Big Data untuk Solusi Kemacetan

Pernahkan kalian membayangkan kapabilitas dan batasan dari big data -- istilah yang diberikan untuk proses mengambil wawasan dengan cara mengaplikasikan analitik pada jumlah informasi digital yang terus bertambah? Terkadang, kita dapat berpikir bahwa big data dapat melakukan segalanya.

Big data dapat digunakan untuk memprediksi hal-hal yang kemungkinan besar akan terjadi; menemukan hubungan yang tidak terduga antar hal-hal tersebut sambil mengawasi perkembangan situasi. Big data juga dapat digunakan untuk memperbaiki masalah sebelum menjadi semakin parah. Tahukah kalian jika big data bisa dimanfaatkan untuk mengelola masalah lalu lintas?

Apakah Konsep Smart City?

Smart city merupakan payung istilah yang digunakan untuk mendeskripsikan tindakan mendesain sebuah kota atau pembangunan perkotaan yang lebih gesit dan berkelanjutan untuk mendukung kehidupan -- pada area yang meliputi jalan, kontrol lalu lintas, sistem pembuangan limbah, keamanan, kesehatan, dan segala aspek teknologi lainnya.

Big data memajukan konsep smart city. Kota-kota menjadi lebih pintar dan canggih untuk memberi respon yang lebih bermanfaat melalui analitik big data untuk memastikan ada banyak ruang agar bisa terhubung ke jaringan.

Bagaimana Big Data dan IoT Digunakan dalam Pengelolaan Lalu Lintas

Tidak ada yang menyukai kemacetan -- mulai dari penduduk kota, pengembang, dan komuter di seluruh dunia, kemacetan adalah ancaman terbesar. Integrasi big data dan platfrom Internet of things dalam bentuk cloud beserta jaringan mobil dan sensor yang saling berhubungan, berarti manajemen lalu lintas akan semakin mudah dan efisien.

Konsep big data dan IoT berarti kuantitas lalu lintas yang seharusnya dibolehkan pada saat-saat tertentu dapat diatur. Informasi dapat dikumpulkan secara real time dengan penggunaan sensor, kamera, gadget yang dapat dikenakan serta perangkat pintar. Dengan lonjakan yang cepat dari kendaraan yang saling terhubung, agensi dan startup menggunakan analiti data dan jaringan seluler untuk membantu kota-kota mengelola lalu lintas secara lebih efisien.

Di bawah ini beberapa contoh tentang bagaimana perencana transportasi kota menggunakan big data untuk menyelesaikan tantangan lalu lintas;

Sistem Pendukung Lalu Lintas

Sistem pendukung lalu lintas pintar terlahir di bawah naungan analitik big data. Big data memecah informasi menjadi serpihan dan membantu membagikan informasi tersebut ke berbagai sistem dan departemen. 

Solusi big data mengumpulkan semua bentuk informasi lalu lintas menggunakan sensor untuk memfasilitasi kontrol dan pengawasan lalu lintas secara real-time. Selain itu, solusi big data memiliki kemampuan untuk memprediksi tren lalu lintas berdasarkan simulasi realistis dan model matematika. Tujuan dari sistem ini adalah untuk membantu pengambil keputusan melalui informasi ilmiah dan dapat dipercaya.

Masalah Parkir dan Kemacetan

Menurut WHO, 50 persen dari populasi dunia hidup di perkotaan, dan populasi ini bertumbuh rata-rata sebanyak hampir 2 persen setiap tahun. Walaupun laju populasi baik untuk kesehatan ekonomi sebuah kota, peningkatan ini seringkali membebani sistem transportasi.

Analitik data digunakan untuk membantu perencana perkotaan mengidentifikasi penyebab kemacetan. Saat ini, para perencana dapat melihat asal usul, serta titik akhir yang diukur secara empirik, dan menentukan apakah kekurangan tempat parkir merupakan sebuah masalah atau bukan. Para perencana perkotaan dapat menggunakan analitik data untuk mencari tahu tempat-tempat parkir yang lebih disukai oleh pengendara.

