PEMANFAATAN KAMERA CCTV SEBAGAI ALAT BANTU TRAFFIC SURVEY BIDANG : TRAFFIC ENGINEERING Ressi Dyah Adriani NPP 10529
[email protected]
ABSTRAK Data kepadatan lalu-lintas merupakan kebutuhan yang mendasar dan penting bagi ilmu transportasi, khususnya untuk pengembangan jalan tol PT. Jasa Marga (Persero), Tbk yang erat kaitannya dengan ilmu transportasi. Dalam membuat rekomendasi untuk pengembangan usaha, tim dari Departemen Traffic Engineering PT. Jasa Marga (Persero), Tbk membutuhkan pengambilan data lalu lintas melalui survey lalu lintas yang biasanya dilakukan secara manual. Saat ini kamera video telah diterapkan untuk memantau kepadatan lalu-lintas, namun belum berkontribusi secara penuh dalam proses perencanaan dan pengembangan usaha. Kontribusi video dalam proses perencanaan dan pengembangan usaha dapat dilakukan dengan membuat aplikasi image processor dan juga menggunakan sistem Video Image Vehicle Detection System agar bisa mendapatkan data yang akurat serta lebih efektif dan efisien. Keywords : Video Image Vehicle Detection System, Image Processor, data lalu lintas 1.
PENDAHULUAN
Departemen Traffic Engineering pada Divisi Highway and Traffic Engineering PT. Jasa Marga (Persero), Tbk memiliki tanggung jawab untuk memberikan rekomendasi terkait proyeksi lalu lintas jangka menengah dan jangka panjang serta kajian kapasitas lajur dan juga gerbang tol. Dalam memberikan rekomendasi tersebut, dibutuhkan pengambilan data melalui survey lalu lintas yang biasanya dilakukan secara manual oleh tim dari Departemen Traffic Engineering. Data yang dibutuhkan adalah data kepadatan lalu lintas, seperti arus kendaraan, kecepatan kendaraan, waktu tempuh, serta origin – destination. Pengambilan data tersebut biasanya dilakukan pada dua kondisi yaitu pada jam sibuk (peak time) dan jam tidak sibuk (off peak time). Biasanya data – data tersebut selalu berubah dan memerlukan pembaharuan (update) data. Data lalu lintas merupakan komponen yang sangat diperlukan bagi perencanaan suatu kondisi lalu lintas. Sebagai operator jalan tol terkemuka di Indonesia, PT. Jasa Marga (Persero), Tbk harus selalu melakukan inovasi untuk pengembangan perusahaan. Oleh karena itu, untuk mendukung pengembangan perusahaan ke depannya, perlu dilakukan inovasi dalam melakukan pengambilan data lalu lintas sehingga hasil yang didapatkan lebih efektif dan efisien. Pemanfaatan teknologi untuk pengambilan data lalu lintas sebenarnya telah banyak dilakukan di berbagai negara dan dengan berbagai metoda yang dapat dipilih untuk pengambilan data lalu lintas tersebut, seperti metoda supersonik, closed loop, radar, dan sebagainya, namun 1
tidak dapat menyajikan informasi yang lengkap mengenai keadaan lalu lintas. Deteksi kendaraan melalui pemrosesan video menjadi lebih menjanjikan karena dapat menyelesaikan persoalan yang lebih kompleks dan dapat menyediakan informasi lebih banyak. Deteksi kendaraan dengan pemrosesan video menjadi salah satu teknik menjanjikan untuk analisis data dan informasi lalu lintas. Penelitian mengenai deteksi kendaraan berbasis kamera video sudah dimulai dari akhir 1970an. Autoscope, sebuah sistem deteksi citra video diinisiasi di University of Minnesota pada tahun 1984. Kebutuhan untuk alat deteksi lalu lintas dengan biaya pemasangan dan perawatan kecil namun dapat mengambil lebih banyak data aliran lalu lintas menjadikan pengembangan dari sistem deteksi berbasis computer vision. Pada tahun 1990, perbandingan