道路总是很拥挤，汽车在信号处排着长队。在繁忙时间，长时间的交通堵塞尤其令人烦恼。作为KI4LSA和KI4PED项目的一部分，位于Lemgo的Fraunhofer光电子、系统技术和图像开发研究所(IOSB)的研究人员正在使用人工智能进行智能交通灯监管。
未来，结合额外传感器的自学习算法可能会改善交通流量，缩短等待时间，并提高十字路口行人的安全性。Fraunhofer光电子、系统技术和图像开发研究所(IOSB)和工业自动化研究所(INA)的研究团队正在使用人工智能来实现智能、预测性的光开关。
传统的交通信号采用基于规则的系统，不能在所有交通场景中运行。与传统传感器不同，这项新技术使用高分辨率摄像头和雷达传感器来捕捉实际交通状况。这使得在十字路口等待的车辆数量能够得到充分的实时测量。
此外，该系统还确定车辆的平均速度和等待时间。实时传感器与人工智能相结合，取代了传统的刚性控制原理。深度强化学习(DRL)方法用于人工智能，这是一种专注于发现具有挑战性的控制问题的智能解决方案的机器学习技术。
“我们在Lemgo使用了一个连接点，在那里进行了我们的测试，建立了一个逼真的模拟，并在这个模型中对人工智能进行了无数次迭代训练。在运行模拟之前，我们将高峰时段测量的交通量添加到模型中，使AI能够与真实数据一起工作。这导致了一个使用深度强化学习训练的代理:一个代表灯光控制的神经网络，”弗劳恩霍夫IOSB-INA的项目经理和科学家Arthur m
这种算法决定了交通信号的最佳切换行为和理想的相位序列，以减少十字路口的等待时间，减少行程持续时间，减少排队车辆产生的噪音和二氧化碳污染。人工智能算法在路口控制箱的边缘计算机上执行。
在拥挤的Lemgo十字路口进行的模拟阶段显示，使用人工智能可能会使交通流量增加10 - 15%。在接下来的几个月里，训练有素的特工将被部署到街道上，在现实世界的实验室里进行进一步的测试。该测试还将考虑交通指标对噪音污染和排放等特征的影响。
KI4PED概念以行人为中心，而不仅仅是车辆。Fraunhofer IOSB-INA与st
这对老年人或有残疾的人一定很有帮助。通过延长过马路的时间，目的是尽量减少等待时间，提高人行横道的安全性。
该项目希望将人工智能与高分辨率激光雷达传感器相结合，实现这一过程的自动化，并根据行人的需求自动调整和增加过马路的时间。基于激光雷达(光探测和测距)传感器的数据，人工智能在嵌入式系统中实时检测和跟踪人。
“出于数据保护的目的，我们使用激光雷达传感器，而不是基于摄像头的系统。这些将行人呈现为3D点云，这意味着他们无法单独识别，”弗劳恩霍夫IOSB-INA的项目经理和科学家丹尼斯·斯普鲁特博士解释说。
可行性研究将确定十字路口的最佳位置和路线。然后，使用适应特定情况的基于需求的控制方法，该项目希望将等待时间减少30%。他们还希望将乱穿马路的事故数量减少25%。
来源:弗劳恩霍夫
