CFLight: Sicherheit an Kreuzungen durch Counterfactual Learning verbessern

Verkehrsunfälle kosten weltweit Millionen von Menschenleben, und ein großer Teil dieser Tragödien passiert an Kreuzungen. Um die Sicherheit an diesen stark frequentierten Punkten zu erhöhen, setzen immer mehr Städte auf intelligente Verkehrslichtsteuerungen.

Traditionelle Reinforcement‑Learning‑Ansätze zur Optimierung von Ampelschaltungen konzentrieren sich häufig auf die Fahrzeiligkeit und vernachlässigen dabei die kritische Balance zwischen Effizienz und Sicherheit. Zudem fehlt ihnen oft die nötige Interpretierbarkeit, um Vertrauen bei Verkehrsplanern zu schaffen.

Die neue Methode „CFLight“ nutzt Counterfactual Learning, um zu prüfen, welche Folgen alternative Handlungen an einer Kreuzung hätten. Durch ein neu entwickeltes kausales Modell und ein spezielles CF‑Modul, das mit zusätzlichen „X“-Modulen zusammenarbeitet, wird die Sicherheit in den Mittelpunkt der Lernstrategie gestellt.

In umfangreichen Simulationen mit realen und synthetischen Daten konnte CFLight die Anzahl von Kollisionen deutlich senken und gleichzeitig die Gesamtverkehrsleistung verbessern. Das Ergebnis ist eine nahezu kollisionsfreie Ampelschaltung, die sowohl sicher als auch effizient ist.