Grab Kembangkan Solusi Plat Ganjil Genap dengan Data Analytic

marketeers article

Penyedia layanan transportasi online, Grab, mengumumkan penggunaan tambahan algoritma yang dirancang khusus untuk mencocokkan plat ganjil-genap di Jakarta secara real-time. Grab akan mengimplementasikan algoritma khusus ini untuk layanan GrabCar.

Algoritma ini dirancang untuk secara otomatis dan dengan efisien menambahkan serangkaian filter dalam proses alokasi untuk memastikan pengguna GrabCar mendapatkan tumpangan dengan cepat, kapan pun dan dimana pun dibutuhkan.

“Grab berkomitmen untuk menyelesaikan tantangan transportasi lokal yang nyata, untuk mewujudkan kebebasan bertransportasi untuk seluruh Asia Tenggara. Algoritma penyaringan dan pencocokan ini akan diluncurkan sebagai bentuk dukungan terhadap upaya-upaya pemerintah dalam mengurangi kendaraan pribadi di ibukota pada jam-jam sibuk, seraya membantu pengguna Grab dalam memperoleh transportasi yang nyaman, aman, dan dapat diandalkan,” jelas Bernard Hosanna, Head of Product Grab Indonesia di Jakarta, Selasa (11/10/2016)

Bernard menambahkan bahwa kemacetan lalu-lintas merupakan masalah yang berkelanjutan dan diperkirakan menyebabkan kerugian ekonomi sebesar Rp 35 triliun setiap tahunnya. Pemerintah telah memperlihatkan upaya nyata untuk mengatasi tantangan ini, termasuk melalui kebijakan ganjil-genap yang belum lama ini diberlakukan.

“Algoritma baru ini merupakan salah satu bentuk komitmen Grab untuk terus berinvestasi dalam teknologi dan memanfaatkan layanan pemesanan kendaraan untuk menyelesaikan tantangan transportasi, selagi terus mendukung upaya pemerintah,” tambah Bernard.

Penerapan algoritma ini sebagai bukti nyata investasi Grab dalam bentuk data analytic dan machine learning. Sebelumnya Grab, baru saja meraih pendanaan ekuitas sebesar US$ 750 juta, meningkatkan jumlah total modalnya hingga lebih dari US$1 miliar. Disebutkan dana tersebut akan digunakan untuk  investasi dalam fitur pembayaran non tunai, data science, dan machine learning.

 

Editor: Eko Adiwaluyo

Related