Membina ekosistem pengangkutan pintar dan berdaya tahan
AI membantu meningkatkan kecekapan pengangkutan melalui pengurusan trafik, kutipan tol, logistik pintar dan penyelenggaraan infrastruktur secara lebih sistematik.

PENGANGKUTAN merupakan nadi pembangunan ekonomi dan kehidupan seharian. Setiap hari, jutaan manusia bergerak ke tempat kerja, sementara barangan dihantar merentasi bandar, negeri serta sempadan negara. Namun, pertambahan jumlah kenderaan, kesesakan lalu lintas, kos operasi dan tuntutan terhadap perkhidmatan yang lebih cekap menjadikan pengurusan pengangkutan semakin rumit. Dalam keadaan ini, kecerdasan buatan (AI) menawarkan pendekatan baharu untuk menjadikan sistem pengangkutan lebih pintar, selamat dan berdaya tahan.
Peranan AI bukanlah sekadar menggantikan tugas manusia atau mempercepat pemprosesan data. Teknologi ini membolehkan maklumat daripada kamera, sensor, rekod perjalanan dan pangkalan data dianalisis secara bersama untuk mengenal pasti corak, meramalkan keadaan serta menyokong keputusan yang lebih tepat. Potensinya dapat dilihat dalam pengurusan trafik, kutipan tol, logistik, penyelenggaraan infrastruktur dan perancangan mobiliti bandar.
Daripada Sistem Konvensional kepada Pengangkutan Pintar
Sistem pengangkutan konvensional lazimnya beroperasi mengikut peraturan yang telah ditetapkan. Sebagai contoh, lampu isyarat mungkin menggunakan tempoh hijau dan merah yang tetap, walaupun jumlah kenderaan berubah mengikut masa. Begitu juga, sistem pengesanan kenderaan mungkin bergantung pada satu imej nombor pendaftaran. Pendekatan sedemikian berfungsi dalam keadaan tertentu tetapi kurang anjal apabila berdepan cuaca buruk, imej kabur atau pola trafik yang tidak menentu.
Sistem berteraskan AI pula boleh menggabungkan pelbagai sumber maklumat dan menganggarkan keputusan berdasarkan tahap keyakinan. Model yang dilatih dengan data yang sesuai boleh mengesan kenderaan, mengelaskan jenisnya dan mengenal pasti keadaan luar biasa. Walau bagaimanapun, prestasinya tetap bergantung pada kualiti data, ujian lapangan dan pemantauan berkala. AI tidak semestinya belajar sendiri secara berterusan tanpa kawalan, kemas kini model perlu diurus supaya ketepatan dan keselamatan kekal terjamin.
Pengalaman Pelbagai Negara
Pelbagai negara telah memperkenalkan teknologi digital sebagai asas kepada sistem pengangkutan yang lebih pintar. Di Singapura, sistem Electronic Road Pricing (ERP) menunjukkan bagaimana bayaran penggunaan jalan raya boleh digunakan sebagai instrumen pengurusan kesesakan. Peralihan kepada sistem ERP 2.0 yang berasaskan teknologi satelit pula membuka ruang kepada pendekatan pengurusan perjalanan yang lebih fleksibel. Sistem ERP bukan dengan sendirinya bukti penggunaan AI tetapi data dan infrastruktur digital seperti ini boleh menyokong analisis trafik yang lebih maju.
Di India, sistem FASTag menggunakan teknologi pengenalan frekuensi radio (RFID) untuk memudahkan pembayaran tol tanpa tunai. Di Norway, AutoPASS menyokong kutipan tol elektronik melalui rangkaian jalan raya. Kedua-duanya memperlihatkan kepentingan sistem pembayaran yang saling berhubung, walaupun penggunaan RFID atau transaksi automatik tidak semestinya bermaksud sistem tersebut menggunakan AI.
Di Malaysia, penggunaan Touch ’n Go, RFID dan sistem pembayaran tol elektronik turut mempercepat peralihan kepada transaksi digital. Dalam konteks bandar, maklumat daripada kamera trafik, pengesan kenderaan dan pusat kawalan boleh dimanfaatkan untuk mengkaji kesesakan serta membantu penyelarasan lampu isyarat. Pengalaman negara-negara ini menunjukkan bahawa transformasi pengangkutan lazimnya bermula dengan pendigitalan, sebelum fungsi analitik dan AI dapat dikembangkan secara lebih menyeluruh.