yang dilakukan Minnesota Department of Transportation menunjukkan bahwa deteksi berbasis kamera video lebih efektif dari segi biaya dibandingkan dengan alat deteksi yang telah ada. PT. Jasa Marga (Persero), Tbk telah memasang kamera CCTV di ruas-ruas jalan tol yang dimilikinya. CCTV tersebut berfungsi untuk monitoring kondisi lalu lintas yang terintegrasi dengan pusat komunikasi PT. Jasa Marga (Persero), Tbk, yaitu JMTIC (Jasa Marga Traffic Information Center). Hal ini dilakukan sebagai cara untuk meningkatkan pelayanan PT. Jasa Marga (Persero), Tbk sebagai operator jalan tol terkemuka di Indonesia kepada pengguna jalan tol milik PT. Jasa Marga (Persero), Tbk. Penggunaan CCTV tersebut dapat dimaksimalkan untuk berkontribusi terhadap proses perencanaan dan pengembangan usaha PT. Jasa Marga (Persero), Tbk. Kamera CCTV dapat dimaksimalkan penggunaannya untuk menentukan kepadatan lalu lintas dengan dimodifikasi menggunakan teknik computer vision pada program komputer. Dengan modifikasi pada Kamera CCTV, maka akan bisa langsung didapatkan hasil data lalu lintas yang real-time. Tulisan ini akan membahas mengenai pengambilan data lalu lintas menggunakan alat bantu kamera CCTV melalui data rekaman video CCTV yang diperoleh dari JMTIC maupun rekaman video CCTV real – time.
2
2. METODE DAN PEMBAHASAN 2.1 Pengambilan Data Lalu Lintas Menggunakan Data Rekaman Video CCTV 2.1.1
Deskripsi Metode
3. Proses pengambilan data lalu lintas menggunakan data rekaman video CCTV dilakukan menggunakan metode image processing dengan program komputer yang diaplikasikan pada data gambar hasil rekaman video CCTV. Berikut dijabarkan proses yang terjadi dalam metode image processing dalam bagan alir : 4. MULAI
5.
Pengambilan Citra
6. 7.
Pengolahan Citra
8. 9.
Output
10. SELESAI
11.
12. Gambar 2.1 Bagan Alir Image Processing
13. Penjelasan bagan alir : 1. Pengambilan Citra 14. Pada saat pengambilan data, kamera CCTV dipasang secara stasioner di lokasi-lokasi yang dikehendaki untuk diambil data lalu lintasnya. CCTV yang digunakan minimal memiliki sistem streaming 10 FPS, dengan kapasitas penyimpanan 3 TB, minimal TVL yaitu 550 TVL dan format gambar adalah H264/MPEG 4. Gambar video yang diambil dari kamera selanjutnya disimpan ke dalam komputer dalam format .avi kemudian dikonversikan ke dalam format .mpg. 2. Pengolahan Citra 15. Citra masukan yang telah ditangkap oleh kamera CCTV kemudian diubah menjadi citra dua warna dengan poses grayscaling. Proses grayscaling bertujuan mempermudah komputasi citra sehingga tahap berikutnya dalam pengolahan citra dapat dilanjutkan. Selanjutnya dilakukan penentuan detection window (virtual loop) pada jalur kendaraan yang akan diamati. Detection window atau ROI (Region of Interest) pada background dan frame harus pada posisi yang sama sehingga luasan area yang diamati sama persis. Jumlah nilai pixel pada frame dan background diambil selisihnya dan dikuadratkan. Hasil tersebut dibagi dengan luasan detection window untuk dinormalisasi. Proses filtering perlu dilakukan untuk mengurangi noise yang terjadi sehingga bilamana dilakukan thresholding, sistem dapat bekerja dengan baik. 3
16. Berikut skema pengolahan data yang dilakukan dalam aplikasi image processing :
17. 18. 19. Gambar 2.2 Bagan Alir Pengolahan Citra
4
3. Output 4. Output yang didapatkan dari proses computer vision (image processing) tersebut adalah jumlah kendaraaan yang melewati lajur yang telah ditetapkan.
