Ramalan Risiko Kemalangan Berasaskan Data Pergerakan Kenderaan Individu

Penulis: Prof. Madya Ts. Ir. Dr. Nur Izzi Md Yusoff
Pensyarah Kanan,
Jabatan Kejuruteraan Awam, Universiti Kebangsaan Malaysia

Risiko kemalangan di lebuh raya, khususnya melibatkan kenderaan berkelajuan tinggi, bukan semata-mata kejadian yang tidak dapat dijangka. Banyak situasi berbahaya didahului dengan perubahan kelajuan, kesesakan mendadak atau tindakan pemanduan yang boleh dikesan. Oleh itu, penggunaan data pergerakan kenderaan individu (Individual Vehicle Trace Data) menawarkan peluang untuk mengubah pengurusan keselamatan jalan raya daripada tindakan selepas kemalangan kepada pencegahan lebih awal.

Pendekatan ini menjadi semakin penting apabila Pertubuhan Kesihatan Sedunia (WHO) melaporkan sekitar 1.16 juta kematian akibat kemalangan jalan raya di seluruh dunia pada 2025. Angka tersebut menunjukkan bahawa kemajuan teknologi perlu diterjemahkan kepada langkah keselamatan yang benar-benar melindungi pengguna jalan raya (WHO, 2026).

Memahami Data Pergerakan Kenderaan Individu

Data pergerakan kenderaan individu ialah rekod lokasi, masa, kelajuan dan perubahan pergerakan kenderaan yang diperoleh melalui sistem telematik, kenderaan terhubung atau aplikasi navigasi. Berbeza daripada kaedah konvensional yang lazimnya menunjukkan purata aliran trafik di sesuatu lokasi, data ini membolehkan corak perjalanan dianalisis dengan lebih terperinci.

Sebagai contoh, rekod perjalanan boleh menunjukkan tempat kenderaan mula memperlahankan kelajuan, tempoh kesesakan dan lokasi brek mengejut berlaku. Apabila maklumat daripada banyak kenderaan digabungkan secara selamat, pengendali lebuh raya boleh mengenal pasti pola risiko yang sukar dikesan melalui pemerhatian biasa.

Kajian lepas oleh Pennetti et al. (2024) menjelaskan bahawa data kenderaan terhubung memberikan dimensi masa dan ruang yang berguna untuk menilai prestasi serta risiko rangkaian pengangkutan.

Amaran Awal Kesesakan dan Pelanggaran Belakang

Antara aplikasi terpenting ialah pengesanan penghujung barisan kenderaan yang bergerak perlahan atau berhenti. Pemandu yang menghampiri kawasan tersebut pada kelajuan tinggi mungkin tidak mempunyai masa mencukupi untuk membrek, terutama ketika hujan lebat, pada waktu malam atau selepas selekoh.

Melalui analisis perubahan kelajuan kenderaan, lokasi kesesakan boleh dikenal pasti dan amaran disampaikan lebih awal melalui papan tanda mesej berubah, aplikasi navigasi atau pusat kawalan trafik. Amaran yang tepat pada masanya memberi peluang kepada pemandu mengurangkan kelajuan secara beransur-ansur.

Penyelidikan berkaitan data kenderaan terhubung turut menunjukkan potensinya untuk menyokong sistem amaran barisan trafik di kawasan kerja jalan walaupun prestasinya bergantung pada liputan data dan ketepatan pengesanan. 

Brek Mengejut sebagai Petunjuk Risiko

Kejadian brek mengejut tidak semestinya bermaksud kemalangan hampir berlaku. Namun, apabila kejadian yang sama berulang di lokasi tertentu, ia mungkin menunjukkan terdapatnya masalah yang perlu disiasat. Contohnya, pemandu mungkin kerap membrek secara mendadak berhampiran laluan masuk lebuh raya, persimpangan bertingkat, plaza tol atau selekoh yang mempunyai jarak penglihatan yang terhad.

