Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
STUDI TENTANG PEMODELAN LALU LINTAS HETEROGEN
Rina Mardiati Abstrak Salah satu permasalahan utama di sebuah negara berkembang adalah kemacetan yang sering terjadi di kota-kota besar. Kemacetan ini berdampak terhadap polusi yang dihasilkan, pemborosan bahan bakar, penurunan produktivitas manusia, waktu tempuh perjalanan yang tidak pasti dan sampai kepada masih tingginya tingkat kecelakaan yang terjadi. Penyebab dari permasalahan ini bervariasi, bukan saja dikarenakan oleh perilaku pengendara atau pengguna jalan rayanya, akan tetapi perencanaan arus lalu lintas pun menjadi salah satu faktor penting yang mempengaruhinya. Oleh karena itu, model simulasi lalu lintas merupakan sebuah pendekatan yang efektif untuk menganalisis operasi lalu lintas karena bisa menghasilkan output yang relatif mendekati kondisi nyata. Pada awalnya pemodelan lalu lintas dikembangankan dengan mengasumsikan kendaraan yang dimodelkan sama atau hanya memiliki sedikit perbedaan, akan tetapi model seperti itu tidak dapat diterapkan di Indonesia dikarenakan karakteristik lalu lintas lalu Indonesia yang heterogen. Makalah ini akan fokus membahas mengenai pemodelan lalu lintas heterogen yang akhir-akhir ini mulai banyak dikembangkan khususnya di beberapa Negara berkembang di Asia yang memiliki karakteristik lalu lintas mirip dengan Indonesia. Dari model-model yang sudah ada, dilakukan review mengenai model dan metode yang digunakan, kelebihan serta kekurangannya. Sehingga pada bagian terakhir paper ini dapat ditunjukkan kontribusi peluang penelitian yang dapat dilakukan pada area pemodelan lalu lintas heterogen khususnya dengan kasus lalu lintas di Indonesia. Kata-kata kunci: pemodelan arus, lalu lintas heterogen.
153
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
sedang berjalan. Observasi langsung
Pendahuluan Seiring
dengan
meningkatnya
volume kendaraan saat ini, masalah transportasi masih menjadi masalah utama dalam sebuah negara khususnya negara berkembang. Permasalahan pada transportasi ini berdampak ke banyak sektor, dari kemacetan yang membuat waktu perjalanan lebih lama sampai ke masalah polusi yang dihasilkan. Selain dari itu, permasalahan yang terpenting adalah menyangkut pada jiwa manusia dimana tingkat kecelakaan lalu lintas harus diminimalisasi setiap tahunnya. Permasalahan
ini
bukan
hanya
dikarenakan oleh perilaku pengendara atau pengguna jalannya saja, akan tetapi perencanaan menjadi
arus
salah
lalu satu
lintas faktor
pun yang
Sebelum menentukan solusi dari permasalahan lalu lintas yang ada sebuah
melakukan
observasi
langsung
ke
lapangan dipandang kurang praktis dari segi waktu, biaya, sumber daya manusia, dan lain-lain. Oleh karena itu, model simulasi lalu lintas merupakan sebuah pendekatan
yang
efektif
untuk
menganalisis operasi lalu lintas karena bisa menghasilkan output yang relatif mendekati kondisi nyata. Teori mengenai pemodelan arus lalu lintas sudah ada sejak tahun 1940an, dimana teori-teori ini memiliki tujuan: (1) membuat model abstraksi arus lalu lintas dengan sederhana dan efisien dan (2) membuat framework kesatuan yang dapat memodelkan arus lalu lintas kendaraan yang saling berhubungan satu sama lain [14]. Pada awalnya
mempengaruhinya [11].
