⚡ electrical engineering

Adaptive traffic signal control optimization using a novel road partition and multi-channel state representation method

Diese Studie stellt eine adaptive Methode zur Optimierung von Verkehrsampeln vor, die Deep Q-Networks und Proximal Policy Optimization mit einer neuartigen Straßenaufteilung und einer mehrkanaligen Zustandsdarstellung kombiniert, um die Signalzeiten basierend auf Wartezeit, Geschwindigkeit und Kraftstoffverbrauch zu verbessern.

Ursprüngliche Autoren: Maojiang Deng, Shoufeng Lu, Jiazhao Shi, Wen Zhang

Veröffentlicht 2026-02-16

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Maojiang Deng, Shoufeng Lu, Jiazhao Shi, Wen Zhang

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind der Dirigent einer riesigen Orchesterprobe, bei der die Instrumente Autos sind und die Takte Ampeln. Das Ziel ist es, den Verkehr so flüssig wie möglich zu halten, damit niemand stundenlang im Stau steht und die Motoren nicht unnötig rauchen.

Dieses Papier beschreibt eine neue, intelligente Methode, wie ein Computer (eine Art „künstlicher Dirigent") lernen kann, diese Ampeln besser zu steuern als ein menschlicher Planer. Hier ist die Erklärung in einfachen Worten:

1. Das Problem: Die starre Kamera

Bisher haben Ampel-Systeme oft wie ein starres Lineal funktioniert. Sie haben die Straße in gleich große Stücke unterteilt (z. B. alle 50 Meter ein Sensor).

Das Problem: Wenn ein Sensor nur 100 Meter weit sieht, aber die Straße 500 Meter lang ist, passt das Lineal nicht. Oder wenn ein Sensor 500 Meter weit sieht, aber die Ampel nur 100 Meter überwacht, ist das auch nicht gut.
Die Folge: Der Computer lernt nur für diese eine spezifische Situation. Wenn man ihn an eine andere Kreuzung mit einem anderen Sensor bringt, funktioniert er nicht mehr. Das ist, als würde ein Musiker nur ein einziges Lied üben und dann in einem anderen Konzertsaal versagen.

2. Die Lösung: Der „magische Gummiregler"

Die Autoren haben eine neue Art entwickelt, die Straße in Abschnitte zu teilen. Statt eines starren Lineals nutzen sie eine intelligente Formel (eine Mischung aus Logarithmus und Linearität).

Die Analogie: Stellen Sie sich die Straße wie eine Ziehharmonika vor.
- Nahe der Ampel (wo die Autos anhalten müssen) sind die Abschnitte sehr klein und detailliert. Das ist wichtig, weil hier die Entscheidung getroffen werden muss: „Soll die Ampel grün bleiben oder wechseln?"
- Je weiter man sich von der Ampel entfernt, desto größer werden die Abschnitte. Ein Auto, das noch weit weg ist, hat weniger Einfluss auf die aktuelle Ampel, also brauchen wir weniger Details.
Der Clou: Egal, wie weit der Sensor sieht (ob 300 Meter oder 500 Meter), die Formel passt die Größe der Abschnitte automatisch so an, dass es immer genau die gleiche Anzahl an Abschnitten gibt.
- Vorteil: Der Computer lernt nur die Anzahl der Abschnitte (z. B. 10 Stück), nicht die genaue Meterzahl. Das bedeutet, er kann sein Wissen sofort auf eine andere Kreuzung übertragen, auch wenn dort die Sensoren weiter oder näher sehen. Es ist wie ein Musiker, der das Lied in jeder Tonart spielen kann.

3. Der Blickwinkel: Drei Kameras statt einer

Früher haben Ampel-Systeme oft nur gezählt: „Wie viele Autos sind da?"
Die neue Methode schaut sich die Situation aus drei verschiedenen Perspektiven gleichzeitig an (wie ein 3D-Bild):

Wie viele Autos? (Die Menge)
Wie schnell fahren sie? (Die Geschwindigkeit)
Wie voll ist der Platz? (Der Stauraum)

Stellen Sie sich vor, ein Polizist schaut nicht nur auf die Anzahl der Autos, sondern sieht auch, ob sie sich stauen oder flüssig bewegen. Diese drei Informationen werden zu einem einzigen, klaren Bild für den Computer gefaltet.