Kajian oleh Sakhare et al. (2025) menunjukkan bagaimana data trajektori kenderaan terhubung boleh digunakan untuk meneliti kejadian brek dan pecutan mendadak pada skala rangkaian jalan raya. Penemuan sebegini membantu pihak berkuasa menentukan lokasi yang wajar diberi keutamaan untuk audit keselamatan, bukannya hanya menunggu statistik kemalangan terkumpul.

Walau bagaimanapun, setiap petunjuk perlu ditafsir bersama keadaan sebenar jalan. Kejadian brek mengejut mungkin berpunca daripada tindakan pengguna lain, cuaca, permukaan jalan atau perubahan aliran trafik. Pemeriksaan tapak tetap perlu sebelum sesuatu langkah penyelesaian kejuruteraan dilaksanakan.

Pengurusan Kelajuan dan Kawasan Kerja Jalan

Data pergerakan juga dapat membantu mengenal pasti kawasan yang sering menunjukkan kelajuan tinggi atau perbezaan kelajuan ketara antara kenderaan. Maklumat ini boleh digunakan untuk merancang kempen kesedaran, semakan had laju, penambahbaikan papan tanda serta penguatkuasaan bersasar mengikut lokasi dan masa.

Di kawasan pembinaan atau penyelenggaraan lebuh raya, risiko meningkat apabila lorong ditutup, susun atur jalan berubah dan kenderaan perlu bergabung ke lorong lain apabila sesetengah lorong ditutup buat sementara waktu. Data kelajuan, masa perjalanan dan panjang barisan boleh membantu pengendali menilai keberkesanan pelan pengurusan trafik sementara.

Sakhare et al. (2026) telah menghuraikan penggunaan data kenderaan terhubung untuk mengukur prestasi kawasan kerja berdasarkan kelajuan, masa perjalanan, kejadian brek mengejut dan perbezaan kelajuan. Maklumat sedemikian boleh membantu menentukan sama ada papan tanda amaran perlu dialihkan, pengurangan kelajuan perlu dimulakan lebih awal atau susunan lorong perlu diperbaiki.

Integrasi Teknologi dan Kecerdasan Buatan

Teknologi ini tidak sepatutnya menggantikan kamera litar tertutup, pengesan trafik atau rondaan lebuh raya. Sebaliknya, gabungan pelbagai sumber dapat memberikan gambaran yang lebih menyeluruh. Kamera boleh mengesahkan keadaan di lokasi, manakala data pergerakan membantu mengesan perubahan trafik merentasi jarak yang lebih panjang.

Kecerdasan buatan pula berpotensi menganalisis jutaan rekod pergerakan untuk mengenal pasti pola luar biasa dan menjangka kemungkinan kesesakan. Namun, ramalan bukan jaminan bahawa kemalangan akan berlaku. Model perlu diuji menggunakan data tempatan, dinilai ketepatannya dan dipantau supaya amaran palsu tidak mengurangkan keyakinan pengguna.

Laporan Pentadbiran Lebuh Raya Persekutuan Amerika Syarikat (Federal Highway Administration, FHWA 2024) menunjukkan bahawa data kenderaan terhubung boleh membantu mengenal pasti lokasi pecutan dan nyahpecutan mendadak serta kemungkinan isu geometri atau permukaan jalan. Pendekatan ini sesuai dijadikan alat sokongan keputusan, bukannya satu-satunya asas tindakan.

Cabaran Pelaksanaan di Malaysia

Bagi negara kita, potensi teknologi ini amat relevan di lebuh raya antara bandar, laluan masuk ke kawasan metropolitan dan lokasi yang mengalami kesesakan bermusim. Namun, pelaksanaan perlu mengambil kira bahawa bukan semua kenderaan mempunyai sistem telematik yang sama. Data daripada sebahagian pengguna mungkin tidak mewakili keseluruhan trafik, khususnya motosikal atau kawasan dengan liputan digital terhad.

