Google Green Light：AI 优化交通信号灯时序
Google 推出 Green Light AI 软件，通过分析地图驾驶数据为城市提供交通信号灯时序优化建议，已在全球 12 个城市实施，旨在减少停车次数和车辆排放。
城市交通拥堵与车辆排放是困扰全球大都市的普遍问题。传统的交通信号灯控制方案往往基于固定的时间表或有限的本地传感器数据，难以动态适应实时变化的交通流。随着人工智能与大数据技术的发展，利用更广泛的数据源对交通系统进行智能化优化成为可能。Google 近期推出的 Green Light 项目，正是这一方向上的一个实践案例。
核心内容
Green Light 是一款由 Google 开发的 AI 软件，其核心目标是优化交通信号灯的工作效率。该软件的工作原理基于对 Google 地图上海量匿名驾驶数据的分析，并遵循一个系统化的流程。
首先，软件需要理解目标交叉口。它利用 Google 多年积累的地图绘制数据，推断出现有交通信号灯的多种参数，例如信号周期长度、相位转换时间、绿灯时间分配、信号协调方式以及传感器操作逻辑。
其次，项目通过建立模型来测量和分析交通趋势。该模型旨在理解车辆如何通过交叉口，从而掌握典型的交通模式，包括车辆的起停频率、在红绿灯前的平均等待时间、相邻路口之间的信号协调情况，以及信号配时方案在全天不同时段的变化。
基于以上分析，Green Light 运用 AI 算法识别出可能需要进行调整的信号灯时序。这些调整建议会以可行的方案形式提供给合作城市的交通管理部门。城市交通工程师可以对这些建议进行审核，并利用其现有的交通控制系统，在短时间内（据称可在 5 分钟内）完成实施。
最后，项目会持续分析优化措施带来的实际影响。它测量为驾驶员节省的停车次数，观察对整体交通模式的影响，并使用行业标准模型计算由此带来的温室气体减排量，将这些分析结果反馈给合作城市。
价值与影响
根据 Google 公布的初步结果，Green Light 项目每月已为大约 3000 万辆汽车减少了 30% 的停车次数和 10% 的排放量。这表明，通过对信号灯时序进行相对低成本、非侵入式的 AI 优化，可以在不进行大规模道路改造的前提下，有效提升路网通行效率并带来环境效益。
目前，该项目已在全球四大洲的 12 个城市进行了部署和实施，试点城市包括印度尼西亚的雅加达、巴西的里约热内卢、德国的汉堡以及美国的西雅图等。Green Light 代表了将大规模出行数据与人工智能结合，应用于城市交通管理领域的一种尝试，为智慧城市和可持续交通建设提供了新的技术思路。
来源：黑洞资源笔记