Wie mithilfe von Machine Learning der Verkehr der Zukunft entsteht

Machine Learning und seine Einsatzgebiete sind noch längst nicht alle vollständig erschlossen. In Frankreich kommt Machine Learning jetzt in einem Pilotprojekt zur Verkehrsüberwachung zum Einsatz. Die Technologie verhilft dabei zu effizienterem und emissionsärmeren Verkehr.

Machine Learning (ML) ist seit Jahren einer der ersten Begriffe, der fällt, wenn es um die neuesten Trends im Bereich der Digitalisierung geht. Dass dieser neue Trend aber so neu gar nicht ist, zeigt sich, wenn man sich die Bereiche, in denen ML bereits heute zum Einsatz kommt, genauer anschaut. Egal ob bei neuen Film- oder Serienvorschlägen auf Streamingplattformen, der standardisierten Erkennung von Spam-Mails oder der automatischen Überprüfung auffälliger Bankdaten und Kontobewegungen – überall kommt ML zum Einsatz. Dieser neue Trend ist also längst Teil unseres Alltags und wir alle nutzen die Technik. Doch was steckt genau dahinter?

Was ist Machine Learning?

ML ist ein Teil dessen, was landläufig als Künstliche Intelligenz (KI) bekannt ist. Kern der Technologie ist die Analyse von großen Datenmengen und die Erkennung von Mustern in diesen Datensätzen. Anhand der so gewonnenen Informationen kann die „Maschine“, der entsprechende Algorithmus und das darauf aufbauende Programm, dann selbstständig reagieren und ihr Verhalten anpassen, sie lernt also.

Wenn man zum Beispiel auf einer Streamingplattform einen neuen Film- oder Serienvorschlag angezeigt bekommt, hat im Hintergrund ein Algorithmus aus den vorhandenen Daten des Nutzers, gesehene Filme und Serien in der Vergangenheit, Nutzungsdauer, Pausenverhalten, diesen Vorschlag automatisch erzeugt. Besonders interessant ist die Technik aber dort, wo gigantische Datenmengen zu verarbeiten sind, also im Bereich von Industrie 4.0 und IoT. Ein weiterer Bereich, in dem ML immer größere Bedeutung bekommt, ist der Verkehr.

Machine Learning als Voraussetzung für den Verkehr der Zukunft

 Dass Algorithmen Bilder erkennen und daraus die richtigen Informationen gewinnen, war lange Zeit ein Problemfeld von KI und ML. Mittlerweile hat sich die Technologie hier aber weiterentwickelt. Computer sind in der Lage, Bilder zu analysieren und auf die Informationen selbstständig zu reagieren. Dadurch sind Firmen wie Google, Apple oder Tesla mittlerweile in der Lage, autonom fahrende Fahrzeuge zu erproben.

Ein weiteres Einsatzgebiet ist die Analyse des Verkehrs selbst. Denn das Erkennen von Störungen und Verhaltensmustern in Verkehrsströmen gewinnt immer mehr an Bedeutung, sowohl aufgrund der Zunahme des normalen Autoverkehrs als auch gerade wegen des autonomen Fahrens. Denn je mehr Daten automatische Fahrsysteme zu Verfügung haben, desto besser.

Verkehrsüberwachung mithilfe von Machine Learning

In Frankreich erprobt daher das Departement Les Hauts-de-Seine auf einer Ringstraße, die Rund um La Defense, das Größte Geschäftsviertel Europas, führt und täglich 30.000 Fahrzeuge fasst, innovative Verkehrsanalyseprogramme auf Basis von ML.

Einer der Projektteilnehmer etwa, das intelligente Verkehrsanalyse- und -managementsystem AGIT von Citeos Solutions Digitales, dem VINCI Energies-Spezialisten für digitale Smart-City-Systeme, kann das zu erwartende Verkehrsaufkommen eine Viertelstunde im Voraus vorhersagen. Das System soll zukünftig den gesamten Verkehr innerhalb des Departments analysieren und so auch zu einem effizienteren und emissionsärmeren Verkehr beitragen. In diesem Artikel erfahren Sie mehr über das Projekt.

Quelle Titelbild: Adobe Stock/flashmovie