Aspek privasi juga tidak boleh diketepikan. Data lokasi berpotensi mendedahkan tabiat perjalanan individu sekiranya dikendalikan secara tidak bertanggungjawab. Oleh itu, pengumpulan data perlu berasaskan tujuan yang jelas, peminimuman maklumat, kawalan akses dan kaedah penyamaran identiti yang berkesan. Perkongsian data antara pengendali lebuh raya, penyedia teknologi dan agensi kerajaan hendaklah mematuhi keperluan undang-undang yang berkaitan.

Pelaksanaan secara berperingkat melalui projek rintis boleh dimulakan di koridor berisiko tinggi. Kejayaan perlu diukur melalui perubahan kelajuan, kekerapan brek mengejut, masa tindak balas insiden dan dalam jangka panjang, pengurangan kemalangan. Penilaian ini penting untuk memastikan pelaburan teknologi memberikan manfaat keselamatan yang nyata.

Selain itu, latihan kepada petugas pusat kawalan trafik perlu diperkukuh supaya mereka memahami batasan data, boleh menyemak amaran dengan cepat dan memilih tindakan yang bersesuaian. Kerjasama dengan universiti tempatan juga boleh menyokong pembangunan algoritma yang mengambil kira ciri trafik Malaysia, termasuk jumlah motosikal yang tinggi, hujan tropika dan pergerakan trafik semasa musim perayaan.

Hasil projek rintis hendaklah dilaporkan secara telus agar masyarakat mengetahui manfaat, kos dan kekangan pelaksanaannya. 

Kesimpulan

Keselamatan jalan raya masa hadapan bukan sekadar bergantung pada keupayaan mengesan kemalangan selepas ia berlaku. Keutamaan perlu diberikan kepada kebijaksanaan membaca tanda-tanda awal risiko dan bertindak sebelum keadaan menjadi kritikal.

Dengan penggunaan data pergerakan kenderaan individu yang berkualiti, perlindungan privasi yang kukuh dan kerjasama antara pihak berkuasa serta pengendali lebuh raya, Malaysia berpeluang membangunkan sistem pengurusan trafik yang lebih proaktif.

Teknologi bukan pengganti sikap pemanduan berhemah, tetapi alat penting untuk menjadikan perjalanan lebih selamat bagi semua.

Rujukan 

Federal Highway Administration (FHWA) (2024). Post-event connected vehicle data exploration: lessons learned (FHWA-HPL-24-012). https://www.fhwa.dot.gov/policyinformation/pubs/hpl24012/

Pennetti, C. A., Marcellin, M. C., Pennetti, T. J., KottoorMadam, S., Jun, J. & Lambert, J. H. (2024). Connected vehicle data for risk analysis and transportation performance evaluation. Transportation Research Record. https://doi.org/10.1177/03611981241249926

Rahul Suryakant Sakhare, R. S., Desai, J., Gartner, C., Mukai, J., Sturdevant, N., Shellhamer, N., Ruble, T., McCoy, D. & Bullock, D. M. (2025). Connected vehicle trajectory data to screen network for hard-braking and hard-acceleration events. Purdue University, FHWA/IN/JTRP-2025/30. https://doi.org/10.5703/1288284318579

Sakhare, R. S., Desai, J., Overall, M., Mukai, J., Pava, J., McGregor, J., & Bullock, D. M. (2026). Work zone performance measures derived from connected vehicle data for safety and mobility assessment. Future Transportation, 6(1). https://workzonesafety.org/publication/work-zone-performance-measures-derived-from-connected-vehicle-data-for-safety-and-mobility-assessment/

World Health Organization (WHO) (2026). Road deaths fall by 21% globally but stronger action is needed to save lives. https://www.paho.org/en/news/20-7-2026-road-deaths-fall-21-globally-stronger-action-needed-save-lives

Biodata Ringkas Penulis:

Prof. Madya Ir. Dr. Nur Izzi Md Yusoff ialah seorang pensyarah di Universiti Kebangsaan Malaysia (UKM) dengan bidang kepakaran utama dalam teknologi asfalt dan kejuruteraan lebuhraya/pengangkutan.