Ein neues Leitbild der Ampelsteuerung

Wenn ein Verkehrspolizist die Kreuzung regelt, dann schaut er auf den Verkehr und nicht auf die Uhr. Genau so, nur viel schneller und präziser, macht es die Selbst-Steuerung. An einer selbst-gesteuerten Kreuzung entscheiden die Ampeln selbst, wann welcher Verkehrsstrom wie lange grün bekommt. Detektoren erfassen, aus welchen Richtungen sich wie viele Fahrzeuge der Kreuzung nähern. Ein Optimierungsverfahren berechnet daraus sekündlich neu, mit welchen Grünzeiten die wenigsten Fahrzeuge anhalten und warten müssen.

1 Problemstellung

Die Regelung von Verkehrsknoten ist eine schwierige und verantwortungsvolle Aufgabe. Für das Leben in der Stadt macht es einen großen Unterschied, ob man sich frei bewegen kann oder den größten Teil der Zeit an roten Ampeln steht. Das gilt für Autofahrer, ÖV-Nutzer, Radfahrer und Fußgänger gleichermaßen. Jedem nacheinander reihum grün zu geben, ist ein Ansatz, der funktioniert, wenn der Verkehr aus allen Richtungen gleichmäßig zufließen würde. Aber Kolonnen sind mal größer und mal kleiner, und auch ein Bus kommt mal früher und mal später. Kein Verkehrsplaner kann im Voraus exakt wissen, welcher Verkehrsstrom z. B. Dienstagnachmittag wie viel grün benötigt. Für eine flüssige Verkehrsabwicklung kommt es also darauf an, flexibel auf die momentan tatsächlich vorliegende Situation zu reagieren. Mit diesem Ziel vor Augen wurde die Selbst-Steuerung entwickelt.

2 Grundidee

Bei der Selbst-Steuerung schreibt der Planer nicht mehr die Reihenfolge und Dauer der Grünzeiten vor, stattdessen definiert er nur noch die Eigenschaften der Verkehrsanlange als solche, also welche Detektoren zu welchen Strömen gehören und welche Schutzzeiten und Mindestgrünzeiten gelten. Innerhalb des so abgesteckten Rahmens entsteht das dynamische Verhalten dann aus der jeweiligen Verkehrssituation heraus. Es kann durchaus vorkommen, dass ein Strom öfter grün bekommt als ein anderer. Auch werden die Ströme selbst flexibel miteinander kombiniert. Die Fußgängerfurt kann das eine Mal gleichzeitig mit dem dazu passenden Linksabbieger grün bekommen, ein anderes Mal gleichzeitig mit der parallel geführten Straßenbahn – je nach Bedarf. Damit dies zuverlässig funktioniert, wurden eine robuste Verkehrszustandsprognose und ein leistungsstarkes Optimierungsverfahren zur Festlegung der Grünzeiten entwickelt. Der Verkehrsablauf wird so geregelt, dass vom aktuell erfassten Verkehrszustand aus über die nächsten zwei Minuten die geringsten Halte und Wartezeiten anfallen. Da sich der Verkehrszustand jederzeit ändern kann, beispielsweise wenn ein Fußgänger einen Anforderungstaster drückt, wird der Optimierungs- und Entscheidungsprozess jede Sekunde aufs Neue durchlaufen.

Grüne Wellen entstehen im Bedarfsfall von selbst, denn das Anhalten einer großen Fahrzeugkolonne wird vom Optimierungsverfahren schlecht bewertet. Fußgänger erhalten bei jeder größeren Lücke im Fahrzeugstrom grün. Wartet der Fußgänger schon länger, werden auch kleinere Lücken akzeptiert und gegebenenfalls wenige Autos kurz verzögert. Ein Bus oder eine Straßenbahn wiegt bei der Optimierung zwanzig Autos auf. Ist die herannahende Kolonne größer, muss auch mal der Bus warten. Ansonsten erhält er bei Ankunft grün – bevor es sofort danach mit den anderen Strömen entsprechend ihrer Dringlichkeit weitergeht. Damit verhalten sich die Ampeln so, als ob sie vom Verkehr gesteuert würden, anstatt anders herum.

