Di Surabaya, rutinitas pagi sering dimulai dengan satu pertanyaan yang sama: jalur mana yang paling “waras” untuk ditembus hari ini? Pergerakan warga dari permukiman menuju kawasan perkantoran, kampus, pelabuhan, hingga pusat belanja bertemu di simpang-simpang yang menjadi penentu: sekali ritme sinyal tak pas, antrean bisa memanjang dan merembet ke ruas lain. Karena itu, pemerintah kota mendorong uji coba lampu lalu lintas pintar yang bisa menyesuaikan durasi hijau-merah berdasarkan kondisi nyata di lapangan, bukan sekadar jadwal tetap. Strategi ini tak hanya dibaca sebagai ikhtiar kurangi kemacetan, tetapi juga sebagai cara melindungi kualitas udara di titik penumpukan kendaraan, tempat mesin menyala lama dan emisi terkonsentrasi.
Uji coba tersebut berangkat dari logika sederhana: lalu lintas bersifat dinamis, maka pengaturannya pun harus adaptif. Sensor yang mengukur panjang antrean dan arus kendaraan menjadi “mata” sistem, sementara perangkat pengendali menjadi “otak” yang memilih skenario fase lampu. Surabaya, yang dalam beberapa tahun terakhir dikenal agresif mengembangkan inovasi layanan publik, memosisikan proyek ini sebagai bagian dari transformasi transportasi berbasis data. Namun realitas kota besar selalu kompleks: teknologi bisa membantu, tetapi hanya efektif bila integrasi sistem, kesiapan petugas, dan perilaku pengguna jalan ikut bergerak selaras. Dari simpang Darmo hingga koridor menuju Perak, eksperimen ini menjadi panggung untuk menguji satu hal yang krusial: bisakah algoritma membuat perjalanan harian lebih manusiawi?
- Surabaya menjalankan uji coba pengaturan lampu lalu lintas pintar di beberapa simpang untuk kurangi kemacetan.
- Sensor membaca panjang antrean dan membantu penyesuaian fase hijau secara adaptif untuk mengurai kepadatan.
- Empat persimpangan menjadi lokasi awal, mencakup total 11 kaki simpang yang dipantau.
- Tujuan tambahan adalah menjaga kualitas udara dengan mengurangi waktu kendaraan berhenti dan idle.
- Keberhasilan tidak hanya ditentukan oleh teknologi, tetapi juga integrasi sistem, strategi pengaturan waktu, dan kepatuhan pengguna jalan.
Surabaya uji coba lampu lalu lintas pintar: dari kebijakan sampai titik simpang prioritas
Program pengaturan lampu adaptif di Surabaya lahir dari kebutuhan mengendalikan kepadatan yang kian “berpindah-pindah” mengikuti jam sekolah, jam kantor, agenda kota, hingga arus logistik. Di masa lampu konvensional, durasi hijau kerap ditetapkan berdasarkan survei periodik. Masalahnya, kondisi di lapangan berubah lebih cepat daripada jadwal evaluasi. Ketika satu ruas tiba-tiba padat karena perbaikan jalan atau lonjakan kendaraan, fase lampu yang statis justru memperpanjang antrean. Karena itu, opsi lampu lalu lintas pintar menjadi relevan: ia mencoba membaca situasi real-time lalu menyesuaikan keputusan detik itu juga.
Dalam uji coba yang mulai digulirkan sejak kebijakan dicanangkan pada pertengahan September (dalam fase awalnya beberapa tahun sebelumnya), Dishub Surabaya menekankan satu prinsip: sistem harus stabil sebelum diperluas. Kepala dinas mengingatkan pentingnya komunikasi antarkomponen agar tidak terjadi hang atau error, karena gangguan di satu simpang bisa memicu kekacauan di koridor yang terhubung. Pendekatan ini masuk akal; di kota padat, satu simpang adalah “katup” bagi banyak ruas. Bila katup macet, tekanan lalu lintas menyebar seperti air mencari celah.
Empat persimpangan menjadi laboratorium awal: kawasan Raya Darmo Masjid Al-Falah, Raya Darmo–Bengawan, Polisi Istimewa, dan Pandegiling. Total ada 11 kaki simpang yang dipantau—angka yang menunjukkan betapa rumitnya satu persimpangan di pusat kota. Masing-masing kaki memiliki karakter: ada yang dominan motor pada jam tertentu, ada yang didominasi mobil pribadi, ada pula yang sensitif terhadap aktivitas sekolah atau kantor. Sensor dipasang untuk mendeteksi panjang antrean; ketika antrean terukur melewati ambang, sistem bisa mengubah fase agar kendaraan tidak menumpuk terlalu lama.
Di lapangan, pekerjaan besar bukan sekadar memasang perangkat, melainkan menyusun “rencana fase” yang adil. Misalnya, bila satu kaki simpang selalu diberi hijau lebih panjang karena antreannya panjang, ruas lain bisa “kelaparan” waktu hijau dan akhirnya menimbulkan tumpukan baru. Karena itu, Dishub menekankan tahap penyetelan strategi—bagaimana mengatur waktu hijau ketika antrean terdeteksi—sebagai pekerjaan iteratif. Satu kaki simpang yang sudah mampu membaca antrean hanyalah awal; yang menentukan hasil adalah bagaimana sinyal itu diterjemahkan menjadi keputusan yang aman dan efisien.
Aspek kualitas udara juga menjadi alasan penting. Ketika kendaraan berhenti lama, emisi dari mesin menyala mengendap di area yang sama, terutama pada ruas dengan bangunan rapat. Pada titik tertentu, upaya kurangi kemacetan bertemu dengan agenda kesehatan publik. Pembelajaran dari kota lain menunjukkan isu ini saling terkait; misalnya diskusi tentang sensor dan pemantauan kualitas lingkungan sering muncul dalam kajian seperti sensor pintar untuk pemantauan udara perkotaan, yang menekankan bagaimana data lingkungan bisa menjadi dasar kebijakan mobilitas.
Di Surabaya, narasi ini terasa dekat bagi warga seperti “Rani”, pegawai swasta yang rutin melintasi koridor Darmo. Baginya, perbedaan 5–7 menit di satu simpang bisa mengubah peluang datang tepat waktu. Bila lampu adaptif mampu memangkas waktu tunggu yang tak perlu, dampaknya bukan sekadar statistik, tetapi kualitas hidup. Insight yang menutup bagian ini sederhana: simpang yang cerdas hanya akan berarti jika kebijakan, perangkat, dan strategi fase saling menguatkan.
Bagaimana teknologi sensor dan algoritma mengatur lalu lintas Surabaya secara adaptif
Membayangkan lampu lalu lintas pintar sebagai “lampu yang lebih cepat hijau” adalah penyederhanaan. Sistem adaptif bekerja seperti orkestrasi: sensor mengumpulkan data, pengendali menganalisis, lalu modul keputusan memilih skenario fase yang paling sesuai. Data yang dibaca bisa berupa panjang antrean, tingkat hunian lajur, atau arus kendaraan per menit. Dalam beberapa desain, kamera juga dipakai untuk klasifikasi kendaraan dan deteksi kejadian, meski pada tahap awal banyak kota memilih sensor antrean karena lebih sederhana dalam integrasi.
Di Surabaya, titik tekan uji coba adalah kemampuan sensor mendeteksi antrean dan memicu penyesuaian durasi hijau. Tantangannya: antrean bukan hanya “panjang”, tetapi juga “sifatnya”. Antrean motor yang rapat berbeda dengan antrean truk yang lebih renggang namun memakan ruang. Algoritma harus memaknai data itu ke dalam satuan yang bisa digunakan: misalnya, estimasi waktu pembersihan antrean (queue clearance time). Jika salah mengestimasi, hijau terlalu pendek akan meninggalkan sisa, hijau terlalu panjang akan menciptakan penumpukan di arah lain.
Konsep kunci berikutnya adalah koordinasi koridor (green wave). Bila satu simpang mengubah fase tanpa mempertimbangkan simpang berikutnya, kendaraan bisa lolos dari simpang A lalu terjebak di simpang B, menciptakan pola stop-and-go yang melelahkan. Karena itu, sistem biasanya membutuhkan komunikasi antarsimpang, baik melalui jaringan kabel, radio, atau koneksi IP. Kekhawatiran soal sistem hang yang sempat ditekankan pejabat terkait mencerminkan risiko koordinasi ini: kegagalan komunikasi bukan hanya membuat satu simpang kacau, tetapi merusak sinkronisasi koridor.
Rani—tokoh yang sama—pernah merasakan skenario sebaliknya saat ada pengaturan manual karena acara kota: satu simpang terasa lancar, tetapi dua simpang setelahnya macet total. Itu contoh nyata mengapa “pintar” harus berarti “terhubung”. Di sinilah peran pusat kendali lalu lintas: operator memantau dashboard, melihat anomali, dan bila perlu mengunci fase tertentu untuk kondisi khusus (misalnya iring-iringan, perbaikan jalan, atau hujan lebat yang menurunkan kecepatan).
