KI im Verkehrsmanagement: Smart Cities, smarte Systeme
Lourenço Bandeira
Datenwissenschaftler bei Schréder Hyperion
Städte in aller Welt wachsen unaufhaltsam. Deshalb müssen die Verantwortlichen intelligente, vernetzte urbane Räume schaffen, in denen die Bewohner*innen eine hohe Lebensqualität und praktische Mobilität genießen. Seit vielen Jahren, seit meinem Studium am Instituto Superior Técnico in Lissabon, bin ich vom Potenzial der KI fasziniert. Ich habe bei der wissenschaftlichen US-Behörde United States Geological Survey gearbeitet und an von der NASA unterstützten Projekten mitgewirkt, in deren Rahmen präzise Karten des Planeten Mars erstellt werden. Gemeinsam mit meinen Kolleginnen und Kollegen bei Schréder Hyperion versuchen wir, mithilfe von KI eine der größten Herausforderungen zu lösen, welche die Bewohner*innen von Städten in aller Welt betrifft: Wie können wir Verkehrsstaus vermeiden?
Der Verkehr fließt einfach ... bis er stockt
Eine der größten Herausforderungen für Smart Cities ist die Bewältigung von Verkehrsstaus und die Verbesserung der Mobilität ihrer Bürger*innen. Der Verkehrsfluss wirkt sich nicht nur auf die Effizienz und Produktivität des städtischen Lebens, sondern auch auf die Umwelt, die Gesundheit und die Sicherheit der Menschen aus. Deshalb ist es für Smart Cities von entscheidender Bedeutung, den Verkehrsfluss mithilfe innovativer, daten- und technologiegestützter Lösungen zu überwachen und zu optimieren.
In unserem neuen Whitepaper An Insight into Traffic Analysis with Computer Vision (Ein Einblick in die Verkehrsanalyse mit maschineller Bildverarbeitung) wird erörtert, wie die KI Städte dabei unterstützen kann, Verkehrsströme so zu messen, dass der Datenschutz gewährleistet bleibt, kein menschliches Eingreifen erforderlich ist (was Zeit und Geld spart) und nützliche, detaillierte Daten darüber geliefert werden, wie und wann die Straßen genutzt werden. Um die Mobilität im öffentlichen Raum optimieren zu können, ist ein detailliertes Verständnis des Verkehrsflusses entscheidend. Herkömmliche Verkehrsüberwachungsmaßnahmen sind arbeitsintensiv und stellen nicht immer die aktuell benötigten Daten bereit.
Im Rahmen unseres Projekts, das vom portugiesischen Zweig des EU-Programms Horizon 2020 unterstützt wurde, haben wir mithilfe der städtischen Beleuchtungsinfrastruktur eine Lösung für die Messung des Verkehrsflusses an Hauptverkehrsknoten getestet. Es wurden dabei KI-gestützte Edge-Computing-Geräte genutzt, die in Straßenleuchten eingebaut wurden. Die Geräte waren mit zwei Bildsensoren ausgestattet, die für verschiedene Verkehrsanwendungen eingesetzt wurden. Im Großraum Lissabon wurden in den Kommunen Cascais, Loures und Oeiras drei Demo-Pilotinstallationen an neun Kreuzungen eingerichtet. Die Ergebnisse zeigten, dass KI für die Verkehrsüberwachung sehr nützlich ist und bei zukünftigen Projekten an diesen Orten Unterstützung leisten kann.
An wichtigen Verkehrsknotenpunkten im Großraum Lissabon wurden Sensoren zur Messung der Verkehrsdichte installiert
Sensoren im Einsatz
Im Bereich der neun Kreuzungen brachten wir an den dort vorhandenen Leuchtenmasten Kameras, Geräuschsensoren und Radarsysteme an. Damit konnte das System Fußgänger*innen, Pkw, Fahrräder, Lastwagen und den vorbeifahrenden Verkehr erfassen. An den belebtesten Kreuzungen, an denen mit einem hohen Verkehrsaufkommen und konfliktträchtigen Situationen zu rechnen ist, insbesondere während der Hauptverkehrszeiten, setzten wir das Überwachungssystem rund um die Uhr ein. Die anderen Kreuzungen lagen in Wohngebieten. Diese überwachten wir nachts mit dem Ziel, potenziellen Lärmbelastungen auf den Grund zu gehen.
Die Datenerfassung erstreckte sich über einen Zeitraum von zwei Monaten, wobei pro Gerät Daten von etwa 30 Tagen erfasst wurden. Die detaillierten technischen Daten sind dem Whitepaper zu entnehmen. Dabei ist zu beachten, dass die Daten nicht von Menschen, sondern vollständig von KI-Systemen überwacht wurden. Für die Verfolgung der vom Bildverarbeitungsmodell erkannten Objekte, die anschließend gezählt wurden, wurde der Algorithmus „Deep SORT“ genutzt. Die verschiedenen Kamerawinkel ermöglichten es der KI, Pkw, Busse, Lastwagen, Motorräder und Fahrräder voneinander zu unterscheiden.
Anfangs führten wir eine kurze manuelle Überprüfung durch, um sicherzustellen, dass die Fahrzeuge korrekt erfasst wurden. Was der spätere Einsatz dann auch bewies: Denn zu einem bestimmten Zeitpunkt registrierte das System plötzlich überhaupt keine Fahrzeuge mehr, dafür aber sehr viele Fußgänger*innen. Eine kurze Überprüfung zeigte, dass die Straße aufgrund eines Marathonlaufs für Fahrzeuge gesperrt worden war!