4. Der Lernprozess: Probieren und Belohnen

Der Computer nutzt zwei verschiedene Lernmethoden (DQN und PPO), die wie ein Schüler sind, der durch Versuch und Irrtum lernt:

Er probiert eine Ampelschaltung aus.
Wenn die Autos schnell fahren und wenig warten, gibt es eine Belohnung (wie ein Sternchen).
Wenn es Stau gibt oder viel Sprit verbrannt wird, gibt es eine Strafe.
Mit der Zeit lernt der Computer, welche Ampelphasen die besten Sterne bringen.

5. Das Ergebnis: Der Meister-Direktor

Die Forscher haben das System in einer Computersimulation getestet (mit einem Programm namens SUMO).

Das Ergebnis: Die neue Methode (mit dem „Gummiregler" für die Straßenabschnitte und den drei Perspektiven) war deutlich besser als alte, starre Methoden.
Der Gewinner: Besonders die Methode namens PPO (eine moderne Lernart) war am erfolgreichsten. Sie reduzierte die Wartezeit und die Staulängen am meisten.
Der Transfer: Das Wichtigste: Der Computer, der an einer Kreuzung mit 300-Meter-Sensor gelernt hatte, funktionierte sofort perfekt an einer Kreuzung mit 500-Meter-Sensor, ohne neu trainiert werden zu müssen.

Zusammenfassung

Dieses Papier zeigt, wie man Ampeln intelligenter macht, indem man die Straße nicht starr, sondern flexibel in Abschnitte teilt. Es ist wie der Unterschied zwischen einem starren Schachbrett und einem Gummiband, das sich an die Situation anpasst. Dadurch kann die KI schneller lernen, besser Entscheidungen treffen und sich mühelos auf neue Straßen übertragen, was zu weniger Staus und sauberer Luft in unseren Städten führt.

Technische Zusammenfassung: Adaptive Verkehrslichtsteuerungsoptimierung mittels neuartiger Straßenaufteilung und multi-channel Zustandsdarstellung

1. Problemstellung

Der städtische Verkehrsstau an Kreuzungen führt zu ineffizienten Reisezeiten, erhöhten Emissionen und höherem Energieverbrauch. Herkömmliche Methoden zur Verkehrslichtsteuerung (z. B. festzeitgesteuert oder nachgelagert) stoßen an ihre Grenzen, da sie oft keine dynamischen Verkehrssituationen ausreichend berücksichtigen.
Zwei Hauptprobleme wurden in der aktuellen Forschung identifiziert:

Sensorische Diskrepanz: Bestehende Methoden zur Aufteilung von Straßen in Zellen (Road Partition) verwenden oft feste Längen. Dies führt zu einer Inkonsistenz zwischen den Eingabeparametern trainierter KI-Modelle und den tatsächlichen Erfassungsbereichen verschiedener Sensoren (z. B. Induktionsschleifen vs. Radar-Videodetektoren mit Reichweiten von 150–500 m).
Mangelnde Generalisierbarkeit: KI-Modelle für die Signalsteuerung müssen oft für jede einzelne Kreuzung neu trainiert werden. Ihre Fähigkeit, auf andere Kreuzungen oder unterschiedliche Sensorreichweiten zu übertragen (Transferlernen), ist aufgrund starrer Eingabestrukturen begrenzt.

2. Methodik

Die Studie schlägt einen neuen Ansatz vor, der Deep Reinforcement Learning (DRL) mit einer innovativen Datendarstellung kombiniert. Das System wird in einer SUMO-Simulation mit TensorFlow implementiert.

A. Neuartige Straßenaufteilung (Variable Cell Length - VCL)
Anstatt die Straße in Zellen mit fester Länge zu unterteilen, wird eine Formel vorgeschlagen, die logarithmische und lineare Funktionen kombiniert:
$f(x) = a \cdot \ln(x + 1) + b \cdot x$

Prinzip: Die Zellenlängen nehmen mit zunehmender Entfernung von der Haltelinie zu. Zellen nahe der Haltelinie sind kürzer (feinere Granularität für kritische Entscheidungen), während Zellen weiter entfernt länger sind.
Anpassungsfähigkeit: Die Koeffizienten $a$ und $b$ werden so berechnet, dass die Summe der Zellenlängen exakt der Erfassungsbereich des Sensors ( $d$ ) entspricht, unabhängig davon, wie viele Zellen ( $n$ ) definiert sind.
Vorteil: Ein Modell, das mit $n$ Zellen trainiert wurde, kann direkt auf Kreuzungen mit unterschiedlichen Sensorreichweiten angewendet werden, solange die Anzahl der Zellen gleich bleibt.