5. 6. Gambar 2.3 Contoh Hasil Perhitungan Kendaraan Menggunakan Aplikasi Image Processing 7.
19.1.1 Evaluasi 1. Kelebihan
Tidak memerlukan biaya yang besar, hanya memerlukan sumber daya manusia yang paham dan ahli dalam bidang image processing untuk membuat program/aplikasi image processing tersebut.
Sistem yang digunakan tidak rumit, tidak memerlukan instalasi kamera CCTV baru khusus untuk pengambilan data lalu lintas.
Tingkat keberhasilan dari sistem mencapai 80% dalam menghitung kepadatan lalu lintas.
2. Kekurangan
Belum bisa mendeteksi perbedaan golongan, yang dihitung hanya kendaraan yang melintas pada lajur yang ditetapkan tanpa memperhatikan perbedaan golongan yang ada. Hal ini dapat diatasi dengan pengembangan sistem menggunakan database sehingga golongan kendaraan bisa dideteksi dan juga dengan penentuan angle yang tepat dalam meletakkan kamera CCTV.
Masih bergantung terhadap kondisi cuaca dalam mendeteksi kendaraan. Tingkat akurasi akan semakin baik apabila dilakukan dalam kondisi cuaca cerah.
8.
5
19.2 Pengambilan Data Lalu Lintas Menggunakan Video Image Vehicle Detection System 19.2.1 Deskripsi Metode 19.3 Dalam NCHRP Proyek 3-79, "Mengukur Kinerja Automobile Lalu Lintas di Jalan Perkotaan", Bonneson et al mengevaluasi beberapa teknik untuk mengukur panjang antrian dan delay di simpang bersinyal. Kendati demikian, sistem ini dapat diaplikasikan pula untuk pengambilan data lalu lintas pada jalan tol. Teknik yang terlibat menggunakan sistem gambar deteksi kendaraan video (VIDs) untuk memonitor panjang pendekatan persimpangan untuk mendapatkan perkiraan real-time dari waktu tempuh kendaraan , kecepatan setempat, panjang antrian, delay, dan jumlah kendaraan. Estimasi kecepatan setempat lebih akurat jika detektor video yang dipasang di lokasi midblock yang tidak dipengaruhi oleh antrian. 19.4 Teknik deteksi video melibatkan persiapan serangkaian deteksi virtual loop di jalur masing-masing pada jarak tertentu dari garis pengamatan. Virtual loop ini memberikan informasi volume dan kepadatan, serta kecepatan yang sama seperti inpavement loop. Ketika detektor menunjukkan kehadiran kendaraan, teknik ini mengasumsikan bahwa panjang antrian adalah sama dengan jarak yang diaplikasikan untuk detektor. 19.5Gambar di bawah menggambarkan instalasi VIDs
19.6 19.7
Gambar 3.1 Ilustrasi Instalasi VIDs pada Jalan Tol
19.8 19.9 Video Image Vehicle Detectors System biasanya digunakan untuk mengumpulkan data kecepatan setempat menggunakan virtual loop tunggal. Namun, video image processor dapat
6
digunakan untuk mengumpulkan data waktu tempuh dengan menciptakan beberapa zona deteksi untuk setiap jalur yang dipantau. 19.10 Berikut fitur yang digunakan dalam Video Image Vehicle Detector System : Kamera Deteksi - Dipasang pada lokasi yang sesuai yang bisa memberikan gambaran jelas area yang diamati untuk pengambilan data. Output Processor Komunikasi - Transmisi kabel atau nirkabel pada video atau sinyal deteksi terhadap jaringan TCP/IP Template laporan standar – volume, jenis kendaraan, lajur, jam dan tanggal 19.11 Virtual loop ini akan diaplikasikan di sepanjang lajur lalu lintas hingga jarak kurang lebih 12 km dan akan menyediakan waktu tempuh pada jarak yang dilingkupi oleh virtual loops tersebut. Berikut ilustrasi pengolahan data yang dilakukan menggunakan VIDs. 19.12
19.13
Gambar 3.2 Ilustrasi Pengolahan Data Menggunakan VIDs
19.14 Video Vehicle Detector mengirimkan data ke pusat komunikasi, lalu operator di pusat komunikasi mengatur virtual loops jalur yang diamati sehingga bisa didapatkan laporan secara otomatis yang berisi volume lalu lintas, tipe kendaraan, lajur, juga waktu dan tanggal dari rekaman video secara real - time. 19.14.1
Evaluasi
1. Kelebihan
Dapat memberikan data yang real-time.
