Google usa Inteligência Artificial para reduzir emissões de gases poluentes no trânsito

O transporte rodoviário é responsável por uma quantidade significativa de emissões globais e urbanas de gases de efeito estufa. É especialmente problemático nos cruzamentos das cidades, onde a poluição pode ser 29 vezes maior do que nas estradas abertas. Nos cruzamentos, metade destas emissões provém da aceleração do tráfego depois de parar. Embora uma certa quantidade de tráfego para-e-arranque seja inevitável, parte dele pode ser evitada através da otimização das configurações de tempo dos semáforos. Para melhorar o tempo dos semáforos, as cidades precisam instalar hardware caro ou realizar contagens manuais de veículos; ambas as soluções são caras e não fornecem todas as informações necessárias.

A Green Light usa IA e tendências de condução do Google Maps, com um dos mais fortes conhecimentos de redes rodoviárias globais, para modelar padrões de tráfego e criar recomendações inteligentes para engenheiros de tráfego urbano para otimizar o fluxo de tráfego. 

Os primeiros números indicam um potencial de redução de até 30% nas paradas e de 10% nas emissões de gases de efeito estufa (1). Ao otimizar cada cruzamento e coordenar os cruzamentos adjacentes, podemos criar ondas de sinais verdes e ajudar as cidades a reduzir ainda mais o tráfego pára-arranca. 

A Luz Verde está agora ativa em 70 cruzamentos em 12 cidades, 4 continentes, de Haifa, em Israel, a Bangalore, na Índia, a Hamburgo, na Alemanha – e nestes cruzamentos conseguimos poupar combustível e reduzir as emissões para até 30 milhões de viagens de carro por mês. 

Como funciona

1. Compreender a intersecção.
Com a base de dados já construída pelo Google, é possível inferir parâmetros de semáforos existentes, incluindo: duração do ciclo, tempo de transição, divisão verde (ou seja, tempo e ordem do direito de passagem), coordenação e operação do sensor (atuação).

2. Medindo tendências de tráfego 
Foi criado um modelo para entender como o tráfego flui através do cruzamento. Isso ajuda a compreender os padrões típicos de tráfego, incluindo padrões de partida e parada, tempos médios de espera em um semáforo, coordenação entre cruzamentos adjacentes (ou falta dela) e como os planos de semáforos mudam ao longo do dia.

3. Desenvolver recomendações para a cidade
Usando IA, são identificados possíveis ajustes no tempo dos semáforos. O Google compartilha esses ajustes como recomendações práticas com a cidade. Os engenheiros de trânsito da cidade analisam as recomendações, aprovam e podem implementá-las facilmente em apenas 5 minutos, utilizando as políticas e ferramentas existentes na cidade.

4. Analisando o impacto 
São medidas quantas paradas foram economizadas para os motoristas e seu impacto nos padrões de trânsito. Em seguida, são utilizados modelos padrão da indústria para calcular o impacto climático destas mudanças. Os dados são compartilhados com a cidade parceira e o monitoramento continua sendo feito para quaisquer mudanças futuras necessárias. Interface de recomendação amigável para cidades parceiras.

O painel Green Light fornece recomendações práticas específicas da cidade, mostrando tendências de apoio para cada recomendação, com a opção de aceitar ou rejeitar a sugestão. Após a implementação de uma recomendação, o painel mostra um relatório de análise de impacto.