Kecerdasan Buatan Mengubah Wajah Pengangkutan Moden

Kecerdasan buatan atau artificial intelligence (AI) kini menjadi antara tonggak utama dalam memacu perubahan sektor pengangkutan moden. Keupayaannya untuk memproses data pada masa nyata serta membuat keputusan automatik telah menjadikan sistem pengangkutan lebih cekap, selamat dan mesra pengguna. Daripada kenderaan tanpa pemandu sehinggalah pengurusan sistem trafik pintar, AI membantu dalam menangani cabaran kesesakan lalu lintas, pembaziran bahan api dan keselamatan jalan raya, seterusnya membentuk masa hadapan pengangkutan yang lebih lestari dan inovatif.

Impak AI terhadap pengangkutan amat besar serta terus berkembang, seiring dengan peningkatan pasaran global yang diunjurkan melonjak daripada USD2.11 bilion pada tahun 2024 kepada USD 6.51 bilion menjelang tahun 2031 dengan kadar pertumbuhan tahunan 17.5 peratus. Perkembangan pesat ini memperlihatkan betapa luasnya potensi AI yang dapat dihuraikan melalui enam faedah utama dalam pengangkutan moden berserta contoh kajian kes yang menunjukkan penerapan teknologinya dalam konteks sebenar.

Pengurusan Trafik yang Lebih Tersusun

Sistem pengurusan trafik berasaskan AI sedang merevolusikan cara bandar mengendalikan kesesakan. Melalui analisis data masa nyata yang dikumpulkan daripada kamera trafik, penderia dan sistem kedudukan sejagat (GPS), AI mengoptimumkan aliran kenderaan di jalan raya. Pendekatan ini bukan sahaja mengurangkan kelewatan, bahkan menjimatkan bahan api serta menurunkan tahap pencemaran. Teknologi ini turut menjadi asas kepada aplikasi navigasi pintar seperti Google Maps dan Waze yang menawarkan cadangan laluan terpantas berdasarkan keadaan semasa.

Satu daripada contoh keberhasilan AI ialah sistem Surtrac di Pittsburgh, Amerika Syarikat. Sistem ini menggunakan algoritma pintar bagi mengawal lampu isyarat secara adaptif berdasarkan aliran trafik masa nyata. Hasilnya, masa menunggu di persimpangan berkurangan sehingga 40 peratus, manakala penggunaan bahan api dan pelepasan gas rumah hijau turut menurun. Lebih penting lagi, sistem ini beroperasi secara autonomi tanpa memerlukan pemantauan langsung oleh manusia.

Di Jakarta pula, pihak berkuasa tempatan memperkenalkan sistem kawalan lampu isyarat berasaskan AI di lokasi utama. Data yang dikumpul melalui kamera dan penderia membolehkan tempoh isyarat dilaras mengikut keadaan sebenar. Dapatan awal menunjukkan masa perjalanan berkurangan sehingga 30 peratus di kawasan berisiko tinggi, sekali gus mengurangkan keperluan kenderaan berhenti secara berulang.

Pendekatan seumpama itu juga dilaksanakan di Hangzhou, China melalui sistem City Brain yang dibangunkan oleh syarikat Alibaba. Sistem ini menggabungkan data daripada sistem televisyen litar tertutup (CCTV), penderia dan laporan digital untuk mengawal aliran trafik, mengesan insiden serta menyelaraskan tindak balas kecemasan. Hasilnya, masa perjalanan di kawasan tertentu menurun sehingga 15 peratus, manakala kecekapan respons kecemasan meningkat dengan ketara.

Keselamatan Jalan Raya yang Lebih Terjamin

Lebih 90 peratus kemalangan jalan raya berpunca daripada kesilapan manusia. Oleh itu, AI berperanan penting dalam usaha global meningkatkan keselamatan jalan raya.

Sistem bantuan pemandu termaju (ADAS) berasaskan AI kini membolehkan kenderaan mengesan pergerakan keluar lorong, mengeluarkan amaran keletihan, memantau gangguan pemanduan serta mengaktifkan brek kecemasan automatik apabila diperlukan. Teknologi ini menyumbang kepada pemanduan yang lebih responsif dan mengurangkan risiko perlanggaran.

