STEI ITB Memaparkan Bagaimana Intelligent Transport Systems (ITS) Bekerja di Indonesia

 4,714 total views,  5 views today

 

Berkaitan dengan Peringatan Pendidikan Tinggi di Indonesia yang ke-101, STEI ITB mengadakan webinar pada tanggal 3 Juli 2021 lalu. Webinar yang diadakan pada 3 Juli 2021 dibagi menjadi dua sesi. Pada sesi pertama dipaparkan mengenai bagaimana teknologi berperan dalam sistem transportasi di Indonesia oleh pembicara Prof. Ir. Emir Mauludi Husni, M.Sc., Ph.D. dan Dr. Ivan Kristianto Singgih, ST., MT. Topik yang dibawakan dalam webinar kali ini yaitu Living Laboratory of Intelligent Transportation Systems in Indonesia: Research and Startup.

Intelligent Transport Systems (ITS) merupakan istilah umum untuk berbagai teknologi termasuk pemrosesan, kontrol, komunikasi, dan elektronik yang diterapkan pada sistem transportasi. ITS juga mencakup pendekatan lanjutan untuk manajemen lalu lintas menggunakan kecerdasan buatan (AI)

ITS tersebut dibutuhkan untuk memenuhi kebutuhan dalam beberapa sektor. Pertama, pemerintahan yang meliputi manajemen lalu lintas dan panduan, perencanaan jalan, peringatan dini jalan, dan pengawasan serta manajemen bus. Kedua, sektor perusahaan yang meliputi jadwal kendaraan, peringatan kecelakan dalam real-time, dan data analisis komersial. Ketiga, Pengguna layanan umum meliputi layanan informasi geografi terperinci, layanan kondisi jalan secara real-time yang akurat, layanan info lalu lintas yang akurat, dan layanan info kendaraan secara real-time.

Sensor yang digunakan untuk mengetahui suatu kondisi jalan menggunakan CCTV. Menghasilkan data mengenai kepadatan dengan cara menghitung jumlah mobil dan motor yang melintas di jalan tersebut, dan rata-rata kecepatan pengguna jalan. Tidak dapat dipungkiri, bahwa terdapat beberapa jalan yang tidak memiliki CCTV, sehingga sensor diganti dengan menggunakan aplikasi seperti Google Maps atau Waze yang tentunya membutuhkan kerja sama. Selain untuk kendaraan sistem ini juga berfungsi untuk pejalan kaki, terutama ketika sedang pandemi Covid-19 sehingga mendukung program social distancing.

“Data yang dikirim dari smart CCTV bukan gambar. Kalau video streaming dikirimkan, bandwidthnya akan sangat besar. Jadi disediakan mini komputer untuk menghitung kepadatan dan kecepatan yang dikirim sehingga bandwidthnya lebih kecil seperti bandwidth ketika mengirimkan sms” Jelas Prof. Ir. Emir Mauludi Husni menjawab pertanyaan dari peserta webinar.

Dijelaskan juga mengenai road traffic prediction using machine learning: heterigeneus traffic flow yang akhirnya menciptakan bagaimana perbedaan pada sistem untuk sepeda motor dan mobil. Jadi, tak heran apabila menggunakan sepeda motor dapat diarahkan melalui gang-gang kecil.

Dengan adanya sistem ini juga timbul rekomendasi jalur yang bisa digunakaan oleh pengguna untuk sampai ke tempat tujuan dengan estimasi waktu yang paling singkat.

Permasalahan yang mendukung terciptanya sistem ini yaitu menumpuknya kendaraan sehingga menyebabkan kemacetan dan menurunnya kecepatan dalam berkendara. Pada data BPS terdapat 22 juta mobil & 113 juta sepeda motor di Indonesia. Hal ini menyebabkan tumbuhnya kemacetan sebanyak 7,5%. Selain itu, Indonesia menjadi negara dengan peringkat ke-7 negara terburuk menurut Numbeo pada 2019 dengan index value: 225,21.

Dalam sistem ini menggunakan Bayes Classifier. Hal ini disebabkan oleh terdapat data statistik dan data growth yang memang dibutuhkan untuk growing data.

Cuaca dan waktu mempengaruhi kemacetan jalan. Perhitungan degree of saturation digunakan untuk mendapatkan kondisi jalan, serta NKJ Calculation dengan parameter kondisi jalan, heterogen, cuaca, temperature, humidity, panjang jalan, dan compability. Tujuan menggunakan NKJ Calculation ini untuk menemukan rute jalan terbaik bagi pengguna.

Pada sesi tanya jawab, digambarkan bagaimana suatu cuaca bisa memengaruhi kemacetan. Seperti misalnya yang terjadi di Bandung, ketika cuaca sedang panas banyak pengendara motor yang berhenti di tempat yang teduh ketika berada di lampu lalu lintas berwarna merah. Selain itu, ketika hujan juga memengaruhi tingkat kemacetan.

Setelah Prof. Ir. Emir Mauludi Husni, M.Sc., Ph.D. memaparkan materinya, dilanjut oleh Dr. Ivan Kristianto Singgih, ST., MT. yang lebih fokus untuk memaparkan mengenai bagaimana mekanisme manajemen lampu lalu lintas untuk mengatasi kemacetan yang ada.

Dengan smart control yang menggunakan sensor dan big data akan mendapatkan informasi terkait lampu lalu lintas dan pergerakan pengendara. Tujuannya ingin mengamati bagaimana pengendara bergerak, mengatur arus jalan sehingga mengurangi kemacetan, dan rekomendasi rute untuk pengendara melalui aplikasi. Harapan dengan adanya pengamatan ini, pengendara bisa sampai di lokasi dengan waktu yang pendek, dan kemacetan menjadi berkurang.

“Di korea menggunakan metode Related Studies with Traffic Control using RL. Melihat efeknya setingan lampu lalu lintas (waktu). Apakah dengan dinaikkan dapat mengurangi kemacetan atau tidak, dan terus menerus dilakukan pengujiannya” Ucap Dr. Ivan Kristianto Singgih.

Selama sesi tanya jawab, terlihat bahwa para peserta webinar sangat antusias dengan topik yang dibawakan. Hal ini dibuktikan dengan banyaknya pertanyaan yang diajukan sehingga suasana webinar bisa menjadi lebih hidup.

Acara ini juga dapat disaksikan di Channel Youtube STEI: