Kecerdasan Buatan (AI) kini telah muncul sebagai salah satu teknologi paling berpengaruh dalam membentuk sistem pengangkutan moden. Walaupun AI sering digambarkan sebagai satu revolusi yang mampu mengubah keseluruhan landskap mobiliti, hakikatnya penggunaannya dalam sektor pengangkutan bukanlah sesuatu yang baharu. Selama beberapa dekad, pelbagai bentuk AI telah digunakan dalam sistem pengangkutan pintar (ITS) bagi menyokong fungsi seperti kutipan tol elektronik, pemantauan trafik, pengesanan kenderaan, pengecaman nombor pendaftaran kenderaan dan pengawasan aliran trafik.

Namun begitu, kemajuan pesat dalam kuasa pemprosesan komputer, algoritma pembelajaran mesin, teknologi penderiaan dan ketersediaan data telah memperluaskan peranan AI secara signifikan. AI kini bukan sahaja digunakan untuk automasi tugas rutin, malah berupaya menyokong pembuatan keputusan yang kompleks serta ramalan masa hadapan yang lebih tepat. Dalam konteks ini, AI semakin dilihat sebagai teknologi teras yang mampu mewujudkan sistem mobiliti yang lebih selamat, cekap dan mampan.

Pemacu Revolusi AI

Salah satu faktor utama yang mendorong perkembangan pesat AI dalam bidang pengangkutan ialah peningkatan luar biasa keupayaan pengkomputeran moden. Pemproses terkini mampu menjalankan model pembelajaran mesin yang kompleks secara masa nyata, sekali gus membolehkan aplikasi yang sebelum ini dianggap tidak praktikal kerana kekangan perkakasan. Kemajuan dalam teknologi pembelajaran mendalam (deep learning) telah merevolusikan sistem penglihatan komputer yang digunakan dalam sektor pengangkutan. Sistem analisis video generasi terdahulu sering menghadapi masalah pengesanan palsu yang tinggi, menyebabkan ketepatan dan kebolehpercayaannya terhad. Kini, model pembelajaran mendalam yang dilatih menggunakan set data dunia sebenar yang besar telah meningkatkan ketepatan pengesanan secara ketara dan mengurangkan kesilapan, sekali gus membolehkan pelaksanaan sistem AI untuk pengesanan kenderaan, pemantauan pejalan kaki, analisis aliran trafik dan pengesanan insiden dengan lebih yakin dan berkesan.

Sektor pengangkutan turut mendapat manfaat daripada inovasi AI yang berasal daripada industri lain. Pelaburan besar oleh syarikat teknologi global dalam bidang kenderaan autonomi, elektronik pengguna, pengkomputeran awan dan perkhidmatan digital telah mempercepatkan pembangunan rangka kerja perisian serta seni bina rangkaian neural yang canggih. Teknologi yang dahulunya hanya boleh diakses oleh organisasi penyelidikan besar kini tersedia secara meluas, membolehkan syarikat pengangkutan mengintegrasikan keupayaan pengecaman imej, pengesanan objek dan analisis tingkah laku tanpa perlu melabur secara besar-besaran dalam penyelidikan dan pembangunan dalaman. Keadaan ini telah mempercepatkan penggunaan AI dalam pelbagai aplikasi pengurusan trafik dan penguatkuasaan jalan raya.

Penerimaan masyarakat terhadap AI juga memainkan peranan penting dalam mempercepatkan penggunaannya. Kemunculan aplikasi berasaskan AI seperti pembantu maya, sistem cadangan digital dan platform AI generatif telah meningkatkan kefahaman serta keyakinan orang ramai terhadap teknologi ini. Peningkatan tahap kepercayaan tersebut mendorong pihak berkuasa pengangkutan dan pembuat dasar untuk meneroka penyelesaian berasaskan AI dengan lebih agresif. Pada masa yang sama, penambahbaikan antara muka pengguna membolehkan maklumat yang dihasilkan oleh AI dipersembahkan secara lebih mudah difahami. Sistem pengurusan trafik moden mampu memaparkan pergerakan kenderaan, mengenal pasti konflik trafik, menonjolkan risiko keselamatan serta menggambarkan corak aliran trafik secara visual, sekali gus membantu pengendali membuat keputusan yang lebih pantas dan tepat.