diperlukan
dapat dilakukan, akan tetapi dengan
usaha
untuk
memahami sistem lalu lintas yang
pemodelan lalu lintas dikembangkan dengan mengasumsikan kendaraan yang dimodelkan sama atau hanya memiliki sedikit perbedaan (dari segi bentuk, ukuran, kecepatan maksimum, jarak 154
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
aman yang diinginkan, dll). Pemodelan
jenis kendaraannya memiliki perilaku
lalu lintas seperti ini disebut sebagai
yang khas dan unpredictable
lalu lintas homogen. Pemodelan lalu
mengakibatkan
lintas
banyak
menjadi berbeda dan unik. Di Indonesia,
dikembangkan di Negara barat dengan
penelitian mengenai pemodelan lalu
berbagai metode dan pendekatan. Akan
lintas heterogen masih tergolong sedikit.
tetapi model lalu lintas homogen seperti
Oleh karena itu, perlu dilakukan sebuah
ini tidak bisa diterapkan pada kondisi
studi literatur tentang pemodelan lalu
lalu lintas di Indonesia, dikarenakan
lintas heterogen yang sudah ada.
homogen
ini
sudah
sebagian besar lalu lintas di Indonesia memiliki
karakteristik
lalu
lintas
heterogen.
arus
lalu
yang
lintasnya
Pada paper ini dibagi menjadi empat bagian,
bagian
pertama
berisi
pemaparan latar belakang, selanjutnya
Pengembangan lalu lintas heterogen
pada bab 2, akan dipaparkan sekilas
saat ini mulai dibidik dan dirasakan
definisi dan pemahaman mengenai lalu
perlu dimodelkan terkait dengan banyak
lintas heterogen. Bab 3 akan membahas
Negara berkembang
yang sebagian
pemodelan lalu lintas heterogen yang
besar
lalu
sudah
karakteristik
lintasnya
ada,
mencakup
pembahasan
heterogen. Salah satunya adalah Negara
metode, pendekatan, serta dilakukan
China, yang pada awal tahun 1990an
analisis kelebihan dan kekurangan dari
mulai mengembangkan pemodelan lalu
model yang sudah ada di bab 4. Pada
lintas heterogen. Pemodelan lalu lintas
bab terakhir akan disimpulkan hasil
heterogen
yang
analisis dari bab sebelumnya dikaitkan
menarik dan memiliki tantangan yang
dengan kondisi lalu lintas di Indonesia.
cukup tinggi dikarenakan termasuk
Selain dari itu, pada bagian terakhir juga
sebuah sistem kompleks dimana setiap
akan
merupakan
kajian
dipaparkan
peluang-peluang 155
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
penelitian yang dapat dilakukan untuk
variabel lain) dan variabel terikat (yang
memodelkan lalu lintas di Indonesia.
tergantung dengan variabel lain). Secara
Pemodelan arus lalu lintas dapat
umum
pada
pemodelan
arus
dibedakan berdasarkan beberapa kriteria
menggunakan variabel bebas terdiri dari
berikut [1].
variable waktu dan ruang, sedangkan
1. Skala dari variable bebas (kontinu,
untuk variabel terikat akan terdiri dari
diskrit, semi-diskrit);
kepadatan dan kecepatan [7].
2. Tingkat kedetailan (submikroskopik, TABEL I. VARIABEL UMUM PADA mikroskopik,
mesoskopik, PEMODELAN ARUS
makroskopik); 3. Proses
yang
dihasilkan
Variabel Bebas variable waktu yang diperoleh dari
(deterministik, stokastik); 4. Penerapannya (analitik, simulasi);
merujuk ke critical time variabel ruang.
5. Ruang lingkup aplikasi. Pada makalah ini akan mepaparkan
Variabel Terikat
penjelasan pemodelan arus berdasarkan
kepadatan
tingkat
bumper traffic jam.
kedetailannya
mikroskopik,
.
saja,
mesoskopik
yaitu dan
makroskopik.
maksimum
bumper-to-
kecepatan maksimum rata-rata yang dapat dicapai oleh kendaraan pada saat
Pemodelan arus lalu lintas secara
free flow conditions.
matematis akan memerlukan parameter atau
variabel-variabel
yang
akan
yang
akan
TABEL II. VARIABEL PADA SKALA digunakan.
