VALIDASI PENGGUNAAN VIDEO IMAGE RECOGNITION TECHNOLOGY (VIRT) DALAM MENDETEKSI ARUS LALULINTAS

PANDIT PRANGGANA, Prof. Dr. Techn. Ir. Danang Parikesit, M.Sc.,

2012 | Tesis | S2 Mag. S. & T.Transportasi

Data arus lalulintas merupakan komponen yang sangat diperlukan bagi perencanaan suatu kondisi lalulintas. Sampai saat ini untuk memperoleh data arus lalulintas dilakukan dengan cara survei manual perhitungan arus lalulintas, yakni dengan menugaskan beberapa orang surveyor untuk berada di lapangan (tempat survei), tentunya kegiatan survei ini membutuhkan waktu dan dana yang tidak sedikit. Dengan memanfaatkan Video Image Recognition Technology, untuk mengetahui data arus lalulintas dapat dilakukan melalui perekaman video lalulintas menggunakan kamera video yang ditempatkan pada ketinggian dan sudut tertentu. VIRT merupakan perangkat lunak yang dikembangkan oleh tim riset UGM, terdiri dari 2 tahap yaitu vehicle detection dan vehicle recognition. Tahap awal adalah deteksi obyek bergerak menggunakan metode temporal difference. Shadow removal dilakukan untuk mengurangi resiko kesalahan proses pengenalan jenis kendaraan. Metode segmentasi dan pengenalan berdasarkan fitur area, panjang, lebar digunakan untuk mengklasifikasikan kendaraan besar dan kecil. Dengan Metode Template Matching kendaraan dapat dibedakan berdasarkan klasifikasinya. VIRT mampu mengklasifikasikan dan menghitung 3 jenis kendaraan yaitu; Sepeda motor (MC), Kendaraan Kecil (LV) dan Kendaraan besar (HV) dalam pengelompokkan interval waktu. Validasi dilakukan dengan membandingkan dua metode yaitu manual dan VIRT. Dari hasil validasi dengan uji regresi linier metode scatter diagram dan Boxplot terlihat bahwa semua variabel memiliki hasil korelasi positif. Hasil uji paired samples T Test menunjukan bahwa dari 4 variabel yang diuji (MC, LV, HV dan SMP), LV memiliki korelasi kesamaan yang kuat dengan taraf signifikansi kepercayaan 95%. Berdasarkan hasil analisis fungsi grafik integral tertentu hubungan antara volume lalulintas dan interval waktu Kendaraan besar (HV) memiliki tingkat korelasi yang paling lemah, kondisi ini dipengaruhi oleh parameter dan metode yang digunakan pada prgoram VIRT belum mengakomodir secara baik jenis kendaraan tersebut. Dari hasil tahapan validasi yang dilakukan dapat disimpulkan bahwa perangkat lunak VIRT merupakan suatu solusi dalam dunia transportasi khususnya untuk mengetahui secara langsung karakteristik lalulintas pada ruas jalan sehingga perlu dikembangkan lebih lanjut agar dapat memiliki akurasi yang tepat dan mampu mendeteksi kemacetan lalulintas secara efektif dan efisien.

Traffic flow condition is a crucial part on transportation planning. The common method until today to get the traffic data is a manual survei, handled by some surveyors on field. That old fashioned survei is such of waste of time and money. By using VIRT, there are a lot of advantages that we could reach, such as time and money efficiency. VIRT method is by placing video camera on specific angle and elevation to get traffic flow data. VIRT is a software that developed by UGM’s research team, consists of two following phases, vehicle detection and vehicle recognition. The first phase is moving object detection, applying temporal difference method. The second phase is shadow removal to avoid errors on vehicle type recognition. Segmentation and recognition method based on feature of area, length, width, used for vehicle type classification. The vehicle type classification, define as motorcycle, cars, truck etc. obtained from template matching method. VIRT is able to classify and measure 3 types of vehicle as follows : Motorcycle (MC), Light Vehicle (LV), and Heavy Vehicle in certain time period. The validation process is done by comparing two different methods, manual survei and VIRT. From the validation result using linear regression (scatter diagram and Boxplot method), is shown that each variabel has a positive correlation. The paired samples T- Test result shown that from 4 tested variabels (MC, LV, HV, and SMP), LV has 95 % of confidence level lies in validation test between reality and VIRT. From the analysis using definite integral to get the correlation between traffic volume and time interval, the HV has the weakest correlation level because the VIRT doesn’t have enough parameter data related to this vehicle type. From the validation process, knows that the VIRT software is a solution in transport world especially to identify the traffic characteristic on road directly and needs further developing process in order to get higher accuration and able to detect the traffic congestion effectively and efficiently.

Kata Kunci : Video Image Recognition Technology, VIRT, Lalulintas, Vehicle Detection, Vehicle recognition, Validasi.