谷歌对新机器学习系统的早期测试显示出在增强交通信号模式方面的一些希望。 绿灯项目 对交通模式进行建模，利用机器学习和人工智能提供最佳的交通灯序列。据《科学美国人》报道，早期的实验已经在一定程度上改善了西雅图一些拥堵路线上的交通流量。西雅图交通当局表示，绿光公司验证了已知的阻塞位置，帮助发现交通瓶颈，并提供了实用的建议。
谷歌的绿灯试用计划于 2023 年秋季推出，目前正在里约热内卢和加尔各答等交通繁忙的大都市以及西雅图和汉堡等其他 12 个城市进行测试。在这些实验期间，当地交通工程师根据系统的建议修改交通信号序列。该倡议的目标是缩短交通灯等待时间，提高主要道路和交叉路口的交通流量，并最终减少温室气体排放。 根据 Google，初步研究表明二氧化碳排放量可能会减少 10%，并且红绿灯停车次数可能会减少高达 30%。
绿灯的核心是一种人工智能 (AI) 模型，为每个十字路口量身定制，考虑到其布局、驾驶和停车习惯、交通灯计时以及信号和交通系统之间的相互作用等因素。该技术根据这些模式创建建议，城市规划者可以通过专用界面访问这些建议。该项目不需要昂贵的固定传感器或持续的现场监控，这是一个很大的优点。相反，它利用了现有的谷歌地图交通数据，这些数据是从充当“移动传感器”的移动汽车和智能手机用户那里收集的。
不过，绿光公司的建议并不总是可靠。密歇根大学交通研究所所长亨利·刘(Henry Liu)对这项技术持更为谨慎的态度。尽管“绿灯”能够将伯明翰的十字路口等待时间缩短 20％ 至 30％，但刘指出，有效程度因起点而异。例如，在伯明翰，交通信号灯遵循基于过时交通信息的设定时间表。对环境的好处也存在争议，因为根据政府数据，汽车空转和交通拥堵仅占交通相关排放的 2% 左右。美国。事实上，行驶速度超过限速的汽车比红灯停车的汽车消耗更多的燃料。
此外，绿灯未能考虑到可能导致不太有用的建议的复杂因素，例如穿越公共汽车和自行车道、电车或繁忙的人行横道。西雅图的红绿灯调整最终被证明是无效的，因此不得不取消。另一个测试城市曼彻斯特的交通工程师经常决定忽略谷歌的建议，因为那里的交通信号有时会被故意编程为有利于公共汽车或让住宅区的通勤者考虑额外的时间。在某些情况下，人工智能减少交叉路口停留的策略可能会适得其反。