Fahrzeuge als mobile Sensoren Floating-Car-Daten als Schlüssel für KI-basiertes Verkehrsmanagement

Mit dem steigenden Anteil vernetzter Fahrzeuge wächst die Verfügbarkeit hochaufgelöster Fahrzeugdaten. Diese Daten eröffnen neue Möglichkeiten für die Analyse, Prognose und Steuerung von Verkehrsströmen. Im Forschungsprojekt AIAMO bilden Floating-Car-Daten eine zentrale Grundlage für KI-gestützte Anwendungen im umweltsensitiven Verkehrsmanagement.

Fahrzeuge entwickeln sich zunehmend zu mobilen Sensorplattformen. Ihre Sensoren erfassen kontinuierlich Fahrzeug- und Umgebungsdaten, die über die Backend-Systeme der Fahrzeughersteller als Floating-Car-Daten (FCD) für nachgelagerte Anwendungen bereitgestellt werden. Zu den typischen FCD zählen Positionsangaben, Geschwindigkeit sowie Fahrtrichtung einzelner Fahrzeuge. Ergänzend stehen, abhängig vom jeweiligen OEM-Ökosystem, weitere Informationen wie Kraftstoffverbrauch, Scheibenwischeraktivität oder Daten fahrzeuginterner Sensoren zur Verfügung.

Aus den kontinuierlich erfassten Fahrzeugdaten lassen sich nicht nur einzelne Fahrverläufe nachvollziehen. Durch ihre räumliche und zeitliche Verteilung liefern FCD ein aktuelles Bild des Verkehrsgeschehens und ermöglichen Rückschlüsse auf Verkehrsfluss, Reisezeiten, Quell-Ziel-Analysen, Engpässe oder Störungen. Damit bilden sie eine wichtige Datengrundlage für Analysen, Prognosen und KI-basierte Anwendungen im umweltsensitiven Verkehrsmanagement.

Von Rohdaten zu verwertbaren Informationen

Bevor FCD für KI-basierte Analysen und Prognosen genutzt werden können, müssen sie harmonisiert, qualitätsgesichert und plausibilisiert werden. Zudem findet eine erweiterte Anonymisierung mittels dem Anti-Fingerprinting-Verfahren statt. Erst nach dieser Vorverarbeitung lassen sich aus den Datensätzen belastbare Kennwerte ableiten. Dazu gehören unter anderem:

• Reisezeiten

• Durchschnittsgeschwindigkeiten

• Störungen im Verkehrsablauf

• Anfahr- und Bremsverhalten

Auf dieser Grundlage lassen sich Verkehrsabläufe detailliert analysieren. Durch die Kombination von Reisezeiten, Streckenlängen und mittleren Geschwindigkeiten werden Engpässe im Verkehrsnetz identifizierbar. Fragestellungen wie „Wo entstehen regelmäßig lange Wartezeiten?“, „An welchen Knotenpunkten kommt es häufig zu Stopps?“ oder „Welche Streckenabschnitte weisen wiederkehrende Störungen auf?“ lassen sich datenbasiert beantworten.

Darüber hinaus liefern insbesondere Fahrdynamikdaten zusätzliche Erkenntnisse über die Verkehrssituation und ihre Umweltwirkungen. Wiederholte Beschleunigungs- und Bremsvorgänge können beispielsweise auf stockenden Verkehr oder wiederkehrende Stauereignisse hinweisen. Gleichzeitig ermöglichen sie Rückschlüsse auf partikuläre Emissionen wie PM₂,₅ und PM₁₀, die durch Reifen- und Bremsabrieb entstehen.

Auch sicherheitsrelevante Informationen lassen sich aus FCD ableiten. Häufen sich abrupte Bremsmanöver an bestimmten Stellen im Netz, können diese auf Gefahrenpunkte, Stauenden oder Hindernisse im Straßenraum hinweisen.

Ein wesentlicher Vorteil von FCD besteht darin, dass sie von Fahrzeugen als mobilen Sensorplattformen kontinuierlich entlang ihrer Fahrtrouten erfasst werden. Im Gegensatz zu stationären Messsystemen ermöglichen sie dadurch eine räumlich deutlich umfassendere und zeitlich aktuelle Beschreibung des Verkehrsgeschehens.

Live-Daten verarbeiten

Im Forschungsprojekt Artificial Intelligence And MObility (AIAMO) werden FCD über eine zentrale Integrationszone (IZ) und KI-Modelle im AIAMOnexus zusammengeführt, aufbereitet und für die unterschiedlichen KI-Anwendungen sowie die digitalen Zwillinge Verkehr und Umwelt bereitgestellt. Darüber hinaus dienen sie auch der Kalibrierung, Validierung und dem Training KI-basierter Modelle.

