Gemäß des Bundes-Klimaschutzgesetzes ist eine Reduktion der Treibhausgasemissionen um 43% von 2020 bis 2030 im Verkehrssektor notwendig. Um diese Ziele zu erreichen muss unter anderem der Verkehrsfluss im urbanen Raum verbessert werden. Die Optimierung von Lichtsignalanlagen ermöglicht hierbei eine Verbesserung des Verkehrsflusses bei gegebener Infrastruktur. Durch die Modellierung des Optimierungsproblems zu einem Markov Decision Process können die Methoden des Reinforcement Learning verwendet werden, in Kombination mit Deep Learning Architekturen entstehen Deep Reinforcement Learning Algorithmen.
Ziel dieses Promotionsprojektes ist es die Algorithmen des Deep Reinforcement Learning für die Optimierung von Lichtsignalanlagen anzuwenden, evaluieren und anzupassen, sodass ein optimaler Verkehrsfluss bei verschiedenen Verkehrsnachfragen erreicht wird. Speziell soll hierbei eine multimodale Optimierung erreicht werden, die eine faire Verteilung von Grünzeiten für alle Verkehrsmodalitäten erreicht. Auch wird untersucht, wie die Algorithmen interpretierbar und für den Einsatz in realen Systemen gestaltetet werden können. Weiterhin wird im Promotionsprojekt untersucht, wie Car2X Funktionen in das Reinforcement Learning Problem eingebracht werden können.
