Toshiba dan Janpuzi Kembangkan Sistem Transportasi dengan Kecerdasan Buatan

Mengantisipasi peliknya masalah transportasi ke depan dan pergeseran ekonomi ke model on-demand, Toshiba berkolaborasi dengan Janpuzi, perusahaan mengoperasikan Convenicle, sistem yang didedikasikan untuk memberikan pengetahuan transportasi tanpa-menunggu, sesuai permintaan untuk melayani operator dan pemerintah daerah di seluruh Jepang.

Bersama Janpuzi yang berbasis di Tokyo itu, Toshiba meningkatkan pemanfaatan Mobility-as-a-Service (MaaS), solusi yang mengintegrasikan transportasi publik dan pribadi ke dalam satu sistem dengan dukungan kecerdasan buatan (Artificial Intelligence/AI), analitik big data, dan Internet of Things (IoT).

Tujuan dari MaaS adalah menciptakan mobilitas orang yang efisien, pengguna dijemput oleh kendaraan segera dan dibawa ke tujuan tertentu dengan rute langsung tanpa jalan memutar atau penundaan yang tidak diinginkan.

“Ini adalah visi yang menggabungkan kenyamanan taksi dengan utilitas layanan bus,” kata Toshiba dalam pernyataan pers  Sabtu (03/08/2019).

Menurut Hirozou Yoshitomi, Presiden Janpuzi, dengan menggunakan AI analytics Toshiba, “SATLYS ™”, sistem ini dapat mengidentifikasi, memperkirakan, dan membuat prediksi.

Dengan menggambar data operasional dari Janpuzi, SATLYS™ muncul dengan prediksi permintaan untuk titik penjemputan dan pengantaran, waktu dalam sehari dan jumlah penumpang, hingga beberapa minggu sebelumnya.

“Bus telah menetapkan rute, sehingga pengguna sering harus mengambil jalan memutar…, tetapi Convenicle menggabungkan beberapa titik penjemputan dan pengantaran yang dicadangkan untuk membuat rute dengan cara yang paling efisien, sehingga mudah bagi penumpang untuk digunakan,” kata Seiji Kamiya, Manajer Departemen Perencanaan dan Pengembangan Proyek Janpuzi.

Pendekatan itu bahkan memungkinkan untuk mengambil dan menurunkan orang-orang dengan tujuan yang sama, untuk memaksimalkan pemanfaatan kapasitas.

Pada 2019-2024, Toshiba memperkirakan ada penggunaan yang lebih luas dan adopsi MaaS karena kemajuan dalam IoT dan pembelajaran mesin dan meningkatnya tingkat adopsi moda transportasi non-konvensional, seperti layanan sepeda dan berbagi mobil.

Menurut penelitian, MaaS akan memiliki “dampak yang disrupsi pada moda transportasi tradisional seperti kepemilikan mobil, bus, kereta api, penerbangan, taksi dan mobil sewaan.”

Ide ini sedang diuji di seluruh dunia dan sangat bergantung pada teknologi IoT. MaaS membutuhkan konektivitas kendaraan real-time dan kecerdasan buatan untuk merencanakan perjalanan, mengoptimalkan rute, dan mempersingkat waktu perjalanan.

Algoritma mobilitas akan menghitung opsi perjalanan yang paling sesuai dari lokasi pengguna ke tujuan dan memberikan kombinasi optimal dari jenis transportasi. Opsi perjalanan akan memperhitungkan pemeliharaan terjadwal (berdasarkan pemanfaatan aset) dan gangguan yang tidak terduga.

Sementara kecerdasan buatan dan optimalisasi rute sudah bekerja di Google, Uber, dan lainnya, IoT dalam angkutan massal masih dalam tahap awal. Baik AI dan IoT akan dimanfaatkan jauh lebih luas di sektor transportasi dalam 2-3 tahun ke depan, dengan IoT mempercepat laju adopsi bahkan lebih cepat.

Seorang perencana perjalanan akan menjadi bagian yang tak terpisahkan dari solusi dan akan menyatukan semua alat transportasi dalam satu jaringan.

Aplikasi ini akan selalu mengetahui lokasi dan status setiap kendaraan dan akan memberikan kepada pengguna waktu kedatangan dan keberangkatan yang tepat.

Ada manfaat yang jelas bagi pengguna akhir: kesederhanaan perencanaan perjalanan, perjalanan yang lebih singkat, dan, kemungkinan, harga yang lebih rendah. Helsinki meluncurkan solusi MaaS, yang menyatukan transportasi umum, taksi, sepeda kota, dan layanan berbagi mobil. Aplikasi menikmati dukungan kuat dari kota dan komunitas.

Tantangan lain dalam menciptakan sistem transportasi efisien dan integral, menurut Hiroki Ueda, seorang peneliti di Toshiba Digital Solutions Corporation, Perangkat Lunak & Pusat Teknologi AI, adalah dalam pengelolaan big data.

“Katakanlah Anda memiliki area dengan 2.000 poin penjemputan dan pengantaran. Anda harus memproses hasil prediksi untuk semua 2.000 titik penjemputan dikalikan dengan semua 2.000 tujuan, sehingga Anda memiliki 4.000.000 rute potensial. Itu cukup rumit. Selain itu, ada sembilan tahun data untuk dianalisis.”

Tapi, dengan SATLYS Toshiba, yang menganalisis data operasi Convenicle dari Janpuzi bersama data cuaca dari Badan Meteorologi Jepang dan informasi tentang karakteristik hari yang berbeda, dapat diketahui variabel-variabel seperti “pada hari hujan, 20 persen lebih banyak kendaraan diperlukan di daerah tertentu,” atau “rute yang the memakan waktu dua kali lebih lama pada hari Minggu”, jelas rekan Ueda di Toshiba, Yuji Irimoto.

Pada akhirnya SATLYS muncul dengan prediksi permintaan untuk titik penjemputan dan pengantaran, waktu dan jumlah penumpang, hingga beberapa minggu sebelumnya, dan menghasilkan perkiraan yang akurat dengan menganalisis dan memetakan permintaan secara komprehensif.

“Kami menganalisis permintaan di setiap area operasi dan memplotnya seperti peta panas, dengan warna mewakili permintaan,” Ueda menjelaskan. “Dari itu, kita bisa membuat perkiraan permintaan kendaraan.”