Surabaya juga dikenal memiliki ekosistem inovasi digital yang luas. Pencapaian rekor MURI dengan 1.214 inovasi pada 2025 sering disebut sebagai indikator budaya eksperimentasi layanan publik. Tetapi mobilitas adalah domain yang menuntut ketelitian ekstra: satu perubahan kecil berdampak pada keselamatan. Karena itu, pendekatan yang sehat adalah memadukan otomatisasi dengan pagar pengaman (fail-safe). Bila sensor gagal membaca, sistem harus bisa kembali ke rencana waktu tetap agar tidak memicu konflik arus.
Untuk membantu pembaca memahami alur keputusan, berikut contoh sederhana logika adaptif yang lazim dipakai dalam pengaturan lalu lintas:
- Sensor membaca antrean setiap beberapa detik dan mengirimkan nilai ke pengendali.
- Pengendali membandingkan antrean dengan ambang batas dan memprediksi waktu pembersihan.
- Jika antrean tinggi, fase hijau diperpanjang dalam batas maksimum yang aman.
- Jika antrean rendah, fase hijau dipangkas agar arah lain mendapatkan giliran.
- Data disimpan untuk evaluasi mingguan: apakah strategi benar-benar kurangi kemacetan atau hanya memindahkan titik macet.
Bagian ini menegaskan satu hal: teknologi adaptif bukan sulap, melainkan disiplin data yang menuntut pengukuran, model yang tepat, dan kontrol risiko yang ketat—fondasi yang akan diuji ketahanannya ketika Surabaya memperluas cakupan.
Penguatan sistem adaptif juga berkaitan dengan isu besar yang melampaui kota: krisis iklim mendorong kota-kota menata ulang emisi transportasi. Pembahasan global tentang hal ini kerap muncul dalam konteks seperti agenda krisis iklim di forum internasional, dan lalu lintas perkotaan adalah salah satu sumber emisi yang paling dekat dengan keseharian warga.
Evaluasi uji coba: indikator sukses kurangi kemacetan, kualitas udara, dan pengalaman pengguna jalan
Uji coba hanya bernilai bila ada cara mengukur keberhasilan. Dalam konteks Surabaya, indikator paling mudah terlihat adalah panjang antrean dan waktu tunggu di simpang. Namun pengukuran yang matang biasanya menggabungkan metrik lain: kecepatan rata-rata koridor, jumlah berhenti (stops) per kendaraan, hingga variasi waktu tempuh (travel time reliability). Warga sering tidak hanya mengeluhkan “macet”, melainkan ketidakpastian: hari ini 20 menit, besok 45 menit, padahal rute sama. Sistem pintar seharusnya memperkecil fluktuasi itu.
Di simpang-simpang yang diuji, Dishub menahan diri untuk tidak buru-buru mengumumkan hasil sebelum strategi fase benar-benar mantap. Sikap ini penting karena fase awal biasanya diwarnai tuning: menyesuaikan ambang antrean, mengatur batas maksimum perpanjangan hijau, dan memeriksa apakah sensor membaca kondisi dengan benar saat hujan atau ketika ada kendaraan besar yang menutupi pandangan. Kesalahan kecil dapat mengubah persepsi publik. Sekali warga merasa “lampu pintar kok makin bikin macet”, dukungan sosial bisa turun meski masalahnya hanya parameter yang belum stabil.
Untuk memotret evaluasi secara lebih konkret, berikut tabel metrik yang lazim dipakai kota dalam menilai kinerja sistem lampu adaptif. Angka target bersifat contoh operasional yang realistis untuk koridor perkotaan padat, dan biasanya disesuaikan per simpang berdasarkan kelas jalan.
Indikator |
Definisi Operasional |
Contoh Target Setelah Penyetelan |
Alasan Penting |
|---|---|---|---|
Waktu tunggu rata-rata |
Detik menunggu dari berhenti sampai bergerak melewati garis henti |
Turun 10–20% pada jam sibuk |
Mengurangi stres pengguna jalan dan waktu tempuh |
Panjang antrean puncak |
Meter atau jumlah kendaraan pada antrean maksimum per siklus |
Antrean tidak meluber ke simpang sebelumnya |
Mencegah efek domino kemacetan |
Jumlah berhenti per km |
Berapa kali kendaraan berhenti dalam satu kilometer koridor |
Turun 5–15% |
Stop-and-go meningkatkan konsumsi BBM dan emisi |
Stabilitas waktu tempuh |
Selisih waktu tempuh hari-ke-hari pada jam yang sama |
Variasi mengecil |
Keandalan penting bagi pekerja, logistik, dan layanan publik |
Indikator kualitas udara lokal |
Tren konsentrasi polutan di titik simpang saat jam padat |
Penurunan bertahap saat idle berkurang |
Manfaat kesehatan di area dengan paparan tinggi |
Selain metrik kuantitatif, pengalaman pengguna jalan adalah “sensor sosial” yang sering lebih cepat menangkap masalah. Misalnya, pengendara ojek online bisa melaporkan bahwa simpang tertentu terasa lebih adil karena antrean cepat terurai. Sebaliknya, sopir angkot bisa mengeluh bila fase hijau terlalu pendek sehingga sulit masuk kembali ke arus. Surabaya dapat memadukan kanal pengaduan digital dengan data sensor untuk menemukan akar masalah: apakah benar terjadi anomali, atau hanya persepsi karena perubahan kebiasaan.
