Smarte Lösung mit lernenden Netzen

Autos stehen in der Abenddämmerung auf einer breiten Straße in Berlin in Richtung Siegessäule in beiden Fahrtrichtungen im Stau. Foto: Andreas Michel EyeEm Getty Images

„Die globale Erderwärmung auf 1,5 Grad Celsius zu begrenzen erfordert rasche, weitreichende und beispiellose Veränderungen in sämtlichen Bereichen der Gesellschaft.“ Mit dieser eindringlichen Botschaft wandte sich der Weltklimarat (IPCC) im Herbst 2018 an die Weltöffentlichkeit. Die Risiken der Erwärmung würden sich so auf ein noch zu beherrschendes Maß beschränken lassen – anders als die maximal 2 Grad im Übereinkommen von Paris 2015. Dafür sind ein Umdenken und schnelle und weitreichende Änderungen in ganz vielen Bereichen erforderlich, nicht zuletzt beim Verkehr. Betroffen sind damit auch alle Verkehrsteilnehmerinnen und Verkehrsteilnehmer.

Verkehr zeitlich und örtlich entzerren

Ein großer Teil der Schadstoffemissionen und des Verkehrslärms entsteht in Städten durch regelmäßige Fahrten über stets gleiche Fahrtstrecken – zum Arbeitsplatz, zu Schulen und Kitas etc. Einen Beitrag zur Schadstoffreduktion können „Smart Mobility“-Lösungen leisten, die den Verkehr gleichmäßiger auf verschiedene Wege, Zeiten und Verkehrsmittel verteilen. Bisherige Entwicklungen haben jedoch Schwachpunkte, vor allem hinsichtlich ihrer Flexibilität.

Wissenschaftlerinnen und Wissenschaftler der FernUniversität in Hagen arbeiten daran, in einem interdisziplinären Projekt ein neuartiges dynamisches Routing-System zu entwickeln: STREAM (Smart Traffic using Edge and Social Computing) ist ein digitales System, das durch genaue Verkehrsprognosen das Mobilitätsverhalten und die Mobilitätsroutinen von Pendlerinnen und Pendlern nachhaltig positiv beeinflussen soll.

Mit Hilfe künstlicher neuronaler Netze werden dynamische Modelle eines vorhandenen Verkehrsnetzes gewonnen. Damit wird der zukünftige Verkehr prognostiziert und mit den Reiseplänen der Pendler abgestimmt. So können dann effiziente Routen- und Fahrzeitempfehlungen für Pendler abgeleitet werden, die zu einer Reduzierung von Schadstoffen, Verkehrslärm, Staus und Stress führen.

Eine wichtige Voraussetzung für das Erreichen des Projektziels ist, genügend Verkehrsteilnehmende zu finden, die langfristig mitmachen. Dann kann STREAM auch im Hinblick auf innerstädtische Verbotszonen für Dieselfahrzeuge (und vielleicht später für Benziner) bedeutsam werden. Auch für Kommunen ist das Projekt für die Steuerung des innerstädtischen Verkehrs angesichts ihrer knappen Finanzmittel interessant. Die Vorteile von STREAM haben erste Städte bereits erkannt: Hagen möchte sich an dem Projekt beteiligen; Duisburg hat Interesse bekundet.

Zentraler Baustein im neuen Forschungsschwerpunkt der FernUniversität

Das dreijährige Projekt ist ein zentraler Baustein des neuen Forschungsschwerpunktes „Energie, Umwelt und Nachhaltigkeit“ der FernUniversität. Hierfür haben sich

  • Dr. Katharina Ebner und Prof. Dr. Stefan Smolnik (Lehrstuhl für Betriebswirtschaftslehre, insb. Betriebliche Anwendungssysteme)
  • Prof. Dr. Jörg Keller (Lehrgebiet Parallelität und VLSI)
  • Prof. Dr. Wolfram Schiffmann (Lehrgebiet Rechnerarchitektur)

zusammengefunden.

Eine Frau blickt in Richtung der Kamera. Foto: Hardy Welsch
Katharina Ebner

Individualverkehr gleichmäßiger verteilen

Um Staus und Emissionen durch eine gleichmäßigere dynamische Verteilung des Individualverkehrs reduzieren zu können, wertet STREAM die aktuelle Verkehrsdichte mithilfe stationärer und mobiler Sensoren, Wetterdaten sowie der Strecken- und Reisepläne aus, die Pendlerinnen und Pendler per App zur Verfügung stellen. Anhand dieser Daten prognostiziert ein künstliches neuronales Netz, wie sich der Verkehr in den nächsten Stunden voraussichtlich entwickeln wird. STREAM kann dann jeder Pendlerin und jedem Pendler einen individuellen Vorschlag für die beste Startzeit machen. Dr. Katharina Ebner: „Das künstliche neuronale Netz lernt im Betrieb ständig dazu und verbessert seine Prognosen für die intelligente Verkehrssteuerung. Durch geeignete Gestaltung der App mittels eines ganzheitlichen, kombinierten Gamification- und Social-Computing-Ansatzes kann zudem die langfristige Akzeptanz der Benutzenden gefördert werden.“

