Salah satu alternatif transportasi umum bertenaga listrik yang dapat penduduk
gunakan sebagai moda angkutan dalam kota adalah trem. Trem dalam
pengoperasiannya bergerak dalam kondisi mixed traffic sehingga kemungkinan
kecelakaan dengan pengguna jalan lainnya juga meningkat. Ketidakpekaan dan
kelalaian pengguna jalan (termasuk trem) terhadap kondisi lalu lintas yang
disimbolkan dengan rambu lalu lintas umumnya menjadi salah satu penyebab
terjadinya kecelakaan. Upaya untuk mengatasi terjadinya kecelakaan ini dilakukan
dengan pengembangan trem yang dapat beroperasi secara otonom berdasarkan
kondisi lalu lintas pengoperasiannya yang digambarkan/disimbolkan dengan rambu
lalu lintas. Kemampuan ini diwujudkan dalam suatu sistem yang disebut traffic sign
recognition system. Sistem ini dibangun dengan model kecerdasan buatan untuk
mengenali rambu lalu lintas.
Pada pembuatan model tersebut, dibutuhkan data-data yang dapat menjadi referensi
untuk dipelajari oleh model agar dapat beroperasi sesuai yang diinginkan. Data-
data tersebut dikumpulkan dan diberikan anotasi sehingga terbentuklah dataset
yang akan digunakan untuk training model sebagai proses dari pembuatan model
object recognition. Pengembangan dataset juga dibutuhkan kriteria-kriteria tertentu
agar model yang dihasilkan dapat merepresentasikan performa yang diinginkan.
Variasi data dibutuhkan agar model yang dihasilkan tidak overfit. Hal itu dilakukan
dengan memastikan data-data yang menjadi refensi tidak mirip atau sama persis
satu sama lainnya, juga dapat dilakukan augmentasi untuk kondisi-kondisi yang
tidak ditemukan secara nyata pada data awal. Dengan dataset yang dibuat model
diharapkan dapat beroperasi sesuai yang diinginkan dengan performa yang baik.