Masa menunggu yang lama di perhentian bas mengurangkan minat penumpang dan menjejaskan daya tarikan pengangkutan awam. Di banyak bandar, masa menunggu dan kelewatan pertukaran mengambil sebahagian besar daripada tempoh perjalanan – satu kajian mendapati masa menunggu di luar kenderaan boleh menyumbang kira-kira 17–40% daripada jumlah masa perjalanan. Walaupun kelewatan kecil boleh menurunkan bilangan penumpang: di London, peningkatan 1% dalam masa perjalanan menyebabkan penurunan kira-kira 0.61% dalam penggunaan pengangkutan awam.
Untuk mengatasi perkara ini, alat penjadualan moden yang dipacu AI menganalisis data masa nyata dan sejarah (corak penumpang, trafik, cuaca, dan lain-lain) untuk menghasilkan jadual dan laluan bas yang lebih pintar. Sistem ini direka untuk “mencipta jadual yang lebih tepat dan boleh dipercayai” serta berjanji “mengurangkan masa menunggu dan meningkatkan prestasi tepat pada masanya” untuk penumpang.
Penyelesaian AI untuk Penjadualan dan Laluan Bas Awam
AI menyokong perancang pengangkutan dalam beberapa cara untuk mengurangkan masa menunggu dan kelewatan:
-
Ramalan Permintaan: Algoritma AI menganalisis data penumpang lalu, cuaca, acara dan waktu hari untuk meramalkan bila dan di mana bas diperlukan.
Dengan menyelaraskan penempatan bas mengikut permintaan, pengendali dapat mengelakkan kesesakan atau penggunaan yang kurang optimum. Contohnya, agensi pengangkutan kini menggunakan ramalan berasaskan AI untuk mengoptimumkan penempatan kenderaan dan mengelakkan kesesakan semasa waktu puncak. -
Penjadualan dan Kawalan Ramalan: Pembelajaran mesin boleh mengenal pasti faktor-faktor (trafik, kelewatan menaiki penumpang, dan lain-lain) yang mempengaruhi prestasi tepat pada masanya, dan menyesuaikan jadual atau arahan penghantaran mengikut keperluan.
Contohnya, alat seperti FlowOS mensimulasikan perjalanan kenderaan dan mencadangkan intervensi masa nyata (menahan atau melangkau perhentian, melaraskan kelajuan) untuk memastikan bas berjalan mengikut jadual.
Dalam praktiknya, ini bermakna jadual sentiasa diperhalusi untuk meminimumkan kelewatan dan penggumpalan sebelum ia berlaku. -
Keutamaan Isyarat Transit & Laluan: AI boleh diintegrasikan dengan pengurusan trafik untuk memberi keutamaan kepada bas di lampu isyarat atau mencadangkan laluan alternatif.
Satu ujian di Portland, OR menggunakan sistem keutamaan trafik AI mengurangkan masa menunggu lampu merah bas sebanyak kira-kira 80% dalam jarak 15 batu, mempercepatkan perjalanan dengan ketara.
Begitu juga, algoritma pengoptimuman canggih boleh mengubah laluan atau masa bas untuk mengelakkan “penggumpalan” dan mengimbangkan jarak antara bas. -
Maklumat Penumpang Masa Nyata: Sistem pintar menyokong paparan digital dan aplikasi penumpang yang meramalkan masa ketibaan bas.
Dengan menyebarkan jadual yang tepat dan terkini, sistem ini menjadikan masa menunggu terasa lebih singkat.
Agensi melaporkan bahawa maklumat ketibaan masa nyata yang lebih pantas dan boleh dipercayai serta perancangan pertukaran dengan masa menunggu rendah – yang sering dijana oleh AI – meningkatkan pengalaman pelanggan dengan ketara.
Teknologi ini bekerjasama untuk memastikan bas bergerak lancar dan penumpang sentiasa dimaklumkan.
Contohnya, perhentian bas pintar dan aplikasi kini memaparkan ramalan ketibaan yang dipertingkatkan AI supaya penumpang tahu dengan tepat berapa lama mereka perlu menunggu.
Contoh Dunia Sebenar Penggunaan AI dalam Pengangkutan
Kes-kes ini menggambarkan impak AI: penjadualan lebih pintar, kebolehpercayaan yang dipertingkatkan, dan masa menunggu yang lebih singkat.
Agensi pengangkutan di banyak negara (dari AS ke Eropah dan Asia) sedang mengadaptasi alat ini. Contohnya, agensi di AS menggunakan AI untuk meramalkan jumlah penumpang dan menyelaraskan pertukaran, manakala bandar seperti Boston dan Seattle sedang mencuba keutamaan isyarat berasaskan AI untuk mengurangkan masa bas berhenti.
Semua usaha ini berkongsi satu matlamat: meminimumkan masa menunggu dan kelewatan penumpang.
Manfaat dan Pandangan Masa Depan
Pengangkutan yang dioptimumkan oleh AI menawarkan pelbagai manfaat. Dengan mengekalkan jarak masa yang lebih konsisten dan mengurangkan penggumpalan, sistem AI memastikan bas tiba pada selang masa yang tetap, supaya penumpang tidak menghadapi jurang masa yang panjang dan tidak menentu. Kajian pengangkutan menunjukkan bahawa “penjadualan dinamik” seperti ini membawa kepada masa perjalanan yang lebih singkat dan keselesaan penumpang yang lebih baik.
Pengendali juga menjimatkan kos: bas yang kurang menganggur dan perkhidmatan yang lebih lancar bermakna kos bahan api dan buruh yang lebih rendah, membolehkan sumber diperuntukkan untuk memperluaskan perkhidmatan.
Malahan, analisis menunjukkan penurunan penggunaan bahan api sebanyak 10% (hasil penjadualan yang lebih baik) memberikan keuntungan kewangan dan alam sekitar yang ketara.
Melangkah ke hadapan, AI dalam pengangkutan akan terus berkembang. Model canggih boleh belajar secara berterusan daripada data langsung (GPS, kiraan penumpang, dan lain-lain) untuk menyesuaikan diri dengan perubahan trafik dan permintaan.
Sistem “bandar pintar” masa depan mungkin menggabungkan AI dengan sensor IoT dan rangkaian 5G supaya laluan bas dan isyarat sentiasa dioptimumkan secara masa nyata.
Projek awal melaporkan bahawa teknologi digital ini menjadikan pengangkutan awam “lebih lestari dan menarik,” terutamanya dalam rangkaian yang mempunyai permintaan rendah atau kompleks.
Dengan mengadaptasi AI, bandar-bandar berhasrat untuk menyediakan perkhidmatan bas yang lebih pantas, boleh dipercayai, dan berkapasiti tinggi, akhirnya mengurangkan masa menunggu yang membebankan itu.
