VELO-RL - Verbesserte LSA-Steuerung und Optimierung des Radverkehrs durch Reinforcement Learning
Projektleitende: Dipl-Ing. Sebastian Pape, Dr. rer nat. Tobias Nousch
Projektlaufzeit: 10/2025 - 12/2027
Kurzbeschreibung: Mit Hilfe einer auf Reinforcement Learning (RL) basierenden Steuerung soll der Radverkehr beschleunigt und gleichzeitig die Bedürfnisse anderer Verkehrsträger berücksichtigt werden.
In vielen deutschen Städten werden verschiedene politische und verkehrsplanerische Maßnahmen umgesetzt, doch der Radverkehr wird dabei häufig nur unzureichend berücksichtigt, da der Fokus vorwiegend auf den betrieblichen Erfordernissen des motorisierten Individualverkehrs (MIV) und des öffentlichen Personennahverkehrs (ÖPNV) liegt. Ein zentrales Problem ist, dass der Radverkehr in den meisten verkehrsabhängigen Lichtsignalanlagen (LSA)-Steuerungen nicht berücksichtigt wird, während die Koordinierungen in erster Linie auf den MIV ausgerichtet sind. Dies führt zu Verzögerungen, häufigen Stopps und dem Gefühl, bei der Verkehrssteuerung benachteiligt zu werden. Zwar existieren bereist grüne Wellen für den Radverkehr, jedoch können diese sich oft nicht dynamisch an das aktuelle Verkehrsaufkommen des Radverkehrs oder deren variierenden Progressionsgeschwindigkeiten anpassen. Das Radverkehrsaufkommen kann sich je nach Tageszeit, Jahreszeit und Wetterbedingungen stark verändern, wodurch immer wieder Anpassungen im Steuerungsablauf erforderlich sind. Zudem fehlen oft geeignete Systeme zur Erfassung des Verkehrsaufkommens von Radfahrenden sowie Steuerungsalgorithmen, die die Interessen des Radverkehrs angemessen abwägen und mit denen des MIV und ÖPNV in Einklang bringen können.
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. Drei zusammenhängende Knotenpunkte werden durch eine RL-basierte Steuerung optimiert, wobei der Schwerpunkt auf der Koordinierung des Radverkehrs liegt. Gleichzeitig werden die Effekte dieser Steuerung auf die umliegenden Knotenpunkte systematisch untersucht. Mit Hilfe der RL-basierten Steuerung sollen die Reisezeiten des Radverkehrs innerhalb des Verkehrsnetzes im Vergleich zu den bestehenden Standardsteuerungen (Festzeitsteuerung, teilverkehrsabhängige Steuerung) sowie auf Streckenabschnitte mit und ohne Koordinierung optimiert werden. Dabei sollen die negativen Auswirkungen auf andere Verkehrsteilnehmende so gering wie möglich ausfallen. Neben der Reisezeitoptimierung soll auch eine situationsabhängige Aktivierung einer Grünen Welle für den Radverkehr (abhängig von Witterung, Radverkehrsaufkommen, Umweltfaktoren) erprobt und deren Auswirkung evaluiert werden. Für die Detektion der Verkehrsteilnehmenden sollen in der Simulation Erfassungssysteme implementiert werden, die bereits auf dem Markt zur Verfügung stehen um die Kompatibilität mit bestehenden Verkehrsmanagementsystemen zu gewährleisten und somit die Umsetzung im Feld wirtschaftlich vertretbar zu gestalten.
Förderung: 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.