Erste Tests eines neuen maschinellen Lernsystems von Google haben gezeigt, dass es vielversprechend ist, die Muster von Verkehrssignalen zu verbessern. Das Green Light-Projekt modelliert Verkehrsmuster, um mithilfe von maschinellem Lernen und künstlicher Intelligenz optimale Ampelsequenzen bereitzustellen. Laut Scientific American haben frühe Experimente zu einigen Verbesserungen geführt Verkehrsfluss auf einigen überlasteten Strecken in Seattle. Die Verkehrsbehörden in Seattle gaben an, dass Green Light bekannte Staustellen überprüft, dabei geholfen habe, Verkehrsengpässe zu erkennen, und praktische Empfehlungen gegeben habe.
Das im Herbst 2023 eingeführte Green Light-Testprogramm von Google wird in verkehrsreichen Metropolen wie Rio de Janeiro und Kalkutta sowie in Seattle und zwölf weiteren Städten, darunter Hamburg, getestet. Während dieser Experimente werden die Ampelsequenzen von örtlichen Verkehrsingenieuren auf der Grundlage von Empfehlungen des Systems geändert. Die Ziele der Initiative bestehen darin, die Wartezeiten an Ampeln zu verkürzen, den Verkehrsfluss auf wichtigen Straßen und Kreuzungen zu verbessern und schließlich die Treibhausgasemissionen zu reduzieren. Laut Google deuten vorläufige Untersuchungen darauf hin, dass die CO2-Emissionen um 10 % reduziert und Ampelstopps reduziert werden könnten um bis zu 30 %.
Im Kern handelt es sich bei Green Light um ein Modell der künstlichen Intelligenz (KI), das für jede Kreuzung individuell angepasst wird und dabei Elemente wie deren Anordnung, Fahr- und Haltegewohnheiten, Ampelzeiten und das Zusammenspiel zwischen Signal- und Verkehrssystemen berücksichtigt. Auf Basis dieser Muster erstellt die Technologie Empfehlungen, auf die Stadtplaner über eine eigene Schnittstelle zugreifen können. Ein großer Pluspunkt ist, dass das Projekt keine teuren festen Sensoren oder eine laufende Vor-Ort-Überwachung erfordert. Vielmehr nutzt es bereits vorhandene Google Maps-Verkehrsdaten, die von fahrenden Autos und Smartphone-Nutzern gesammelt werden, die als „mobile Sensoren“ dienen.
Allerdings sind die Vorschläge von Green Light nicht immer zuverlässig. Der Direktor des Transportation Research Institute der University of Michigan, Henry Liu, ist hinsichtlich der Technologie zurückhaltender. Obwohl Green Light die Wartezeiten an Kreuzungen in Birmingham um 20 bis 30 Prozent verkürzen konnte, weist Liu darauf hin, dass der Grad der Wirksamkeit je nach Ausgangspunkt variiert. In Birmingham beispielsweise folgen Ampeln festen Fahrplänen, die auf veralteten Verkehrsinformationen basieren. Auch die Vorteile für die Umwelt sind umstritten, denn nach Angaben der Regierung machen stillstehende Autos und Staus nur etwa 2 % der verkehrsbedingten Emissionen in der EU aus Vereinigte Staaten. Tatsächlich verbrauchen Autos, die schneller als die zulässige Höchstgeschwindigkeit fahren, viel mehr Kraftstoff als Autos, die an roten Ampeln angehalten werden.
Darüber hinaus berücksichtigt Green Light komplexe Elemente nicht, die zu weniger nützlichen Empfehlungen führen können, wie z. B. das Überqueren von Bus- und Radwegen, Straßenbahnen oder stark befahrenen Fußgängerüberwegen. Eine Ampelanpassung in Seattle musste rückgängig gemacht werden, da sie sich letztlich als wirkungslos erwies. In einer anderen Teststadt, Manchester, gibt es Verkehrsingenieure, die regelmäßig entscheiden, die Ratschläge von Google zu ignorieren, da die Verkehrssignale dort manchmal absichtlich so programmiert sind, dass Busse bevorzugt werden oder Pendler in Wohngebieten zusätzliche Zeit einplanen müssen. Die Strategie der KI, Stopps an Kreuzungen zu reduzieren, kann in manchen Situationen dagegen wirken.