Terbukti dapat memberikan data kecepatan yang akurat namun kurang akurat untuk data volume kendaraan dibandingkan dengan menggunakan in pavement loops. 7
Memperhitungkan golongan kendaraan ketika menghitung jumlah kendaraan.
Dalam satu sorotan kamera pada VID, dapat diatur untuk melakukan berbagai pekerjaan seperti deteksi kendaraan dan kecepatan setempat.
2. Kekurangan
20.
Sistemnya membutuhkan pemeliharaan preventif dan perbaikan yang mendadak.
Dibutuhkan instalasi sistem kamera CCTV untuk VIDs
Biaya pemasangan yang relatif mahal jika dibandingkan dengan in pavement loop dan pembuatan aplikasi image processing, yaitu sebesar $4000 per km atau $2000 per lokasi.
KESIMPULAN 20.1 Tulisan ini menjadi sebuah titik awal dalam diskusi untuk penggunaan teknologi baru dalam usaha pengumpulan data lalu lintas. Kedua teknologi yang telah dibahas dalam tulisan ini memiliki kelebihan dan kekekurangan masing-masing dalam fitur yang ada. Berdasarkan kelemahan dan kekurangan yang dibahas, dapat disimpulkan bahwa Video Image Vehicle Detection System secara sistem lebih baik dibandingkan dengan menggunakan aplikasi Image Processor. Namun, dari segi pelaksanaan, akan lebih rumit untuk melakukan instalasi kamera CCTV khusus VIDs dibandingkan dengan menggunakan aplikasi Image Processor. Selain itu, biaya yang dikeluarkan untuk memasang VIDs lebih besar dibandingkan dengan aplikasi Image Processor. 20.2 Kelemahan dari aplikasi Image Processor dapat diatasi dengan dengan pengembangan sistem menggunakan database sehingga golongan kendaraan bisa dideteksi dan juga dengan penentuan angle yang tepat dalam meletakkan kamera CCTV yang digunakan. Untuk data waktu tempuh dan kecepatan yang belum bisa didapatkan dari aplikasi Image Processor dapat dihitung secara manual langsung dari video yang ada apabila dibutuhkan. Untuk lebih jauhnya lagi, dapat pula dilakukan pengembangan terhadap aplikasi Image Processor tersebut agar dapat mengumpulkan data waktu tempuh dan kecepatan setempat sama seperti hasil yang didapatkan dari sistem VIDs.
21.
REFERENSI 21.1
Cambridge Systematics, Inc. 2012. Travel www.camsys.com [accessed May, 23rd 2015]
Time
Data
Collection,
from
21.2
Rachmadi, et al. 2012. Beagleboard Embedded System For Adaptive Traffic Light Control System With Camera Sensor. Depok : Universitas Indonesia
21.3
Wang, et al. 2008. Review on Vehicle Detection Based on Video for Traffic Surveillance. Qingdao : IEEE International Conference on Automation and Logistics
21.4
Pahlawan, et al. 2015. Perancangan dan Implementasi Sistem Anti Tabrakan: Sistem Pendeteksi Mobil dan Pergerakan Mobil Pada Siang Hari. Bandung : Universitas Telkom
8
