PASCAL - Proaktiver Smart Controller für Ampelanlagen

Abstract

Das Verbundprojekt PASCAL (Proaktiver Smart Controller für Ampelanlagen) entwickelte von Mai 2022 bis April 2025 ein KI-basiertes Assistenzsystem zur Optimierung urbaner Verkehrsflüsse. Unter Federführung von Thorsis Technologies GmbH in Kooperation mit dem Artificial Intelligence Lab (AIL) und dem Digitalen Anwendungszentrum Mobilität, Logistik und Industrie (DAZ) der Otto-von-Guericke-Universität Magdeburg wurde auf Basis von V2X-Daten aus dem Magdeburger Testfeld ein proaktiver Controller konzipiert, der zukünftige Verkehrssituationen prognostiziert und Ampelschaltzyklen anpasst, um Staus zu minimieren, Wartezeiten zu verkürzen und CO₂-Emissionen zu reduzieren.

Die Projektinhalte umfassten Analyse und Konzeption, Simulation von Verkehrsflüssen mit SUMO und Emissionsmodellen, Entwicklung von KI-Methoden (z. B. Graph-Neural-Networks, Reinforcement Learning und Interpretierbarkeitsverfahren), Anwendungsprototypen, Testfeldintegration sowie Feldtests und Optimierung.

Wesentliche Ergebnisse sind eine simulationsbasierte Trainings- und Evaluationsumgebung für synthetische Daten, der Traffic Density Estimator (TDE) mit Präzision bei unvollständigen Daten und der Ampelschaltzyklenoptimierer (TLPO), der in Evaluationsmetriken wie Fahrtzeiten, Wartezeiten und Emissionen etablierte Baselines (z. B. Max-Pressure) übertrifft – selbst auf ungesehenen, realitätsnahen Szenarien. Der Prototyp integriert sich in V2X-Infrastrukturen, berücksichtigt Datenschutz und Erklärbarkeit und ist ab 5–10 % OBU-Dichte einsetzbar. Die Ergebnisse fördern nachhaltige Mobilität und bilden eine Basis für den nationalen Datenraum Mobilität sowie Folgeprojekte.