Improving Vehicular Traffic Level of Service by Applying Vehicle Classification in Density Estimation using V2X Communication

DANIEL FEBRIAN SENGKEY, Widyawan, S.T., M.Sc., Ph.D.; I Wayan Mustika, S.T., M.Eng., Ph.D

2015 | Tesis | S2 Teknik Elektro

Dalam dekade terakhir, penggunaan Vehicular Ad hoc Network (VANET) untuk mengestimasi kepadatan lalu lintas muncul. Tetapi, pendekatan-pendekatan yang telah ada hanya menggunakan jumlah kendaraan tanpa memperdulikan jenisnya. Sementara itu, jenis kendaraan yang berbeda akan memberikan dampak yang berbeda pula terhadap performa lalu lintas. Peneli- tian yang ada dalam makalah ini merupan usulan metode untuk menyertakan jenis kendaraan dalam teknik estimasi kepadatan lalu lintas menggunakan VANET. Model yang diusulkan dirancang untuk memiliki kemam- puan memperkirakan kepadatan dan memprediksi kemacetan berdasarkan perbandingan antara volume kendaraan dan ka- pasitas jalan atau yang dikenal juga dengan Nisbah Volume per Kapasitas (NVK). Apabila NVK melewati ambang batas yang ditentukan, maka sebuah pesan darurat akan dikirimkan. Didalam pesan ini terdapat informasi identitas kendaraan yang mengalami kemacetan. Model ini diimplementasikan ke dalam simulasi komputer untuk validasi dan evaluasi. Hasil validasi menunjukkan bahwa model ini bekerja sesuai yang diharapkan. Evaluasi dengan menggunakan metoda-metoda statistik me- nunjukkan bahwa informasi yang diberikan dapat meningkatkan performa jalan dalam hal kepadatan, okupansi, waktu tempuh dan kecepatan ketika ada banyak kendaraan besar. Sebagai contoh, dalam hal kepadatan, median dari skenario tanpa VANET adalah 519.50; menggunakan VANET namun tanpa pembedaan jenis kendaraan 385.90; sedangkan dengan VANET dan klasifikasi kendaraan 446.1. Tetapi sebaliknya, dalam kondisi dengan lebih banyak kendaraan besar, besaran mediannya adalah masing-masing 360.30, 369.60, dan 284.30 untuk skenario tanpa VANET, dengan VANET tanpa klasifikas, dan menggunakan keduanya.

In the last decade, utilisation of Vehicular Ad hoc Network (VANET) to estimate vehicular traffic density arises. However, former approaches only take number of vehicles without bothering the types. Meanwhile, different vehicle type brings different impact on traffic performance. Research covered in this thesis is proposed method to include vehicle classification in VANET-utilised density estimation technique. At first, a simple application layer that made use of the available network packet in VANET is proposed. The simple model will attach vehicle id and type in sent packets. Later, each time another node receive the packet, it will read the data and calculate density caused by various vehicle types. The second model is based on the first model. This model is able to estimate density and predict congestion based on proportion between current volume and the road capacity, or also known as Volume-to-Capacity (VC) Ratio. If the VC Ratio exceeds the threshold, an emergency message will be send. This emergency message contains the congested road id. Both models were implemented into computer simulation for validation and evaluation. The validation results show that each model worked as expected. Evaluation using statistical methods of the advanced model shows that provided information could improve road performance in terms of density, occupancy, travel time and speed when there were a lot of heavy vehicles on the road. For example, in term of traffic density the medians of non VANET scenario, with VANET but without types distinction, and with types distinction during simulation of standard vehicle types distribution are 519.50, 385.90, and 446.1, respectively. However if there are more HVs on the road, the medians are 360.30, 369.60, and 284.30 for non VANET scenario, with VANET without types distinction, and with both functions, respectively.

Kata Kunci : Level of Service, VANET, V2X communication, ITS