Alle anzeigen

Wir stellen vor: Miovision® Traffic Optimization

Von: Matthew Muresan, P. Eng | 20. Mai 2026

Die branchenweit erste durch KI gestützte End-to-End-Lösung für die Verkehrsoptimierung und Fahrplananpassung

Neugestaltung der Arbeitsabläufe im Verkehrsmanagement

Die Verwaltung von Verkehrsnetzen wird von Tag zu Tag komplexer. Verkehrsingenieure und Betriebsleiter konzentrieren sich nicht mehr nur auf den Fahrzeugfluss, sondern müssen dynamische multimodale Anforderungen, die Sicherheit der Fußgänger und strenge Emissionsvorschriften unter einen Hut bringen. Doch trotz dieser sich wandelnden Ziele sind die Instrumente zur Steuerung von Ampeln weitgehend in der Vergangenheit stehen geblieben.

Derzeit ist die Neusynchronisierung von Signalen äußerst langwierig, manuell und kostspielig. Ein typischer Neusynchronisierungszyklus findet nur alle drei bis fünf Jahre statt, dauert Monate und erfordert oft, dass die Behörden diese Aufgabe auslagern. Wenn Änderungen vorgenommen werden, ist häufig eine fehleranfällige manuelle Dateneingabe erforderlich, gefolgt von kostspieligen Vor-Ort-Einsätzen, um die Aktualisierungen vor Ort zu implementieren. Es handelt sich um einen reaktiven Ansatz, bei dem die Behörden veraltete Zeitpläne oft erst korrigieren, nachdem Beschwerden von Bürgern eingegangen sind.

Miovision schließt die Lücke zwischen komplexen, manuellen und zeitaufwändigen Verkehrsabläufen und Maßnahmen vor Ort mit Miovision® Traffic Optimization. Diese Lösung bietet einen vollständigen, durchgängigen Betriebsablauf, der Städten hilft, die Verkehrsnachfrage zu verstehen und den Verkehrsfluss auf einer einzigen, einheitlichen Plattform zu verbessern.

Eine einheitliche Lösung. Vier einfache Schritte:

  • Analysieren: Nutzen Sie GenAI-Erkenntnisse, um genau zu ermitteln, wo Änderungen am Zeitplan erforderlich sind. Mithilfe historischer und aktueller Netzdaten werden bestimmte Kreuzungen oder Korridore identifiziert, die optimiert werden müssen. 
  • Optimieren: Laden Sie automatisch die Geometriedaten, die Fahrzeugzahlen und die aktuellen Fahrplan-Daten Ihres Netzes ein und nutzen Sie die KI-basierte Engine mit genetischen Algorithmen, um umsetzbare Fahrpläne zu erstellen, die auf die Ziele Ihrer Stadt zugeschnitten sind. Wählen Sie zwischen den Zielen „Verzögerung“, „Korridorfortschritt“, „Kraftstoffverbrauch“ und „multimodale Priorität“ oder definieren Sie Ihr eigenes Ziel.
  • Prüfen und bereitstellen: Unsere Plattform basiert auf der HCM-Methodik und ermöglicht es Ihnen, Empfehlungen für Zeitpläne sicher zu vergleichen und zu bearbeiten. Übertragen Sie Zeitpläne direkt an den Außendienst, ohne manuelle Neueingabe von Daten, komplexe Dateiimporte oder fragmentierte Integrationen von Drittanbietern – und vermeiden Sie so Ineffizienz und unnötige Dienstbesuche.
  • Überprüfen: Schließen Sie den Kreislauf mit auditierbarer Berichterstattung gemäß Branchenstandards in jeder Phase und überprüfen Sie netzwerkweite Verbesserungen in Bezug auf Durchsatz, Sicherheit und Nachhaltigkeit mithilfe von Leistungsanalysen nach der Umstellung.

Einblicke der generativen KI in die Netzwerkleistung

Die Lösung beginnt mit Miovisions GenAI-Agent „Mateo“, der die Netzwerklast anhand von Echtzeit- und historischen Daten analysiert, um Kreuzungen und Verkehrswege zu identifizieren, die einer Optimierung bedürfen. Mithilfe von Abfragen in natürlicher Sprache und sofort umsetzbaren Erkenntnissen unterstützt Mateo die Verkehrsplanungsteams dabei, zu erkennen, wo die Ampelabläufe unzureichend sind und warum. Dabei wandelt er Rohdaten aus dem Verkehr in priorisierte, für die Planung nutzbare Informationen um, ohne dass eine manuelle Datenaufbereitung erforderlich ist.

Signale per Fernzugriff mit dem Controller Manager verwalten

Der Miovision Controller Manager modernisiert den Betrieb von Ampeln durch Echtzeitüberwachung und Fernzugriff. Ingenieure sind nicht mehr auf kostspielige Vor-Ort-Besuche oder manuelle Einsätze vor Ort angewiesen, um Probleme zu diagnostizieren oder Zeitpläne zu aktualisieren.

Zu den wichtigsten Vorteilen gehören:

  • Echtzeit-Transparenz: Sehen Sie sich Live-Telemetriedaten und den Detektorstatus an, um Geräteausfälle oder Schwellenwertüberschreitungen schnell zu beheben.
  • Einfache Bearbeitung: Über eine Oberfläche im Tabellenkalkulationsstil können Sie Zeitpläne innerhalb weniger Minuten bearbeiten, vergleichen und bereitstellen – mit vollständiger Versionskontrolle.
  • Herstellerunabhängiger Support: Basierend auf NTCIP-Protokollen lässt es sich nahtlos in führende Steuerungen integrieren.