Gerade deshalb, weil die Signalzeiten nicht feststehen, sondern bedarfsgerecht angepasst werden, erhöht sich die Zuverlässigkeit des Verkehrssystems. AUßerdem bewegen sich aufgrund der geringeren Bedienfolgezeiten deutlich mehr und folglich kleinere Kolonnen durch das Netz bewegen. Fußgänger und Radfahrer profitierten davon mit häufigeren Freigaben, und für Busse oder Straßenbahnen brauchten weniger Fahrzeuge stoppen.

Der Selbst-Steuerung gelingt es auf außerordentliche Weise, den ÖV beinahe verlustfrei in den Verkehrsablauf zu integrieren. Die Priorisierung des ÖV auf Basis der Zielgewichtung muss nicht zwangsläufig zur Schlechterstellung der anderen Verkehre führen.

3 Wirkungsprinzipien

Die Selbst-Steuerung beruht auf einer simplen methodischen Grundstruktur: An jedem Knoten im Netz werden aus den verfügbaren Erfassungsgrößen mit Hilfe transparenter Modellbausteine Ankunftszeitreihen geschätzt, auf deren Basis ein leistungsstarkes Optimierungsverfahren best-mögliche Signalisierungsfolgen bestimmt. Die zu minimierende Zielgröße ist die gewichtete Summe aus Wartezeiten und Stopps über die nächsten zwei Minuten. Der Planer braucht nicht mehr auszu-arbeiten, was in konkreten Situationen unter Beachtung aller komplexen Abhängigkeiten exakt geschehen soll. Stattdessen gibt er durch die Wahl der Zielgewichte vor, was ihm im Verkehrsablauf wie wichtig ist.

• Bedarfsgerechter Verkehrsablauf: Grüne Wellen entstehen im Bedarfsfall von selbst, denn das Anhalten einer großen Fahrzeugkolonne wird vom Optimierungsverfahren schlecht bewertet. Fußgänger erhalten bei jeder größeren Lücke im Fahrzeugstrom grün. Wartet der Fußgänger schon länger, werden auch kleinere Lücken akzeptiert und gegebenenfalls wenige Autos kurz verzögert. Ein Bus oder eine Straßenbahn wiegt bei der Optimierung zwanzig Autos auf. Ist die herannahende Kolonne größer, muss auch mal der Bus warten. Ansonsten erhält er bei Ankunft grün – bevor es sofort danach mit den anderen Strömen entsprechend ihrer Dringlichkeit weitergeht. Damit verhalten sich die Ampeln so, als ob sie vom Verkehr gesteuert würden, anstatt anders herum.
• Vereinfachung bei der Planung: Der Planer beschreibt die Anlage, gibt aber nicht die Dauer und Reihenfolge der Grünzeiten vor. Das erleichtert seine Arbeit, denn wenn sich die Verkehrsmengen im Laufe der Zeit oder infolge von Umleitungen ändern, braucht man keine Parameter nachjustieren. Der Verkehr wird nicht nach vorab konstruierten Signalplänen abgewickelt, sondern je nach Situation und Bedarf. Die Selbst-Steuerung nimmt den Verkehr so, wie er kommt.
• Harmonisierung spezieller Wunschvorgaben: Generell kann man viele Ideen entwickeln, was in speziellen Situationen geschehen soll, beispielsweise wenn ein Fußgänger den Taster drückt, um über die Fußgängerfurt zu einer Haltestelle zu gelangen. Andererseits soll wegen eines einzelnen Fußgängers nicht immer gleich die ganze Kreuzung still stehen. Mit der Selbst-Steuerung lassen sich solche Wünsche leicht formulieren: Solange sich eine Straßenbahn im Haltestellenbereich befindet, bekommt der Fußgänger ein fünffaches Gewicht bei der Optimierung – und setzt sich damit leicht gegen ein paar Autos durch. Somit kann die Selbst-Steuerung auch in komplexen Situationen die Wunschvorgaben für jeden Verkehrsstrom gegeneinander abwägen und in einem verträglichen Miteinander auflösen.
• Skalierung bei Verkehrsschwankungen: Die Selbst-Steuerung reagiert von selbst auf unterschiedliche Nachfragesituationen. Wenn zu einem Zeitpunkt aus einer Richtung weniger Verkehr zufließt, dann hat sie mehr Grünzeiten für die anderen Richtungen zur Verfügung. Unter Volllast versucht die Selbst-Steuerung mit langen Grünzeiten nacheinander die Warteschlangen zu leeren. Bei weniger Verkehr entsteht für das Optimierungsverfahren Freiraum, der bei Bedarf genutzt wird, um hier und da für Nachzügler das Grün zu verlängern oder öfter zum Fußgänger hinzuschalten. Kommen wie z. B. nachts nur vereinzelt Fahrzeuge an, muss praktisch niemand anhalten.
• Robustheit: Virtuelle Ströme sichern Fehldetektionen ab. Die Selbst-Steuerung funktioniert auch dann, wenn Detektoren falsch zählen oder ganz ausfallen. Jeder Detektor wird mehrfach überwacht. Sobald die Auswerte-Elektronik oder die logische Plausibilitätsprüfung einen Fehler feststellt, werden die Messungen ignoriert und durch virtuelle Ströme ersetzt. Wenn beispielsweise zehn Fahrzeuge je Minute im Mittel zu erwarten sind, dann werden anstelle des ausgefallenen Detektors zehn virtuelle Fahrzeuge je Minute simuliert. Damit bekommt auch im Fehlerfall jeder Verkehrsstrom häufig und lang genug grün.

