Vroege tests van een nieuw machine learning-systeem van Google hebben enige belofte getoond in het verbeteren van verkeerssignaalpatronen. Het Green Light-project modelleert verkeerspatronen om optimale verkeerslichtreeksen te bieden door gebruik te maken van machinaal leren en kunstmatige intelligentie. Volgens Scientific American hebben vroege experimenten geleid tot enigszins verbeterde verkeersstroom op sommige drukke routes in Seattle. De transportautoriteiten in Seattle verklaarden dat Green Light bekende knelpunten verifieerde, hielp bij het opsporen van verkeersknelpunten en praktische aanbevelingen deed.
Het Green Light-proefprogramma van Google, dat in het najaar van 2023 werd geïntroduceerd, wordt getest in verkeersrijke metropolen als Rio de Janeiro en Kolkata, maar ook in Seattle en twaalf andere steden, waaronder Hamburg. Tijdens deze experimenten worden verkeerssignaalsequenties aangepast door lokale verkeersingenieurs op basis van aanbevelingen van het systeem. De doelstellingen van het initiatief zijn het verkorten van de wachttijden bij verkeerslichten, het verbeteren van de verkeersstroom op belangrijke wegen en kruispunten en uiteindelijk het verminderen van de uitstoot van broeikasgassen. Volgens Google suggereert voorlopig onderzoek dat de CO2-uitstoot met 10% kan worden verminderd en dat stoplichtstops kunnen worden verminderd met maar liefst 30%.
In de kern is Green Light een model voor kunstmatige intelligentie (AI) dat voor elk kruispunt op maat wordt gemaakt, waarbij rekening wordt gehouden met elementen als de indeling, het rij- en stopgedrag, de timing van verkeerslichten en de wisselwerking tussen signaal- en verkeerssystemen. De technologie creëert aanbevelingen op basis van deze patronen, waartoe stadsplanners toegang hebben via een speciale interface. Het ontbreken van dure vaste sensoren of voortdurende monitoring ter plaatse bij het project is een groot pluspunt. In plaats daarvan maakt het gebruik van reeds bestaande Google Maps-verkeersgegevens, die worden verzameld van rijdende auto's en smartphonegebruikers die dienen als 'mobiele sensoren'.
De suggesties van Green Light zijn echter niet altijd betrouwbaar. De directeur van het Transportation Research Institute van de Universiteit van Michigan, Henry Liu, is voorzichtiger over de technologie. Hoewel Green Light de wachttijden op kruispunten in Birmingham met 20 tot 30 procent kon verkorten, wijst Liu erop dat de mate van effectiviteit varieert afhankelijk van het startpunt. In Birmingham volgen verkeerslichten bijvoorbeeld vaste dienstregelingen die zijn gebaseerd op verouderde verkeersinformatie. De voordelen voor het milieu zijn ook discutabel, omdat volgens overheidsgegevens stilstaande auto’s en files slechts verantwoordelijk zijn voor ongeveer 2% van de verkeersgerelateerde uitstoot in de Verenigde Staten. In werkelijkheid verbruiken auto's die sneller rijden dan de maximumsnelheid veel meer brandstof dan auto's die bij rood licht stoppen.
Bovendien houdt Groen Licht geen rekening met complexe elementen die kunnen leiden tot minder bruikbare aanbevelingen, zoals het oversteken van bus- en fietspaden, trams of drukke zebrapaden. Een verkeerslichtaanpassing in Seattle moest worden teruggedraaid omdat deze uiteindelijk niet effectief bleek te zijn. Een andere teststad, Manchester, heeft verkeersingenieurs die routinematig besluiten het advies van Google te negeren, omdat de verkeerslichten daar soms doelbewust zijn geprogrammeerd om bussen te bevoordelen of om pendelaars in woonwijken extra tijd te laten incalculeren. De strategie van de AI om het aantal stops op kruispunten te verminderen, kan in sommige situaties tegenwerken.