Zweistufige multiobjektive Steuerung verbessert die Leistung von Hauptstraßen durch räumlich‑zeitliche Optimierung von vorgelagerten signalisierenden Knotenpunkten

Warum Stadtautofahrer das interessieren sollte

Wer schon einmal zur Rushhour durch die Stadt gekrochen ist, weiß, dass Kreuzungen oft wie Engpässe wirken, an denen Zeit und Treibstoff verloren gehen. Diese Studie untersucht eine Möglichkeit, die Leistungsfähigkeit vorhandener Straßen zu steigern, ohne neue Trassen zu bauen. Indem ein zusätzliches Ampelpaar stromaufwärts stark frequentierter Kreuzungen installiert und diese intelligenter, in mehreren Ebenen koordiniert werden, zeigen die Autorinnen und Autoren, dass Städte mehr Fahrzeuge mit kürzeren Verzögerungen und weniger stehenden Warteschlangen befördern können — was den Verkehr auf Hauptachsen flüssiger und sauberer macht.

Eine neue Variante von Ampelsteuerung

Im Mittelpunkt der Arbeit steht ein „Vorsignalsystem“. Anstatt dass jede Spur an einer Kreuzung nur eine feste Funktion erfüllt (etwa nur Linksabbieger), wird ein kurzer Straßenabschnitt vor der Haupthaltlinie zu einem flexiblen Wartebereich umgewidmet. Eine kleine, vorgelagerte Ampel dosiert Fahrzeuge in Wellen in diesen Bereich: zuerst Linksabbieger, dann Geradeausverkehr und so weiter. Die Hauptampel an der Kreuzung gibt dann jede Gruppe mit hoher, konstanter Rate frei. Dieser Ansatz nutzt denselben Straßenraum für verschiedene Fahrbewegungen innerhalb eines Zyklus wieder und erhöht so deutlich die Anzahl der Fahrzeuge, die ohne Straßenverbreiterung passieren können.

Wenn smarte Ideen auf reale Straßenabschnitte treffen

Die meisten früheren Untersuchungen betrachteten Vorsignale jeweils für eine einzelne Kreuzung. Lokal kann die Methode die Kapazität bei hoher Nachfrage um 15–50 Prozent steigern. Entlang einer Hauptachse mit mehreren hintereinander liegenden Kreuzungen kann diese zusätzliche Kapazität jedoch nach hinten losgehen. Der Wartebereich zwischen Vorsignal und Hauptampel erzeugt, wie die Autorinnen und Autoren es nennen, „sekundäre Staus“: Fahrzeuge reihen sich in dieser Tasche so auf, dass die glatten, wellenförmigen Gruppen, auf die traditionelle „Grüne-Welle“-Koordination setzt, gestört werden. Werden die Verkehrsströme nicht sorgfältig aufeinander abgestimmt, laufen Warteschlangen zurück, blockieren vorgelagerte Signale und verpuffen Grüns, die eigentlich den Verkehr voranbringen sollten.

Ein zweischichtiges Steuerungssystem für stark belastete Straßen

Um dieses Problem anzugehen, entwickeln die Autorinnen und Autoren ein bi‑level Steuerungsschema, das der Achse gewissermaßen ein zweischichtiges Gehirn verleiht. Die untere Ebene konzentriert sich auf jede vorgesignalisierte Kreuzung einzeln. Sie entscheidet, wie lange jede Phase grün sein soll, in welcher Reihenfolge die Phasen geschaltet werden und wie die vorgelagerte und die Hauptampel zeitlich aufeinander abgestimmt werden, sodass sich der Wartebereich füllt und leert, ohne überzulaufen. Die obere Ebene betrachtet mehrere Kreuzungen entlang der Hauptachse und passt die gemeinsame Zykluslänge sowie die Versätze zwischen ihnen an, um eine praktikable Grüne Welle zu erzeugen, die die Vorgänge in den einzelnen Wartebereichen respektiert. Gemeinsam koordinieren diese Ebenen sowohl die mikroskopischen Warteschlangen als auch die makroskopische Verkehrsprogression.

Den Computer nach dem richtigen Gleichgewicht suchen lassen

Da realer Verkehr unübersichtlich ist und das neue System konkurrierende Ziele jongliert, behandeln die Forscherinnen und Forscher das Problem als multiobjektive Suche, statt nach einer einzigen „besten“ Einstellung zu streben. Ziel ist es, möglichst viele Fahrzeuge zu bewegen, die mittleren Verzögerungen gering zu halten und die Warteschlangen so kurz zu halten, dass kein Rückstau entsteht. Anstelle einfacher Formeln koppeln sie einen evolutionären Suchalgorithmus an einen detaillierten Verkehrssimulator. Tausende von Timing‑Plänen werden erzeugt, im Simulator getestet, falls nötig repariert, wenn Sicherheits‑ oder Speichergrenzen verletzt werden, und über viele Generationen verbessert. Das Ergebnis ist eine Menge von Kompromisslösungen, die eine Pareto‑Front abbilden und zeigen, wie Gewinne in einem Ziel mit Einbußen in anderen einhergehen.

Was die Simulationen zeigen

Anhand eines Testkorridors mit drei Kreuzungen vergleichen die Autorinnen und Autoren traditionelle, unkoordinierte Steuerung, Einzelzieloptimierung und ihre vollständige multi‑zielige, zweistufige Methode. Mit dem neuen Ansatz steigt der Durchsatz entlang der Achse um etwa 11–14 Prozent gegenüber Einzelzielstrategien und um 18–39 Prozent gegenüber unkoordinierter Steuerung. Gleichzeitig sinkt die mittlere Verzögerung um rund 5–7 Prozent gegenüber Einzelzielabstimmung und um 7–14 Prozent gegenüber unkoordinierter Steuerung, und die längsten Warteschlangen in Fahrtrichtung schrumpfen um 6–15 Prozent. Diese Verbesserungen gehen mit einem bewussten Trade‑off einher: Einige Linksabbieger müssen länger warten, damit der Geradeausverkehr, der die meisten Fahrzeuge trägt, freier fließen kann, ohne Rückstaus auszulösen, die ganze Straßenzüge lahmlegen.

Was das für den Alltagsverkehr bedeutet

Kurz gesagt zeigt die Studie, dass ein sorgfältig koordiniertes zweischichtiges Steuerungsschema ein zusätzliches vorgelagertes Ampelsystem aus Problemstellen Druckventile statt Engpässe machen kann. Anstatt mehr Fahrspuren zu bauen, können Städte Zeit und Raum klüger nutzen, mehr Fahrzeuge über Hauptachsen befördern und zugleich verhindern, dass Warteschlangen zurücklaufen und Gridlock verursachen. Weil weniger Fahrzeuge im Leerlauf stehen und weniger Stop‑and‑go‑Wellen entstehen, unterstützt eine solche Steuerung zudem sauberere Luft und geringeren Kraftstoffverbrauch. Für Pendler würde das in etwas kürzeren und berechenbareren Fahrten resultieren; für Stadtplaner bietet sich ein praktikabler Ansatz, bestehende Hauptstraßen effizienter und nachhaltiger zu nutzen.

Zitation: Pan, J., Yang, Q. & Li, P. Bilevel multiobjective control enhances arterial performance via spatiotemporal optimization of presignalized intersections. Sci Rep 16, 9784 (2026). https://doi.org/10.1038/s41598-026-39344-3

Schlüsselwörter: städtische Ampeln, Vorsignalkreuzungen, Koordination von Hauptachsen, Verkehrsstaus, multiobjektive Optimierung