Pemodelan arus mudik

Saat ini ilmu komputasi sudah sangat maju. Informasi peta online juga sudah sangat gampang diperoleh, bahkan secara gratis. Nah, dalam kaitan dengan ritual mudik yang melibatkan hampir 20 juta orang, saya mengimpikan sistem informasi mudik yang sifatnya mampu memprediksi arus lalu lintas sebagai gabungan antara model matematis dengan peta digital. Informasi ini juga harus dapat diakses secara online oleh masyarakat.

Berdasarkan pengalaman saya beberapa kali mudik Lebaran lewat Bandung terus jalur selatan Jawa Barat dan Jawa Tengah, terdapat dua titik kemacetan (sebenarnya lebih tepat disebut garis kamacetan karena panjangnya bisa puluhan kilometer dan waktu tempuh puluhan jam) yaitu di tol Cikampek dan Nagrek-Malangbong-Tasikmalaya.

Tol Cikampek mulai kilometer 32 hanya menyediakan dua jalur tidak sanggup menampung ribuan kendaraan yang ingin lewat secara bersama-sama. Tahun lalu, saya berangkat jam dua malam dari Gunungputri, mulai kena macet di Tol Cikampek km 19, baru bisa masuk ke Purbaleunyi jam 8 atau 9 pagi.

Jam 12 siang melewati Bandung, lalu terjebak di Nagrek-Malangbong dan baru bebas dari Tasikmalaya setelah jam enam atau jam tujuh malam. Saya tidak sanggup lagi menyetir jadi terpaksa menginap di Ciamis.

Ada banyak faktor yang menjadi penyebab kemacetan dan penderitaan itu. Akan tetapi, salah satu penyebab penting adalah kesalahan memperkirakan kondisi arus mudik saat itu.

****
Saya berharap ada permodelan yang bisa memprediksi atau mensimulasikan arus mudik di jalan-jalan utama itu jalur mudik di sekitar Lebaran. Data dapat dihimpun berdasarkan survey calon pemudik, data-data dari perusahaan angkutan, kapasitas jalan, dan sebagainya.

Tentu saja permodelan itu sifatnya harus dinamis karena orang akan bereaksi atas model yang pertama (misalnya menunda atau mempercepat waktu) yang berdampak pada perubahan pola arus mudik. Jadi model itu harus terus menerus diperbarui. (ya, ini agak muluk-muluk. Pada tahap pertama mungkin dibuat model statis dulu lah. Tahun-tahun berikutnya baru dikembangkan dengan variable yang dinamis melibatkan respons pemudik).

Saya yakin informasi semacam ini akan sangat bermanfaat baik untuk mengoptimalkan kapasitas jalan, menghemat waktu pemudik, mengeliminasi kemacetan, dan sebagainya.

Model seperti ini agak sedikit lebih maju daripada video streaming. Sebab video streaming hanya menyediakan data pada saat itu dan tidak memungkinkan kita bertanya kira-kira kondisi lalu lintas besok sore di titik X seperti apa?

Semoga ini bukan sekadar mimpi siang bolong…