Intrinsischer Datenschutz durch Edge-Computing
Eine der größten Herausforderungen für Smart Cities ist es, die Privatsphäre der Bürger*innen zu wahren und zugleich nutzbringende Informationen bereitzustellen. Schréder arbeitet schon seit Jahren an Möglichkeiten, dieses Dilemma zu lösen. Eine der effizientesten Lösungen hierfür ist das sogenannte „Edge-Computing“. Wenn Daten näher am „Edge“, also am Rand des Netzwerks verarbeitet werden – also dort, wo sich die Leuchten, die Masten bzw. die Sensoren befinden –, können sie dort verbleiben, wo sie benötigt werden. Sie müssen nicht hin und her an Cloud-Server oder proprietäre Server übermittelt werden, die möglicherweise Hunderte von Kilometern entfernt sind. Anstelle von Bilddaten senden die Sensoren lediglich eine kleine Menge an Textdaten und einen Zeitstempel in die Cloud, um sie darüber zu informieren, dass ein Fahrzeug eines bestimmten Typs die Kontrollstelle passiert hat. Es werden also keine Bild- oder Tondaten übertragen. Außerdem verkürzt dies die Datenverarbeitungszeit.
Wir haben die KI-Algorithmen perfektioniert, die auf den winzigen, an den Leuchtenmasten angebrachten Computern ausgeführt werden. Ziel dieses Projekts ist die Entwicklung eines neuen Paradigmas für eine präzise lokalisierbare, interoperable, cybersichere, krisenresistente, verteilte, autonome und vernetzte städtische Infrastruktur, die als Rückgrat für die Einführung neuer Technologien und Geräte für den Übergang zur Smart City dient, einer Stadt, in der wir ermitteln können, wie der Verkehr fließt, ohne dass dadurch die Privatsphäre der Bürger*innen verletzt wird.
KI-gestützte Beobachtung
Diese erste Studie lieferte eine Reihe von Erkenntnissen über das Verkehrsaufkommen zu unterschiedlichen Tageszeiten, über den Verkehr in den Hauptverkehrszeiten sowie interessante Detailinformationen über die Straßennutzung. Beispielsweise wurde an einer Kreuzung samstags ein ungewöhnlich hohes Verkehrsaufkommen in Richtung Norden festgestellt. Dieser Verkehr ist ähnlich stark wie während der Hauptverkehrszeit, tritt aber etwas später am Tag ein (er hält bis etwa 11 Uhr an) und ist wahrscheinlich auf Verkehrsteilnehmer*innen zurückzuführen, die das Einkaufszentrum besuchen, das nur wenige Meter nördlich des Kreisverkehrs liegt.
Solche Erkenntnisse können die zuständigen städtischen Behörden dabei unterstützen, bessere Entscheidungen für die Lenkung der Verkehrsströme zu treffen. Beispielsweise könnte die zuständige Behörde die Ampelschaltungen so anpassen, dass der Einkaufsverkehr schneller durchkommt. In stadtplanerischer Hinsicht könnte man anhand der Information, dass auf bestimmten Straßen viele Radfahrer*innen unterwegs sind, beschließen, dort Radwege anzulegen. Aussagekräftigere Daten sind die Basis für bessere Entscheidungen. KI-Lösungen können detailliertere Erkenntnisse über Verkehrsströme liefern als menschliche Beobachter, und dies noch dazu über einen längeren Zeitraum.
Bei diesem Projekt handelt es sich um die erfolgreiche Implementierung KI-gestützter Edge-Computing-Geräte zur Messung des Verkehrsflusses an wichtigen Straßenkreuzungen mithilfe mehrerer Sensoren. Diese konnten die Auswirkungen des Berufsverkehrs erfassen, was wertvolle Erkenntnisse über die Muster des Verkehrsflusses lieferte. Zudem war die Lösung in der Lage, sowohl tagsüber als auch nachts aussagekräftige Daten zu liefern, und erwies sich dadurch als praxistauglich. Dieses Projekt ist ein Schritt in Richtung eines neuen Paradigmas für die städtische Infrastruktur von morgen – in der Staus hoffentlich der Vergangenheit angehören werden.
Laden Sie das Whitepaper herunter, um weitere Informationen zu erhalten
Über den Autor
Von klein auf von der Wissenschaft fasziniert, widmete sich Lourenço nach seinem Abschluss 14 Jahre lang der Erforschung der Geologie des Mars und einiger seiner terrestrischen Analogien (wie der Antarktis, der Arktis und der trockenen Wüsten) durch Fernerkundung und mühsame Feldarbeit am Técnico, Portugals größter Hochschule für Ingenieurwesen, Naturwissenschaften und Technologie.
2019 war er einer der ersten Mitarbeiter bei Schréder Hyperion, unserem Smart-City-Kompetenzzentrum. Er schloss sich dem Team an, weil er überzeugt ist, dass Technologie und insbesondere künstliche Intelligenz ein wichtiger Aktivposten bei der Bewältigung städtischer Probleme und der Verbesserung des Lebens werden können. Im Vordergrund steht für ihn die Entwicklung von KI-Anwendungen für Smart Cities, um, von der Idee bis zum Prototyp, die Technologie für urbane Mobilität und intelligente öffentliche Infrastrukturen zu verbessern.
Vernetzen Sie sich mit Lourenço auf LinkedIn.