Ini adalah materi yang saya berikan untuk mahasiswa KKL Planologi Undip yang semestinya datang ke Belanda. Saya mengambil perspektif pengguna transportasi publik di Belanda yang kemudian saya share ke mereka, mahasiswa semester agak akhir. Jujur, saya tidak hapal di semester berapa mahasiswa harus mengambil mata kuliah KKL ini. Dari berbagai informasi yang mereka butuhkan, saya mengambil bagian di smart mobility. Kebetulan riset saya sedikit menyinggung tentang ini.

Saya memanfaatkan value-of-time untuk memperkirakan biaya transportasi dari setiap rumah ke fasilitas perkotaan. Nilai waktu ini saya hitung berdasarkan spatial query memanfaatkan google direction API. Hanya proxy data sebagai perkiraan. Bermodal dari itu kemudian mencari beberapa referensi dan mendapatkan sebuah master thesis yang dikerjakan oleh mahasiswa Twente berjudul: Forecasting Bus Ridership With Trip Planner Usage Data : A Machine Learning Application (bisa di download di sini). Dia mencoba memodelkan permintaan perjalanan berdasarkan data OV-Chipkaart, kartu pintar (semacam e-toll di Indonesia) untuk membayar berbagai transportasi publik di Belanda. Dari kereta api, bus, trem hingga ferry sungai di Belanda. Pembimbingnya saja ada 6 orang yang terdiri dari unsur akademisi dan dari perusahaan.

Menggunakan machine learning, dia mencoba memodelkan bangkitan pergerakan yang bersumber dari smart data itu. Prinsipnya sama dengan apa yang sudah dilakukan oleh Cao di Singapore (baca artikelnya di sini). Yang berbeda adalah hasil akhir dan penggunaannya. Travel-time distance yang dihitung oleh Cao juga bersumber dari smart card public transport di Singapore. Cukup menarik, kartu itu bukan hanya alat bayar tetapi bisa juga dianggap sebagai alat survei origin-destination (survei OD) yang begitu popular bagi teman-teman ahli transportasi. Cukup menggunakan smart card data sudah mendapatkan value-of-time setiap orang secara disagregat. Yang perlu ditekankan adalah value-of-time setiap orang termasuk perpindahan moda dan bukanlah setiap kendaraannya. Tap in dan tap out menunjukkan origin and destination. Sepertinya ini juga sudah ada di beberapa transportasi publik di Indonesia.

Perilaku pergerakan setiap orang ini yang menjadi penting dan tentu akan sangat berguna untuk mengetahui bagaimana permintaan perjalanan. Dikala permintaan perjalanan bisa dimodelkan maka akan lebih mudah bagaimana penyedia transportasi publik memberikan layanannya baik oleh pemerintah ataupun pihak swasta. Inti idenya itu, dan itu juga yang dipikirkan oleh mahasiwa S2 Universitas Twente di thesis di atas. Dia memodelkan data OV-Chipkaart kemudian memadukan dengan trip planner yang disediakan oleh 9292.nl.

One thought on “Data pintar untuk manajemen lalu lintas cerdas di Belanda

Comments are closed.