Selain itu, penggunaan kamera papan pemuka dan sistem pemantauan kabin berasaskan AI semakin meluas dalam industri kenderaan komersial. Teknologi ini mampu mengenal pasti tabiat pemanduan berisiko lebih awal bagi memastikan pematuhan terhadap peraturan keselamatan. Tesla dan Volvo adalah antara pengeluar yang giat mengintegrasikan penderia dan kamera pintar bagi meningkatkan tahap keselamatan serta mengurangkan kadar kemalangan.

Penggunaan serupa juga dapat dilihat di India apabila kamera papan pemuka berasaskan AI dipasang pada kenderaan berat seperti bas dan lori. Sistem ini mengenal pasti tingkah laku berbahaya seperti menukar lorong tanpa isyarat atau memandu dalam keadaan mengantuk. Amaran segera akan diberikan kepada pemandu, manakala data yang direkodkan digunakan untuk latihan dan penilaian prestasi. Hasilnya, tingkah laku berisiko dalam kalangan pemandu komersial menunjukkan penurunan yang ketara.

Korea Selatan pula melaksanakan sistem pengawasan trafik berasaskan AI bagi memantau tingkah laku pemandu di jalan raya bandar. Sistem ini mengesan pecutan melampau atau brek mengejut serta memaklumkan pihak berkuasa secara langsung. Keberkesanannya terbukti apabila kadar kemalangan di kawasan berkenaan menurun secara signifikan dalam tempoh kurang daripada setahun.

Pengangkutan Awam yang Lebih Efisien

AI turut mengubah landskap pengangkutan awam dengan menjadikannya lebih efisien, responsif dan mesra pengguna. Agensi pengangkutan di pelbagai negara kini menggunakan AI untuk mengoptimumkan jadual perjalanan bas dan tren, memperkemas sistem tiket melalui pengecaman wajah serta pembayaran tanpa sentuhan, di samping menyediakan maklumat masa nyata berkaitan kelewatan atau gangguan. Langkah ini meningkatkan pengalaman pengguna dan menyokong pembangunan bandar pintar.

Transport for London (TfL) di United Kingdom misalnya, mengaplikasikan AI bersama-sama data analitik untuk meramalkan permintaan pengangkutan awam. Data daripada kad perjalanan pintar, CCTV dan penderia trafik digunakan untuk menjadualkan semula perkhidmatan secara dinamik, khususnya ketika waktu puncak atau acara besar. Pendekatan ini berjaya mengurangkan kesesakan dan meningkatkan kelancaran perjalanan penumpang.

Di Helsinki, Finland, sistem Whim Mobility as a Service (MaaS) menghimpunkan pelbagai mod pengangkutan, termasuklah bas, tren, teksi, basikal dan kereta sewa dalam satu aplikasi berasaskan AI. Aplikasi ini menawarkan laluan terbaik mengikut keadaan semasa, cuaca dan pilihan pengguna. Dengan langganan tetap, pengguna menikmati kemudahan perjalanan yang lebih tersusun serta mudah dirancang.

Sementara itu, pihak berkuasa pengangkutan darat di Singapura memperkenalkan sistem pengurusan bas pintar berasaskan AI yang menjejak lokasi bas, mengawal waktu ketibaan dan memastikan jarak ketibaan konsisten. Pengguna pula dapat memantau maklumat masa nyata melalui aplikasi mudah alih, manakala pengendali dapat mengelakkan situasi bas tiba terlalu rapat atau terlalu jauh antara satu sama lain. Hasilnya, perkhidmatan lebih boleh dipercayai dan hentian menjadi kurang sesak.

Penggunaan Kenderaan Autonomi

Kenderaan autonomi merupakan satu daripada aplikasi AI yang revolusioner dalam sektor pengangkutan. Syarikat terkemuka seperti Tesla dan Waymo sedang membangunkan kereta tanpa pemandu yang berupaya menavigasi persekitaran kompleks dengan selamat melalui sistem persepsi dan pembuatan keputusan berasaskan AI. Sehingga tahun 2023, Tesla melaporkan bahawa kenderaan dengan sistem Autopilot menunjukkan pengurangan kadar kemalangan sehingga 50 peratus berbanding dengan kenderaan konvensional.