Integrasi AI dengan Teknologi Pengesanan Moden

Walau bagaimanapun, AI bukanlah penyelesaian mutlak kepada semua cabaran pengangkutan. Dalam banyak keadaan, AI memberikan hasil terbaik apabila digabungkan dengan teknologi lain yang saling melengkapi. Sebagai contoh, radar masih merupakan teknologi yang sangat berkesan untuk pemantauan lebuh raya kerana kosnya yang rendah, ketepatannya yang tinggi dan kemudahan penyelenggaraan. Sensor tanpa wayar pula mempunyai kelebihan dalam kawasan yang jauh daripada sumber kuasa atau rangkaian komunikasi. Oleh itu, kebanyakan sistem pengangkutan moden menggunakan pendekatan hibrid yang menggabungkan analisis video, radar, sensor tanpa wayar dan pemprosesan AI dalam satu ekosistem yang bersepadu. Gabungan ini menghasilkan data yang lebih kaya dan boleh dipercayai berbanding penggunaan satu teknologi secara berasingan.

Perkembangan pengkomputeran pinggir (edge computing) juga merupakan faktor penting yang membolehkan AI berkembang dengan pesat dalam sektor pengangkutan. Sebelum ini, aplikasi pemprosesan imej yang kompleks memerlukan pelayan pusat yang besar dan mahal. Tugasan seperti pengecaman nombor pendaftaran kenderaan, pengelasan jenis kenderaan, pengesanan penggunaan telefon bimbit dan pemakaian tali pinggang keselamatan memerlukan sumber pengkomputeran yang tinggi. Kini, generasi baharu pemecut AI dan pemproses khusus mampu menawarkan prestasi yang sangat tinggi dengan penggunaan tenaga yang rendah. Peranti yang kecil dan cekap ini membolehkan model AI dijalankan terus di dalam kamera trafik, pengawal persimpangan atau unit tepi jalan tanpa perlu menghantar sejumlah besar data ke pusat pemprosesan.

Perubahan ini mengurangkan kelewatan pemprosesan, menurunkan kos komunikasi, meningkatkan privasi data dan membolehkan keputusan dibuat secara masa nyata di lokasi pengumpulan data.

Asas Kejayaan Sistem AI

Kejayaan pelaksanaan AI tidak hanya bergantung kepada kuasa pemprosesan semata-mata. Prestasi AI sangat bergantung kepada kualiti data yang diterimanya. Banyak inisiatif bandar pintar mengandaikan bahawa kamera litar tertutup (CCTV) sedia ada boleh dinaik taraf dengan perisian AI untuk menghasilkan sistem pengangkutan pintar. Hakikatnya, pendekatan tersebut sering mengabaikan keperluan asas seperti kamera berkualiti tinggi, optik yang ditentukur dengan baik, pencahayaan yang sesuai dan set data yang mencukupi bagi mewakili pelbagai situasi sebenar. Tanpa komponen-komponen ini, walaupun model AI yang paling canggih sekalipun mungkin gagal menghasilkan keputusan yang konsisten dan boleh dipertahankan dari sudut perundangan. Oleh itu, pelaksanaan AI yang berjaya memerlukan pendekatan menyeluruh yang menggabungkan perkakasan, infrastruktur dan algoritma secara bersepadu.

Trend Teknologi atau Perubahan Paradigma?

