Googleによる新しい機械学習システムの初期テストでは、交通信号パターンの強化にある程度の期待が持てることが示された。 Green Light プロジェクト は、機械学習と人工知能を利用して交通パターンをモデル化し、最適な信号機シーケンスを提供します。 Scientific American によると、初期の実験により多少の改善が見られました。シアトルの一部の混雑したルートでは交通量が増加します。シアトルの交通当局は、Green Light が既知のチョーク位置を検証し、交通ボトルネックの検出に役立ち、実用的な推奨事項を提供したと述べた。
2023年秋に導入されたグーグルのグリーンライト試験プログラムは、リオデジャネイロやコルカタなどの交通量の多い大都市のほか、シアトルやハンブルクを含む12の都市で試験的に実施されている。これらの実験中、交通信号のシーケンスは、システムからの推奨事項に基づいて地元の交通技術者によって変更されます。この取り組みの目標は、信号の待ち時間を短縮し、主要な道路や交差点の交通の流れを改善し、最終的には温室効果ガスの排出を削減することです。 Google によると、予備調査では、CO2 排出量が 10% 削減され、信号停止が削減される可能性があることが示唆されています。最大 30% 増加します。
Green Light の核となるのは、交差点ごとにカスタマイズされた人工知能 (AI) モデルであり、交差点のレイアウト、運転と停止の習慣、信号機のタイミング、信号と交通システムの相互作用などの要素が考慮されています。このテクノロジーはこれらのパターンに基づいて推奨事項を作成し、都市計画担当者は専用のインターフェイスを介してこれにアクセスできます。このプロジェクトでは、高価な固定センサーや継続的なオンサイト監視が必要ないことが大きな利点です。むしろ、「モバイル センサー」として機能する移動中の車やスマートフォン ユーザーから収集された、既存の Google マップの交通データを利用します。
ただし、Green Light の提案は必ずしも信頼できるわけではありません。ミシガン大学交通研究所所長のヘンリー・リュー氏は、この技術についてはより慎重な見方をしている。 Green Light はバーミンガムの交差点の待ち時間を 20 ～ 30% 削減することができましたが、効果の程度は出発点によって異なると Liu 氏は指摘します。たとえばバーミンガムでは、信号機は時代遅れの交通情報に基づいて設定された時刻表に従っています。 政府データによると、アイドリング車両と交通渋滞は、世界の交通関連排出量の約 2% しか占めていないため、環境への利点についても議論の余地があります。米国。実際には、制限速度を超えて走行している車は、赤信号で停止している車よりもはるかに多くの燃料を消費します。
さらに、青信号は、バスや自転車レーン、路面電車、混雑した横断歩道の横断など、あまり有用ではない推奨事項につながる可能性のある複雑な要素を考慮していません。シアトルの信号機調整は、最終的に効果がないことが判明したため、元に戻さなければなりませんでした。別の試験都市であるマンチェスターでは、交通技術者が日常的に Google のアドバイスを無視する決断をしているが、その理由は、そこの交通信号がバスを優先したり、住宅地の通勤者に余分な時間を考慮させるように意図的にプログラムされている場合があるためである。交差点での停止を減らすという AI の戦略は、状況によっては逆効果になる可能性があります。