Die Verkehrssteuerung setzt seit Jahrzehnten auf zeitintervallbasierte Phasen und einfache Induktionsschleifen. MarshallAI hat in Zusammenarbeit mit Dynniq Finland Oy bewiesen, dass Deep Learning und visuelle Sensoren die Verkehrssteuerung auf ein vollkommen autonomes und optimiertes Niveau bringen können – dabei senkt man die CO2-Emissionen und beseitigt Engpässe, ohne die Sicherheit zu beeinträchtigen.
Im Rahmen des dreijährigen EU-finanzierten Projekts AI4Cities implementierte MarshallAI das System Intelligent Interconnected Intersections (Ix3) in mehreren europäischen Städten. Ziel war es, den Verkehrsfluss drastisch zu verbessern und Emissionen zu reduzieren, indem veraltete Sensoren durch eine vollständige Echtzeit-Situationserfassung ersetzt wurden.
Sehen Sie sich das Video zum Fall auf Vimeo an
Die Ziele: Fließanalyse und Priorisierung
Um eine skalierbare und intelligente Fließlösung zu liefern, konzentrierte sich das Projekt auf:
- Komplexer Durchflussanalyseschritt: Verstehen von Verkehrsströmen, Wartezeiten, Wegbeschreibungen und den spezifischen Fahrzeugtypen, um ein vollständiges Bild der Nachfrage im Knotenpunkt zu erstellen.
- Verkehrsoptimierung: Die Eliminierung von “Dead-Seconds” durch dynamische Lichtumstellung, um unnötige Stillstände und Leerlaufzeiten bei leeren Fahrspuren zu vermeiden.
- Verkehrsplanung: Die Aktivierung des Systems ermöglicht die gezielte Förderung bestimmter Verkehrsteilnehmer (wie z. B. öffentliche Verkehrsmittel oder Schwerlastfahrzeuge) basierend auf Effizienzsteigerung und Emissionsreduktionszielen.
Die Lösung: Autonome Logik über Edge und Cloud
Die Ix3-Lösung nutzt Standard-IP-Kameras, um visuelle Daten an die Machine Vision-Plattform von MarshallAI zu übermitteln. Diese Daten werden in Echtzeit verarbeitet und direkt mit den Traffic-Light-Steuerungen von Dynniq integriert, um auf der Grundlage der aktuellen Nachfrage sofortige physikalische Änderungen zu bewirken.
Je nach spezifischer Pilotphase wurde die Verarbeitung erfolgreich über sichere Cloud-Server (Helsinki) oder direkt auf Edge-Geräten von MarshallAI (Pariser Region) durchgeführt.
Nachgewiesene Ergebnisse: Massive Reduzierungen im Abfallaufkommen
Die Piloten haben bewiesen, dass das System von MarshallAI selbstständig Hochvolumenströme verwalten und systemische Abläufe eliminieren kann. In drei verschiedenen Phasen erzielte das System bemerkenswerte Effizienzsteigerungen:
- Phase 1 (Kalasatama, Helsinki): Das System führte jährlich 162.944 Stopps von Pkw, 17.822 Stopps von schweren Fahrzeugen und 654 Stunden unvernünftiger Wartezeit ein; das entspricht einer Gesamtergänzung der Emissionen um 4 % für den Verkehrskreuzung.
- Phase 2 (Helsinki und Paris-Region): Die Erweiterung auf eine Gruppe von Kreuzungen in Suutarila führte zu einer Emissionsreduktion von bis zu 8 %. Gleichzeitig erzielte ein Pilotprojekt mit kantigen Schnittstellen in Saint-Maur-des-Fossés eine Reduzierung von 3 %.
- Phase 3 (Meudon & Helsinki): Mit den Live-Piloten wurde die Langzeitverfügbarkeit bestätigt: Ein durchschnittlicher jährlicher Rückgang von 55.509 Fahrzeugstopps und 360 Stunden unvernünftiger Wartezeit führte zu einer sehr stabilen Reduzierung der Gesamtemissionen um 2 %.
Nicht-interessierende, schlüsselfertige Implementierung
Die Implementierung fortschrittlicher KI zur Steuerung kritischer Infrastrukturen muss kein umfangreiches IT-Projekt sein. Die Ix3-Pilotprojekte haben gezeigt, dass MarshallAI als schlüsselfertige Lösung eingesetzt werden kann, ohne dass die bestehenden Abläufe beeinträchtigt werden. Die Kundenbeteiligung war strikt auf die Identifizierung des Zielpunktes, die Bereitstellung grundlegender Installationsberechtigungen und die Abstimmung der Programmierung der Verkehrsregler mit dem Team beschränkt.