Die Verarbeitung von Live-Daten und historischen Tripdaten erfolgt durch den AIAMO Projektpartner Theis Consult. Die Daten werden über eine Datenpipeline an die Integrationszone angebunden, verarbeitet, analysiert und in einem Dashboard visualisiert. Nutzende können darüber sowohl Echtzeitinformationen abrufen als auch eigene Analysen durchführen.

Echtzeitanalysen und Verkehrsprognosen

Eine zentrale Anwendung innerhalb von AIAMO ist die kontinuierliche Analyse aktueller Verkehrslagen auf Basis von Live-FCD. Dabei gilt: Je geringer die Latenzzeit zwischen Datenerfassung und Bereitstellung, desto höher die Aussagekraft der Analysen.

Auf Grundlage umfangreicher historischer Referenzdaten werden Kennwerte wie Reisezeit oder Durchschnittsgeschwindigkeit für einzelne Streckenabschnitte berechnet. Durch den Vergleich aktueller mit historischen Daten lassen sich Abweichungen im Verkehrsfluss sowie Aussagen zur Verkehrsqualität (Level of Service, LOS) ableiten.

Die Ergebnisse können segmentbezogen oder netzweit in farbcodierten Kartenansichten visualisiert werden.

Vor der Weitergabe an die Integrationszone werden die Daten mit einem KI-gestützten Anti-Fingerprinting-Verfahren anonymisiert, um die Rückverfolgbarkeit einzelner Verkehrsteilnehmer zu minimieren. Neben der Analyse aktueller Verkehrslagen untersucht AIAMO auch die Voraussetzungen für belastbare Live-Prognosen. Hierfür werden historische Routendaten mit aktuellen Fahrzeugdaten kombiniert, um kurzfristige Verkehrsvorhersagen und adaptive Verkehrssteuerungsmaßnahmen zu ermöglichen.

Emissions- und Imissionskarten für ein umweltsensitives Verkehrsmanagement

FCD bilden zudem eine wesentliche Datengrundlage für den digitalen Zwilling Umwelt. Dieser setzt sich aus dem Air Quality Dispersion Model (AQDM) sowie dem Environmental Sensitive Traffic Management (ESTM) zusammen. Er wurde von Robert Bosch entwickelt und wird nun von Theis Consult betrieben.

Analysiert werden unter anderem Fahrdynamiken und Verkehrsstärken. In Kombination mit weiteren Datenquellen, beispielsweise den Gradienten und Kurvenradien von Straßen, lassen sich lokale Schadstoffkonzentrationen und straßenabschnittsbezogene Emissionen berechnen.

Die berechneten Emissionen aus dem ESTM-System werden nach der Verrechnung mit weiteren Daten, beispielsweise Umweltsensoren im Straßenraum, über ein Dispersionsmodell in räumlich hochaufgelösten Imissionskarten (AQDM) dargestellt. Diese ermöglichen die Identifikation von Belastungsschwerpunkten und unterstützen die Entwicklung umweltsensitiver Verkehrssteuerungsstrategien.

Großräumige Verkehrsanalysen mit Verkehrsspinnen

Neben Echtzeitanwendungen kommen FCD auch für mittelfristige Analysen zum Einsatz. In Leipzig identifizierten die Stadt Leipzig und das AIAMO Konsortium Hotspots, an denen bis 2030 Überschreitungen der zulässigen Feinstaubgrenzwerte erwartet werden.

Über das von Theis Consult entwickelte Dashboard „editionAIAMO“ lassen sich Verkehrsströme visualisieren und analysieren. Mithilfe sogenannter Verkehrsspinnen wird sichtbar, wo Fahrten beginnen und enden, sowie welche Verkehrsströme die identifizierten Hotspots durchqueren.

Auf Basis dieser Analysen kann untersucht werden, welche großräumigen Verkehrslenkungsmaßnahmen, Abbiegebeschränkungen oder die Nutzung vorhandener Stauflächen als Pufferbereiche geeignet sind, um Belastungsschwerpunkte gezielt zu entlasten. In Verbindung mit Verkehrssimulationen und dem digitalen Zwilling Umwelt sollen künftig Maßnahmen vor ihrer Umsetzung bewertet und optimiert werden.

FCD als Grundlage realistischer Verkehrssimulationen

Verkehrssimulationen spielen eine zentrale Rolle bei der Bewertung neuer Infrastrukturmaßnahmen und intelligenter Verkehrssysteme. Im Projekt AIAMO kommt hierfür das Open-Source-Simulationssystem Simulation of Urban Mobility (SUMO) zum Einsatz.

Damit Simulationen das tatsächliche Verkehrsgeschehen möglichst realitätsnah abbilden, müssen unterschiedliche Datenquellen integriert werden. Dazu zählen Straßennetze, Höheninformationen, Verkehrszählungen, Fahrplandaten des öffentlichen Personennahverkehrs (ÖPNV), Lichtsignalanlagen sowie Verkehrsnachfragemodelle.

