BRAESS PARADOX

Braess Paradox menggambarkan keberadaan titik ekuilibrium non-intuitif pada

sebuah jaringan transportasi. Istilah ini pertama digunakan oleh Dietrich Braess pada tahun
1968 dalam publikasinya yang menunjukkan bahwa penambahan rute ke sebuah jaringan
transportasi mungkin tidak meningkatkan kinerja sistem, dalam artian mengurangi total
kendaraan-menit perjalanan dalam sistem tersebut. Paradoks ini terjadi karena menurut
penetapan harga penggunaan jalan (pricing road usage), pengguna jalan akan berusaha untuk
meminimalkan waktu perjalanan mereka sendiri dengan mengabaikan pengaruh keputusan
mereka terhadap pengguna lain. Metoda penetapan harga yang umum digunakan seperti
penetapan biaya rata-rata (average cost pricing) mengarah pada keseimbangan pengguna
secara umum, sehingga mungkin saja total waktu perjalanan dari sistem justru meningkat
karena meskipun beberapa pengguna merasa diuntungkan dengan menggunakan jalur baru,
mereka dapat berkontribusi pada peningkatan kemacetan pengendara lainnya. Sebaliknya,
paradoks ini tidak akan terjadi jika penetapan dilakukan dengan biaya marjinal (marginal
cost). Dengan metode penetapan harga seperti itu, pola aliran optimal dari sistem akan
tercapai dan total waktu perjalanan dari sistem dapat diminimalkan. Dengan
teridentifikasinya perbedaan tersebut, fenomena Braess Paradox ini tidak benar-benar
paradoks, beberapa menyebutnya ‘pseudo-paradox’.
Dalam buku The Economics of Traffic Congestion (Arnott, 1994), terdapat sebuah
contoh yang dapat menjelaskan Braess Paradox ini. Lalu lintas dengan total 1.000 orang
berkendara dari kota A ke kota B yang dipisahkan dengan medan yang terlihat pada gambar.
Terdapat dua rute yang menghubungkan kota A dan B, yaitu rute 1 yang mengalirkan arus
sebesar F1 dan rute 2 yang mengalirkan arus sebesar F2. Pada kondisi awal, diasumsikan
kedua rute tidak macet kecuali pada jembatan. Waktu tempuh di kedua rute adalah 15 menit
pada kondisi tidak macet. Waktu tempuh bertambah 10 menit tiap 1.000 pengendara
melewati jembaran tersebut, sehingga total waktu tempuhnya adalah sebagai berikut.
𝐹1 𝑜𝑟 2
𝑇1 𝑜𝑟 2 = 15 + 10 ( )
1000
 Saat ekuilibrium, di mana waktu tempuh kedua rute adalah sama, maka jumlah
pengendara yang melewati masing-masing rute A adalah 500 orang dan rute B juga 500
orang. Maka, waktu tempuh untuk tiap rute adalah sebagai berikut.
500
𝑇 = 15 + 10 ( ) = 20 𝑚𝑒𝑛𝑖𝑡
1000
Kemudian, dilakukan pembangunan rute baru yaitu rute 3. Pada rute baru ini, waktu
tempuhnya adalah 7,5 menit (berapa pun arusnya) dengan mengalirkan arus sebesar F3.
Sehingga, masing-masing jembatan membawa arus dari dua rute berbeda, yang lama dan
yang baru. Misalnya, untuk menuju jembatan B maka dapat melalui rute 2 atau rute 3. Arus
yang menuju jembatan B adalah jumlah dari kendaraan yang melalui rute 2 dan yang melalui
rute 3. Bergitupun dengan jembatan A yang merupakan penjumlahan dari kendaraan yang
melalui rute 1 dan yang melalui rute 3. Sehingga, waktu tempuh pada jembatan A dan B
adalah sebagai berikut.
𝐹𝐴 𝐹1 + 𝐹3
𝑇𝐴 = 10 ( ) = 10 ( )
1000 1000
𝐹𝐵 𝐹2 + 𝐹3
𝑇𝐵 = 10 ( ) = 10 ( )
1000 1000
Lalu lintas akan berada pada kondisi ekuilibrium ketika waktu tempuh pada ketiga
rute adalah sama. Selain itu, total jumlah kendaraan pada ketiga rute adalah 1000 orang.
Sehingga, didapat hasil sebagai berikut.
𝑇1 = 𝑇2 = 𝑇3
𝐹1 + 𝐹3 𝐹2 + 𝐹3 𝐹1 + 𝐹2 + 2𝐹3
15 + 10 ( ) = 15 + 10 ( ) = 7.5 + 10 ( )
1000 1000 1000
Didapat hasil 𝐹1 = 𝐹2 = 250; 𝐹3 = 500. Sehingga, 𝑇1 = 𝑇2 = 𝑇3 = 22,5 𝑚𝑒𝑛𝑖𝑡. Hasil ini
lebih besar daripada kondisi awal di mana waktu tempuhnya hanya 20 menit.
Dalam konteks soal di atas, paradoks yang terjadi dapat dijelaskan dengan adanya
ekternalitas. Setiap pengendara mengabaikan biaya eksternal yang harus dikeluarkan dengan
menyebrangi jembatan, sehingga banyak pengendara yang memilih rute yang baru. Semakin
cepat waktu untuk melintasi rute yang baru, semakin banyak orang yang tertarik untuk
melewati rute tersebut, maka semakin buruk juga perjalanan mereka.
 Gambar 1 Ilustrasi Contoh Braess Paradox