Ein Mann blickt in Richtung der Kamera. Foto: Hardy Welsch
Prof. Stefan Smolnik

Vielfältig einsetzbar

Ein Vorteil künstlicher neuronaler Netze ist, dass sie für weitere Szenarien und Bereiche genutzt werden können:

  • STREAM kann durch die Prognose von Stickoxid-Grenzwerten den Verkehr situationsgerecht steuern: Straßen und Bereiche können dynamisch für Fahrzeuge bestimmter Schadstoffklassen gesperrt oder freigegeben werden.
  • Parkleitsysteme können gezielter die Fahrzeuge auf Basis der aktuellen Parkplatznachfrage routen.
  • Ausgedehnt auf öffentliche Verkehrsmittel können die Prognosen eines solchen Systems zudem eine bessere Auslastung öffentlicher Verkehrsmittel durch das Anbieten zusätzlicher Touren und Fahrzeuge fördern. Auf diese Weise kann die Taktung des ÖPNV – wie im kanadischen Montreal bereits realisiert – verkürzt werden. Langfristig sind damit die Reputation und die Nutzungswahrscheinlichkeit des Öffentlichen Personennahverkehrs (ÖPNV) erhöhbar.
  • Die Erkenntnisse aus der langfristigen Nutzungsförderung einer Smart-Mobility-App sind auf andere öffentliche Bereiche wie E-Government und Smart Citys übertragbar (die bislang in vielen Kommunen eher gering akzeptiert und selten eingesetzt werden).
Ein Mann blickt in Richtung der Kamera. Foto: FernUniversität
Prof. Jörg Keller

Bisherige Smart-Mobility-Lösungen haben dagegen mehrere Schwachpunkte.

  • Für die Verkehrserfassung werden überwiegend stationäre Sensoren verwendet. Sie stellen jedoch keine Informationen über Abfahrts- und Zielorte sowie geplante Routen der am Verkehr Teilnehmenden bereit. Zudem decken sie nur einen kleinen Teil des Straßennetzes einer Stadt ab.
  • Durch die aktive Einbindung von Pendlerinnen und Pendlern kann eine noch größere Verkehrsentlastung erreicht werden. Da Verkehrsteilnehmende und Verkehrsleitstelle bisher jedoch zumeist getrennt sind, bleiben wertvolle Informationen bei der Verkehrssteuerung unberücksichtigt.
  • Die meisten verfügbaren Apps im Bereich Smart Mobility/Citys und E-Government werden langfristig nur gering genutzt und die gewünschten Effekte somit nur punktuell erreicht.
  • Die Verkehrsberechnung muss manuell programmiert und modelliert werden, Entwicklung, Wartung, Hardware und Datenübertragung sind für viele Kommunen daher zu teuer.
Ein Mann blickt in Richtung der Kamera. Foto: Hardy Welsch
Prof. Wolfram Schiffmann

Menschen an Digitalisierung heranführen

Die Kosten des STREAM-Lösungsansatzes sind im Vergleich zu umfangreichen technischen Mobilitätsinstallationen günstiger. Denn die Verkehrsentlastung wird durch eine freiwillige Verhaltensänderung der Pendlerinnen und Pendler erreicht und ein neuronales Netz kann relativ kostengünstig erstellt und betrieben werden. Dr. Katharina Ebner: „Wichtig ist, geeignete Mechanismen zu finden, mit denen Ängste und Vorbehalte abgebaut werden können, und die Bürgerinnen und Bürger an die Digitalisierung dauerhaft heranführen. Zudem können geeignete Gamification-Ansätze zugleich Aufklärungs- und Bildungsarbeit leisten und insbesondere Fragen des Umgangs mit persönlichen Daten ansprechen und zu umweltbewussterem Verhalten veranlassen.“

Das STREAM-Konzept passt bestens zum städtischen Baustein „Verkehrsentwicklung“ im Ressortforschungsplan 2018 des Bundesumweltministeriums: Darin wird gefordert, im Hinblick auf die Stadtentwicklung die Grundlagen für ein gemeinsames Verständnis einer nachhaltigen, integrierten und zukunftsorientierten Stadtentwicklung zu erforschen.

Gerd Dapprich | 05.12.2018