Perbincangan mengenai AI juga sering mengingatkan kita kepada pelbagai gelombang teknologi terdahulu yang pernah dijangka mengubah sektor pengangkutan secara radikal. Dalam beberapa dekad yang lalu, teknologi seperti sistem pakar, RFID, bandar pintar, Internet Pelbagai Benda (IoT), data raya dan block chain pernah dipromosikan sebagai penyelesaian utama kepada pelbagai masalah pengangkutan. Walaupun teknologi-teknologi ini memberikan manfaat dalam bidang tertentu, kebanyakannya tidak mencapai impak transformasi yang dijanjikan pada awalnya. Oleh itu, timbul persoalan sama ada AI hanyalah satu lagi fenomena sementara atau benar-benar mewakili satu perubahan paradigma yang nyata.

Terdapat beberapa ciri yang membezakan AI daripada teknologi-teknologi terdahulu. Pertama, AI telah terbukti menghasilkan manfaat yang boleh diukur. Banyak agensi pengangkutan menggunakan AI untuk mengoptimumkan masa lampu isyarat, meramalkan kesesakan, memperbaiki perancangan laluan, memantau risiko keselamatan dan mengurus aset dengan lebih cekap. Kedua, penggunaan AI kini lebih mudah diakses oleh pelbagai lapisan pengguna. Tidak seperti teknologi yang memerlukan kemahiran teknikal tinggi, banyak aplikasi AI moden membolehkan pengguna berinteraksi melalui bahasa semula jadi dan paparan visual yang intuitif. Ketiga, AI menyelesaikan masalah sebenar yang dihadapi oleh sektor pengangkutan seperti pengurusan trafik, keselamatan jalan raya dan perancangan mobiliti, bukannya sekadar mencari aplikasi bagi teknologi yang dicipta.

Ke Arah Pengurusan Pintar

Kematangan AI turut terserlah melalui perubahan pendekatan dalam analisis dan pengurusan trafik. Sistem tradisional banyak bergantung kepada peraturan tetap, kajian berkala dan tindakan reaktif. Sebaliknya, sistem AI moden mampu menganalisis data masa nyata daripada kamera, sensor, kenderaan bersambung dan infrastruktur jalan raya secara berterusan. Sistem ini boleh mengenal pasti pola kesesakan yang sedang terbentuk, mengesan risiko keselamatan sebelum kemalangan berlaku, menilai prestasi kawasan kerja jalan dan mengoptimumkan operasi lampu isyarat secara dinamik. Peralihan daripada pengurusan reaktif kepada pengurusan proaktif dan ramalan merupakan antara perubahan paling penting dalam sejarah pengangkutan moden.

Selain itu, AI kini berkembang daripada sekadar aplikasi khusus kepada platform teknologi yang menyeluruh. Pada peringkat awal, aplikasi AI biasanya tertumpu kepada fungsi tertentu seperti pengiraan pejalan kaki atau pengesanan kenderaan melawan arus. Walaupun berguna, pendekatan ini menghasilkan sistem yang berpecah-pecah dan sukar untuk diperluaskan. Kini, banyak bandar dan agensi pengangkutan beralih kepada platform AI bersepadu yang membolehkan pelbagai aplikasi dijalankan menggunakan infrastruktur yang sama. Pendekatan ini menjadikan kamera dan sensor sebagai sumber data sejagat yang boleh dimanfaatkan oleh pelbagai sistem pengurusan trafik, perancangan bandar dan analisis prestasi.

Pemangkin Keselamatan Jalan Raya

Dalam aspek keselamatan jalan raya, AI menawarkan potensi yang amat besar. Pendekatan keselamatan tradisional lazimnya bergantung kepada data kemalangan yang telah berlaku sebelum tindakan diambil. Sebaliknya, AI membolehkan pengurusan keselamatan secara proaktif melalui analisis insiden hampir kemalangan, konflik antara pengguna jalan raya dan tingkah laku pemanduan berisiko. Dengan memantau pergerakan pengguna jalan raya secara berterusan, AI dapat mengenal pasti lokasi berisiko tinggi sebelum kemalangan berlaku, sekali gus membolehkan tindakan pencegahan dilaksanakan lebih awal.

