Tradicionalni sustavi semafora obično se kontroliraju na jedan od tri načina: fiksnim vremenskim rasporedima, senzorima aktiviranim vozilima ili adaptivnim algoritmima. Potonji, iako učinkoviti, skupi su za instalaciju i održavanje. Čak i u najnaprednijim sredinama, tek mali dio semafora radi u adaptivnom načinu; primjerice, samo 4 do 5 posto američkih prometnih signala  pogonjeno algoritmima.

70 raskrižja u 12 gradova

U nastojanju da ublaži gradske gužve, Google je još prošle godine pokrenuo projekt poboljšanja pametnih semafora kroz svoj pilot program Green Light. Ova inicijativa koristi strojno učenje i podatke Google Mapsa za optimizaciju tajminga semafora u 13 gradova diljem svijeta. Green Light je sada aktivan na 70 raskrižja u 12 gradova, od Haife do Rio de Janeira i Bangalorea. Cilj je smanjiti vrijeme čekanja na raskrižjima, poboljšati protok prometa i u konačnici smanjiti emisije stakleničkih plinova iz vozila u praznom hodu.

Googleov pristup zaobilazi potrebu za skupom infrastrukturom koristeći postojeće podatke o prometu s Google Mapsa. Vozila djeluju kao "mobilni senzori", pružajući podatke u stvarnom vremenu koje Googleova umjetna inteligencija obrađuje kako bi modelirala raskrižja i predložila prilagodbe tajminga.

Smanjeno zaustavljanje i emisija plinova

Prije nekoliko dana objavljeni su prvi rezultati iz Seattlea, gdje je sustav testiran na pet raskrižja, i svi su bili obećavajući. Prema riječima Mariam Ali, glasnogovornice Odjela za promet Seattlea, Green Light sustav pružio je "specifične, primjenjive preporuke" i pomogao identificirati prometne uska grla. Preliminarni podaci sugeriraju da bi sustav mogao smanjiti zaustavljanja za do 30 posto i emisije na raskrižjima za do 10 posto. 

Unatoč svom potencijalu, Googleov sustav još nije zamjena za ljudske prometne inženjere. On služi kao alat za pomoć pri donošenju odluka, a ne da ih zamijeni. Štoviše, iako su rani rezultati ohrabrujući, postoje pitanja o tome hoće li sustav donijeti koristi održivosti koje Google predviđa, jer još nisu obavljene financijske analize troškova servisa. Za sada, put do potpuno automatiziranog i optimiziranog upravljanja prometom ipak ostaje pod ljudskim nadzorom koji i dalje igra ključnu ulogu u procesu.