Kann Google Ampeln intelligenter machen? Ein tiefer Einblick in Googles „Green Light“ Projekt

Das Experiment: Googles „Green Light“ Projekt

Im Jahr 2023 startete Google das „Green Light“ Pilotprojekt in mehreren Städten weltweit, darunter auch in der stark frequentierten Metropole Seattle. Ziel dieses Projekts ist es, mithilfe von KI die Ampelschaltungen zu optimieren, um den Verkehrsfluss zu verbessern und die Wartezeiten an Kreuzungen zu verkürzen. Google verwendet dafür anonymisierte Verkehrsdaten aus Google Maps, die von Fahrzeugen gesammelt werden, die quasi als „mobile Sensoren“ fungieren.

Die gesammelten Daten werden in einem computergestützten Modell verarbeitet, das mithilfe von maschinellem Lernen Muster im Verkehrsfluss erkennt. Beispielsweise können solche Modelle feststellen, wo Fahrzeuge häufig abbremsen und stoppen, und daraus ableiten, wie die Ampelzeiten angepasst werden könnten. Das System schlägt dann Anpassungen vor, wie etwa das Verkürzen von Rotphasen, um den Verkehr schneller durch Kreuzungen zu leiten.

Technische Details und Herausforderungen

Die Herausforderung bei der Steuerung von Ampeln liegt in der Komplexität des urbanen Verkehrs. Herkömmliche Ampelsysteme arbeiten oft mit sogenannten „Fixed-Time“ Schaltungen, die auf vorher festgelegten Zeitplänen basieren. Diese Pläne werden in der Regel manuell durch Zählungen des Verkehrsaufkommens erstellt. Fortschrittlichere Systeme sind „fahrzeuggesteuert“, wobei Sensoren unter der Fahrbahn die Anwesenheit von Fahrzeugen erfassen und die Ampelschaltungen entsprechend anpassen.

Die modernsten Systeme sind „adaptive“ oder „responsive“ Ampeln, die Algorithmen und verschiedene Sensoren, wie Kameras, verwenden, um den Verkehrsfluss über mehrere Kreuzungen hinweg zu überwachen und in Echtzeit anzupassen. Diese Systeme sind jedoch teuer in der Installation und Wartung.

Googles Ansatz unterscheidet sich von diesen traditionellen Methoden, da er keine teuren stationären Sensoren erfordert. Stattdessen nutzt er die bereits vorhandenen digitalen Verkehrsdaten aus Google Maps, um Verkehrsflüsse zu analysieren und Empfehlungen zur Optimierung der Ampelsteuerung auszusprechen. Diese Methode könnte sich als kostengünstiger und effizienter erweisen, da sie bestehende Datenquellen nutzt, anstatt neue Infrastrukturen aufzubauen.

Ähnliche Projekte in Deutschland: Baden-Württemberg testet KI-gesteuerte Ampeln

Interessanterweise wird auch in Deutschland an ähnlichen Projekten gearbeitet, allerdings unabhängig von Google. Im süddeutschen Ellwangen testet das Land Baden-Württemberg seit Juli 2024 eine neue Verkehrssteuerungstechnologie, die auf Künstlicher Intelligenz basiert. In diesem Projekt wird der Verkehr mithilfe von Echtzeitdaten und historischen Datenmodellen optimiert, um den Verkehrsfluss zu verbessern, Emissionen zu reduzieren und die Verkehrssicherheit zu erhöhen.

Das System, das unter anderem in London erfolgreich getestet wurde, steuert zwölf Ampelanlagen entlang wichtiger Verkehrsachsen in Ellwangen. Auch hier zeigt sich der große Nutzen von KI: Durch die dynamische Anpassung der Ampelschaltungen können die Reisezeiten um bis zu 20 % reduziert werden. Die Erfahrungen aus diesem sechsmonatigen Testfeld könnten zu einer breiteren Einführung in weiteren Städten führen und zeigen, dass innovative Technologien wie diese nicht nur die Effizienz steigern, sondern auch einen wichtigen Beitrag zum Umweltschutz leisten können.