Teknologi ini bukan sahaja menjanjikan pemanduan lebih selamat dan cekap, malah membuka jalan kepada transformasi menyeluruh dalam sistem mobiliti. Data daripada penderia LiDAR, kamera dan radar diproses pada masa nyata bagi mengesan halangan, membaca isyarat trafik serta membuat keputusan pemanduan yang tepat. Algoritma pembelajaran mesin melengkapkan sistem ini dengan keupayaan untuk terus belajar daripada pengalaman pemanduan sebenar.

Kemajuan ini tidak hanya terhad kepada Amerika Syarikat. Di China, projek Apollo Go Robotaxi yang dibangunkan oleh Baidu telah melancarkan perkhidmatan teksi autonomi di bandar utama seperti Beijing, Wuhan dan Chongqing. Menariknya, kenderaan tersebut beroperasi sepenuhnya tanpa pemandu keselamatan, lalu menjadikannya sebagai antara sistem paling canggih di dunia. AI bertanggungjawab sepenuhnya terhadap keputusan pemanduan, termasuklah berhenti, mengelak halangan, memberikan laluan dan berinteraksi dengan lampu isyarat. Setakat ini, projek tersebut telah mencatat lebih sejuta kilometer pemanduan tanpa kemalangan yang serius.

Di Eropah, syarikat Navya dari Perancis pula membangunkan kenderaan mini autonomi untuk perjalanan jarak pendek di kawasan kampus, hospital dan taman perindustrian. Direka untuk bergerak pada kelajuan rendah di laluan tertentu, kenderaan ini dilengkapi dengan sistem pengesanan pintar yang mampu mengenal pasti pejalan kaki, penunggang basikal dan kenderaan lain dengan ketepatan yang tinggi. Beberapa bandar seperti Lyon dan Paris telah menjalankan projek perintis bagi menguji penggunaannya sebagai perkhidmatan ulang-alik yang berpotensi memperkukuh pengangkutan awam berskala kecil.

Dalam sektor logistik, trak autonomi menjadi tumpuan sebagai penyelesaian kecekapan penghantaran. Di Sweden, syarikat Einride memperkenalkan trak logistik tanpa kabin pemandu yang dikendalikan sepenuhnya oleh sistem AI dengan pemantauan jarak jauh. Trak ini digunakan dalam kawasan industri dan laluan tertentu untuk menjimatkan tenaga, menurunkan kos operasi dan mengurangkan kebergantungan kepada pemandu manusia.

Walaupun penggunaan kenderaan autonomi masih pada peringkat awal serta berdepan dengan cabaran teknikal dan peraturan, potensinya sangat besar. Menjelang tahun 2030, diunjurkan bahawa satu daripada empat kenderaan di jalan raya beroperasi tanpa pemandu, sekali gus menandakan era automasi pengangkutan global semakin menghampiri realiti.

Penyelenggaraan Ramalan

Penyelenggaraan kenderaan secara tradisional lazimnya bersifat reaktif, iaitu kerosakan ditangani hanya selepas berlaku. Pendekatan ini sering membawa kepada pembaikan mahal serta gangguan operasi. Dengan kemajuan AI, pendekatan tersebut berubah melalui konsep penyelenggaraan ramalan. Data daripada pelbagai penderia dianalisis untuk mengesan tanda awal kerosakan mekanikal dan membolehkan intervensi dilakukan sebelum masalah menjadi serius.

Dalam industri flit komersial, sistem berasaskan AI memantau keadaan enjin, tekanan tayar dan prestasi brek secara berterusan. Sekiranya anomali dikesan, pengendali menerima amaran awal untuk menjadualkan penyelenggaraan dan mengelakkan masa henti yang merugikan. FedEx misalnya, menggunakan teknologi ini untuk mengurus flit trak mereka, sekali gus menjimatkan kos pembaikan dan memastikan penghantaran lebih tepat pada masanya.

Di Jerman, syarikat pengangkutan awam Deutsche Bahn mengendalikan sistem AI yang memantau lebih 300 parameter teknikal seperti suhu enjin, tekanan minyak dan getaran brek pada setiap kenderaan . Analisis masa nyata membolehkan penyelenggaraan dilakukan tepat pada waktunya, mengurangkan gangguan perkhidmatan serta menjimatkan jutaan euro dalam kos pembaikan kecemasan pada setiap tahun.

