NTT Docomo Inc. memanfaatkan teknologi artificial intelligence (AI) untuk meningkatkan efisiensi operasional layanan berbagi kendaraan mikromobilitas, seperti sepeda.
NTT Docomo Inc. membenamkan AI pada Sharing Operation Optimization System untuk mengoptimalkan operasional dengan cara menjaga efektivitas alokasi kendaraan mikromobilitas dan penggantian baterai kendaraan.
Layanan berbagi kendaraan mikromobilitas menyediakan sepeda dan kendaraan kecil serta ringan lainnya untuk dipakai bersama. Salah satu contohnya adalah bike sharing. Layanan ini memungkinkan pengguna menyewa dan mengembalikan kendaraan di stasiun mana saja milik penyedia layanan.
Seiring menjamurnya jenis layanan ini, jumlah kendaraan dan stasiun penyewaan/pengembalian pun terus bertambah sehingga penyedia layanan kesulitan mengalokasikan kendaraan secara optimal dan, dalam kasus kendaraan listrik, memastikan baterai kendaraan selalu dalam keadaan terisi dayanya.
Salah satu perusahaan yang sudah mengadopsi sistem ini adalah Docomo Bike Share, Inc., sebuah perusahaan penyedia layanan sewa sepeda listrik (bicycle-sharing service). Dengan sistem, pengguna layanan dapat memesan sepeda listrik di stasiun yang paling nyaman bagi pengguna, berkendara dengan nyaman, dan bebas memilih stasiun untuk mengembalikan sepeda. Sistem ini selanjutnya akan diimplementasikan Docomo Bike Share secara bertahap di berbagai sudut kota Tokyo untuk mengelola armadanya.
Dalam sistem ini, artificial intelligence (AI) digunakan untuk mengoptimalkan proses pengambilan dan alokasi kendaraan, serta penggantian baterai. Sistem ini menggunakan machine learning dalam melakukan simulasi pergerakan kendaraan. Hasil simulasi ini akan digunakan untuk memprediksi ketersediaan kendaraan dan baterai yang sudah terisi dayanya di setiap stasiun. Kemudian melalui perangkat mobile, staf maintenance dapat dengan tepat mengetahui kendaraan yang perlu diangkut ke stasiun lain dan baterai yang perlu diganti untuk memaksimalkan efisensi operasional.
Sistem juga akan memprediksi tren peminjaman atau pengembalian kendaraan berdasarkan berbagai macam data, seperti data kendaraan yang sedang digunakan dan sudah dikembalikan, prediksi cuaca, tanggal dan waktu, jarak antarstasiun, dan kapasitas truk, juga jumlah kendaraan dan baterai yang ada di truk.
Berdasarkan informasi ini, sistem akan membuat rencana realokasi yang lebih optimal, termasuk rute terbaik untuk truk pengangkut kendaraan. Sistem juga memungkinan staf yang belum berpengalaman untuk bekerja dengan efisiensi seperti rekannya yang lebih berpengalaman.
Sharing Operation Optimization System yang dikembangkan NTT Docomo ini memiliki tiga kemampuan: prakiraan permintaan (demand forecasting), simulasi, dan rencana alokasi ulang (reallocationn planning).
- Prakiraan permintaan
Teknologi ini setiap jamnya akan membuat prediksi jumah kendaraan yang sedang disewa dan yang tersedia di setiap stasiun dalam 24 jam ke depan. Selain menggunakan data real-time, sistem juga memperhitungkan data lain, seperti prakiraan cuaca, tanggal, dan waktu.
- Simulasi
Teknologi ini memanfaatkan Multi-Agent Simulations untuk memproyeksikan dengan tepat pergerakan antarstasiun kendaraan dan truk logistik. Pergerakan setiap kendaraan diprediksi berdasarkan data dan statistik real time. Proses simulasi dilakukan setiap 10 menit sehingga rencana alokasi ulang terus menerus diperbarui
- Rencana alokasi ulang
Teknologi ini menggunakan hasil simulasi di poin dua untuk menghasilkan rencana optimalisasi bersama untuk pengambilan/alokasi ulang kendaraan dan penggantian baterai di tiap stasiun, termasuk urutan stasiun yang harus didatangi dan rute yang harus ditempuh truk logistik.
Prakiraan kondisi untuk beberapa jam ke depan akan menjadi dasar, antara lain, prioritas penggantian baterai di stasiun paling sibuk dan pengambilan kendaraan di stasiun-stasiun yang akan mengalami lonjakan pengembalian kendaraan.