FCD unterstützen insbesondere die Kalibrierung der Verkehrsnachfrage, da sie Informationen über Start- und Zielbeziehungen von Fahrten liefern. Zusätzlich werden aufbereitete Kennwerte wie Reisezeiten oder Stopphäufigkeiten zur Validierung der Simulation genutzt, um eine möglichst hohe Übereinstimmung mit den tatsächlichen Verkehrsabläufen sicherzustellen. So entstehen Simulationsmodelle, mit denen sich die Auswirkungen neuer Infrastruktur- oder Verkehrssteuerungsmaßnahmen bereits vor ihrer Umsetzung realitätsnah bewerten lassen.

KI-basierende Daten und Verkehrsprognosen

Da FCD nur einen Teil des Verkehrsgeschehens erfassen und weitere Messdaten, beispielsweise aus Fahrzeugzählungen, häufig nur punktuell und damit räumlich lückenhaft vorliegen, entwickelt AIAMO KI-gestützte Verfahren, um diese Datenlücken zu schließen und zukünftige Verkehrszustände vorherzusagen.

Dazu kommen Methoden der Datenaugmentierung zum Einsatz. Sie nutzen historische Daten, um zusätzliche beziehungsweise synthetische Datensätze zu erzeugen und so die räumliche und zeitliche Abdeckung der verfügbaren Informationen zu verbessern. Für diesen Anwendungsfall wurden im Projekt zwei KI-basierende Verfahren entwickelt.

Ein Beispiel ist ein Generatives Gegenspielnetzwerk (GAN), das auf Basis historischer FCD neue Geschwindigkeitstrajektorien erzeugt. Neben der Erweiterung der Datengrundlage können dadurch auch Zusammenhänge zwischen Straßenattributen, beispielsweise Spuranzahl oder Tempolimits, und dem Fahrverhalten untersucht werden.

Ein zweiter Ansatz nutzt graphbasierte neuronale Netze (GNN), um gemittelte verkehrliche Größen wie Reisezeiten, Verkehrsfluss oder Immissionen für einzelne Straßenzüge vorherzusagen. Die Netzarchitektur orientiert sich dabei an der Topologie realer Straßennetze mit Knoten und Kanten.

Für zeitliche Vorhersagen kommt zusätzlich ein Long-Short-Term-Memory-Modell (LSTM) zum Einsatz. Damit lassen sich Prognosen für zukünftige Verkehrszustände erstellen – beispielsweise zur Entwicklung von Reisezeiten innerhalb der nächsten Stunde oder für die morgendliche Verkehrssituation im Berufsverkehr.

Solche Vorhersagen eröffnen sowohl Verkehrsteilnehmenden als auch Verkehrsmanagementzentralen neue Handlungsmöglichkeiten, um frühzeitig auf kritische Verkehrszustände zu reagieren.

Perspektiven für ein vernetztes Mobilitätsökosystem

Die Verfügbarkeit von FCD stellt weiterhin eine zentrale Herausforderung dar. Fahrzeughersteller betreiben überwiegend proprietäre Datenökosysteme und stellen entsprechende Informationen bislang nur eingeschränkt bereit.

Für ein ganzheitliches, umweltsensitives Mobilitätsmanagement ist jedoch ein möglichst umfassender, standardisierter und latenzarmer Zugang zu Fahrzeugdaten erforderlich.

Im Projekt AIAMO werden bereits umweltsensitive Routenvorschläge generiert und über die App mytraQ editionAIAMO an die Nutzenden kommuniziert. Langfristig könnte eine bidirektionale Kommunikation zwischen Verkehrsmanagementplattformen, OEM-Backends und Fahrzeugen neue Möglichkeiten eröffnen. Routenvorschläge, Fahrempfehlungen oder weitere verkehrsrelevante Informationen ließen sich dann direkt an die Verkehrsteilnehmenden übermitteln.

Neben urbanen Anwendungen zeigt die aktuelle Forschung zudem, dass FCD auch zur Optimierung von Lichtsignalanlagen sowie zur Erhöhung der Leistungsfähigkeit auf Autobahnen beitragen können – beispielsweise durch die adaptive Steuerung von Tempolimits auf Basis erkannter Bremsereignisse. (se)

Digitaler Zwilling

Shift-Left im Zeitalter der Software-definierten Technologie

Software-definierte Fahrzeuge

Wettlauf um das Auto aus Bits und Bytes

* Niklas Nieswand ist Projektingenieur bei der Theis Consult GmbH. Dominik Salles ist wissenschaftlicher Mitarbeiter beim Forschungsinstitut für Kraftfahrtwesen und Fahrzeugmotoren.

(ID:50923315)