Google 最新发布了一款名为 “Project Green Light” 的 AI 项目，专门用来减少交通中的停停走走，从而降低燃油排放。城市无需花钱购买新设备或者软件，只需根据 AI 的建议调整现有的交通灯设置即可。Green Light 通过对全球城市进行长期的地图绘制，能够推断出现有交通信号灯的各种参数，比如周期长度、转换时间、绿灯时间分配、协调和传感器操作等。
城市交通拥堵已经成了全球性难题，车辆在路上频繁停顿，浪费时间和燃油，排放量也跟着飙升。随着城市化速度越来越快，交通管理成了各大城市急需解决的问题。Google 利用自己在 AI 和数据分析上的优势，推出 Project Green Light，目标是通过优化交通信号灯设置来缓解交通拥堵、减少燃油排放。
Project Green Light 的主要目标是用 AI 技术优化交通信号灯设置，减少车辆在红灯前的等待时间，降低燃油消耗和二氧化碳排放。具体来说，它希望实现以下几个目标：
- 通过智能调整信号灯的周期和转换时间，减少车辆在红灯前的停顿次数。
- 减少车辆的怠速时间，从而降低燃油消耗和排放。
- 优化交通流量，提高道路通行效率，减少通勤时间。
Project Green Light 利用 Google Maps 的驾驶趋势和全球道路网络数据，来收集和分析各城市的交通流量信息。这些数据包括车辆的行驶速度、停顿次数和交通高峰时段等。通过对这些数据的长期监测和分析，AI 模型能够准确推断出交通信号灯的最佳设置参数。
在这个项目中，AI 模型是核心。通过分析收集到的数据，AI 模型能推断出交通信号灯的各项参数，包括：
- 每个信号灯周期的总时长。
- 红灯、绿灯和黄灯之间的转换时间。
- 不同方向的绿灯通行时间和顺序。
这些参数的优化调整能够提高交通流量效率，减少车辆的等待时间。Project Green Light 的一个大优势在于实施起来非常简便。城市无需购买新设备或软件，只需根据 AI 模型提供的建议，调整现有的交通信号灯设置即可。这不但降低了实施成本，还能快速见效。
到目前为止，该项目已经在全球超过 12 个城市推出，包括班加罗尔、波士顿、里约热内卢和西雅图。Project Green Light 初步成果显示，交通停顿次数减少了多达 30%，温室气体排放减少了 10%。通过这些数据可以看出，优化交通信号灯能改善城市交通流量，降低车辆燃油消耗和排放。
在班加罗尔，实施 Project Green Light 减少了高峰时段的交通拥堵。通过优化交通信号灯的周期长度和转换时间，主要道路上的车辆平均等待时间减少了 25%。这不仅提升了通勤效率，也减少了车辆怠速时间，进而降低了燃油消耗和排放。
作为美国的重要试点城市，波士顿通过 Project Green Light 改善了市区内的交通流量。AI 系统根据实时交通数据调整信号灯的切换时间，使车辆能更顺畅地通过交叉路口。数据显示，波士顿的交通停顿次数减少了约 28%，温室气体排放减少了 12%。
在里约热内卢，Project Green Light 优化了多个繁忙路段的交通信号灯设置。通过 AI 系统的实时分析和调整，车辆在高峰时段的平均行驶速度提高了 15%。这不仅缩短了通勤时间，还降低了车辆的燃油消耗和排放。
西雅图的 Project Green Light 项目主要集中在市中心区域，通过优化交通信号灯的协调和传感器操作，减少了车辆在红灯前的等待时间。初步数据显示，西雅图的交通停顿次数减少了 30%，温室气体排放减少了 10%。