Perancangan Sistem Deteksi Kendaraan Dan Tingkat Pelayanan Jalan Dengan Metode Blob Tracking
| Main Author: | Adiwijaya, Benny |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/146831/1/Sistem_Deteksi_Celah_Keamanan_Pada_Aplikasi_Web_Di_Universitas_Brawijaya.pdf http://repository.ub.ac.id/146831/ |
Daftar Isi:
- Informasi tingkat pelayanan jalan menjadi hal yang penting dalam mengantisipasi terjadinya kemacetan di jalan. Dengan berkembangnya teknologi memungkinkan pemantauan lalu lintas dilakukan oleh komputer melalui video. Dalam penelitian ini dirancang sebuah sistem yang mampu menghitung jumlah kendaraan, mengklasifikasikan jenis kendaraan, menghitung kecepatan kendaraan dan mendeteksi tingkat pelayanan jalan dengan metode blob tracking pada embedded system. Kamera diletakkan di atas permukaan jalan untuk menangkap keadaan lalu lintas dalam bentuk video. Video kemudian diekstrak menjadi beberapa frame sebagai citra untuk diproses. Dalam mendeteksi kendaraan dilakukan proses background subtraction untuk mendapatkan objek yang bergerak berupa citra biner. Citra biner kemudian ditelusuri untuk mendeteksi kumpulan piksel yang saling berhubungan yang disebut blob. Selanjutnya posisi centroid blob dilacak pergerakannya pada setiap pergantian frame sebagai posisi kendaraan. Kendaraan mulai dihitung saat posisi kendaraan melewati garis virtual yang telah dibuat. Dalam mengklasifikasikan jenis kendaraan menjadi tiga yaitu sepeda motor, kendaraan ringan dan kendaraan berat dengan membandingkan luas area kendaraan. Kecepatan kendaraan didapatkan dengan menghitung jarak dibagi waktu kendaraan melewati garis virtual. Sistem melakukan analisis lalu lintas setiap menit yang meliputi volume lalu lintas, derajat kejenuhan, kecepatan rata-rata dan tingkat pelayanan jalan. Dari hasil pengujian didapatkan bahwa sistem ini mampu menghitung jumlah kendaraan dengan akurasi rata-rata 89,07%, menghitung volume lalu lintas dengan akurasi rata-rata 91,3%, mengklasifikasikan jenis kendaraan dengan akurasi rata-rata 100%, menghitung kecepatan kendaraan dengan akurasi rata-rata 92,1 %, serta mendeteksi tingkat pelayanan jalan dengan akurasi rata-rata 96,6%. Performansi sistem yang diterapkan pada embedded system Raspberry Pi 2 memiliki kecepatan pengolahan data rata-rata 28,31 fps.