Technologue.id, Jakarta – Grab berusaha membantu mitra pengemudi agar mereka bisa mengemudi dengan lebih baik, dengan menggunakan data telematika.

Dengan mengumpulkan data GPS, giroskop, dan akselerometer dari aplikasi Grab, perusahaan mampu menyajikan laporan telematika mingguan kepada mitra pengemudi tentang pola mengemudi mereka, termasuk kecepatan, akselerasi, dan pengereman sehingga mereka tahu apa yang harus mereka perbaiki.

Sistem ini membuat peningkatan cara mengemudi yang lebih baik secara signifikan sejak peluncuran telematika pada bulan Maret tahun 2017 lalu. Antara lain, pada bulan Juli 2017, jumlah rata-rata perilaku berkendara dengan kecepatan di atas rata-rata (mengebut) adalah 0,7 per 100 kilometer. Pada bulan Juli tahun 2018, angka tersebut turun sebesar 64 persen.

Lalu, perilaku berkendara dengan tingkat pengereman dan mengebut (akselerasi) secara mendadak per kilometer telah berkurang masing-masing 23 persen dan 50 persen dari tahun 2017 ke tahun 2018.

Baca Juga:
Softbank Makin Agresif Kucurkan Dana Ke Grab

“Mitra pengemudi kami melihat laporan telematika ini sebagai salah satu sarana praktis yang membantu mereka untuk menjadi pengemudi yang lebih baik. Mereka merasakan manfaat langsung ketika mereka dapat menghemat uang dengan berkendara lebih efisien, yang dapat menghemat bahan bakar mereka,” jelas Nicholas Chng, Head of Safety and Security Grab.

Dengan melacak data telematika dan mengamati pola mengemudi, Grab juga lebih mampu memberikan pelatihan proaktif kepada mitra pengemudi jika diperlukan.

Laporan telematika ini adalah bagian dari inisiatif ‘Roadmap Teknologi Perjalanan Lebih Aman’ yang lebih luas, mencakup pengukuran spesifik dengan tujuan mengubah kebiasaan berkendara mitra pengemudi. Contohnya adalah dengan pemantauan tingkat kelelahan mitra pengemudi, untuk mendorong perubahan perilaku jangka panjang.

“Penggunaan data telematika dari ponsel pintar masih merupakan hal yang baru sehingga kami harus menciptakan algoritma untuk mengukur indikator perilaku mengemudi yang tidak aman dari nol,” kata Nicholas.

Baca Juga:
Grab: Kami Pemimpin Pasar Bisnis Transportasi Online

Pertama, Grab membuat sebuah daftar statistik deskriptif atau “fitur” yang dianggap mengindikasikan perilaku mengemudi yang berbahaya.

Sebagai contoh, mengemudi dengan kecepatan tertentu di atas batas yang berlaku secara nasional dapat dianggap sebagai perilaku mengebut sehingga bisa dikategorikan tidak aman. Memakai model machine learning, fitur-fitur hipotesis ini lalu dapat divalidasi menggunakan data dari serangkaian perjalanan yang dilaporkan penumpang sebagai perilaku mengemudi berbahaya (yang juga telah dikonfirmasi berbahaya setelah investigasi oleh Grab). Tahap ini dilakukan untuk memastikan semua fitur dapat secara jelas mengindikasikan perilaku mengemudi tidak aman.

Dengan hadirnya algoritma ini, Grab saat ini dapat secara efisien memproses data GPS dalam jumlah sangat besar dari mitra pengemudi.

“Hal ini terdengar seperti sesuatu yang umum, namun hasil investigasi kami menunjukkan bahwa para penumpang menginginkan dan mengapresiasi usaha kami untuk menghadirkan perjalanan dengan perilaku mengemudi yang aman. Perjalanan yang termonitor oleh model keamanan telematika kami sebagai perjalanan aman, secara signifikan mendapatkan penilaian (rating) lebih tinggi dibandingkan perjalanan yang termonitor sebagai kurang aman,” ujar Nicholas.