Eine multi-szenarien Bewertung adaptiver Fuzzy-Logic-Algorithmen für intelligentes Ampelmanagement an städtischen Kreuzungen

Warum intelligentere Ampeln wichtig sind

Wer schon einmal an einer roten Ampel saß, obwohl aus der anderen Richtung keine Fahrzeuge kamen, hat erlebt, wie verschwenderisch starre Signale sein können. Diese Studie untersucht, wie intelligentere Ampeln, gesteuert durch fortgeschrittene Entscheidungsregeln, Warteschlangen verkürzen, Verzögerungen mindern und Kraftstoffverschwendung an belebten Kreuzungen reduzieren können. Indem neue Steuerungsmethoden in vielen unterschiedlichen Verkehrsszenarien getestet werden, zeigen die Forschenden, wie Kreuzungen in Echtzeit reagieren können, statt einem festen Ablauf zu folgen.

Das Problem starrer Signalzeiten

Die meisten innerstädtischen Kreuzungen arbeiten noch mit festen Fahrplänen, die das gleiche Muster immer wiederholen. Diese Pläne sind einfach einzurichten und zu warten, können aber nicht mithalten, wenn der Verkehr ungleich verteilt ist, plötzlich zunimmt oder seine Richtung ändert. Das Ergebnis ist vertraut: lange Warteschlangen, verschwendete Zeit, zusätzlicher Kraftstoffverbrauch und mehr Abgase in der Luft. Selbst fortgeschrittenere Systeme, die Zeiten entlang einer Achse anpassen, reagieren oft langsam und konzentrieren sich auf ein Hauptziel wie Verzögerung, ohne andere Aspekte wie Emissionen auszugleichen. Die Autorinnen und Autoren argumentieren, dass Kreuzungen in schnell wachsenden Städten Regler benötigen, die mit Zufälligkeit, Richtungsungleichgewicht und unvollständigen Informationen umgehen können.

Zwei Wege, Signale über Verkehr „denken“ zu lassen

Die Studie testet zwei Familien von Fuzzy-Logic-Reglern. Fuzzy-Logic ist ein Ansatz, bei dem Maschinen mit Abstufungen statt mit strikten Ja-/Nein-Regeln arbeiten, was nützlich ist, wenn Verkehrsdaten verrauscht sind und sich Bedingungen schnell ändern. Die erste Methode, MIFLA genannt, erlaubt dem Regler, nicht nur abzuwägen, wie stark eine Regel zutrifft oder nicht, sondern auch wie unsicher diese Einschätzung ist; das fördert vorsichtigere Änderungen statt abrupter Schwankungen. Die zweite, MIT2FL genannt, geht weiter, indem sie Schlüsselgrößen wie Warteschlangenlänge und Fahrbahnkapazität als Intervalle statt als Einzelwerte behandelt. So kann der Regler Unsicherheit direkt darstellen und dennoch mit einer strukturierten Berechnung auf eine sinnvolle Grünzeit kommen.

Intelligente Ampeln auf die Probe gestellt

Um die Ansätze fair zu vergleichen, bauten die Forschenden eine detaillierte vierarmige Kreuzung im Verkehrssimulator SUMO nach und fütterten sie mit neun verschiedenen Nachfragemustern. Diese reichten von geringem bis sehr hohem Verkehrsaufkommen und von gleichmäßigem bis stark in eine Richtung verschobenem Verkehr, um Stoßzeiten zu simulieren. Induktionsschleifen in den virtuellen Fahrbahnen maßen die Warteschlangen, und die Regler passten wiederholt die Grünzeiten an. Als Basislinie diente eine traditionelle Festzeit-Methode, bekannt als Modified Webster. Für jedes Szenario verfolgten die Forschenden mittlere Warteschlangenlänge, Wartezeit und zusätzliche Reisezeit gegenüber dem freien Verkehrsfluss und wiederholten Durchläufe, bis die Muster stabil waren.

Wie viel besser Kreuzungen werden können

Über alle neun Szenarien hinweg übertrafen beide Fuzzy-Regler den Festzeitplan, oft deutlich. Bei leichtem und mittlerem Verkehrsaufkommen reduzierten sie die durchschnittlichen Warteschlangen um etwa ein Viertel bis die Hälfte und senkten die Wartezeiten, in manchen Fällen um mehr als 70 Prozent. Unter diesen moderateren Bedingungen schnitten die beiden Fuzzy-Ansätze ähnlich ab, was zeigt, dass bereits ein moderater Umgang mit Unsicherheit hilft. Bei starkem und unausgeglichenem Verkehr lag jedoch MIT2FL vorn. Sein intervallbasiertes Denken brachte gleichmäßigere, schnellere Reduktionen der Warteschlangen, weniger Schwankungen von Zyklus zu Zyklus und geringere verbleibende Staus als MIFLA. Wichtig ist, dass diese Vorteile mit nur wenigen Tausendstelsekunden Rechenzeit pro Entscheidung einhergingen, was weit innerhalb dessen liegt, was reale Hardware an einer Kreuzung verarbeiten kann.

Was das für den Alltag bedeutet

Für den täglichen Pendler heißt das: Ampeln müssen keine stummen Timer sein. Durch Entscheidungsregeln, die Unsicherheit akzeptieren statt sie zu ignorieren, können Kreuzungen auf veränderte Verkehrsvolumina und ungleichmäßige Ströme reagieren, Warteschlangen und Verzögerungen verkürzen und gleichzeitig Kraftstoffverbrauch und Emissionen begrenzen. Die Studie zeigt, dass fortgeschrittenere Fuzzy-Logic, wie im MIT2FL-Regler, besonders starke Vorteile bei hohem und einseitigem Verkehr bringt — genau in den Situationen, in denen Menschen Staus am deutlichsten spüren. Obwohl die Tests in einer Simulation an einer einzelnen Kreuzung durchgeführt wurden, legt diese Arbeit eine reproduzierbare Methode zur Gestaltung und zum Vergleich intelligenter Regler vor und weist in Richtung künftiger städtischer Netze, in denen Ampeln zusammenarbeiten, um Personen und Waren flüssiger zu bewegen.

Zitation: Shaheen, S., Qadri, S.S.S.M., Riaz, M.B. et al. A multi-scenario evaluation of adaptive Fuzzy Logic Algorithms for intelligent traffic signal management in Urban intersections. Sci Rep 16, 15273 (2026). https://doi.org/10.1038/s41598-026-44017-2

Schlüsselwörter: adaptive Ampelsignale, Fuzzy-Logic-Regelung, städtische Kreuzungen, Verkehrssimulation, Smart Cities