Optimieren Sie die Neusynchronisierung mit dem Signal Optimizer

Der Miovision Signal Optimizer unterstützt Verkehrsbetriebe dabei, die zeitaufwändigsten Schritte des Zeitplanungs-Workflows zu automatisieren – von der Ermittlung der zu bearbeitenden Stellen über die Erstellung neuer Zeitpläne bis hin zur Umsetzung dieser Zeitpläne vor Ort mithilfe des Miovision Controller Managers.

Zu den wichtigsten Funktionen gehören:

  • Automatisierte Pipeline zur Datenerfassung: Verbinden Sie nahtlos alle Ihre Daten aus Geometrie, Drehbewegungszählungen und bestehenden Zeitplänen, um unzählige Stunden bei der Einrichtung von Modellen zu sparen. 
  • Optimierung des Zeitplans: Erstellen Sie aktualisierte Phasenzeiten, Zykluslängen, Versätze und Phasenfolgen sowohl für einzelne Kreuzungen und Korridore als auch für zeitgesteuerte und bedienbare Ampeln.
  • HCM-konformes Verkehrsmodell: Basiert auf einer HCM-basierten Methodik, die genaue Schätzungen der Auswirkungen von Änderungen der Ampelphasen liefert. Erhalten Sie Schätzungen zu Ampelverzögerung, Dienstleistungsniveau, Warteschlangenlänge und Kapazität.
  • Zielorientierte Optimierung: Optimierung auf bestimmte Ergebnisse hin, wie z. B. die Minimierung des Kraftstoffverbrauchs, die Maximierung des Verkehrsflusses oder die Priorisierung multimodaler Verkehrsteilnehmer wie Fußgänger und Radfahrer. 
  • Exportdateien für Ingenieure: Erstellt umfassende Berichte zur Unterstützung bei der Validierung und Umsetzung neuer Pläne. Exportieren Sie die Ergebnisse der Optimierung in den Formaten PDF, CSV und UTDF.

Den Menschen immer im Blick behalten 

Die Einführung neuer Zeitpläne birgt Risiken, weshalb Vertrauen von entscheidender Bedeutung ist. Aus diesem Grund basiert diese Lösung auf einer strengen „Human-in-the-Loop“-Kontrolle. Signal Optimizer liefert umfassende, für Ingenieure aufbereitete Berichte (PDF, CSV, UTDF), die die Auswirkungen der vorgeschlagenen Änderungen klar prognostizieren. Bevor ein Plan über den Controller Manager an eine Kreuzung übertragen wird, muss ein Verkehrsingenieur die Änderungen prüfen, die Eingaben anhand der Standardarbeitsanweisungen Ihrer Behörde validieren und detaillierte Einsatznotizen im Prüfpfad des Systems hinterlassen.

Eine zukunftsorientierte Vision für intelligente Mobilität

Durch die Kombination dieser Tools mit unseren bestehenden Leistungs- und Erkennungslösungen bietet Miovision ein proaktives Werkzeug für den modernen Verkehrsingenieur. Diese fundierte, durchgängige Lösung zur Verkehrsoptimierung ermöglicht es den Behörden, die den Zustand des Netzwerks zu analysieren, die die Zeitabläufe, Überprüfung und Änderungen Änderungen und Validieren mit auditfähigen Berichten – alles auf einer einzigen Plattform.

Es geht nicht nur um bessere Daten, sondern um bessere Ergebnisse für die Gemeinschaft. Ein flüssigerer Verkehr, mehr Sicherheit und intelligentere, besser vernetzte Städte sind nun in greifbarer Nähe – ohne dass Sie Ihren Schreibtisch verlassen müssen.

WEBINAR: SKALIERUNG DER STÄDTISCHEN MOBILITÄT
Machen Sie Ihre Stadt smarter
Bekämpfen Sie Staus, erhöhen Sie die Sicherheit und machen Sie den Verkehr mit der skalierbaren Plattform von Miovision zukunftssicher.
Strategien für die Praxis
Datengestützte Erkenntnisse
Datenschutzorientiertes Design
Live-Fragen und Antworten
Matthew Muresan, Diplom-Ingenieur
Verfasst von

Matthew Muresan, P. Eng Technischer Leiter – Data Science

Matthew Muresan ist ein in Ontario, Kanada, zugelassener Ingenieur. Derzeit ist er als technischer Leiter bei Miovision Technologies tätig, wo er daran arbeitet, neue Erkenntnisse und Produkte zu entwickeln, die den umfangreichen Datenkatalog von Miovision nutzen und Städten bei der Lösung von Problemen helfen. Er hat an Projekten gearbeitet, die unter anderem die Vorrangschaltung für den öffentlichen Nahverkehr, maschinelles Lernen, Verkehrssimulation und die Optimierung von Ampelsystemen umfassen. Vor seiner Tätigkeit bei Miovision schloss Matthew seine Promotion in Verkehrstechnik am Innovative Transportation Solutions Laboratory der University of Waterloo unter der Betreuung von Dr. Liping Fu ab. Im Laufe seines Studiums an der University of Waterloo hat Matthew Fachartikel veröffentlicht und auf wissenschaftlichen Konferenzen Vorträge zu Themen wie maschinelles Lernen, Ampelsteuerung und Modellierung von Verkehrsemissionen gehalten.

Veranstaltung

Rückblick auf die ITS America Conference & Expo – Phoenix

X