Konferenz AAMAS: Weniger Staus dank autonomer Fahrzeuge

Bereits ein geringer Anteil an autonomen Fahrzeugen kann die Bildung von Staus deutlich einschränken. Das haben Simulationen jetzt bestätigt.

Lesezeit: 3 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 10 Beiträge
Cockpit,Of,Autonomous,Car.,A,Vehicle,Running,Self,Driving,Mode

(Bild: metamorworks/Shutterstock.com)

Von
  • Hans-Arthur Marsiske

Staus auf Autobahnen sind lästig, teuer und belasten die Umwelt. Eine wirksame Gegenmaßnahme wäre es, den Autoverkehr insgesamt zu verringern. Da sich das offenbar nicht durchsetzen lässt, verfolgen Informatiker einen anderen Ansatz: Sie wollen den Verkehr verflüssigen, indem sie den Anteil autonomer Fahrzeuge erhöhen.

Beim Workshop zu Agent-Based Modelling of Urban Systems (ABMUS) im Rahmen der International Conference on Autonomous Agents and Multi-Agent Systems (AAMAS) hat ein von Peter Stone (University of Texas at Austin) geleitetes Forschungsteam jetzt ein Lernverfahren für autonome Fahrzeuge vorgestellt, das sich in unterschiedlichen Verkehrssituationen bewährt hat. Frühere Forschungen hätten gezeigt, dass bereits ein geringer Anteil autonomer Fahrzeuge (deren Fahrverhalten im Unterschied zu Menschen altruistischer ausgerichtet ist) den Verkehrsfluss deutlich verbessern kann, erklären die Forscher. Allerdings seien die bisher entwickelten Verfahren zum Training solcher Fahrzeuge weitgehend auf spezifische Situationen beschränkt und nicht ohne weiteres auf den allgemeinen Verkehr übertragbar.

Ausgangspunkt für ihre Studie war die Einmündung einer einspurigen Nebenstraße mit einem Aufkommen von 200 Fahrzeugen pro Stunde in eine ebenfalls einspurige Hauptstraße. Für die Hauptstraße simulierten die Wissenschaftler Verkehrsdichten von 1650, 1850 und 2000 Fahrzeugen pro Stunde. Außerdem variierten sie den Anteil autonomer Fahrzeuge sowie deren Verteilung auf den Straßen, die gleichmäßig oder nach dem Zufallsprinzip erfolgte. Die Simulationen bestätigten ihre Vermutung, dass das gelernte Fahrverhalten sich als besonders robust erwies, wenn es bei hoher Verkehrsdichte und einem mittleren Anteil zufällig platzierter autonomer Fahrzeuge gelernt wurde.

Lesen Sie auch

Dieses Fahrverhalten wurde dann unter veränderten Bedingungen getestet: Zum einen wurde eine zweite Einmündung hinzugefügt, die 200, 400, 600 oder 800 Meter von der ersten entfernt war. Zum anderen wurde auf der Hauptstraße eine zweite Fahrspur hinzugefügt. In allen Fällen zeigte sich, dass sich die autonomen Fahrzeuge den Verkehrsfluss im Vergleich mit ausschließlich von Menschen gesteuerten Fahrzeugen verbesserten.

Es sei das erste Mal, dass ein Verhalten sich über die Trainingsbedingungen und Straßengeometrien hinaus, unter denen es gelernt wurde, generalisieren lässt, schreiben die Autoren in ihrer Studie. Sie räumen ein, dass es natürlich noch einige Begrenzungen gebe: So sei bei der Simulation der von Menschen gesteuerten Fahrzeuge immer der gleiche Grad von Aggressivität zugrunde gelegt worden. Auch gebe es in der Realität eine weitaus größere Vielfalt von Straßengeometrien. Ohnehin könnten Simulationen nicht ohne weiteres in die Realität übertragen werden. Gleichwohl sehen sie in ihrer Studie einen wichtigen Schritt hin zur Reduzierung von Staus durch autonome Fahrzeuge.

(mho)