
Setiap pergerakan manusia, setiap perjalanan kendaraan, setiap peristiwa perkotaan menghasilkan aliran data yang mencerminkan ritme dan struktur dinamis kota tersebut.
Ubahlah perspektif Anda terhadap data tersebut.
Ketika wilayah perkotaan tumbuh lebih cepat daripada kemampuan infrastruktur fisiknya untuk berkembang, dan setiap hambatan menjadi biaya sosial, satu-satunya pendekatan untuk perencanaan dan pengoperasian yang efektif adalah dengan melihat lalu lintas sebagai dua lapisan paralel: lapisan fisik yang kita lihat; dan lapisan data yang harus kita pahami. Hal ini mengarah pada prinsip baru: semua perencanaan lalu lintas fisik harus didasarkan pada pemahaman mendalam tentang aliran data; dan semua hambatan fisik harus diatasi dengan data sebelum perluasan atau pembangunan baru dapat dipertimbangkan.
Jika kita mengabaikan data dan hanya mengamati dengan mata telanjang, lalu lintas akan selalu tampak seperti rangkaian yang kacau dan tidak dapat diprediksi. Tetapi ketika aliran data dari kamera, IoT, GPS, peta digital, transportasi umum, dan infrastruktur perkotaan diintegrasikan, kita melihat gambaran yang berbeda. Aliran lalu lintas fisik sebenarnya terbentuk dari data tentang perilaku: siapa pergi ke mana, pada jam berapa, melalui rute mana, dan untuk alasan apa; apa itu lalu lintas dasar, apa itu fluktuasi musiman; apa itu hambatan sebenarnya, dan apa itu hanya fenomena lokal.
Data membantu kita membedakan antara sebab dan akibat; jika tidak, kita akan mudah membuat perencanaan berdasarkan permukaan tanpa memperhatikan masalah yang mendasarinya. Oleh karena itu, perencanaan transportasi modern tidak dapat terus bergantung pada survei statis atau model linier, tetapi harus didasarkan pada analisis data dinamis, secara real-time dan dalam siklus jangka panjang.
Setelah data dikumpulkan dan distandarisasi, langkah selanjutnya adalah memodelkan perilaku pergerakan dan mensimulasikan skenario perencanaan. Teknologi mikro-simulasi dan pemodelan multi-agen memungkinkan rekonstruksi bagaimana ratusan ribu kendaraan berinteraksi satu sama lain setiap detik. Model-model ini memverifikasi bagaimana rute baru, persimpangan yang dimodifikasi, atau jalur bus khusus akan menciptakan efek domino. Dengan kata lain, data menggeser perencanaan dari keadaan spekulatif ke keadaan yang tervalidasi. Hanya ketika opsi disimulasikan dan dibuktikan dalam lingkungan digital, kota dapat membuat keputusan investasi fisik yang tepat, menghindari kesalahan yang dapat berlangsung selama beberapa dekade.
Namun, bahkan dengan perencanaan yang tepat, infrastruktur fisik memiliki keterbatasan. Jalan tidak dapat diperlebar secara instan, jembatan tidak dapat dibangun hanya dalam beberapa bulan, dan anggaran publik tidak memungkinkan perluasan setiap hambatan. Di sinilah data terus memainkan peran infrastruktur lunak, yang mencakup dan meningkatkan kapasitas infrastruktur keras.
Ketika sistem peramalan berbasis data dapat mengidentifikasi kemacetan 10-30 menit sebelum terjadi, kota-kota memiliki kemampuan untuk menerapkan intervensi lunak: menyesuaikan siklus lampu lalu lintas, membalikkan lajur, memasang lampu hijau, menyebarkan arus lalu lintas dari jarak jauh melalui peta digital, atau menyarankan rute alternatif langsung ke ponsel warga. Langkah-langkah ini efektif karena memengaruhi perilaku dan permintaan – dua faktor yang menentukan pola arus lalu lintas. Bahkan, penelitian menunjukkan bahwa jika hanya 10-15% dari para komuter mengubah waktu atau pilihan rute mereka, kemacetan dapat diatasi tanpa membuka satu meter pun jalan.
Kita perlu fokus pada solusi-solusi lunak.
Kuncinya adalah data tidak hanya membantu operasi langsung tetapi juga membentuk dasar untuk manajemen permintaan jangka panjang. Tokyo (Jepang) mengurangi kemacetan bukan dengan membangun jalan baru, tetapi dengan menganalisis data tiket kereta api per jam dan menyesuaikan jadwal untuk mendistribusikan permintaan. Singapura menggunakan ERP untuk mendistribusikan permintaan berdasarkan harga. Seoul (Korea Selatan) menggunakan AI untuk mengoptimalkan siklus lampu lalu lintas guna mengurangi beban di persimpangan tanpa perlu perluasan. Los Angeles (AS) mengoperasikan 4.500 persimpangan dari satu pusat data. Kopenhagen (Denmark) menggunakan data sepeda dan meteorologi untuk memprioritaskan arus lalu lintas yang lambat selama jam sibuk. Semua kota ini menunjukkan bahwa mengurangi hambatan dengan data jauh lebih efektif dan lebih murah daripada membangun infrastruktur fisik.
Agar data benar-benar menjadi infrastruktur lunak, kota-kota membutuhkan arsitektur data yang terpadu: Pusat Data Mobilitas Perkotaan sebagai pusat utama; Kembaran Digital untuk simulasi dan pengujian transportasi; Mesin Lalu Lintas AI untuk optimasi waktu nyata; dan sistem transportasi cerdas (ITS) untuk pengumpulan data berkelanjutan. Selain itu, lembaga-lembaga harus beradaptasi: mewajibkan penggunaan data dan simulasi dalam perencanaan, mewajibkan berbagi data antar lembaga dan bisnis transportasi, menstandarisasi API, dan membangun lingkungan uji coba (sandbox) untuk menguji model organisasi lalu lintas baru.
Ketika infrastruktur lunak dan institusi saling kompatibel, kota-kota dapat terus meningkatkan arus lalu lintas melalui solusi lunak tanpa hanya bergantung pada investasi infrastruktur keras. Ketika data digunakan untuk mengontrol lampu lalu lintas pintar, alokasi lajur yang fleksibel, sistem peringatan dini, dan saran rute, kota-kota tidak hanya dapat mengurangi kemacetan tetapi juga meningkatkan keselamatan dalam kondisi cuaca ekstrem – sesuatu yang tidak dapat diatasi hanya dengan infrastruktur keras.
Semua hal di atas mengarah pada kesimpulan yang sama: transportasi bukan lagi perlombaan membangun jalan, tetapi perlombaan untuk menangkap dan mengatur aliran data. Infrastruktur fisik adalah fondasinya, tetapi infrastruktur data adalah kemampuannya. Kota-kota yang menguasai data akan menguasai bagaimana orang bergerak, menghindari biaya sosial akibat kemacetan, meningkatkan efisiensi ekonomi , dan meningkatkan kualitas hidup. Oleh karena itu, di kota-kota modern, perencanaan transportasi harus didasarkan pada pemahaman mendalam tentang aliran data; dan semua hambatan fisik harus diatasi dengan data sebelum perluasan apa pun dapat dipertimbangkan.
Sumber: https://baodanang.vn/quy-hoach-van-hanh-giao-thong-bang-du-lieu-3314724.html






Komentar (0)