4 Praxistest

Die Selbst-Steuerung wurde an zwei benachbarten Kreuzungen entlang der Königsbrücker Landstraße im Dresdner Norden prototypisch erprobt [Google Maps, Bing]. Entscheidend für die Auswahl des Gebietes war einerseits, dass es in seiner Größe und Komplexität überschaubar ist, aber andererseits auch, dass dort viele teils komplizierte verkehrliche Besonderheiten vorliegen.

Ursprünglich wurden die beiden Anlangen mit einer verkehrsabhängigen VS-PLUS-Steuerung betrieben. Sie beruht auf tageszeitabhängigen Rahmenplänen mit 80 bzw. 100 Sekunden Umlaufzeit, die mit vier weiteren stadtwärts gelegenen Anlangen über gemeinsame Grünbänder in beide Richtungen koordiniert sind. Im Unterschied zu VS-PLUS verfüg die Selbst-Steuerung über kein stützendes Rahmenprogramm. Allein die Verkehrssituation bestimmt, welche Ströme wann und wie lange Grün erhalten.

Die Ergebnisse des Praxistests bestätigen die in vorausgegangenen Simulationsstudien [pdf] aufgezeigten Potenziale zur harmonischen ÖV-Priorisierung und dynamischen Kolonnenführung. Anstatt ein Straßennetz als Ganzes zu koordinieren, verfolgt die Selbst-Steuerung den Ansatz, die Verkehrssituation an den einzelnen Netzknoten lokal zu erfassen und vor Ort konkret zu lösen. Im quantitativen Vergleich mit einer verkehrsabhängigen VS-PLUS-Steuerung erfahren Busse und Bahnen fast gar keine Verluste mehr, Fußgänger und Radfahrer warten ein Drittel weniger lang auf das nächste Grün, und der MIV profitiert mit geringeren Wartezeiten und gleich hoher Durchfahrerquote – obwohl die Verkehrsstärken unter der Selbst-Steuerung 10% höher waren.

Gesamtbilanz: Die Selbst-Steuerung konnte die Verkehrsqualität für alle Verkehrsarten spürbar verbessern.