Mengenal Pasti Kenderaan dan Pengendali Logistik
Salah satu cabaran dalam pengurusan lebuh raya ialah mengenal pasti pihak yang bertanggungjawab terhadap bayaran tol, khususnya bagi kenderaan perdagangan. Sebuah trak mungkin menarik treler milik syarikat lain, sementara nombor pendaftaran kenderaan tidak semestinya dapat dibaca dengan jelas. Sistem pengecaman aksara optik (OCR) boleh menukarkan imej kepada teks tetapi ketepatannya terjejas apabila plat terlindung, kotor atau kabur.
Sebagai contoh, platform DOT# yang dibangunkan oleh Tollscopic di Amerika Syarikat menggunakan analisis video untuk membaca maklumat pengenalan pengendali pada badan trak. Sistem ini menilai beberapa bingkai video, membandingkan bacaan yang berpotensi dan menyemak maklumat tersebut dengan pangkalan data pengendali kenderaan perdagangan. Sekiranya sebahagian aksara tidak jelas, beberapa padanan boleh dinilai berdasarkan maklumat tambahan, bukannya membuat keputusan berdasarkan satu imej sahaja.
Prinsip yang lebih luas daripada contoh ini boleh digunakan di negara lain, tertakluk pada peraturan dan ketersediaan data tempatan. Misalnya, sistem pengangkutan boleh menggabungkan imej kenderaan, rekod permit, maklumat armada dan rekod transaksi untuk membantu pengesahan identiti. Namun, keputusan yang tidak pasti perlu ditandakan untuk semakan manusia bagi mengelakkan kesilapan mengenakan caj atau tindakan penguatkuasaan terhadap pihak yang salah.
Lebih daripada Kutipan Tol
Kegunaan AI dalam pengangkutan jauh melangkaui pengesanan kenderaan. Dalam pengurusan trafik, analisis data masa nyata boleh membantu menganggarkan aliran kenderaan dan menyesuaikan strategi kawalan persimpangan. Dalam logistik, AI boleh membantu merancang laluan penghantaran berdasarkan jarak, masa perjalanan dan perubahan keadaan jalan raya. Bagi pengangkutan awam pula, analisis corak permintaan berpotensi menyokong perancangan kekerapan perkhidmatan dan pengagihan kenderaan.
Dari sudut penyelenggaraan, imej jalan raya dan data sensor boleh digunakan untuk mengenal pasti petunjuk awal kerosakan turapan, jambatan atau peralatan trafik. Pendekatan penyelenggaraan ramalan dapat membantu pihak berkuasa mengutamakan pemeriksaan dan pembaikan sebelum gangguan menjadi lebih serius. Walau bagaimanapun, ramalan AI tetap perlu disahkan melalui pemeriksaan teknikal dan pertimbangan kejuruteraan.
Cabaran Pelaksanaan dan Keperluan Tadbir Urus
Walaupun manfaatnya besar, pelaksanaan AI tidak boleh bergantung pada teknologi semata-mata. Kualiti dan kebolehcapaian data, keserasian antara sistem, kos penyelenggaraan, keselamatan siber dan perlindungan privasi merupakan cabaran utama. Pihak berkuasa juga perlu memastikan keputusan algoritma boleh diaudit, terutamanya apabila ia melibatkan penguatkuasaan, pembayaran dan keselamatan pengguna jalan raya.
Bagi negara membangun, pendekatan berperingkat lebih praktikal: memperkukuh infrastruktur data dan sensor, menjalankan projek rintis yang boleh diukur, melatih tenaga kerja, kemudian memperluas aplikasi yang terbukti berkesan. Kerjasama antara kerajaan, universiti dan industri penting bagi memastikan teknologi yang digunakan benar-benar menjawab masalah setempat, bukannya sekadar mengikuti perkembangan teknologi global.
Masa Depan Sistem Pengangkutan
AI berpotensi mengubah cara kita merancang, mengendalikan dan menyelenggara sistem pengangkutan. Namun, kejayaannya tidak harus diukur melalui kecanggihan algoritma sahaja, sebaliknya melalui pengurangan kesesakan, peningkatan keselamatan, ketepatan perkhidmatan, penjimatan kos dan pengalaman pengguna yang lebih baik.
Pengalaman daripada beberapa buah negara telah memperlihatkan kepelbagaian jalan menuju pendigitalan pengangkutan. Tidak semua teknologi digital ialah AI tetapi sistem digital yang kukuh menyediakan asas penting untuk aplikasi AI yang bertanggungjawab. Dengan dasar yang jelas, data berkualiti dan pengawasan manusia yang sesuai, AI boleh menjadi pemangkin kepada rangkaian pengangkutan yang lebih cekap, inklusif dan mampan.