Kemunculan teknologi penderiaan baharu seperti Light Detection and Ranging (LiDAR) digital turut memperkukuh keupayaan AI. LiDAR moden mampu menghasilkan gambaran tiga dimensi yang sangat tepat terhadap persekitaran trafik tanpa dipengaruhi oleh keadaan pencahayaan atau cuaca. Apabila digabungkan dengan model pembelajaran mendalam, sistem ini boleh mengesan, mengelaskan dan menjejak pergerakan kenderaan, penunggang basikal dan pejalan kaki dengan tahap ketepatan yang tinggi. Data yang dihasilkan membolehkan pengurusan trafik yang lebih komprehensif, kawalan lampu isyarat yang lebih pintar serta pemantauan keselamatan yang lebih berkesan.

Di samping itu, inisiatif global seperti Vision Zero yang bertujuan menghapuskan kematian dan kecederaan serius akibat kemalangan jalan raya telah mempercepatkan penggunaan AI. Sistem berasaskan AI menyokong matlamat ini melalui pengumpulan data automatik, pemantauan masa nyata dan pengesanan awal situasi berbahaya. Keupayaan mengenal pasti pelanggaran lampu merah, kenderaan melawan arus dan konflik pejalan kaki membolehkan tindakan pembetulan dilaksanakan dengan lebih pantas dan berkesan.

Perancangan Mobiliti dan Sistem Tol Masa Hadapan

Dalam sektor tol, AI semakin digunakan untuk pengecaman nombor pendaftaran kenderaan, pengelasan kenderaan, pengesanan penipuan, automasi perkhidmatan pelanggan dan pemantauan operasi. AI juga menyokong pelaksanaan tol dinamik yang membantu mengurangkan kesesakan serta mengurangkan pelepasan karbon melalui pengagihan trafik yang lebih seimbang. Pada masa hadapan, AI dijangka mempercepatkan pembangunan sistem tol digital berasaskan telefon pintar dan kenderaan bersambung yang mungkin menggantikan plaza tol fizikal sepenuhnya.

Walaupun prospek AI amat menjanjikan, beberapa cabaran masih perlu ditangani. Antaranya termasuk kesiapsiagaan infrastruktur, kekurangan kemahiran AI dalam kalangan tenaga kerja, isu keselamatan siber, perlindungan privasi dan kepercayaan awam. Pelaksanaan AI yang bertanggungjawab memerlukan rangka kerja tadbir urus yang kukuh, ketelusan dalam operasi serta mekanisme penilaian yang jelas. Agensi pengangkutan juga perlu membangunkan kapasiti institusi bagi mengurus sistem digital yang semakin kompleks tanpa mengabaikan aspek kebolehpercayaan dan akauntabiliti kepada masyarakat.

Penutup

Kesimpulannya, AI berpotensi menjadi komponen asas dalam infrastruktur pengangkutan masa hadapan. Seiring dengan kematangan teknologi ini, perbincangan mengenai “AI dalam pengangkutan” mungkin tidak lagi menjadi topik khusus kerana AI akan menjadi sebahagian daripada operasi harian sebagaimana pangkalan data dan rangkaian komunikasi digunakan hari ini. Nilai sebenar AI bukan terletak pada kecanggihannya semata-mata, tetapi pada keupayaannya untuk menghasilkan jalan raya yang lebih selamat, perjalanan yang lebih lancar, pelepasan karbon yang lebih rendah serta penggunaan sumber awam yang lebih cekap.

Dengan gabungan kemajuan dalam pengkomputeran, penderiaan, ketersambungan dan analitik data, AI sedang membuka lembaran baharu dalam pembangunan sistem pengangkutan yang lebih pintar, adaptif dan mampan untuk generasi akan datang.

Penulis:

Dr. Ahmad Yusri Mohamad, Pensyarah Kanan, Politeknik Sultan Haji Ahmad Shah (POLISAS), Pahang

Ts. Nur Faezah Yahya, Pensyarah Kanan, Universiti Tun Hussein Onn Malaysia (UTHM), Johor

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