Dalam praktiknya, evaluasi juga perlu melihat efek samping. Ketika simpang dipercepat, kendaraan bisa menumpuk di area hilir bila kapasitas jalan setelah simpang lebih kecil (bottleneck). Artinya, kurangi kemacetan di simpang A bisa memindahkan kepadatan ke simpang B. Karena itu, evaluasi terbaik menilai satu koridor utuh, bukan hanya satu titik. Insight penutup bagian ini: keberhasilan uji coba ditentukan oleh ukuran yang tepat, bukan sekadar rasa “lebih cepat” sesaat.
Ekosistem smart city Surabaya: CCTV AI, data transportasi, dan kolaborasi lintas sektor
Pengaturan lampu lalu lintas pintar akan jauh lebih kuat jika berdiri di atas ekosistem data kota. Surabaya sudah lama bergerak ke arah itu, terlihat dari banyaknya inovasi layanan digital yang terkurasi dan diterapkan bertahap. Puncaknya, pada 2025 Surabaya mencatat 1.214 inovasi dalam satu tahun dan memperoleh pengakuan MURI. Angka tersebut bukan sekadar kebanggaan, melainkan sinyal bahwa tata kelola berbasis data mulai menjadi budaya kerja.
Dalam konteks transportasi, data dapat datang dari berbagai sumber: sensor simpang, CCTV, laporan masyarakat, hingga data operasional armada kota. Kolaborasi dengan mitra teknologi juga menjadi faktor kunci. Salah satu model yang berkembang adalah layanan pengawasan berbasis cloud (video surveillance as a service), yang memungkinkan pemantauan terpusat tanpa semua perangkat harus dikelola secara manual di tiap lokasi. Dengan pendekatan ini, pembaruan sistem, penyimpanan, dan analitik bisa lebih konsisten.
CCTV berbasis AI menambah lapisan pemahaman: bukan hanya merekam, tetapi juga mengenali pola—misalnya menghitung kendaraan parkir, memetakan kepadatan per lajur, hingga mendeteksi perilaku berbahaya yang berpotensi memicu kecelakaan dan kemacetan turunan. Di area komersial, penghitungan kendaraan parkir bisa mengurangi parkir liar yang sering memakan satu lajur dan memperparah kepadatan. Ketika parkir tertib, kapasitas jalan pulih, dan pengaturan simpang menjadi lebih efektif.
Yang menarik, data keamanan dan data mobilitas sering saling terkait. Kerumunan akibat insiden kecil—misalnya tabrakan ringan—bisa terpantau, lalu pusat kendali mengubah strategi fase untuk mengurai antrean atau mengarahkan arus. Ini menegaskan bahwa teknologi kota bukan kumpulan proyek terpisah, melainkan jaringan keputusan. Dalam cerita Rani, ia pernah terjebak antrean panjang hanya karena ada kendaraan mogok beberapa ratus meter setelah simpang. Bila sistem mampu mendeteksi perlambatan tak wajar dan memberi respons cepat, dampaknya terasa langsung.
Namun, ekosistem ini menuntut tata kelola: siapa yang mengakses data, bagaimana menjaga privasi, dan bagaimana mencegah bias keputusan. Di sinilah kebijakan dan SOP menjadi bagian dari “mesin” yang sama pentingnya dengan perangkat. Kota juga perlu memikirkan daya tahan: listrik cadangan, jaringan komunikasi yang stabil, serta kemampuan teknisi lokal agar tidak bergantung pada vendor untuk setiap penyesuaian kecil. Ketika sistem makin kompleks, kapasitas SDM menentukan apakah inovasi menjadi solusi atau justru sumber masalah baru.
