Das Projekt untersucht die optimale Steuerung von Baustellenampeln durch den Vergleich klassischer Schaltverfahren mit KI-Ansätzen. Zu Beginn wird eine Objekterkennung entwickelt und trainiert, um Fahrzeuge an Baustellenampeln zuverlässig zu identifizieren. Darauf aufbauend erfolgt die Erforschung und Evaluation geeigneter Schaltungsalgorithmen, einschließlich ihrer Vor- und Nachteile. Der Fokus liegt auf der Entwicklung eines evolutionären neuronalen Netzes, welches in einer simulationsbasierten Umgebung optimale Schaltstrategien ermittelt. Parallel dazu werden die Leistung des neuronalen Netzes, klassische Algorithmen und feste Ampelphasen anhand von Effizienzkriterien wie beispielsweise Wartezeit und Gleichberechtigung der Fahrtrichtungen systematisch verglichen, um die Wirksamkeit der Steuerungsansätze zu bewerten.
Die Anwendung der genannten Verfahren zielt darauf ab, den Verkehr an Baustellenampeln sicherer, emissionsärmer und effizienter zu gestalten.