajcinca(at)rptu.de