Arah berikutnya yang logis adalah integrasi dengan prioritas kendaraan layanan publik. Beberapa kota mengembangkan mekanisme pre-emption: ambulans atau pemadam kebakaran mengirim sinyal agar lampu berubah hijau saat mendekat. Implementasi semacam ini dapat menyelamatkan menit yang kritis, sekaligus mengurangi kemacetan akibat kendaraan prioritas yang “memaksa” jalan. Saat ekosistem makin matang, Surabaya berpeluang menggabungkan adaptasi antrean dengan prioritas layanan darurat tanpa mengorbankan keselamatan pengguna lain.
Insight akhir bagian ini: lampu adaptif paling efektif ketika menjadi bagian dari ekosistem smart city yang memadukan data, keamanan, dan operasi lapangan dalam satu napas kebijakan.
Tantangan lapangan dan strategi lanjutan: dari perilaku pengendara hingga desain kebijakan transportasi kota
Meski teknologi bisa mengoptimalkan sinyal, kemacetan di Surabaya tetap dipengaruhi faktor yang lebih “liar”: perilaku pengendara, parkir sembarangan, aktivitas naik-turun penumpang, hingga pertumbuhan kendaraan. Di simpang yang sudah adaptif pun, satu pengendara yang menerobos atau berhenti melewati garis bisa mengganggu kapasitas lajur. Karena itu, uji coba harus dibaca sebagai bagian dari strategi lebih luas, bukan satu obat untuk semua penyakit.
Tantangan teknis yang sering muncul adalah kualitas data. Sensor bisa salah baca saat hujan lebat, ketika permukaan jalan memantulkan sinyal, atau saat ada pekerjaan utilitas yang mengubah pola antrean. Kamera pun punya tantangan: silau matahari, malam hari, dan kepadatan ekstrem yang membuat objek sulit dipisah. Solusinya bukan menuntut sistem “sempurna”, melainkan membangun redundansi dan prosedur kalibrasi berkala. Kota yang sukses biasanya memiliki jadwal audit: memeriksa akurasi sensor, membandingkan dengan hitung manual, lalu memperbaiki parameter.
Dari sisi kebijakan, Surabaya perlu memikirkan “permintaan perjalanan” (travel demand). Jika jumlah kendaraan terus naik, optimasi simpang hanya menunda masalah. Maka, kebijakan penyeimbang menjadi penting: memperkuat angkutan umum, mengatur parkir progresif di pusat kota, dan memberi insentif perjalanan non-motor (jalan kaki dan sepeda) di area yang memungkinkan. Di titik ini, lampu pintar menjadi alat taktis, sementara transformasi mobilitas adalah strategi jangka panjang.
Ada pula dimensi sosial: penerimaan publik. Warga akan menerima perubahan jika mereka merasa aturan lebih adil dan transparan. Misalnya, bila ada penertiban parkir liar, kota perlu memastikan alternatif parkir tersedia dan informasinya jelas. Bila fase lampu berubah-ubah, pengguna jalan perlu memahami bahwa perubahan itu berbasis kondisi, bukan “lampu rusak”. Komunikasi publik, papan informasi, dan edukasi keselamatan dapat mengurangi spekulasi.
Untuk membuat langkah lanjutan lebih operasional, berikut daftar tindakan yang sering dipakai kota ketika memperluas sistem adaptif setelah uji coba:
- Standarisasi integrasi antara pengendali simpang, sensor, dan pusat kendali agar perluasan tidak menjadi proyek tambal sulam.
- Penetapan koridor prioritas (misalnya akses pelabuhan, rumah sakit, dan kawasan pendidikan) agar dampak kurangi kemacetan terasa cepat.
- Penegakan aturan untuk parkir liar dan berhenti sembarangan di dekat simpang yang mengganggu kapasitas.
- Kalibrasi berkala berbasis data mingguan dan inspeksi lapangan, termasuk skenario saat hujan dan event besar.
- Integrasi transportasi publik dengan sinyal, misalnya memberi fase aman untuk penyeberang dan mendukung ketepatan waktu bus kota.
Terakhir, ada faktor global yang makin relevan: tekanan untuk menurunkan emisi perkotaan. Ketika forum internasional membahas dampak krisis iklim, kota-kota dituntut menunjukkan langkah nyata, termasuk di sektor mobilitas. Dalam konteks itu, optimasi sinyal yang mengurangi idle adalah langkah kecil namun terukur, terutama bila diiringi kebijakan yang mendorong pergeseran moda. Insight penutup: Surabaya akan paling diuntungkan ketika uji coba lampu lalu lintas pintar dipasangkan dengan disiplin penegakan, perbaikan angkutan umum, dan desain ruang jalan yang berpihak pada keselamatan.