Die Rolle der Künstlichen Intelligenz: Ein Überblick über die eingesetzten Technologien

Bei der Umsetzung des „Green Light“ Projekts kommen verschiedene KI-Technologien zum Einsatz. Die wichtigsten Kategorien der eingesetzten Künstlichen Intelligenz sind:

1. Überwachtes Lernen (Supervised Learning): Hierbei handelt es sich um eine Form des maschinellen Lernens, bei der das Modell aus zuvor markierten Daten „lernt“. Im Fall von „Green Light“ könnten historische Verkehrsdaten genutzt werden, um das Modell zu trainieren, bestimmte Muster zu erkennen und daraus Vorhersagen für zukünftige Verkehrssituationen abzuleiten.
2. Unüberwachtes Lernen (Unsupervised Learning): Diese Methode ermöglicht es dem System, ohne vorherige Markierungen in den Daten eigenständig Muster zu erkennen. Google könnte diese Technik verwenden, um unbekannte Verkehrsprobleme zu identifizieren, die durch traditionelle Ansätze nicht erfasst werden.
3. Reinforcement Learning: Eine weitere wichtige Kategorie ist das verstärkende Lernen, bei dem das Modell durch Trial-and-Error-Prinzipien lernt, optimale Entscheidungen zu treffen. In komplexen Verkehrsszenarien könnte dieses Verfahren eingesetzt werden, um in Echtzeit die besten Ampelschaltungen zu finden.
4. Datenaggregation und -analyse: Eine zentrale Rolle spielt auch die Fähigkeit der KI, große Mengen an Verkehrsdaten zu aggregieren und zu analysieren, um daraus umsetzbare Empfehlungen abzuleiten. Diese Analyse basiert oft auf Big Data-Techniken, die die Grundlage für die Optimierung des Verkehrsflusses bilden.

Kann „Green Light“ den Verkehr nachhaltig verändern?

Obwohl die ersten Ergebnisse von Googles „Green Light“ Projekt positiv sind, bleibt die Frage offen, ob diese Technologie tatsächlich zu einer nachhaltigen Verbesserung des Verkehrs und einer Reduzierung der Emissionen führen kann. Die bisherigen Ergebnisse zeigen eine Reduzierung der Stopps um bis zu 30 % und eine Verringerung der Emissionen an Kreuzungen um bis zu 10 %. Dennoch gibt es Bedenken, dass diese Optimierungen in der Praxis nicht immer die gewünschten Effekte erzielen.

Ein weiterer kritischer Punkt ist, dass das System derzeit nur auf die Reduzierung von Fahrzeugstopps fokussiert ist und andere wichtige Faktoren, wie die Sicherheit von Fußgängern und Radfahrern, oder die Priorisierung von öffentlichen Verkehrsmitteln, noch nicht berücksichtigt werden. In einigen Fällen haben Städte sogar die Empfehlungen von „Green Light“ ignoriert, da sie nicht im Einklang mit den lokalen Verkehrsstrategien standen.

Zusammenfassung: Was bedeutet das alles?

Googles „Green Light“ Projekt ist ein faszinierendes Beispiel dafür, wie Künstliche Intelligenz genutzt werden kann, um städtische Verkehrsprobleme anzugehen. Durch die Nutzung bestehender Daten und den Einsatz fortschrittlicher KI-Methoden könnte das System dazu beitragen, den Verkehrsfluss zu verbessern und Emissionen zu reduzieren. Allerdings zeigt sich, dass die menschliche Expertise in der Verkehrsplanung weiterhin unverzichtbar ist, da die KI bisher nur einen Teil der komplexen Herausforderungen im städtischen Verkehr lösen kann.
Gleichzeitig zeigen Projekte wie das in Ellwangen, dass auch Deutschland mit eigenen KI-Initiativen ähnliche Wege geht, um den Verkehr nachhaltiger und effizienter zu gestalten. Auch hier werden vielversprechende Ansätze getestet, die in Zukunft vielleicht auf breiterer Ebene zum Einsatz kommen könnten.

In einfacher Sprache zusammengefasst: Google testet eine neue Technologie, die mit Hilfe von Künstlicher Intelligenz die Ampeln in Städten besser steuern soll. Dadurch könnten Autos weniger oft anhalten und Emissionen gesenkt werden. Aber die Technologie ersetzt die Arbeit von Verkehrsplanern noch nicht vollständig, da sie nur einen Teil des Verkehrsflusses optimiert und andere wichtige Faktoren noch nicht berücksichtigt. Auch Deutschland arbeitet an vergleichbaren Projekten zur Optimierung des Verkehrs mit Künstlicher Intelligenz.

Quellen:

1) https://sites.research.google/greenlight/

2) https://www.scientificamerican.com/article/googles-project-green-light-uses-ai-to-take-on-city-traffic/

3) https://www.baden-wuerttemberg.de/de/service/presse/pressemitteilung/pid/land-startet-testfeld-mit-ki-gesteuerten-ampeln