Hasil pengujian menunjukkan bahwa arsitektur yang dikembangkan mampu merespons skenario lalu lintas dengan ketepatan yang signifikan, meningkatkan efisiensi pengambilan keputusan kendaraan hingga 30% dibandingkan dengan sistem yang ada saat ini. Keberhasilan sistem ini memberikan kontribusi penting terhadap pengembangan teknologi kendaraan cerdas, terutama dalam mempersiapkan kendaraan tersebut untuk diterapkan pada skala yang lebih besar.
Lebih jauh lagi, integrasi sistem cerdas antara kendaraan dan infrastruktur jalan berpotensi mengurangi kemacetan di kota-kota besar. Menurut data dari Inrix Global Traffic Scorecard, kemacetan di kota-kota besar seperti Los Angeles dan New York menyebabkan kerugian ekonomi hingga $166 miliar setiap tahunnya akibat hilangnya produktivitas dan waktu. Dengan adanya kendaraan cerdas yang mampu berkoordinasi dengan sistem lalu lintas yang lebih efisien, potensi pengurangan kemacetan dapat mencapai 20-30% dalam beberapa dekade ke depan (Inrix, 2018).
Dari penelitian yang dilakukan oleh Gao et al. (2019), jelas bahwa integrasi teknologi kendaraan cerdas dengan infrastruktur jalan pintar memiliki potensi besar untuk meningkatkan keselamatan dan efisiensi transportasi di masa depan. Arsitektur perangkat keras dan perangkat lunak yang mereka kembangkan telah menunjukkan kinerja yang baik dalam skenario lalu lintas nyata, memberikan harapan bahwa teknologi ini dapat segera diterapkan secara luas. Dengan akurasi deteksi hingga 95% dalam kondisi ideal dan pengurangan potensi kecelakaan sebesar 40%, penelitian ini membuktikan bahwa teknologi cerdas mampu menghadapi tantangan lalu lintas global.
Implikasi dari penelitian ini sangat luas, mulai dari potensi pengurangan kecelakaan hingga perbaikan efisiensi lalu lintas. Namun, untuk mencapai penerapan penuh, pengembangan lebih lanjut dalam hal komunikasi V2X dan pengambilan keputusan dalam skenario ekstrem sangat diperlukan. Jika pengembangan ini terus berlanjut, sistem transportasi cerdas dapat menjadi solusi kunci untuk mengatasi tantangan urbanisasi dan peningkatan populasi global yang pesat.
Referensi :
Gao, H., Yu, H., Xie, G., Ma, H., Xu, Y., & Li, D. (2019). Hardware and software architecture of intelligent vehicles and road verification in typical traffic scenarios. IET Intelligent Transport Systems, 13(6), 896-905. https://doi.org/10.1049/iet-its.2018.5351
Baca konten-konten menarik Kompasiana langsung dari smartphone kamu. Follow channel WhatsApp Kompasiana sekarang di sini: https://whatsapp.com/channel/0029VaYjYaL4Spk7WflFYJ2H
