Simulasi kinerja lalu lintas kendaraan tanpa awak di area perkotaan

Main Article Content

Hasriwan Putra, Rochdi Merzouki

Abstract

Permasalahan transportasi perkotaan, khususnya di Jakarta, semakin memburuk. Kondisi itu dipersulit dengan keterbatasan lahan untuk membangun infrastruktur baru. Saat ini sedang dikembangkan berbagai teknologi untuk mengatasi permasalahan transportasi yang ada di perkotaan terutama masalah kemacetan yang sulit untuk diatasi. Sebagai bagian dari upaya untuk meningkatkan kualitas transportasi yang semakin rumit dengan tidak membangun infrastruktur baru, namun dalam penelitian ini ingin mengenalkan penggunaan kendaraan tanpa awak di lalu lintas perkotaan di Jakarta. Penelitian ini menggunakan pemodelan dan simulasi transportasi dengan menggunakan parameter lingkungan yang sebenarnya. Dengan penggunaan model Two fluid dapat menggambarkan waktu tempuh dan indikator kualitas lalu lintas pada jaringan lalu lintas. Tujuan yang ada dalam penelitian ini adalah untuk menganalisis kinerja lalu lintas kendaraan tanpa awak (Intelligent Autonomous Vehicle/IAV) yang akan dibandingkan dengan kendaraan konvensional dengan menggunakan simulasi lalu lintas SCANeR™studio. Kesimpulan yang didapat dari penelitian adalah kinerja lalu lintas kendaraan tanpa awak (IAV) di area perkotaan lebih baik dibandingkan kendaraan konvensional karena waktu tempuh lebih pendek dan parameter kualitas lalu lintas juga lebih baik yaitu : (1) IAV → n = 0.01, Tm = 2.24 min/km, kecepatan rata-rata = 13.61 km/h ; (2) Kendaraan konvensional → n = 0.03, Tm = 2.37 min/km, kecepatan rata-rata = 12.02 km/h.

Downloads

Download data is not yet available.

Article Details

Section

Articles

References

Chen D., L. Zhang, J. Wang, and F.Y. Wa. 2002. Freeway Traffic Stream Modeling Based on Principal Curves, IEEE.

Crowe J.M. 2007. The Calibration, Validation, and Comparison of Vissim Simulations Using The Two-Fluid Model. Florida Institute

of Technology.

Doh T., H. Kim, K. Kang, and W. Kook. 2009. “Analysis of Speed-Density Traffic Flow Models on A Merge Influence Section in

Uninterrupted Facility”. Proceedings of the Eastern Asia Society for Transportation Studies. Vol.7.

Erlingsson S., A.M. Jonsdottir and T. Thorsteinsson. 2006. Traffic Stream Modeling of Road Facilities. Transport Research.

Gazis D.C. 2002. Traffic theory. kluwer academic publishers.

Herman R. and I. Prigogine. 1979. “A Two-Fluid Approach to Town Traffic”, Science 204(4389) : 148-151.

Hu X., W. Wang and H. Sheng.2010. “Urban Traffic Flow Prediction with Variable cell Transmission Model”. Journal of

transportation systems eng and IT 10(4).

Kumar P., Merzouki R., Conrard B., Coelen V., and Ould Bouamama B. 2014. “Multilevel Modeling of The Traffic Dynamic”. IEEE

(3) : 1066-1082

Lee C., J.W. Yu, H.R. Yoon and K. Sohn. 2005. “Characterizing Urban Network Performance Using Two-Fluid Model”, Journal of

the Eastern Asia Society for Transportation Studies 6 : 1534 – 1544.

Li Z., S. Yin, Y. Tian, L. Li, Z. Zhao and Y. Ji. 2008. “Urban Traffic Flow Volume Modeling for Beijing Using a Mixed-Flow Model”.

Journal of Transportations Systems Engineering and Information Technology 8 (3).

Park P.Y. and M. Abdel-Aty. 2011. A Stochastic Catastrophe Model Using Two-Fluid Model Parameters to Investigate Traffic Safety

on Urban Arterials. Accident Analysis and Prevention. Elsevier.

Putra, Hasriwan. 2011. Urban Traffic Management Using Intelligent Transportation System (ITS). Tesis, Departemen Teknik Sipil,

Universitas Indonesia.

Quek C., M. Pasquier and B. Lim. 2009. “A novel self-organizing fuzzy rule-based system for modeling traffic flow behavior”, Expert

Systems with Applications 36 : 12167–12178.

Rakhmat L.A. dan A.A. Bawono. 2009. Analisis Dampak Lalu Lintas Akibat Pembangunan Gedung Graha Energi (Medco Tower).

Institut Teknologi Bandung.

H. Putra et al / Jurnal Transportasi Multimoda, Vol. 16 (2018): 65-76

Tolba C., D. Lefebvre, P. Thomas and A. El Moudni. 2005. Continuous and timed Petri Nets for the macroscopic and microscopic

traffic flow modelling, Simulation Modelling practice and Theory. Elsevier.

Van den Berg M., A. Hegyi, B. De Schutter, and J. Hellendoom. 2003. “A Macroscopic Traffic Flow Model for Integrated Control of

Freeway and Urban Traffic Networks”. Proceedings of the 42nd IEEE Conference on Decision and Control Mad.

Williams J.C., H.S. Mahmassani and R. Herman. 1995. “Sampling Strategies for Two-Fluid Model Parameter Estimation in Urban

Networks”. Elsevier Science 29A (3) : 229-244.

Yu Y.J and M.G. Cho. 2008. “A Short-Term Prediction Model for Forecasting Traffic Information Using Bayesian network”,

International conference on convergence and hybrid IT.

Z. Xiang, R. Jian, W. Jiancheng and S. Changqiao. 2007. “Network-wide Performance Assessment of Urban Traffic Based on Probe

Vehicle Data”, Proceedings of IEEE Intelligent Transportation Systems Conference Seattle.

Badan Pusat Statistik Prov. DKI Jakarta. 2011. Statistik Transportasi DKI Jakarta Tahun 2011.

//jakarta.bps.go.id/backend/pdf_publikasi/Statistik-Transportasi-DKI-Jakarta-Tahun-2011.pdf.

//www.oktal.fr/fr/automobile/gammes-de-simulateurs/produits-logiciels-scaner

//scbd.com/menu/page/home

www.intrade-nwe.eu