Problemstellung

Verkehrsregelung ist eine schwierige, hochkomplexe Aufgabenstellung. Aber was sind die eigentlichen Probleme und Herausforderungen, welche mit neuen, innovativen Regelungssystemen bewältigt werden müssen und welche ANDATA explizit mit den verfügbaren Lösungen adressiert?

Verkehr ist zufällig und voll von komplexen Rückkopplungseffekten

Zur bestmöglichen Regelung von Verkehr benötigt man mathematische Modelle, welche das Verhalten der Verkehrsteilnehmer und der Fahrzeuge ausreichend genau beschreiben. Auf Basis dieser Modelle werden die entsprechenden Maßnahmen (z.B. Lichtsignalanlagen) so angesteuert, dass sich der Verkehrsfluss bestmöglich entwickelt. Bei der rein mechanischen Beschreibung des Durchflusses funktioniert das bereits ganz gut. Sehr viel schwieriger ist die regelungstechnische Berücksichtigung der Rand- und Nebenbedingungen etwa beim Zufluss oder bei realistischen Abbiegerelationen.

Erhöht man z.B. die Durchfluss-Kapazität einer Kreuzung, muss das noch nicht bedeuten, dass sich damit der Stau auflöst. Mitunter kommt es nämlich durch die verbesserte Kapazität wieder zu mehr Zufluss. Verkehr ist voll von solchen Rückkopplungseffekten mit bekannten als auch unbekannten gegenseitigen Abhängigkeiten, welche nur sehr schwer zu identifizieren und zu quantifizieren sind. Dazu kommt, dass diese sehr volatil sind, weil Verkehrsteilnehmer in der Regel Menschen sind, welche antizipieren und sich mitunter sehr schnell auf Änderungen von Situationen einstellen können. Nur geschieht dies unterschiedlich in verschiedenen Situationen, Zeiten, Orten und unter lokalen Gegebenheiten.

Eine „intelligente“ Reglung muss mit dieser Volatilität der Randbedingungen aber umgehen können und die Antizipation der Verkehrsteilnehmer ihrerseits bereits vorwegnehmen. Auch wenn man diese Zusammenhänge  nicht immer ausreichend vorhersagen kann, so muss man sich doch wenigstens sehr schnell darauf einstellen und die Regelung adaptiv anpassen können.

Unbekannte Effektivität vieler Aktionen und Verkehrsmaßnahmen

Während man bei "harten" Lichtsignalanlagen (ugs. Ampeln) ziemlich genau abschätzen kann, wie sich die Verkehrsteilnehmer verhalten (in der Regel bleiben die Verkehrsteilnehmer bei Rot stehen), lässt sich dies bei "weichen" Maßnahmen (etwa Informationssystemen, Umleitungsempfehlungen etc.) nicht immer genau vorhersagen. Wie viele Verkehrsteilnehmer z.B. einer Park&Ride-Empfehlung folgen, hängt u.a. vom Verkehrsteilnehmer selbst in Abhängigkeit von der subjektiv empfundenen Verkehrssituation, der Qualität der Empfehlung, der Benutzerfreundlichkeit und dem Information-Design der Empfehlung, wirtschaftlichen Komponenten und weiteren weichen Faktoren ab. Eine "intelligente" Verkehrsregelung benötigt hierfür allerdings quantitative Kenntnis über diese Zusammenhänge, um optimal regeln zu können. Auch hier gilt wieder: Wenn man die Wirkung von Verkehrsmaßnahmen nicht immer vorhersehen kann, dann sollte man  zumindest in der Lage sein sich sehr schnell adaptieren zu können.

Widersprüchliche Anforderungen mit intransparenter quantitativer Bedeutung

Selbst wenn man ein präzises mathematisches Modell für Planung und/oder Regelung des Verkehrs zur Verfügung hätte, bleibt die Frage nach der konkreten Formulierung der Regelungsziele offen. Verkehrsmanagement und Verkehrsregelung sind auch wegen der widersprüchlichen Struktur und Inhalte der Anforderungen so schwierig. Die Zielgrößen stehen oft miteinander im Konflikt und deren gegenseitige quantitative Abhängigkeiten sind meist nicht verfügbar bzw. für die einzelnen Entscheidungsträger intransparent. Es geht also selten um reine Optimierung sondern hauptsächlich um ein Balancieren von Kompromissen sowie der Identifikation und dem Management von Anforderungskonflikten. Dafür benötigt man aber eine passende Darstellung der quantitativen Zusammenhänge von den verschiedenen Zielkriterien sowie auch entsprechende Methoden und Prozesse für das Management der funktionalen Anforderungen.

Software, Algorithmen und Elektronik bestimmen die Funktion und Leistungsfähigkeit

Wie in vielen anderen saturierten Fachgebieten befindet sich auch die Verkehrstechnik inzwischen in der Situation, dass man durch reine Hardware-Maßnahmen nicht mehr in der Lage ist, die gewünschte Funktionalität zu erreichen. Die Erfüllung der bestehenden und zukünftigen Anforderungen benötigt zunehmend die Integration von elektronischen und informationstechnischen Lösungen. Die eigentliche Funktion der Verkehrsregelung wird dabei maßgeblich durch Steuerungsalgorithmen und Software bestimmt. So wie beispielsweise der Maschinenbau bereits weitgehend durch die "Mechatronik" beherrscht wird, so wird künftig die Verkehrstechnik zunehmend durch die "Infratronik" bestimmt.

Daten und Modelle als Schlüssel zum Erfolg

Der Schlüssel zur Identifikation und Quantifizierung der komplexen Zusammenhänge und Abhängigkeiten im Verkehr sind Daten aus realen Messungen oder Simulationen. Heute sind zunehmend qualitativ hochwertige Daten zur Echtzeit-Erfassung der Verkehrslage verfügbar. Es reicht in der Regel allerdings nicht, dass man die Verkehrsdaten bloß in unterschiedlichen Formen und Medien darstellt und so die Intelligenz wieder an den einzelnen Verkehrsteilnehmer zurück delegiert. Vielmehr bedarf die „intelligente“ Verkehrsregelung einer stetigen Analyse der Daten mit entsprechenden DataMining-Verfahren und einer zeitnahen Ableitung von realistischen Modellen sowie der laufenden Aktualisierung dieser Modelle in der Verkehrsregelung. Nur dann lassen sich prädiktive Regelungen nachhaltig etablieren, wenn die Regelungsmodelle mit den schnellen Änderungen im Verkehrssystem mithalten.

Integration und Systementwicklung statt Reduktionismus

Bei derart komplexen Systemen wie sie bei der „intelligenten“ Verkehrsregelung gegeben sind, ist nicht zu erwarten, dass die „Problemstellung Verkehr“ mit einer einzelnen Durchbruchinnovation gelöst werden kann. Dies gilt speziell auch für Innovationen einzelner Komponenten. Vielmehr geht es um die koordinierte Zusammenführung und Integration von vielen innovativen Einzellösungen zu einem optimal funktionierenden Gesamtsystem. Das bedingt einer systematischen Top-Down- anstatt einer reduktionistischen Bottom-Up-Vorgehensweise.