Os primeiros testes de um novo sistema de aprendizado de máquina do Google mostraram-se promissores na melhoria dos padrões de semáforos. O projeto Green Light modela padrões de tráfego para fornecer sequências de semáforos ideais usando aprendizado de máquina e inteligência artificial. De acordo com a Scientific American, os primeiros experimentos levaram a melhorias um pouco fluxo de tráfego em algumas rotas congestionadas em Seattle. As autoridades de transporte em Seattle afirmaram que a Green Light verificou locais de estrangulamento conhecidos, ajudou a detectar gargalos de tráfego e ofereceu recomendações práticas.
O programa de teste Green Light do Google, que foi introduzido no outono de 2023, está sendo testado em metrópoles de tráfego intenso como Rio de Janeiro e Calcutá, bem como em Seattle e outras doze cidades, incluindo Hamburgo. Durante esses experimentos, as sequências de semáforos são modificadas por engenheiros de trânsito locais com base nas recomendações do sistema. Os objectivos da iniciativa são reduzir os tempos de espera nos semáforos, melhorar o fluxo de tráfego nas principais estradas e intersecções e, eventualmente, reduzir as emissões de gases com efeito de estufa. De acordo com o Google, pesquisas preliminares sugerem que as emissões de CO2 podem ser reduzidas em 10% e as paradas nos semáforos podem ser reduzidas em até 30%.
Em sua essência, o Green Light é um modelo de inteligência artificial (IA) personalizado para cada cruzamento, levando em consideração elementos como seu layout, hábitos de direção e parada, horários dos semáforos e a interação entre os sistemas de sinalização e de trânsito. A tecnologia cria recomendações baseadas nesses padrões, que os planejadores urbanos podem acessar por meio de uma interface dedicada. A falta de necessidade do projeto de sensores fixos caros ou de monitoramento contínuo no local é uma grande vantagem. Em vez disso, utiliza dados de tráfego já existentes do Google Maps, coletados de carros em movimento e usuários de smartphones que servem como “sensores móveis”.
No entanto, as sugestões da Green Light nem sempre são confiáveis. O diretor do Instituto de Pesquisa em Transportes da Universidade de Michigan, Henry Liu, é mais cauteloso em relação à tecnologia. Embora a Green Light tenha conseguido reduzir o tempo de espera nos cruzamentos em Birmingham em 20 a 30 por cento, Liu salienta que o grau de eficácia varia dependendo do ponto de partida. Em Birmingham, por exemplo, os semáforos seguem horários definidos baseados em informações de trânsito antiquadas. Os benefícios para o ambiente também são discutíveis porque, de acordo com dados do governo, os carros parados e os engarrafamentos representam apenas cerca de 2% das emissões relacionadas com o trânsito no Estados Unidos. Na verdade, os carros que viajam mais rápido do que o limite de velocidade consomem muito mais combustível do que os carros que param no sinal vermelho.
Além disso, o Green Light não leva em consideração elementos complexos que podem levar a recomendações menos úteis, como cruzar faixas de ônibus e bicicletas, bondes ou travessias de pedestres movimentadas. Um ajuste de semáforo em Seattle teve que ser revertido, pois acabou se mostrando ineficaz. Outra cidade de teste, Manchester, tem engenheiros de trânsito que decidem rotineiramente ignorar os conselhos do Google, uma vez que os semáforos são por vezes propositadamente programados para favorecer os autocarros ou para fazer com que os passageiros em áreas residenciais tenham em conta o tempo extra. A estratégia da IA de reduzir as paragens nos cruzamentos pode funcionar contra ela em algumas situações.