Bagaimana Data Science Memetakan Kepadatan Lalu Lintas

bagaimana si data science memetakan kepadatan suatu arus lalu lintas?

untuk membahas data science dan hubungan dengan kepadatan lalu lintas yang bisa di lihat di google map. Aplikasi yang biasanya di gunakan untuk mengetahui arah, tujuan dan kepadatan lalu lintas adalah google maps dan waze saat berkendara. Kedua aplikasi ini mampu memberikan informasi terkini tentang kepadatan lalu lintas yang terjadi di ruas ruas jalan tertentu yang sedang kita tempu. Kalau jalan berwarna hijau artinya lancar, orange agak padat, dan merah berarti menandakan adanya kecametan di daerah atau jalan tersebut. Terus bagaimana aplikasi ini bisa memberikan informasi ini? 

Pengukuran kepadatan lalu lintas google maps Menurut literatur dari laporan federal highway administration di tahun 2006 menyebutkan bahwa ide deteksi kepadatan penduduk sudah ada sejak tahun 1920, saat sinyal otomatis ( "lampu merah", atau alat pemberi isyarat lalu lintas) mulai menggantikan persinyalan manual. Pada tahun 1928 charles adles, jr. mengembangkan sensor yang teraktivasi saat pengemudi membunyikan klakson kendaraan. Pada saat yang hampir bersamaan Henry A Haugh mengembangkan sensor tekanan yang diletakkan di dalam jalan yang di lalui kendaraan. Metode ini di pakai kurang lebih 30 tahun untuk mendeteksi keberadaan kendaraan maupun kepadatan lalu lintas. Jenis metode lainnya ada berabagai macam seperti 

Suara * Opacity * Geomagnetism * Refleksi dari energi yang di pancarkan (dengan radar laser inframerah, sensor ultrasonic, sensor radar gelombang mikro) * Induksi electromagnetic, dan Getaran.

Pada tahun 2009, google mengumumkan bahwa mereka menggunakan cara baru untuk mendapatkan informasi kepadatan lalu lintas, yaitu dengan mengumpulkan informasi dari pengguna aplikasi ponsel pintar google maps yang menyalakan fitur "my location" (Barth, 2009). 

Teknik pengumpulan datanya yaitu setiap ponsel yang digunakan seorang pengendara mengirimkan informasi kecepatan kendaraan kepada pusat data google yang memiliki beribu ribu computer server. Karena google mengambil data dari setiap orang maka data yang didapatkan besar tetapi ada kekurangannya yaitu kejujuran dari penggunanya dan pemberi data, contoh kasusnya Pada tahun 2020 seorang seniman bernama Simon Weckert "mengelabui" sistem Google Maps ini, dengan bermodalkan 99 ponsel dan kereta kecil (Weckert, 2020). Beliau menaruh 99 ponsel tersebut ke dalam kereta kecil, masing-masing menjalankan aplikasi Google Maps. 

Kemudian, kereta tersebut ditarik sambil berjalan kaki melewati sebuah jalan kecil yang relatif sepi di Berlin. Server Google mengira kecepatan berjalan yang relatif perlahan tersebut mewakili kecepatan berkendara, sehingga menyimpulkan bahwa di jalan sepi tersebut sebenarnya terjadi kemacetan. Walaupun terdengar lucu dan sederhana, implikasinya bisa bermacam-macam, apalagi jika dimanfaatkan oleh orang yang tidak bertanggung jawab. Fitur "Directions" yang dimiliki Google Maps secara bawaan menghindari jalan dengan kepadatan lalu lintas yang tinggi, sehingga dapat dipengaruhi juga untuk menghindari jalan-jalan yang secara spesifik "diakali" tersebut.

Kesalahan Google dalam memberikan informasi kepadatan lalu lintas tersebut dapat terjadi, karena Google memberikan kepercayaan penuh kepada penggunanya yang relatif anonym sebagai kontributor data. Di satu sisi, metode ini mampu mengumpulkan sampel dalam jumlah besar. Di sisi lain, kejujuran dari setiap pengguna berpengaruh ke kualitas prediksi. Bagaimana jika seluruh kontributor data bisa dipercaya? Hal inilah yang sepertinya dimanfaatkan oleh platform Trafi, mitra resmi dari Jakarta Smart City (Trafi, 2017). 

Menurut informasi pada situs web Trafi, prediksi kemacetan didapatkan dari kecepatan armada transportasi public (Trafi, 2020). Dari sisi jumlah sampel, tentu saja jauh di bawah pengguna Google Maps. Namun, validitas data yang dikirimkan armada transportasi publik juga lebih bisa dipercaya dibandingkan dengan pengguna yang anonym.

Pemanfaatan Google Trafic Untuk Penentuan Waktu Pergi Dan Pulang Mengumpulkan data kepadatan lalu lintas, mengolahnya lalu memberikan hasilnya kepada kita adalah pekerjaan Google Traffic. Sebagai pengguna, apa yang bisa kita manfaatkan dari sana? Salah satunya tentu saja dengan menggunakan fitur dasar yang sudah tertanam di aplikasi tersebut, misalnya untuk mencari jalur tercepat dari satu lokasi ke lokasi lain.