Pada penelitian lain (Bazzan, 2005), penggambaran fenomena ini dilakukan dengan
skenario yang mirip,

Gambar 2 Konfigurasi Jaringan pada Skenario Braess Paradox

Pada kondisi a di mana jaringan hanya terdiri dari 4 rute dan kondisi b dengan rute
tambahan QP, besarnya cost yang dikeluarkan adalah sebagai berikut.
 Tabel 1 Cost untuk Distribusi Pengendara yang Berbeda

Dari hasil perhitungan, terlihat bahwa pada jaringan dengan jumlah pengendara QP
adalah nol, (dianggap kondisi belum ada penambahan rute QP atau ada penambahan rute
QP tapi tidak ada pengendara yang melewatinya) nilai cost yang dihasilkan lebih kecil
dibandingkan dengan jumlah pengendara QP tidak sama dengan nol pada skenario yang
sama. Sehingga, terbukti bahwa penambahan rute baru tidak selalu menurunkan total cost
yang dikeluarkan dari seluruh pengendara pada sistem tersebut.
Selain itu, juga ditemukan sebuah hubungan yang menggambarkan dampak dari
pemilihan metode dalam penetapan harga seperti yang telah disinggung di atas (metode
average cost pricing atau marginal cost pricing).

Gambar 3 Arus Rute sebagai Fungsi Dari Demand

Dari gambar di atas, digambarkan bahwa untuk sebuah fungsi yang memodelkan
kemacetan rute tertentu, paradoks tidak akan terjadi jika demand terlalu kecil atau terlalu
besar. Jika demand terlalu kecil atau sangat kecil sehingga paradoks tidak terjadi, seiring
waktu dan seiring dengan bertambahnya demand, maka paradoks mungkin terjadi pada rute
tersebut.
REFERENSI

