Projekt KI4LSA: Künstliche Intelligenz für LichtSignalAnlagen

• Schnell von A nach B
• Lärm reduzieren
• Luftverschmutzung minimieren

Ansatz

Im Projekt „KI4LSA“ soll eine Lösung zur Verkehrsflussoptimierung basierend auf Echtzeitdaten vorhandener LSA mit Künstlicher Intelligenz (KI) implementiert und evaluiert werden. 

Technologische Zielsetzung

1. Situation in Echtzeit erfassen: Neben den vorhandenen Daten der LSAs wird ein Echtzeitsensorsystem realisiert, welches mit möglichst wenig Sensoren ausreichend genau und spurgetreu Verkehrsflüsse erfassen und an eine Cloud/Edge-basierte Verarbeitung weiterleiten kann. Zusätzlich werden Sensoren zur Er-fassung relevanter Umweltdaten installiert.
2. Strategien zur Verkehrsflussoptimierung in Echtzeit selbständig lernen: Die hierzu verwendete KI soll Algorithmen aus dem Stand der Technik für Deep Learning, Reinforcement Learning und Deep Reinforcement Learning nutzen. Es wird verifiziert, inwiefern die KI mit wenigen Sensordaten, Simulationsdaten und Daten atypischer Ereignisse angelernt werden kann.
3. Wirksamkeit in Reallabor nachweisen: Mit Hilfe eines Prototyps wird das erreichbare Potential von KI für die Verkehrsflussoptimierung und Emissionsreduktion in dem vorgesehenen LSA-Verbund in Lemgo beispielhaft getestet und die Verbesserung mit Pendlern und Anwohnern evaluiert.
4. Übertragbarkeit: Hierzu werden Versuche zur Skalierbarkeit im Hinblick auf größere Verkehrsabschnitte auf der Grundlage verfügbarer Verkehrsdaten anderer Orte oder durch Simulationen durchgeführt. Weiterhin werden die erhobenen Daten als Open Data weiteren Akteuren zur Verfügung gestellt.

Steckbrief