Die Selbst-Steuerung kann die komplexen Schwierigkeiten und Anforderungen realer Verkehrssysteme verlässlich lösen. Robuste Schätzmodelle gleichen fehlerhafte Messungen mit virtuellen Strömen aus und lassen fahrerindividuelle Streuungen bei Anfahrverzögerungen, Abstandsverhalten oder Reisegeschwindigkeiten innerhalb gewisser Grenzen zu. Auch bei der Signalgruppenansteuerung wurden spezifische Vorgaben umgesetzt, wie z. B. die RiLSA-konforme Freigabe bedingt verträglicher Ströme, die sichere Führung von Blinden über Mittelinseln, die Signalisierung eines Bahnübergangs sowie die Schaltung dynamischer Zeitinseln für Fahrgastwechsel an Haltestellen.

Mit den im Dresdner Praxistest gezeigten Ergebnissen bietet sich die Selbst-Steuerung als eine nachhaltige und skalierbare Lösung für den effizienten und wartungsarmen Betrieb von Lichtsignalanlagen unter realen Anforderungen und zur Erfüllung moderner Ansprüche an. Sie etabliert somit einen neuen Baustein für ein innovatives, leistungs- und zukunftsfähiges Verkehrsmanagement in Städten.

Der Praxistest wurde durch den Europäischen Fonds für regionale Entwicklung (EFRE) und die Deutsche Forschungsgemeinschaft (DFG-Projekt Tr 1102/1-1) finanziell gefördert. Unterstützt wurde das Vorhaben weiterhin durch die Dresdner Verkehrsbetriebe AG, dem Straßen- und Tiefbauamt der Landeshauptstadt Dresden, der Siemens AG, der Professur für Verkehrsleitsysteme und -prozessautomatisierung sowie der Professur für Bahnverkehr, öffentlicher Stadt- und Regionalverkehr der TU Dresden.

Die Idee der „Self-Controlling Traffic Lights“ wurde 2012 mit dem Golden Idea Award der IDEE-SUISSE® – Schweizerische Gesellschaft für Ideen- und Innovationsmanagement ausgezeichnet [video].

5 Literatur

• T. Karrer, M. Bartsch, A. Genser, S. Lämmer, C. Heimgartner (2021) Praxistest in Luzern zeigt: Selbst-Steuerung verbessert die Verkehrsqualität deutlich. Straße und Verkehr 5/2021, 10-23. [www]
• S. Lämmer (2016) Die Selbst-Steuerung im Praxistest. Straßenverkehrstechnik 3/2016, 143-152. [pdf]
• E. Lefeber, S. Laemmer, J.E. Rooda (2011) Optimal control of a deterministic multiclass queuing system by serving several queues simultaneously. Systems and Control Letters 60, 524–529 [www]
• S. Lämmer (2010) Prinzipien der Selbst-Organisation vernetzter Verkehrsströme. In: Bahn, Bus, Pkw - Optimierung in der Verkehrsplanung, Hrsg: M. Krüsemann, M. Schachtebeck, A. Schöbel, Seiten 19 - 42, Shaker. [www]
• S. Lämmer and D. Helbing (2010) Self-Stabilizing Decentralized Signal Control of Realistic, Saturated Network Traffic. Santa Fe Working Paper Nr. 10-09-019. [www] [pdf]
• S. Lämmer, J. Krimmling, A. Hoppe (2009) Selbst-Steuerung von Lichtsignalanlagen - Regelungstechnischer Ansatz und Simulation. Straßenverkehrstechnik 11, S. 714-721. [pdf]
• S. Lämmer and D. Helbing (2008) Self-Control of Traffic Lights and Vehicle Flows in Urban Road Networks. Journal of Statistical Mechanics: Theory and Experiment, P04019. [www] [pdf]
• S. Lämmer, R. Donner, and D. Helbing (2007) Anticipative control of switched queueing systems. The European Physical Journal B 63(3) 341-347. [www] [pdf] [video lecture]
• S. Lämmer (2007) Reglerentwurf zur dezentralen Online-Steuerung von Lichtsignalanlagen in Straßennetzwerken (Dissertation, TU Dresden). [www] [pdf]