Les primeres proves d'un nou sistema d'aprenentatge automàtic de Google han mostrat una certa promesa per millorar els patrons dels senyals de trànsit. El projecte Green Light modela els patrons de trànsit per proporcionar seqüències de semàfors òptimes mitjançant l'aprenentatge automàtic i la intel·ligència artificial. Segons Scientific American, els primers experiments han donat lloc a una mica de millora flux de trànsit en algunes rutes congestionades a Seattle. Les autoritats de transport de Seattle van declarar que Green Light va verificar les ubicacions conegudes de l'asfixia, va ajudar a detectar colls d'ampolla de trànsit i va oferir recomanacions pràctiques.
El programa de prova Green Light de Google, que es va presentar a la tardor del 2023, s'està provant a metròpolis amb trànsit intens com Rio de Janeiro i Calcuta, així com a Seattle i dotze ciutats més, inclosa Hamburg. Durant aquests experiments, les seqüències de senyals de trànsit estan sent modificades pels enginyers de trànsit locals en funció de les recomanacions del sistema. Els objectius de la iniciativa són escurçar els temps d'espera dels semàfors, millorar el flux de trànsit de carreteres i interseccions clau i, finalment, reduir les emissions de gasos d'efecte hivernacle. Segons Google, la investigació preliminar suggereix que les emissions de CO2 es podrien reduir un 10% i les parades de semàfors es podrien reduir fins a un 30%.
En el seu nucli, Green Light és un model d'intel·ligència artificial (IA) que es personalitza per a cada intersecció, tenint en compte elements com la seva disposició, els hàbits de conducció i parada, els horaris dels semàfors i la interacció entre els sistemes de senyal i trànsit. La tecnologia crea recomanacions basades en aquests patrons, als quals els urbanistes poden accedir mitjançant una interfície dedicada. La manca de necessitat del projecte de sensors fixos cars o de monitorització continuada in situ és un gran avantatge. Més aviat, fa ús de les dades de trànsit de Google Maps ja existents, que es recullen dels cotxes en moviment i dels usuaris de telèfons intel·ligents que serveixen com a "sensors mòbils".
Tanmateix, els suggeriments de Green Light no sempre són fiables. El director de l'Institut de Recerca en Transport de la Universitat de Michigan, Henry Liu, és més circumspecte sobre la tecnologia. Tot i que Green Light va poder reduir els temps d'espera a les interseccions a Birmingham entre un 20 i un 30 per cent, Liu assenyala que el grau d'eficàcia varia segons el punt de partida. A Birmingham, per exemple, els semàfors segueixen uns horaris establerts que es basen en informació de trànsit anticuada. Els beneficis per al medi ambient també són discutibles perquè, segons dades governamentals, els cotxes al ralentí i els embussos de trànsit només representen al voltant del 2% de les emissions relacionades amb el trànsit al Estats Units. En realitat, els cotxes que viatgen més ràpid que el límit de velocitat consumeixen molt més combustible que els cotxes que s'aturen als semàfors vermells.
A més, Green Light no té en compte elements complexos que poden donar lloc a recomanacions menys útils, com ara creuar carrils bici i autobusos, tramvies o passos de vianants molt concorreguts. Un ajust del semàfor a Seattle es va haver de revertir, ja que finalment va resultar ineficaç. Una altra ciutat de prova, Manchester, té enginyers de trànsit que decideixen rutinàriament ignorar els consells de Google, ja que els senyals de trànsit allà de vegades es programen de manera intencionada per afavorir els autobusos o perquè els viatgers a les zones residencials tinguin en compte el temps addicional. L'estratègia de l'IA de reduir les parades als encreuaments pot funcionar en contra en algunes situacions.