Arnott, R., & Small, K. (1994). The economics of traffic congestion. American scientist, 82(5), 446-
455.
Bazzan, A. L., & Klügl, F. (2005). Case studies on the Braess paradox: simulating route
recommendation and learning in abstract and microscopic models. Transportation Research
Part C: Emerging Technologies, 13(4), 299-319.
Pas, E. I., & Principio, S. L. (1997). Braess' paradox: Some new insights. Transportation Research
Part B: Methodological, 31(3), 265-276.
WARDROPIAN EQUILIBRIUM
Dalam perkembangannya, sistem jalan sangat dinamis baik dari segi demand maupun
dari segi supply. Salah satu usaha untuk mengimbangi semakin bertambahnya demand adalah
dengan meningkatkan kinerja dari sistem jalan. Sebelum melakukan pengambilan keputusan
dalam peningkatan sistem jalan, perlu dilakukan analisis dampak dari masing-masing
alternatif pilihan.
Dalam melakukan analisis dampak ini, perlu dilakukan estimasi mengenai pembagian
lalu lintas pada beberapa jalan yang terdampak, tidak hanya pada jalan yang baru tapi juga
pada jalan eksisting yang mungkin lalu lintasnya akan dialihkan. Estimasi ini pada umumnya
dilakukan dengan mengambil asumsi kecepatan di jalan baru berdasarkan hasil analisis survei
Asal-Tujuan atau Origin-Destination (OD) dengan mengasumsikan bahwa setiap kendaraan
akan melewati rute tercepat.
Namun, kecepatan adalah merupakan fungsi dari arus. Jadi, redistribusi lalu lintas
(dengan adanya peningkatan kinerja) akan menganggu pola dari kecepatan. Hal yang perlu
diperhatikan adalah menemukan bagaimana lalu lintas dapat diharapkan untuk
mendistribusikan arus melalui rute alternatif dan apakah distribusi yang diaplikasikan
tersebut merupakan yang paling efisien.
Berdasarkan formulasi waktu tempuh (journey times), terdapat dua alternatif kriteria
yang dapat digunakan untuk menentukan distribusi rute sebagai berikut.
1. Waktu perjalanan di semua rute yang benar-benar digunakan adalah sama, namun
lebih sedikit daripada yang akan dialami satu kendaraan pada rute yang tidak
digunakan
2. Waktu perjalanan rata-rata adalah minimum

Berikut adalah hasil penelitian (Wardrop, 1952) mengenai distribusi lalu lintas pada
rute alternatif.
 Gambar 4 Distribusi Lalu Lintas pada Rute Alternatif

REFERENSI

Sheffi, Y. (1985). Urban transportation networks (Vol. 6). Prentice-Hall, Englewood Cliffs, NJ.

Wardrop, J. G. (1952). Road paper. some theoretical aspects of road traffic research. Proceedings of
the institution of civil engineers, 1(3), 325-362.
PERAN PERENCANA TRANSPORTASI PADA ERA TEKNOLOGI

