Analisis Kesenjangan Deteksi Kendaraan Berbasis Visi Komputer pada Lampu Lalu Lintas Adaptif

Abstrak

Kemacetan lalu lintas di persimpangan perkotaan sebagian besar disebabkan oleh sistem lampu dengan durasi tetap yang tidak mampu menyesuaikan volume kendaraan yang berfluktuasi. Sistem kendali lampu lalu lintas adaptif mengatasi masalah ini dengan mengatur durasi berdasarkan kepadatan kendaraan aktual, dan deteksi kendaraan berbasis visi komputer menyediakan data masukan untuk proses tersebut. Artikel ini menganalisis kesenjangan antara data yang dibutuhkan sistem kendali dan data yang dihasilkan metode deteksi pada kondisi lapangan. Kajian ini bersifat konseptual berbasis literatur, bukan pengujian sistem secara langsung. Temuan menunjukkan bahwa metode deteksi yang telah digunakan, termasuk blob detection, YOLOv3, YOLOv4, YOLOv8, HSV, dan K-Means, mengalami penurunan performa akibat kepadatan kendaraan, cuaca, pencahayaan, kualitas video, sudut kamera, jarak pandang, dan posisi kendaraan yang saling berhimpitan. Kesenjangan utama terletak pada ketidakcocokan antara kebutuhan sistem kendali terhadap data yang akurat dan keterbatasan metode deteksi pada kondisi lalu lintas nyata. Pengembangan sistem lampu lalu lintas adaptif perlu menempatkan akurasi deteksi kendaraan sebagai prioritas agar pengaturan durasi lampu dapat berjalan efektif.

Identifier

• OpenAlex: https://openalex.org/W7201841638
• DOI: https://doi.org/10.23887/jjpte.v15i2.119263