B. Multi-Channel Zustandsdarstellung
Der Zustand der Kreuzung wird als 3D-Tensor dargestellt (analog zu Bildkanälen in CNNs), bestehend aus drei Kanälen pro Zelle:

Anzahl der Fahrzeuge.
Durchschnittliche Geschwindigkeit.
Belegungsgrad (Space Occupancy: Verhältnis der Gesamtlänge der Fahrzeuge zur Zellenlänge).
Dies ermöglicht eine detaillierte, räumlich aufgelöste Erfassung des Verkehrszustands.

C. Aktionsraum und Belohnungsfunktion

Aktionen: 8 diskrete Phasen (z. B. Ost-West geradeaus, Linksabbieger etc.). Jede ausgewählte Phase erhält eine feste Grünzeit (z. B. 15 Sekunden).
Belohnungsfunktion: Ein gewichteter Summenwert aus normierten Metriken: Wartezeit (negativ gewichtet), Geschwindigkeit (positiv gewichtet) und Kraftstoffverbrauch (negativ gewichtet). Dies fördert effiziente und flüssige Verkehrsströme.

D. Trainingsalgorithmen
Zwei Deep Reinforcement Learning-Algorithmen wurden verglichen:

Deep Q-Network (DQN): Ein wertbasiertes Verfahren mit Convolutional Neural Networks (CNNs) zur Merkmalsextraktion.
Proximal Policy Optimization (PPO): Ein policy-basiertes Verfahren, das durch einen "Clipping"-Mechanismus stabile Updates der Policy gewährleistet.

3. Schlüsselergebnisse

Die Simulationen wurden unter verschiedenen Verkehrsaufkommen (500 bis 3000 Fahrzeuge/Stunde) und Szenarien durchgeführt.

Leistungsvorteil von VCL: Modelle mit variabler Zelllänge (VCL) übertragen Modelle mit fester Zelllänge (FCL) in allen Metriken (kumulierte Warteschlangenlänge und Wartezeit). Dies bestätigt, dass die sensorangepasste Aufteilung die Lernleistung verbessert.
PPO vs. DQN: Der PPO-Algorithmus mit VCL (VCL-PPO) erzielte die besten Ergebnisse. Er war stabiler und konvergierte schneller als DQN, was auf die Robustheit von PPO gegenüber verrauschten Belohnungssignalen und sequenziellen Aktionsbeschränkungen im Verkehrskontext zurückzuführen ist.
Cross-Range Transferability (Übertragbarkeit): Ein entscheidendes Ergebnis ist die erfolgreiche Übertragung eines Modells, das mit einem Sensorbereich von 300 m trainiert wurde, auf eine Kreuzung mit 500 m Erfassungsbereich (ohne Nachtraining). Das Modell behielt seine Überlegenheit gegenüber herkömmlichen Festzeitsteuerungen bei, da die relative räumliche Abstraktion durch die variable Zellteilung erhalten blieb.
Stochastischer Verkehr: Unter stark schwankenden Verkehrsbedingungen zeigte das Lernen zwar mehr Oszillationen und eine langsamere Konvergenz, das Modell war jedoch dennoch in der Lage, effektive Strategien zu erlernen.

4. Hauptbeiträge

Neue Aufteilungsformel: Entwicklung einer adaptiven Formel (Logarithmus + Linear), die die Diskretisierung der Straße an die Sensorreichweite anpasst, ohne die Anzahl der Eingabevariablen zu ändern.
Multi-Channel State Representation: Einführung einer dreidimensionalen Zustandsdarstellung (Anzahl, Geschwindigkeit, Belegung), die eine tiefere Analyse des Verkehrszustands ermöglicht als traditionelle aggregierte Metriken.
Generalisierungsfähigkeit: Demonstration, dass DRL-Modelle für die Verkehrssteuerung durch diese Methode generalisierbar sind und nicht für jede Kreuzung neu trainiert werden müssen, was den praktischen Einsatz erheblich erleichtert.

5. Bedeutung und Ausblick

Diese Arbeit adressiert eine kritische Lücke zwischen theoretischen DRL-Modellen und der praktischen Anwendung in der realen Welt, wo Sensortechnologien variieren. Durch die Entkopplung der Lernstrategie von einer festen physikalischen Skala ermöglicht der vorgeschlagene Ansatz skalierbare und kosteneffiziente Lösungen für intelligente Verkehrssysteme (ITS).
Die Ergebnisse unterstreichen, dass PPO in Kombination mit variabler Zellteilung ein vielversprechender Standard für adaptive Signalsteuerungen sein könnte. Zukünftige Forschung könnte die Integration komplexerer Architekturen (z. B. Graph-Neural-Networks oder Attention-Mechanismen) untersuchen, um noch größere Netzwerkeffekte zu modellieren.