Seiring dengan banyaknya inovasi dan penemuan-penemuan baru, perkembangan

teknologi terjadi sangat pesat. Termasuk dalam bidang transportasi, teknologi banyak
diaplikasikan pada banyak aspek. Seperti misalnya untuk kebutuhan survey lalu lintas atau
bahkan pada skala yang lebih besar seperti melakukan pengaturan manajemen lalu lintas pada
sebuah simpang atau ruas jalan.
Di setiap kemacetan yang terjadi, waktu dan uang yang terbuang percuma tidaklah
sedikit. Dari data yang dirilis Victoria Transport Policy Institute’s Urban Mobility Report
(2014), sebanyak 2,9 miliar galon bahan bakar dan waktu tunda sepanjang 5,5 miliar jam
terbuang di daerah perkotaan Amerika Serikat antara tahun 2000 hingga 2010 karena
kemacetan lalu lintas. Permasalahan keselamatan juga menjadi isu yang penting, terutama
pada persimpangan. Kecelakaan di persimpangan dapat terjadi karena adanya malfungsi pada
lampu lalu lintas dan kelalaian pengendara. Persimpangan pada umumnya menggunakan
persinyalan yang statis dan tidak memberikan prioritas kepada kendaraan darurat seperti
ambulans dan pemadam kebakaran. Hal ini tentu dapat mengakibatkan hilangnya nyawa,
kerusakan properti yang lebih parah, hingga polusi yang berkepanjangan.
Salah satu teknologi yang dapat membantu mengatasi masalah-masalah di atas adalah
Wireless Sensor Network (WSN). Dengan diaplikasikannya sistem ini, lalu lintas dapat diatur
secara lebih efektif terutama pada keadaan darurat dengan penggunaan teknologi komunikasi
dan algoritma yang sesuai. WSN ini terdiri dari sensor dan gateway nodes. Sensor digunakan
untuk memantau lalu lintas pada area tertentu serta mengukur parameter-parameter lalu lintas
fisik seperti arus, kepadatan, volume, headway, bahkan polusi. Sementara itu, gateway nodes
digunakan untuk mengumpulkan informasi lalu lintas dari semua node dan mengarahkan hal
yang sama ke base station. Berikut adalah gambaran persimpangan yang menggunakan
WSN.
 Gambar 5 Persimpangan dengan Wireless Sensor Network (WSN)
Secara umum, sistem manajemen lalu lintas perkotaan dengan WSN memiliki empat
fungsi, yaitu mengumpulkan informasi (information collection), difusi data (data diffusion),
pengolahan data untuk perencanaan kegiatan yang diperlukan, serta implementasi tindakan
yang sesuai. Sistem ini memerlukan beberapa wireless sensor, seperti Traffic Management
Centre (TMC), Road Side Unit (RSU), dan On Board Unit (OBU) yang terpasang di
kendaraan. Berikut adalah skema pengaturan menggunakan WSN.

Gambar 6 Skema Pengaturan Lalu Lintas dengan WSN

Selain dalam sistem pengaturannya, salah satu pemanfaatan teknologi yang cukup
banyak dibicarakan adalah “big data”. Berdasarkan OECD (2013), ada beberapa jenis data
baru tentang kondisi manusia saat ini seperti:
- Data dari transaksi pemerintah (misalnya pajak, jaminan sosial)
- Data terkait pendaftaran/perizinan resmi
- Transaksi komersial oleh individu dan organisasi
- Data internet dari aktivitas pencarian dan jejaring sosial
- Data pelacakan
- Data gambar (seperti gambar udara/satelit)
Jenis-jenis data baru di atas tidak bisa diolah dengan cara-cara lama yang sederhana.
Misalnya, dalam pengaplikasian ITS (Intelligent Transportation System), data mentah yang
didapat dari sistem perlu diolah sedemikian rupa sehingga dapat dipahami oleh manusia
terutama oleh perencana transportasi dan pengambil keputusan. Sehingga, dalam melakukan
analisis data mentah, diperlukan beberapa tahapan yaitu pengumpulan data, pra-pemrosesan
data (pre-processing data), data query, dan analisis data. Berikut adalah skema konseptual
dari visualisasi data lalu lintas.

Gambar 7 Skema Konseptual Visualisasi Data Lalu Lintas

Jadi, data mentah harus melalui proses pre-processing terlebih dahulu. Proses ini
dilakukan dengan beberapa operasi sebagai berikut.
• Data cleaning
Proses pembersihan kesalahan data, outlier, serta nilai-nilai yang tidak sesuai dengan data
mentah.
• Data matching
Data lalu lintas mentah merupakan data yang diskrit dari beberapa sample points yang
mungkin tidak cocok dengan jaringan jalan di kota. Maka dari itu, perlu dilakukan
 pencocokan dengan peta, menyelaraskan urutan posisi pengguna yang diamati dengan
jaringan jalan pada peta digital.
• Data organization
Data-data yang telah diproses sebelumnya perlu diatur dalam sebuah database. Database
ini harus mendukung kueri yang interaktif dan juga disertai visualisasi serta kompatibel
dengan data objek yang bergerak seperti trajektori atau lintasan.
• Data aggregation
Agregasi data dilakukan untuk mengurangi ukuran data dan memberikan kemudahan
dalam analisis selanjutnya. Dalam konteks data lalu lintas, operasi agregasi dasar yang
banyak dilakukan adalah agregasi spasial (S), temporal (T), arah (D), dan atribut (A).