Perjalanan Panjang dalam Kendaraan Umum

Data sensus Amerika Serikat menunjukkan bahwa rata-rata pekerja Amerika saat ini menghabiskan 20 persen lebih waktu di kendaraan umum dibandingkan tahun 1980an. Hal ini merupakan pergerakan positif bagi perkotaan untuk menarik lebih banyak orang dan bisnis. Namun, mengukur kapasitas jalan untuk mengimbangi pertambahan lalu lintas tidka pernah mudah.

Big data dan IoT dapat digunakan untuk memperbaiki perjalanan panjang di kendaraan umum dengan mencari tahu berapa lama perjalanan, di mana perjalanan dimulai dan berakhir, dan siapa yang melakukannya. 

Para perencana kemudian dapat mengakses jika komuter-komuter itu memiliki akses tidak terbatas pada alternatif mengemudi lainnya. Para analitik dapat juga menunjukkan lokasi dari lokasi kilometer terbesar pertama dan terakhir, bersama dengan celahnya. Data ini membantu mengidentifikasi rute alternatif yang dapat mendorong para pengemudi untuk menggunakan alternatif.

Jika dikaitkan dengan Indonesia, statistik perlalu lintasan di Indonesia tidak bisa dibilang baik, terutama di kota-kota pusat ekonomi. Berdasarkan riset yang dilakukan Inrix pada 2017, Jakarta berada di peringkat 12 kota termacet di dunia, naik dari posisi sebelumnya pada 2016 yang berada pada peringkat 22. Bahkan di Asia, Jakarta berada di posisi 2 kota termacet, hanya kalah dari Bangkok. Lama waktu kemacetan yang dirasakan pengendara di Jakarta, dalam setahun rata-rata mencapai 63 jam dengan porsi 20 persen.

Permasalahan di Indonesia, terutama di Jakarta adalah Jakarta memiliki populasi yang sangat besar tapi sangat minim jalan dan sistem transportasi. Kemudian, Jakarta juga kurang penggunaan sistem transportasi cerdas terbaru seperti misalnya optimasi lampu lalu lintas atau jalur yang dinamis.

Dalam hal ini, Big Data bisa digunakan sebagai solusi untuk mengatasi permasalahan lalu lintas yang ada di Jakarta seperti yang dilakukan di kota-kota besar negara maju. Kendalanya adalah kebanyakkan piranti big data berasal dari luar negeri dan tidak terlalu memahami apa yang dibutuhkan Indonesia sebenarnya. Namun, banyak yang belum mengetahui bahwa Indonesia juga memiliki piranti lunak big data kreasi anak bangsa bernama Paques.

Paques yang mengusung fitur self-service analytic dan konsep data lake dapat memudahkan proses pengolahan data-data lalu lintas yang ada di Indonesia untuk kemudian diubah menjadi wawasan dan aset berharga secara cepat dan efisien. 

Dengan self-service analytic, Paques dapat dioperasikan oleh berbagai orang dengan latar belakang berbeda, tidak tergantung pada data analis. Paques juga mengusung konsep data lake, di mana data-data yang ada bisa langsung diolah oleh Paques tanpa melalui proses pengubahan data sehingga menghemat waktu dan sumber daya.

Lalu lintas memiliki efek signifikan pada kehidupan dan efisiensi di perkotaan. Penggunaan efisien data dan sensor akan membantu mengelola lalu lintas secara efisien, terlepas dari lonjakan populasi. Manajemen lalu lintas pintar memiliki tujuan untuk membuat berkendara di kota lebih lancar dan efisien. 

Seiring dengan berevolusinya smart city, pelayanan dan infrastruktur akan lebih terintegrasi. Seiring berjalannya waktu, permasalahan seperti lalu lintas, pengelolaan limbah, dan konservasi energi akan sangat diuntungkan dari konsep Internet of things dan Big Data.