Data Science and SDG 9 : How Smart Transportation Systems Can Support Sustainable Infrastructure Development

Sustainable Development Goal (SDG) 9 menekankan pentingnya pembangunan infrastruktur yang inklusif, berkelanjutan, dan tangguh, serta mendorong inovasi di berbagai sektor. Salah satu sektor yang sangat relevan dengan SDG 9 adalah transportasi. Sistem transportasi yang efisien dan ramah lingkungan merupakan bagian integral dari pembangunan infrastruktur yang berkelanjutan. Di sinilah peran data science menjadi sangat penting, khususnya melalui penerapan smart transportation systems.

Apa itu Smart Transportation Systems?

Smart transportation systems adalah sistem yang menggunakan teknologi informasi dan komunikasi (TIK) serta data analytics untuk mengelola dan mengoptimalkan operasi transportasi. Data dari berbagai sumber, seperti sensor jalan, aplikasi mobile, dan kamera pemantauan, dikumpulkan dan dianalisis untuk meningkatkan efisiensi lalu lintas, mengurangi kemacetan, meningkatkan keselamatan, dan mengurangi dampak lingkungan.

Bagaimana Data Science Meningkatkan Infrastruktur Transportasi untuk SDG 9?

1. Optimasi Lalu Lintas dengan Algoritma Machine Learning
    Data science memungkinkan pemantauan dan analisis data lalu lintas secara real-time untuk mengoptimalkan aliran kendaraan. Dengan menggunakan algoritma machine learning, sistem dapat memprediksi dan mengatur pengaturan lampu lalu lintas berdasarkan volume kendaraan yang ada, mengurangi kemacetan, dan mempercepat pergerakan lalu lintas. Selain itu, analisis data ini juga membantu dalam merencanakan jalur transportasi baru atau memperbaiki infrastruktur yang ada.

2. Pengurangan Emisi Karbon melalui Rute yang Lebih Efisien
    Dengan menggunakan data lalu lintas, cuaca, dan penggunaan energi, smart transportation systems dapat merencanakan rute perjalanan yang lebih efisien, mengurangi waktu perjalanan, dan mengoptimalkan konsumsi bahan bakar. Ini tidak hanya mengurangi kemacetan tetapi juga mengurangi emisi karbon yang dihasilkan oleh kendaraan. 

3. Peningkatan Keamanan dan Pengurangan Kecelakaan
    Dengan analisis data yang mencakup pola kecelakaan, kondisi jalan, dan perilaku pengemudi, smart transportation systems dapat memberikan peringatan dini kepada pengemudi mengenai potensi bahaya, seperti kecelakaan atau kondisi jalan yang buruk. Data science memungkinkan pengembangan fitur keselamatan seperti pemberitahuan kecelakaan di depan atau pemantauan kecepatan, yang pada akhirnya mengurangi angka kecelakaan dan meningkatkan keselamatan jalan.

4. Pengelolaan Infrastruktur Transportasi Secara Proaktif
   Smart transportation systems juga dapat memantau kondisi jalan dan jembatan menggunakan sensor IoT, mengumpulkan data yang berguna untuk merencanakan pemeliharaan infrastruktur. Dengan penerapan predictive maintenance, data dari sensor dapat mengidentifikasi potensi kerusakan pada infrastruktur dan memberitahu pihak berwenang untuk melakukan perawatan sebelum kerusakan terjadi. Ini mengoptimalkan penggunaan anggaran dan mengurangi biaya perbaikan yang tidak terduga.

Smart transportation systems berbasis data science memiliki potensi besar untuk mendukung SDG 9, dengan meningkatkan efisiensi, mengurangi dampak lingkungan, dan meningkatkan keselamatan. Meskipun ada tantangan dalam implementasinya, dengan investasi yang tepat dan kolaborasi yang kuat, sistem ini dapat membantu menciptakan infrastruktur transportasi yang lebih cerdas, berkelanjutan, dan inklusif, yang pada akhirnya mendukung pembangunan ekonomi dan kesejahteraan masyarakat secara global.

Penulis :

MANISA - 164231050

Daftar Pustaka

• UN Department of Economic and Social Affairs. (2015). Sustainable Development Goals: Goal 9 -- Industry, Innovation, and Infrastructure. United Nations. Retrieved from https://sdgs.un.org/goals/goal9

• Aslam, S., & Ali, A. (2021). Smart Transportation Systems and IoT: Data Science Applications for Urban Mobility. Journal of Transportation Research, 45(2), 75-89. https://doi.org/10.1016/j.jtrangeo.2021.03.012

• Zhang, Z., & Xu, J. (2020). Machine Learning Algorithms for Traffic Flow Prediction: A Review and Future Perspectives. Transportation Research Part C: Emerging Technologies, 115, 102613. https://doi.org/10.1016/j.trc.2020.102613

• Kitchin, R. (2014). Big Data and Smart Cities: A Critical Review. Journal of Urban Technology, 21(4), 3-26. https://doi.org/10.1080/10630732.2014.950190

• Dastjerdi, A. V., & Buyya, R. (2019). Edge Computing: A Survey on the Opportunities and Challenges for Data Science Applications. ACM Computing Surveys (CSUR), 52(2), 1-29. https://doi.org/10.1145/3325075

• World Bank. (2020). Digital Infrastructure for Smart Cities. World Bank Group. Retrieved from https://www.worldbank.org/en/topic/ict/overview