Pengujian awal sistem pembelajaran mesin baru oleh Google menunjukkan hasil yang menjanjikan dalam meningkatkan pola sinyal lalu lintas. Proyek Lampu Hijau memodelkan pola lalu lintas untuk memberikan rangkaian lampu lalu lintas yang optimal dengan memanfaatkan pembelajaran mesin dan kecerdasan buatan. Menurut Scientific American, eksperimen awal telah menghasilkan kemajuan yang cukup baik arus lalu lintas di beberapa rute padat di Seattle. Otoritas transportasi di Seattle menyatakan bahwa Lampu Hijau memverifikasi lokasi tersedak yang diketahui, membantu mendeteksi kemacetan lalu lintas, dan menawarkan rekomendasi praktis.
Program uji coba Lampu Hijau Google, yang diperkenalkan pada musim gugur tahun 2023, sedang diuji di kota metropolitan dengan lalu lintas padat seperti Rio de Janeiro dan Kolkata, serta di Seattle dan dua belas kota lainnya, termasuk Hamburg. Selama percobaan ini, urutan sinyal lalu lintas dimodifikasi oleh teknisi lalu lintas lokal berdasarkan rekomendasi dari sistem. Tujuan dari inisiatif ini adalah untuk mempersingkat waktu tunggu lampu lalu lintas, meningkatkan arus lalu lintas jalan utama dan persimpangan, dan pada akhirnya mengurangi emisi gas rumah kaca. Menurut Google, penelitian pendahuluan menunjukkan bahwa emisi CO2 mungkin berkurang 10% dan penghentian lampu lalu lintas dapat dikurangi hingga 30%.
Pada intinya, Lampu Hijau adalah model kecerdasan buatan (AI) yang disesuaikan untuk setiap persimpangan, dengan mempertimbangkan elemen-elemen seperti tata letaknya, kebiasaan mengemudi dan berhenti, pengaturan waktu lampu lalu lintas, dan interaksi antara sinyal dan sistem lalu lintas. Teknologi ini menciptakan rekomendasi berdasarkan pola-pola ini, yang dapat diakses oleh perencana kota melalui antarmuka khusus. Tidak adanya kebutuhan akan sensor tetap yang mahal atau pemantauan di lokasi yang berkelanjutan merupakan nilai tambah yang besar dari proyek ini. Sebaliknya, ia memanfaatkan data lalu lintas Google Maps yang sudah ada, yang dikumpulkan dari mobil yang bergerak dan pengguna ponsel cerdas yang berfungsi sebagai “sensor seluler”.
Namun, saran Lampu Hijau tidak selalu dapat diandalkan. Direktur Institut Penelitian Transportasi Universitas Michigan, Henry Liu, lebih berhati-hati terhadap teknologi. Meskipun Lampu Hijau mampu memangkas waktu tunggu persimpangan di Birmingham sebesar 20 hingga 30 persen, Liu menunjukkan bahwa tingkat efektivitasnya bervariasi tergantung pada titik awal. Di Birmingham, misalnya, lampu lalu lintas mengikuti jadwal yang ditetapkan berdasarkan informasi lalu lintas kuno. Manfaatnya terhadap lingkungan juga masih bisa diperdebatkan karena, menurut data pemerintah, mobil yang tidak digunakan dan kemacetan lalu lintas hanya menyumbang sekitar 2% dari emisi terkait lalu lintas di negara tersebut. Amerika Serikat. Faktanya, mobil yang melaju lebih cepat dari batas kecepatan menggunakan lebih banyak bahan bakar dibandingkan mobil yang berhenti di lampu merah.
Selain itu, Lampu Hijau tidak mempertimbangkan elemen kompleks yang dapat menghasilkan rekomendasi yang kurang berguna, seperti melintasi jalur bus dan sepeda, trem, atau penyeberangan pejalan kaki yang sibuk. Penyesuaian lampu lalu lintas di Seattle harus dibatalkan karena pada akhirnya terbukti tidak efektif. Kota uji coba lainnya, Manchester, memiliki insinyur lalu lintas yang secara rutin memutuskan untuk mengabaikan saran Google karena sinyal lalu lintas di sana terkadang sengaja diprogram untuk mendukung bus atau membuat penumpang di kawasan pemukiman memperhitungkan waktu tambahan. Strategi AI untuk mengurangi pemberhentian di penyeberangan mungkin tidak berhasil dalam beberapa situasi.