Jika Anda berkendara melewati jalan berlubang dan pembatas jalur yang pudar pada perjalanan pagi Anda untuk bekerja, kemungkinan besar Anda akan terus melihat noda jalan tersebut sampai seseorang memberi tahu departemen transportasi setempat tentang masalah tersebut dengan mengajukan keluhan. Startup Blyncsy yang berbasis di Utah ingin membantu pemerintah menjadi sedikit lebih preemptive dari itu.

Perusahaan pergerakan dan intelijen data meluncurkan teknologi bertenaga AI, yang disebut Payver, yang akan menggunakan data video bersumber dari banyak orang untuk memberikan informasi terkini kepada agen transportasi tentang jalan mana yang memerlukan pemeliharaan dan peningkatan. Blyncsy menawarkan layanan ini kepada pemerintah dengan biaya lebih murah dan tanpa komitmen jangka panjang.

DOT Utah akan menjadi yang pertama untuk menguji coba program mulai 1 Juni, menyebarkan Payver di wilayah Salt Lake County, yang mencakup lebih dari 350 mil jalan. Blyncsy akan mengumumkan pilot lain di berbagai negara bagian selama beberapa minggu ke depan.

Pemerintah biasanya sedikit lebih lambat untuk mengadopsi teknologi baru, dan sementara itu US DOT telah menghabiskan lebih dari $250 juta dana publik dan swasta untuk kota pintar dan pilihan transportasi yang maju, sebagian besar kemajuan cenderung berkisar pada pembuatan angkutan umum di kota-kota yang lebih hijau dan lebih efisien. Pendiri dan CEO Blyncsy Mark Pittman berpendapat pemeliharaan jalan yang tidak efisien tidak hanya tidak aman, tetapi juga menyebabkan emisi karbon yang lebih tinggi.

“Inspirasi untuk Payver datang pada tahun 2017 ketika direktur eksekutif UDOT menetapkan sasaran bahwa itu akan menjadi departemen pertama di negara ini yang memiliki kesadaran situasional waktu nyata di jalan raya kami, dan kami telah berupaya memecahkan masalah itu untuk mereka, Pittman memberi tahu TechCrunch. “Mereka ingin tahu apa yang terjadi dan kapan itu terjadi secara otomatis sehingga publik tidak perlu terlibat. Jadi jika ada puing-puing pinggir jalan atau tanda berhenti yang hilang atau garis cat yang perlu diperbaiki, bagaimana departemen tahu tanpa masyarakat harus menelepon dan mengeluh atau tanpa terjadi kecelakaan?”

Teknologi Payver Blyncsy bekerja dengan mengumpulkan segala jenis gambar dan video HD dari berbagai sumber, seperti kamera dasbor Nexar, dan menganalisis kumpulan data dengan visi mesin untuk memberikan hasil kepada pelanggan. Wawasan tersedia untuk agen transit dalam format dasbor, tetapi Payver juga terintegrasi ke dalam perangkat lunak manajemen pemeliharaan yang menentukan urutan peringkat pekerjaan perbaikan.

Untuk pilot UDOT, Payver awalnya akan fokus pada pemantauan garis cat, yang merupakan persyaratan dasar untuk mendukung lingkungan otonom, tetapi dapat berkembang menjadi lubang, tong konstruksi, rambu yang roboh, dan apa pun yang bisa salah dari pemakaian sehari-hari. UDOT memiliki anggaran sekitar $90.000 untuk uji coba ini, menurut Rob Miles, direktur lalu lintas dan keselamatan UDOT.

“Saat ini, kami melakukan pemindaian lidar di jalan raya kami setiap dua tahun, jadi kami selalu di luar sana mengumpulkan data, tetapi tidak dengan ketelitian yang cukup tinggi sehingga kami dapat mengatur pengupasannya,” kata Miles. TechCrunch. “Kami masih benar-benar mengelola pengupasan pengaduan masyarakat. Kami berharap dengan sistem pengumpulan data yang berbeda, kami dapat beralih dari sistem berbasis pengaduan ke sistem yang memiliki lebih sedikit opini dan lebih banyak data terukur di baliknya.”

Pittman mengatakan mengoptimalkan bentuk mobilitas aktif dengan membantu memprediksi perbaikan yang diperlukan untuk penyeberangan pejalan kaki atau lokasi aman untuk jalur sepeda akan menjadi prioritas bagi Payver seiring kemajuan teknologi, yang penting untuk menjaga kesetaraan dan inklusi dalam mobilitas. Payver juga dapat membantu menjembatani kesenjangan rasial dan sosial ekonomi dalam kondisi jalan raya, kata Pittman, membantu DOT memberikan layanan yang setara kepada seluruh masyarakat.

“Pete Buttigieg baru-baru ini berbicara tentang bagaimana transportasi seperti itu telah membantu mendukung rasisme sistemik pada waktu-waktu tertentu dan komunitas-komunitas kecil karena cara kita membangun jalan seringkali dengan populasi berpenghasilan rendah yang lebih dekat ke jalan raya,” katanya.

“Hal yang sama juga berlaku saat memikirkan pemeliharaan jalan. Populasi berpenghasilan rendah jauh lebih kecil kemungkinannya untuk mengeluh dan populasi berpenghasilan lebih tinggi jauh lebih mungkin untuk mengeluh, tetapi dampak lubang pada populasi berpenghasilan rendah berarti poros yang rusak, yang dapat menentukan kelangsungan hidup keluarga tersebut. Itu tidak benar di lingkungan berpenghasilan tinggi.