Secara tradisional, Matriks Asal-Tujuan (MAT) perjalanan diperoleh melalui survei
pengguna jalan raya yang sangat mahal dan mungkin menghadapi masalah bias
pengambilan sampel atau kesalahan pencatatan data. Meningkatnya penggunaan
Big Data dalam bidang transportasi pada beberapa tahun terakhir memungkinkan
pengamatan langsung arus lalu lintas di berbagai ruas jalan. Salah satu platform
penyedia waktu tempuh transportasi adalah Google melalui Google Maps API yang
dapat memberikan data waktu tempuh di berbagai ruas jalan secara real time.
Dengan metode yang tepat, arus lalu lintas di ruas jalan yang berbeda dan waktu
yang berbeda akan dapat mencerminkan kebutuhan transportasi dan
memungkinkan pengelolaan perencanaan lalu lintas perkotaan yang lebih efektif
dan efisien. Oleh karena itu, dilakukan estimasi MAT perjalanan dinamis
menggunakan data waktu tempuh dari Google Maps API dengan mengambil studi
kasus di Kota Bandung. Metode analisis pada penelitian ini menggunakan dua tahap
pertama pada four step model yaitu yaitu bangkitan pergerakan dan sebaran
pergerakan. Berdasarkan hasil pengamatan, puncak kesibukan lalu lintas di Kota
Bandung terjadi pada pukul 08.00 WIB dan 17.00 WIB untuk hari Senin dan Jumat,
serta pukul 15.00 WIB untuk hari Sabtu dan Minggu. Berdasarkan hasil estimasi
bangkitan pergerakan, jumlah perjalanan terbesar terjadi pada hari Senin pukul
17.00 WIB dengan 723.003 perjalanan dan jumlah perjalanan terkecil terjadi pada
hari Minggu pukul 15.00 WIB dengan 354.639 perjalanan. Adapun rata-rata dari
jumlah perjalanan dari keempat hari yang diestimasi sebesar 484.658 perjalanan.
Sedangkan berdasarkan hasil estimasi distribusi pergerakan, pola pergerakan pada
hari kerja cenderung lebih terkonsentrasi pada wilayah Kota Bandung bagian barat,
sedangkan pada akhir pekan pola pergerakan relatif memiliki intensitas yang merata
di seluruh wilayah Kota Bandung. Dari hasil uji statistik dengan indikator Root
Mean Square Error (RMSE) dan Geoffrey E. Havers (GEH), jenis pemodelan
estimasi distribusi pergerakan dengan eror terkecil adalah Unconstrained Gravity
Model dengan fungsi hambatan pangkat. Nilai rata-rata RMSE dari model tersebut
sebesar 370, kemudian untuk nilai rata-rata GEH sebesar 2,40 sehingga hasil
pemodelan dapat dikategorikan baik karena bernilai kurang dari 5,0.