Kameras an Straßenkreuzungen und anderen vielbefahrenen Straßen sind keine Neuerung. Sie ermöglichen die Überwachung des Verkehrsgeschehens und liefern Bilder im Falle von Unfällen. In Zukunft könnten die Aufnahmen der Kameras noch wertvollere Dienste leisten – mithilfe der Künstlichen Intelligenz. Die Auswertung von Verkehrsdaten durch Supercomputers könnte bald dafür sorgen, dass die Straßen sicherer werden. Indem sie in kurzer Zeit Daten auswerten und den Verkehr analysieren. Wissenschaftler vom Texas Advanced Computing Center (TACC), dem Center for Transportation Research der Universität von Texas und die texanische Stadt Austin arbeiten an Programmen, die mittels Deep Learning und Data Mining die Straßen sicherer machen und Verkehrsprobleme beseitigen.

Die Wissenschaftler entwickeln eine Künstliche Intelligenz, die durch Deep Learning die Videoaufnahmen von Verkehrspunkten auswertet. Diese Software soll in der Lage sein, Objekte zu erkennen und richtig einzuordnen. Bei den Objekten handelt es sich um Autos, Busse, Lastwagen, Motorräder und um Ampeln und Menschen. Die Software ermittelt, wie sich diese Objekte bewegen und verhalten. Dadurch lassen sich Informationen gewinnen, die wiederum genauer analysiert werden können, um Verkehrsproblemen vorzubeugen. Das Ziel ist es, eine Software zu entwickeln, welche Verkehrsforscher bei der Auswertung von Daten zu helfen. Die Künstliche Intelligenz soll dabei flexibel einsetzbar sein und auch in Zukunft Verkehrsprobleme aller Art erkennen können, ohne dass sie jemand speziell dafür programmieren muss.

Dank des Deep Learnings ordnen die Supercomputers die Objekte richtig zu und schätzen zwischen den ermittelten Objekten die Verhältnisse im Straßenverkehr ein, indem sie den Bewegungen der Autos, Menschen etc. folgt. Nachdem diese Arbeit getan war, gaben die Wissenschaftler der Software zwei Aufgaben: Die Anzahl der Fahrzeuge zu zählen, welche eine Straße entlang fuhren. Und schwieriger: Beinahezusammenstöße zwischen Fahrzeugen und Fußgänger festhalten. Die Künstliche Intelligenz wertete Videomaterial von 10 Minuten aus und zählte mit zu 95%iger Sicherheit alle Fahrzeuge. Das Verkehrsaufkommen genau bestimmen zu können ist eine wertvolle Fähigkeit des Supercomputers. Zurzeit sind noch zahlreiche teure Sensoren nötig, um solche Daten zu gewinnen oder Studien müssen durchgeführt werden, die jeweils nur spezifische Daten erbringen würden. Die Software hingegen kann das Verkehrsvolumen über einen weiten Zeitraum beobachten und so Zahlen über das Verkehrsaufkommen liefern, die weitaus genauer sind. Dadurch lassen sich bessere Entscheidungen über die Gestaltung des Straßenverkehrs treffen. Im Falle der Beinahezusammenstöße konnten die Wissenschaftler dank der Künstlichen Intelligenz automatisch Situationen erkennen, in denen Fußgänger und Fahrzeuge sich bedrohlich nahe kamen. Dadurch können Verkehrspunkte, die besonders gefährlich sind, schon identifiziert werden, bevor Unfälle erst geschehen. Die analysierten Daten könnten sich als sehr aufschlussreich erweisen, wenn es darum geht, zukünftige Verkehrsprobleme aus dem Weg zu räumen.

 Das nächste Projekt: Die Software soll lernen, an welchen Stellen Fußgänger die Straße überqueren, wie die Fahrer auf Schilder reagieren, die sie auf die Straße überquerende Fußgänger hinweisen und sie soll herausfinden, wie weit die Fußgänger bereit sind zu laufen, um den Fußgängerweg zu erreichen. Das Projekt der Texas Advanced Computing Center und der Universität von Texas verdeutlicht, wie Deep Learning dabei helfen kann, den Aufwand der Analyse von Videomaterial zu reduzieren.