VELO-RL - Verbesserte LSA-Steuerung und Optimierung des Radverkehrs durch Reinforcement Learning

Bei der Umsetzung verkehrsplanerischer Maßnahmen im städtischen Bereich liegt der Fokus vorwiegend auf den betrieblichen Erfordernissen des motorisierten Individualverkehrs (MIV) und des öffentlichen Personennahverkehrs (ÖPNV) und der Radverkehr wird dabei häufig nur unzureichend berücksichtigt. Ein zentrales Problem ist dabei, dass der Radverkehr in den meisten verkehrsabhängigen Lichtsignalanlagen (LSA)-Steuerungen nicht berücksichtigt wird, während die Koordinierungen in erster Linie auf den MIV ausgerichtet sind. Ziel des Projekts ist deshalb die Entwicklung einer auf Reinforcement Learning (RL) basierenden Steuerung, die den Radverkehr beschleunigt und gleichzeitig die Bedürfnisse anderer Verkehrsträger berücksichtigt. Dazu wird ein fiktives Verkehrsnetz mit mehreren signalisierten Knotenpunkten in der Open-Source Simulationsumgebung SUMO erstellt. Neben dem motorisierten Individualverkehr werden auch der öffentliche Personennahverkehr und die vulnerablen Verkehrsteilnehmenden (VRU) modelliert.

Mehr Details finden Sie auf der Projektseite. 

Das Forschungsvorhaben (FE 88.0240/2025/AE03) wird im Rahmen des 3. Förderaufrufs der Förderrichtlinie „Innovationsprogramm Straße“ mit dem Schwerpunkt „Grünes Licht für den Radverkehr – Beschleunigung des Radverkehrs auf Strecken oder an Knotenpunkten“ durch die Bundesanstalt für Straßen- und Verkehrswesen im Auftrag des Bundesministeriums für Verkehr gefördert. Die Verantwortung für den Inhalt liegt allein beim Autor.