Wir alle haben das schon erlebt. Wir stehen an Ampeln, die scheinbar nie auf Grün schalten. Wir stehen in kilometerlangen Autoschlangen oder werden von einem Schwall langsamen Verkehrs aufgehalten, der sich plötzlich auflöst. Staus sind eine Plage in unserem modernen, schnelllebigen Leben. Und wir gehen mit ihnen auf eine sehr unzeitgemäße Weise um.
Wir bewegen uns nicht mehr so wie früher, und unsere Verkehrsleitsysteme haben Mühe, mit dem unerbittlichen Ansturm von Fahrzeugen Schritt zu halten, den sie heute bewältigen müssen. Stauumgehungsmaßnahmen reagieren oft nur langsam auf veränderte Straßen- oder Wetterbedingungen, und viele Ampeln arbeiten immer noch mit Zeitschaltuhren, die oft nicht synchronisiert sind, so dass die Fahrzeuge nicht ungehindert fließen können.
Im Jahr 2015 gab es schätzungsweise 1,3 Milliarden Kraftfahrzeuge auf den Straßen der Welt, und angesichts des wachsenden Wohlstands in den Entwicklungsländern wird erwartet, dass diese Zahl bis 2040 auf über 2 Milliarden ansteigt. Selbst mit neuen Straßen und Umgehungsstraßen könnte dieses ständig wachsende Verkehrsaufkommen die Kapazität unserer Straßennetze in vielen stark befahrenen Gebieten, z. B. in Städten, schnell übersteigen.
Durch die Kombination neuer Kommunikationstechnologien mit den Möglichkeiten der künstlichen Intelligenz (KI) zur Auswertung riesiger Datenmengen in Echtzeit könnte es jedoch möglich sein, unsere verstopften Straßen zu entlasten, damit sie die wachsende Zahl von Autos bewältigen können.
Viele sehen in selbstfahrenden Fahrzeugen das Allheilmittel gegen Staus – vorausgesetzt, diesen Roboterfahrzeugen kann beigebracht werden, weniger unberechenbar zu fahren und schneller zu reagieren als menschliche Autofahrer -, aber es wird noch mindestens zwei Jahrzehnte dauern, bis sie sich auf unseren Straßen bemerkbar machen werden. In der Zwischenzeit werden die Autobahnbehörden und Stadtplaner mit einer immer komplizierteren Mischung aus menschlichen, halbautonomen und autonomen Fahrern auf den Straßen zurechtkommen müssen. Um sie alle in Bewegung zu halten, müssen Verkehrsmanagementsysteme sofort reagieren und anpassungsfähig sein.
Im indischen Bengaluru, wo es regelmäßig zu langen Staus kommt und die Durchschnittsgeschwindigkeit auf manchen Straßen zu Stoßzeiten nur 4 km/h beträgt, hat Siemens Mobility den Prototyp eines Überwachungssystems entwickelt, das KI mit Hilfe von Verkehrskameras nutzt. Die Verkehrskameras erkennen automatisch Fahrzeuge, und diese Informationen werden an ein zentrales Kontrollzentrum weitergeleitet, wo Algorithmen die Verkehrsdichte auf der Straße abschätzen. Das System schaltet dann die Ampeln entsprechend der Verkehrsüberlastung in Echtzeit um.
Um auf diese Weise reagieren zu können, werden jedoch Daten benötigt. Sehr viele Daten. Glücklicherweise sind diese Daten nicht knapp bemessen. Es gibt jede Menge Informationen von Verkehrsüberwachungssystemen, der Straßeninfrastruktur, den Autos und den Fahrern selbst über ihre Mobiltelefone. Millionen von Kameras säumen unsere Straßen, während die vorbeifahrenden Fahrzeuge winzige elektrische Ströme in unter dem Asphalt verborgenen Metallschleifen induzieren, die weitere Informationen über die Verkehrslage liefern. Autofahrer können dank der Navigationssoftware, die sie auf ihren Mobiltelefonen und in ihren Autos verwenden, sofortige Updates über Staus senden.
Einige dieser Überwachungstechnologien – wie die Induktionsschleifen – gibt es bereits seit den 1960er Jahren, während andere wie Kameras, die den Verkehr verfolgen und Nummernschilder lesen können, jüngeren Datums sind. Die Herausforderung besteht darin, aus all diesen Informationen etwas Nützliches zu machen.
„Seit Isaac Newton versuchen wir, die Welt zu beeinflussen, indem wir mathematische Modelle erstellen“, sagt Gabor Orosz, außerordentlicher Professor für Ingenieurwesen an der University of Michigan. „Wenn wir Daten haben, können wir Dinge herausfinden. Das Gleiche gilt für den Verkehr.“
Inzwischen gibt es Versuche, die Fähigkeit der KI, große Datenmengen sinnvoll zu verarbeiten, zu nutzen und die Art und Weise, wie wir uns in unseren Städten bewegen, zu verändern.
Forscher des Alan Turing Institute in London und der Toyota Mobility Foundation haben kürzlich ein gemeinsames Projekt gestartet, in dem untersucht wird, wie Verkehrsmanagementsysteme durch den Einsatz von KI dynamischer und reaktionsschneller werden können. Sie verwenden derzeit Simulationen, die in ihrer Komplexität zunehmen und sich weiterentwickeln, damit ihre Algorithmen lernen, Veränderungen im Verkehr vorherzusagen. Obwohl sie das System noch testen, hoffen sie, ihre Systeme bald in der realen Welt anwenden zu können.