Bersamaan dengan revolusi data ini, terjadi perubahan sosial yang cukup signifikan
pada bagaimana cara seseorang merencanakan pergerakan, berjejaring secara sosial,
menggunakan perangkat seluler, dan menerima untuk memberikan detail pribadi untuk
transaksi komersial, pendaftaran, dan pemerintahan. Perubahan ini mengarah pada
pertumbuhan yang cepat, termasuk pada segi ukuran (sehingga disebut “big” data).
Peningkatan ketersediaan data dalam jumlah besar ini juga meningkatkan data yang tidak
secara khusus diambil untuk kepentingan transportasi tetapi memiliki relevansi dalam
pemahamannya atau data yang disimpan untuk memberikan gambaran pola transportasi pada
saat ini sebagai archive tanpa metode analisis yang khusus.
Dalam konteks perencanaan transportasi, big data dikaitkan dengan 3V yaitu volume,
velocity, dan variety. Volume mengacu pada masifnya jumlah informasi jika dibandingkan
dengan masa lalu. Velocity mengacu pada peningkatan frekuensi pengamatan sementara.
Sedangkan variety mengacu pada adanya kemungkinan data yang tidak berorientasi pada
tujuan, dalam artian data tersebut tidak sesuai dengan definisi tertentu atau data tersebut
kurang akurat.
Beberapa karakteristik dari big data ini antara lain adalah data dihasilkan dari
pemantauan yang kontinu, berbeda dengan data konvensional yang cenderung bersifat
diskrit. Namun, juga terdapat beberapa hal yang masih harus diperhatikan tentang big data
ini, seperti kepemilikan data yang cukup kompleks (berbeda dengan data konvensional yang
jelas siapa pihak pemegang hak kepemilikannya), data yang mungkin didapatkan dari luar
konteks transportasi, serta pengumpulan data yang awalnya mungkin tidak dirancang untuk
tujuan berkonteks transportasi. Tak hanya itu, pada banyak skenario data digital, sampling
yang dilakukan tidak dapat dikatakan sepenuhnya random. Setidaknya untuk sekarang,
observasi yang dilakukan dengan data transaksi dan pelacakan akan menghasilkan data yang
cenderung condong pada populasi yang aktif secara ekonomi dan menggunakan teknologi
dengan fasih. Dengan kata lain, hasilnya akan condong pada populasi yang lebih muda.
Di sinilah peran perencana transportasi. Dengan data yang lebih besar dan masif,
analisis dapat dilakukan pada level data mentah yang belum mengandung asumsi-asumsi
tertentu. Selain itu, dengan adanya pemantauan secara kontinu, perencana dapat
mengaplikasikan opsi trial and error dalam pengambilan sebuah kebijakan daripada
melakukan analisis dampak yang memakan waktu dan sumber daya yang cukup besar.
Pengaplikasian teknologi pada perencanaan transportasi ini juga bukan tanpa adanya
kekurangan seperti error baik pada tahap penginputan variabel maupun tahap handling data
mentah. Peran perencana transportasi tentu diperlukan di sini. Jadi, teknologi yang
berkembang dapat memberdayakan perencana transportasi.

REFERENSI

Chen, W., Guo, F., & Wang, F. Y. (2015). A survey of traffic data visualization. IEEE Transactions
on Intelligent Transportation Systems, 16(6), 2970-2984.

Milne, D., & Watling, D. (2019). Big data and understanding change in the context of planning
transport systems. Journal of Transport Geography, 76, 235-244.

Nellore, K., & Hancke, G. P. (2016). A survey on urban traffic management system using wireless
sensor networks. Sensors, 16(2), 157.