Sebuah laporan industri terbaru menunjukkan bahwa sistem kereta api Inggris dapat menampung tambahan satu miliar perjalanan pada pertengahan 2030-an, berdasarkan 1,6 miliar perjalanan penumpang yang tercatat hingga Maret 2024. Dekade mendatang diharapkan akan memperkenalkan campuran kompleksitas dan kontrol seiring dengan semakin banyaknya sistem digital, data, dan pemasok yang saling terhubung yang meningkatkan potensi terjadinya kegagalan.
Laporan tersebut menekankan bahwa AI akan menjadi tulang punggung operasi kereta api modern. Alih-alih berfungsi sebagai sistem terpusat tunggal, AI akan diintegrasikan dalam lapisan di berbagai komponen seperti infrastruktur, armada, fasilitas pemeliharaan, dan stasiun. Teknologi ini bertujuan untuk meningkatkan pengawasan manusia dalam operasi sehari-hari, bukan sepenuhnya menggantikan peran manusia.
Saat ini, pemeliharaan kereta api sebagian besar bergantung pada jadwal tetap dan inspeksi manual, yang bersifat reaktif dan memerlukan banyak tenaga kerja. Laporan tersebut menyoroti praktik saat ini dari Network Rail yang mengharuskan insinyur untuk secara fisik memeriksa rel untuk cacat. AI diperkirakan akan merevolusi proses ini dengan memungkinkan pemeliharaan prediktif, memanfaatkan data dari sensor untuk memprediksi kegagalan sebelum menyebabkan gangguan yang signifikan.
Pendekatan prediktif ini melibatkan berbagai teknologi, termasuk kamera definisi tinggi, pemindai LiDAR, dan monitor getaran, yang mengirimkan data ke sistem pembelajaran mesin. Sistem ini dapat mendeteksi tanda-tanda awal degradasi pada rel, sinyal, dan aset listrik, memungkinkan peringatan dihasilkan beberapa bulan sebelumnya, sehingga meminimalkan intervensi darurat. Tujuannya adalah untuk beralih dari model "temukan dan perbaiki" ke strategi "prediksi dan cegah".
Selain pemeliharaan prediktif, optimisasi operasional melalui AI dapat memberikan manfaat yang substansial. Sistem AI menganalisis data waktu nyata dan historis—seperti posisi kereta, kecepatan, dan ramalan cuaca—untuk memprediksi gangguan dan mengelola aliran lalu lintas secara efektif. Uji coba di Eropa yang melibatkan kembar digital dan manajemen lalu lintas berbasis AI bertujuan untuk meningkatkan kapasitas jaringan tanpa perlu jalur tambahan. Selain itu, algoritma dapat membantu pengemudi dalam mengoptimalkan percepatan dan pengereman, yang berpotensi menghasilkan penghematan energi yang signifikan di seluruh jaringan. Seiring dengan perkembangan AI, aplikasinya dalam keselamatan dan keamanan juga akan berkembang, termasuk deteksi rintangan yang canggih dan pemantauan ruang publik.
Seiring dengan kemajuan integrasi teknologi operasional dan TI, keamanan siber menjadi semakin penting. Sistem warisan yang tidak memiliki strategi penggantian menimbulkan risiko signifikan, terutama ketika dikombinasikan dengan analitik modern. Masa depan AI dalam kereta api akan bergantung pada kemampuan untuk menerapkan sensor di lingkungan yang menantang, mengembangkan model yang dapat dipercaya, dan memastikan bahwa ketahanan siber dipandang sebagai bagian integral dari keselamatan fisik. Laporan tersebut menyimpulkan bahwa integrasi AI ke dalam sistem kereta api tidak dapat dihindari; pertanyaan kuncinya adalah apakah industri akan mengambil langkah proaktif untuk mengelola kompleksitas ini atau membiarkannya berkembang tanpa pengelolaan.