Liputan6.com, Jakarta - Prediksi lalu lintas (traffic prediction) dan perkiraan waktu kedatangan (estimated time of arrival) merupakan dua hal penting bagi orang-orang saat mereka hendak merencanakan perjalanan.
Selain itu, perusahaan ride-hailing seperti Gojek, Grab, Uber, Lyft, dan lainnya juga bertumpu pada teknologi ini. Demikian pula dengan layanan pesan-antar makanan dan pengiriman barang.
Salah satu layanan navigasi yang menawarkan kedua fitur itu adalah Google Maps. Bagi perusahaan, mereka dapat menggunakan API dari Google Maps untuk menyematkan layanan navigasi itu ke aplikasi atau layanan mereka.
Baca Juga
Advertisement
Para peneliti di DeepMind, sebagaimana dikutip dari keterangan perusahaan, telah berkolaborasi dengan tim di Google Maps untuk meningkatkan akurasi dari perkiraan waktu kedatangan di beberapa kota besar di dunia, seperti Berlin, Jakarta, Sao Paulo, Sydney, Tokyo, dan Washington D.C.
Pada praktiknya, mereka menggunakan Machine Learning, termasuk Graph Neural Networks. Hasilnya, akurasi perkiraan waktu kedatangan di kota-kota tersebut di atas meningkat seperti terlihat pada grafik di bawah ini.
Akurasi di Taichung City meningkat paling tinggi, yakni 51 persen, diikuti oleh Sydney dengan 43 persen, Osaka (37 persen), Orlando (34 persen), dan Singapura (31 persen). Sementara akurasi di Jakarta meningkat 22 persen saja, sama dengan peningkatan akurasi di San Jose dan Las Vegas.
Bagaimana Google Maps Bantu Lebih dari 1 Miliar Kilometer Perjalanan Setiap Hari?
Sementara itu, Google mengklaim lebih dari 1 miliar kilometer perjalanan di lebih dari 220 negara dan wilayah di seluruh dunia ditempuh dengan Google Maps setiap harinya.
Aplikasi navigasi tersebut memiliki beberapa fitur, seperti rekomendasi rute mana yang mesti dilalui, bagaimana kepadatan lalu lintas di itu, perkiraan waktu perjalanan, dan perkiraan waktu kedatangan.
"Meskipun semua ini tampak sederhana, ada banyak hal yang terjadi di balik layar untuk menyampaikan informasi ini dalam hitungan detik," ujar Johann Lau, Product Manager di Google Maps dikutip dari keterangan perusahaan.
Johann menyebut model lalu lintas prediktif merupakan bagian penting dari cara bagaimana Google Maps menentukan rute mengemudi.
"Jika kami memperkirakan bahwa lalu lintas cenderung padat di satu arah, kami akan secara otomatis menemukan alternatif lalu lintas yang lebih rendah," tutur Johann.
Selain itu, menurut dia, perusahaan juga melihat sejumlah faktor lain, seperti kualitas jalan raya.
"Apakah jalan beraspal atau tidak beraspal, atau tertutup kerikil, tanah atau lumpur? Elemen seperti ini dapat membuat jalan sulit dilalui, dan kami cenderung tidak merekomendasikan jalan ini sebagai bagian dari rute Anda," kata Johann.
Dalam kasus seperti itu, mengemudi di jalan raya sering kali lebih efisien daripada di jalan lebih kecil dengan banyak perhentian.
Advertisement
Sumber Data
Johann juga menegaskan ada dua sumber informasi lain yang membantu memastikan Google Maps memberi rekomendasi rute terbaik: data otoritatif dari pemerintah setempat dan umpan balik real-time dari pengguna.
"Data resmi memberi tahu Google Maps tentang batas kecepatan, tol, atau jika jalan tertentu dibatasi karena hal-hal tertentu seperti Covid-19," kata Johann.
Sementara umpan balik real-time dari pengemudi memungkinkan Google Maps dengan cepat menunjukkan apakah suatu jalan atau jalur ditutup, apakah ada konstruksi di dekatnya, dan hal lainya.
"Kedua sumber tersebut juga digunakan untuk membantu kita memahami kapan kondisi jalan berubah secara tidak terduga akibat tanah longsor, badai salju, atau kekuatan alam lainnya," tutur Johann.
Menyatukan Data
Lantas, bagaimana semua ini bekerja di dalam kehidupan nyata?
"Dengan model prediksi lalu lintas Google Maps yang dipadukan dengan kondisi lalu lintas real-time, kami dapat memberi rekomendasi apa yang akan hadapi jika Anda terus menyusuri rute Anda saat ini," tutur Johann.
Hasilnya, secara otomatis Google Maps mengubah rute Anda menggunakan pengetahuannya tentang kondisi dan insiden di jalan terdekat. Ini dinilai akan membantu pengguna menghindari kemacetan dan mencapai tujuan sesuai ekspektasi pengguna.
"Memprediksi lalu lintas dan menentukan rute sangatlah kompleks. Kami akan terus mengerjakan alat dan teknologi untuk mencegah Anda terjebak di dalam kemacetan, dan pada rute yang seaman dan seefisien mungkin," ujar Johann.
Advertisement
