SWARCO Technology setzt neuen Maßstab für den Verkehrsfluss an Kreuzungen in Køge

Städtische Kreuzungen gehören zu den komplexesten Elementen eines Straßennetzes. Da sich Verkehrsströme im Laufe des Tages stetig verändern, besteht die Herausforderung darin, mehrere Signalgruppen zu koordinieren und den Fluss über verschiedene Ringe oder Teilkreuzungen hinweg zu synchronisieren. Besonders komplex wird es, wenn innere Fahrspuren mehrere Ringe innerhalb derselben Kreuzung verbinden. Diese inneren Spuren wirken wie versteckte Verkehrsadern – entscheidend für die Gesamtleistung des Systems.

Ist die Koordination dieser inneren Fahrspuren nicht abgestimmt, kann es zu plötzlichen Verzögerungen kommen, es können Rückstaus auf den Zufahrten entstehen, und die Effizienz des gesamten Korridors leidet. Herkömmliche Verkehrssteuerung versucht, diese Komplexität mit vordefinierten Zeitversätzen (Offsets) zwischen den Ringen zu bewältigen. Doch sobald sich Fahrtrouten ändern oder unvorhergesehene Ereignisse eintreten, stößt dieses statische System schnell an seine Grenzen.

Um Alternativen zu untersuchen, führte SWARCO Technology eine detaillierte Studie an der Kreuzung Ringvejen–Søndreviadukt in Køge, Dänemark, durch. Mithilfe von PTV VISSIM wurde herkömmliche verkehrsabhängige Steuerung mit der adaptiven SmartAI-Plattform von SWARCO verglichen.

Die zentrale Fragestellung:
Kann eine adaptive, KI-gestützte Verkehrssteuerung die Steuerung innerer Fahrspuren verbessern – im Vergleich zu herkömmlichen Methoden?

Zwei Ansätze wurden unter identischen Bedingungen getestet:

• Herkömmliche Lichtsignalsteuerung mit vordefinierten Offsets:
  Verkehrsabhängige Steuerung, optimiert für erwartete Verkehrsströme. Funktioniert gut bei stabilen Mustern, versagt jedoch bei Abweichungen.
• SmartAI mit Funktion für innere Fahrspuren:
  Ein vollständig adaptives System, das in Echtzeit aus Fahrzeugbewegungen lernt und mithilfe prädiktiver Algorithmen die Synchronisation von Ringen, inneren Spuren und Signalgruppen kontinuierlich anpasst.

Im Vergleich wurden u. a. durchschnittliche Verzögerungen, Anzahl der Stopps, Kraftstoffverbrauch und CO₂-Emissionen gemessen – sowohl bei stabilen als auch bei gestörten Verkehrsbedingungen.

Im ersten Szenario wurde der aktuelle Verkehrsfluss simuliert:
Die Mehrheit der Fahrzeuge kommt aus dem Norden in Ring 1 und biegt nach links in Ring 2 ab.

In dieser Konstellation funktionierte die klassische Steuerung mit Offsets durchaus zufriedenstellend – da sie exakt auf diese Verkehrsmuster abgestimmt war. Dennoch zeigte SmartAI messbare Vorteile:

• 12 % weniger durchschnittliche Verzögerung
• 2,3 % weniger CO₂-Emissionen

Auch unter relativ stabilen Bedingungen führte die dynamische Anpassung von SmartAI zu einem gleichmäßigeren Verkehrsfluss und konstanten Umweltvorteilen.

Das zweite Szenario simulierte eine plötzliche Umverteilung der Verkehrsströme – weg vom Nord-Süd-Muster hin zu einer Ost-West-Orientierung.
Solche Veränderungen sind im städtischen Verkehr alltäglich: verursacht durch Umleitungen, Baustellen, Events oder Unfälle.

Hier wurden die Grenzen der herkömmlichen Lichtsignalsteuerung deutlich:
Die festen Offsets, ausgelegt für das ursprüngliche Muster, führten zu Rückstaus, längeren Wartezeiten und erhöhtem Verbrauch.

SmartAI hingegen reagierte sofort:
Das System erfasste die veränderten Verkehrsverteilungen in Echtzeit, passte die Phasenkoordination über alle Ringe und inneren Spuren hinweg an und optimierte den Durchfluss.

Die Ergebnisse:

• 47 % weniger durchschnittliche Verzögerung
• 39 % weniger Stopps
• 22 % weniger CO₂-Ausstoß

Auf Korridorebene entsprach das einer Einsparung von 91 kg CO₂ pro Stunde – ein klarer Beleg für das Nachhaltigkeitspotenzial des Systems.

Diese Ergebnisse zeigen einen konkreten Mehrwert für die tägliche Mobilität:

• Für Verkehrsteilnehmer und Verkehrsteilnehmerinnen: Weniger Stopps, flüssigeres Fahren, kürzere Reisezeiten, weniger Leerlauf und somit auch weniger Stress.
• Für Städte: Skalierbare Effekte – weniger Emissionen, bessere Luftqualität und reduzierte Netzbelastung.

Darüber hinaus erhöhen adaptive Systeme wie SmartAI die Resilienz:
Während herkömmliche Steuerungen manuell neu konfiguriert werden müssen, passt sich SmartAI laufend selbst an – und bleibt so auch bei Störungen funktionsfähig. Das ist besonders wichtig bei Baustellen, Veranstaltungen oder plötzlichen Zwischenfällen.

Die Fallstudie Ringvejen–Søndreviadukt zeigt klar:
Statische, offset-basierte Steuerung stößt an ihre Grenzen, sobald sich Verkehrsbedingungen ändern.

SmartAI beweist, dass selbstlernende, adaptive Systeme in der Lage sind, auch unter wechselnden Bedingungen einen effizienten Verkehrsfluss aufrechtzuerhalten.

Für Städte, die sich Nachhaltigkeitszielen verpflichtet fühlen, ist die Botschaft deutlich:
Eine Reduktion von CO₂-Emissionen um Dutzende Kilogramm pro Stunde – an nur einer Kreuzung – kann auf städtischer Ebene einen signifikanten Klimabeitrag leisten.

In Kombination mit übergeordneten Mobilitätsstrategien wird adaptive Verkehrssteuerung damit zu einer Schlüsseltechnologie für intelligentere, grünere und lebenswertere Städte.

Die Studie zeigt:
Die Zukunft des Verkehrsmanagements liegt nicht in starren Zeitplänen –
sondern in intelligenten Systemen, die lernen, sich anpassen und messbare Vorteile liefern.

The Better Way. Every Day.