Studierende des Masterstudiengangs Informatik haben in einem Praxisprojekt mit dem Technologieanbieter EFS ein System entwickelt, mit dem der Ingolstädter Verkehrsfluss visualisiert und prognostiziert werden kann. Dabei bedienten sie sich Methoden der Künstlichen Intelligenz. Ziel des Projekts war es, aufzuzeigen, welche Möglichkeiten KI für die Simulation von realem Verkehr bietet.
In einem ersten Schritt sichteten die Studierenden Verkehrsdaten über sechs Monate an rund 80 städtischen Kreuzungen mit insgesamt über 900 Fahrspuren, die im Rahmen des Ingolstädter Forschungsprojekts SAVe bereitgestellt wurden. Aufgabe der Studierenden war es zunächst, diese Daten aufzubereiten und zu visualisieren – zuzüglich externer Daten wie Wetterlage, Temperatur sowie Kalenderinformationen, die den Verkehrsfluss beeinflussen, wie Fußball- oder Eishockeyspiele oder Schulferien.
Als nächstes analysierten die Studierenden die aufbereiteten Daten mithilfe von Machine-Learning-Methoden und überprüften, in welchem Maße sich mit ihnen der Ingolstädter Verkehr nicht nur rückblickend, sondern auch vorausschauend darstellen lässt. So fanden sie einen Weg, das Verkehrsaufkommen anhand von Wochentagen, Schulferien oder besonderen Events auch für die Zukunft zu prognostizieren: Sie trainierten ein neuronales Netz mit Parametern für fünf Ingolstädter Kreuzungen.
Die Ergebnisse der Studierenden mündeten mithilfe von EFS schließlich in eine Website mit einer interaktiven Karte für alle verfügbaren Kreuzungen von Ingolstadt, auf der jeder Nutzer nun den Ingolstädter Verkehr für einen individuell gewählten Zeitpunkt simulieren kann und mithilfe eines Zeitraffers eine Prognose für die weitere Entwicklung des Verkehrs in den kommenden Stunden erhält. Unter folgendem Link kann jeder die interaktive Verkehrssimulation selbst ausprobieren: https://intraffic.efs.ai