Inisiatif serupa dilaksanakan di India oleh syarikat Ashok Leyland yang memperkenalkan sistem pemantauan iAlert pada bas antara bandar. Sistem ini mengumpul data daripada penderia enjin, transmisi dan brek bagi mengenal pasti tanda awal kerosakan. Amaran dihantar kepada pengendali dan mekanik, membolehkan tindakan awal diambil. Kajian dalaman mendapati bahawa penggunaan iAlert berjaya mengurangkan kegagalan mekanikal sehingga 20 peratus dalam tempoh dua tahun.

Dalam industri penerbangan, penyelenggaraan ramalan berasaskan AI kini menjadi piawaian baharu. Airbus dan Boeing menggunakan AI untuk menganalisis data penderia pesawat bagi meramalkan kegagalan komponen kritikal serta mengoptimumkan jadual pembaikan. Pendekatan ini membantu mengurangkan kelewatan, menurunkan kos penyelenggaraan dan pada masa yang sama, meningkatkan keselamatan serta kepuasan penumpang.

Inovasi Mesra Alam

Sektor pengangkutan menyumbang kira-kira 23 peratus daripada jumlah pelepasan karbon dioksida global yang berkaitan dengan tenaga. Sekiranya tiada langkah mitigasi, pelepasan daripada sektor ini dijangka meningkat tiga kali ganda menjelang tahun 2050. Oleh sebab itu, kelestarian menjadi agenda utama dan AI memainkan peranan penting dalam mengurangkan impak alam sekitar.

AI digunakan untuk mengoptimumkan penggunaan bahan api melalui cadangan laluan cekap, mengurangkan pelepasan gas rumah hijau dengan menyelaras aliran trafik serta meminimumkan waktu enjin melahu. Teknologi ini turut menyokong infrastruktur kenderaan elektrik dengan meramalkan permintaan tenaga dan menentukan lokasi optimum stesen pengecasan.

Norway merupakan contoh negara yang berjaya membentuk ekosistem mobiliti rendah karbon melalui dasar progresif dan pelaburan teknologi hijau. Hampir 80 peratus daripada kereta baharu yang dijual ialah kenderaan elektrik yang didorong oleh insentif cukai, pengecualian tol dan kemudahan pengecasan yang meluas. Di Oslo, sistem pengurusan trafik pintar berasaskan AI menyokong operasi bas elektrik dengan menjadualkan perjalanan secara efisien serta memilih laluan yang menjimatkan tenaga. Bandar tersebut kini berada di landasan untuk mencapai status neutral karbon menjelang tahun 2030.

China pula mempelopori penggunaan bas elektrik berskala besar. Shenzhen berjaya menukar keseluruhan armada lebih 16 000 bas kepada kenderaan elektrik yang dikawal melalui sistem AI. Sistem ini memantau jadual pengecasan, merancang laluan dan menyelaras penyelenggaraan, sekali gus menyumbang kepada pengurangan ratusan ribu tan pelepasan karbon dioksida pada setiap tahun. Kejayaan ini bukan sahaja meningkatkan kualiti udara bandar, malah memberikan kesan yang positif kepada kesihatan awam.

Secara keseluruhannya, AI berupaya meningkatkan keselamatan, kecekapan dan kelestarian sektor pengangkutan global. Bermula daripada kenderaan autonomi, penyelenggaraan ramalan sehinggalah kepada inisiatif mesra alam, teknologi ini membuka jalan ke arah sistem mobiliti yang lebih pintar dan inklusif. Walaupun terdapat cabaran sosioekonomi, institusi dan peraturan, keupayaan untuk mengurus halangan tersebut akan menentukan tahap manfaat yang dapat diperoleh masyarakat daripada potensi AI.

Profesor Madya Ir. Dr. Nur Izzi Md Yusoff
Pensyarah Kanan, Universiti Kebangsaan Malaysia.

Profesor Ir. Dr. Sri Atmaja P. Rosyidi
Profesor, Universitas Muhammadiyah Yogyakarta.