KI im Verkehrswesen: Anwendungsfälle,
Trends, Beispiele aus der Praxis und Herausforderungen

Sprachbasierte virtuelle Assistenten nutzen Spracherkennungs- und Sprachsynthesetechnologie, um mit dem Fahrer in gesprochener Sprache zu interagieren. Diese Tools können die Wünsche der Benutzer verstehen und eine Vielzahl von Aufgaben ausführen, wie z. B. das Einleiten eines Anrufs, das Umschalten von Radiosendern oder die Bereitstellung von Informationen zum Fahrzeugzustand.

Selbstfahrende Fahrzeuge stellen die fortschrittlichste Form von ADAS dar, da sie sich auf KI stützen, um das Fahren vollständig zu automatisieren. Die meisten Ausführungen dieser Technologie befinden sich noch im Bereich der Prototypenentwicklung und des Experimentierens oder erfordern für den Betrieb menschliche Aufsicht. Unternehmen wie Tesla haben jedoch mit selbstfahrenden Autos Pionierarbeit geleistet und vielversprechende Ergebnisse erzielt. Andere wichtige Arten von selbstfahrenden Fahrzeugen sind Robotaxis, autonome Lkw und Lkw-Platooning-Systeme (die koordinierte Bewegung mehrerer Lkw im Nahbereich) sowie autonome Navigation für Containerschiffe durch Video-Objekterkennung und LIDAR.

KI-basierte Lösungen können Logistikunternehmen bei der Optimierung der Lieferkette helfen, indem sie Fahrzeug-, Schiffs- und Flugzeugflotten koordinieren. Ihr Betrieb basiert auf einer Mischung aus GPS, Sensoren, computergesteuerten Kameras und anderen vernetzten IoT-Geräten, die eingesetzt werden, um Daten über Wetter, Verkehr, Blockaden oder Unfälle zu sammeln. Diese Geräte werden in Kombination mit KI-basierten Analysesystemen verwendet, um diese Informationen zu verarbeiten, wiederkehrende Verkehrsmuster über Algorithmen des maschinellen Lernens zu erkennen und wertvolle Routenempfehlungen zu generieren oder potenzielle Verkehrsstaus vorherzusagen.

Darüber hinaus nutzen Transportunternehmen generative KI und großsprachige Modelle für Logistiksimulationen, um virtuelle Szenarien zu erstellen, mit denen sie abschätzen können, wie sich Nachfragespitzen, Fahrzeugausfälle oder andere Faktoren auf ihr Netzwerk auswirken würden, und ihre Notfallpläne entsprechend anpassen.

Der Einsatz von KI im öffentlichen Nahverkehr eröffnet zahlreiche Möglichkeiten zur Netzwerkoptimierung. So können Dienstleister beispielsweise die durchschnittlichen Reisezeiten und die sie beeinflussenden Faktoren wie Straßenbedingungen und Einschränkungen analysieren, um Routen, Haltestellen, Verbindungen und Fahrpläne anzupassen und die Kundennachfrage nach maximalem Fahrgastkomfort zu erfüllen. KI-basierte Analysesysteme können auch mit Fahrgast-Apps kombiniert werden, um den Nutzern in Echtzeit Empfehlungen zu den besten Linien und Einstiegszeiten zu geben und so die Pendler auf weniger überfüllte Strecken umzuverteilen, insbesondere während der Hauptverkehrszeit.

Die auf natürlicher Sprachverarbeitung und generativer KI basierenden Chatbots bieten Kunden eine bequeme Möglichkeit, auf Informationen zuzugreifen und Hilfe zu erhalten, und ermöglichen es Verkehrsunternehmen, ihren Servicebetrieb zu automatisieren und zu skalieren. Diese konversationellen KI-Lösungen können beispielsweise allgemeine Fragen zu Transportoptionen und -routen beantworten, Benutzern bei der Planung von Fahrten oder dem Kauf von Fahrkarten helfen, Echtzeit-Updates zu Verspätungen oder Ankünften liefern und wertvolles Kundenfeedback sammeln.

KI-gestützte Verkehrsmanagementsysteme stützen sich auf Netzwerke von Sensoren und Kameras, um die Straßen- und Verkehrsbedingungen zu überwachen, Verkehrsunfälle zu erkennen und Verkehrsvorhersagen zu treffen. Auf diese Weise können Behörden bei Verkehrsunfällen sofort eingreifen, Straßenreparaturen und -wartungen beschleunigen und das Ampelmanagement anhand der Fahrzeugdichte optimieren. Unternehmen können GenAI auch nutzen, um realistische Simulationen des Verkehrsflusses unter verschiedenen Bedingungen zu erstellen, so dass Verkehrsingenieure die Auswirkungen neuer Straßenführungen oder Verkehrsrichtlinien testen können, bevor sie diese umsetzen.

ANPR-Lösungen umfassen an Straßenmasten montierte HD-Kameras, Infrarotsensoren für die 24/7-Überwachung und Bildverarbeitungssoftware zur Identifizierung von Kfz-Kennzeichen. Diese Systeme sind für eine Vielzahl von Verwaltungs- und Sicherheitsaufgaben nützlich, z. B. für die Fahrzeitanalyse und die Planung der Straßeninfrastruktur, die Identifizierung von Fahrzeugen, die gegen die Straßenverkehrsordnung verstoßen, und die Ermöglichung elektronischer Zahlungen für bargeldlose Mautspuren.

Systeme mit künstlicher Intelligenz können sowohl in Parkhäusern als auch in städtischen Außenbereichen eingesetzt werden, um die Parkverwaltung zu erleichtern. Diese Lösungen können in vielerlei Hinsicht hilfreich sein, z. B. bei der Zählung von Fahrzeugen und der Erkennung freier Plätze in Verbindung mit Anzeigen für die Verfügbarkeit von Parkplätzen, beim Abgleich von Nummernschildern, um unbefugtes Parken zu erkennen, und bei der Zeiterfassung zur einfacheren Abrechnung und Bezahlung von Tickets. KI-gesteuerte Kameras werden auch eingesetzt, um verdächtige Aktivitäten für die Sicherheit von Parkplätzen zu identifizieren.

Dieser Ansatz basiert auf einer auf maschinellem Lernen basierenden Anomalieerkennung, um Ausfälle vorherzusagen, bevor sie tatsächlich auftreten. Ein maschinelles Lernsystem kann darauf trainiert werden, den normalen Betrieb von Fahrzeugen und Verkehrsinfrastrukturen (wie beispielsweise Oberleitungen) zu verstehen, indem es mit Sensordaten zu deren Standardleistung „gefüttert“ wird. Sobald das System gelernt hat, die idealen Betriebsmuster der mechanischen und elektronischen Komponenten zu erkennen, die ein Fahrzeug oder eine Infrastruktur antreiben, kann es auch Ausreißer erkennen, die ein Anzeichen für eine bevorstehende Störung sein können.