Variabel
MAKRO DAN MIKRO[7] digunakan akan terdiri dari variabel bebas (yang tidak tergantung dengan 156
Edisi Juli 2015 Volume IX No. 2
Mikroskopik
ISSN 1979-8911
Flow (
Makroskopi
dicari
k
menggunakan:
Posisi setiap vehicle Pada dasarnya, ke- pada saat :
bisa
nilai-nilai variabel
pad
makroskopik TABEL III. VARIABEL PADA SKALA dapat di peroleh
MESO[7]
dr domain space tertentu
pada
selang
waktu
Bisa
Pada
kinetic
theory
ini,
setiap
lane
digambarkan berdasarkan distribusi statistic
tertentu. Kecepatannya
Kinetic Theory
diperoleh
dari posisi dan kecepatan setiap vehicles. Distribusinya:
kepadatan (density) dengan jumlah
pada
adalah jumlah vehicle
pada saat pada fase
vehicle pada
Dimana
waktu
Density:
track : Total jumlah vehicle saat :
Untuk multilane R Mass jalur,tinggal ditambah velocity: superscript
,
(mean) Mean (mass) velocity:
dan Speed Varians:
157
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
adalah
pada
skala
mikroskopik
diperlukan data yang cukup untuk bisa
menentukan
parameter-
parameter yang akan diinputkan kedalam model. Selain dari itu, untuk membangun model mikro Sebenarnya, dari ketiga model yang diperlukan
teknologi
komputer
ada (mikro, meso dan makro) tidak dengan spefikasi yang tinggi agar dapat ditentukan mana yang paling baik, mampu melakukan komputasi yang karena
masing-masing
model
ini kompleks secara real-time.
memiliki kelebihan dan kekurangannya 2. Ruang lingkup area pemodelan, sendiri disesuaikan dengan tujuan awal apakah akan dimodelkan pada skala dari simulasi yang ingin dicapai. besar atau kecil. Karena perlu Pemilihan skala untuk memodelkan diketahui
untuk
memodelkan
arus bukan persoalan yang sederhana, mikroskopik pada skala besar akan banyak faktor yang mempengaruhi. Ed kurang optimal, dikarenakan proses Manley pada papernya mengatakan komputasinya beberapa
faktor
yang
pun
memerlukan
perlu waktu yang lebih lama. Sedangkan
diperimbangkan
ketika
akan untuk makro dapat diaplikasikan
menentukan skala yang dipakai untuk dalam skala mensimulasikan arus lalu lintas[4] : 3. besar, karena proses komputasinya 1. Ketersediaan
resource,
apakah pun tidak begitu kompleks seperti
resource yang kita miliki sudah mikro. cukup untuk membuat simulasi pada 4. Faktor lainnya. skala yang diinginkan, contohnya
158
Edisi Juli 2015 Volume IX No. 2
TABEL
IV.
PERBEDAAN
PEMODELAN ARUS BERDASARKAN
ISSN 1979-8911
perubaha n kondisi arus
SKALA[4] Tetapi, Skala dari Simulasi Macrosco Mesosc pic opic Arus lalu lintas Unit yang Arus dengan disimulasi lalu lintas interaksi kan kendara an-nya.
Micros copic Perilak u setiap individ unya dan simuala si rute. Studi Kogniti Fisika, Fisika, f, fisika Teori fundamen Matemat Matemat dan ika ika kecerda tal san buatan. Volume Tinggi data yang Rendah Sedang diinput Secara umum, lebih Komputa tinggi si yang Rendah Sedang diantar dibutuhk a dua an skala yang lain. Biasan Tergant ya ung dari mengg Perilaku Jarang model unakan Stokastik yang stokasti dibuat k Model Aplikasi Multiagent dan Sedang/ Sedang Kuat interaksi Kurang objek Reaksi Kurang Sedang Kuat terhadap
untuk
tujuan
menghasilkan
simulasi yang lebih realistis, pemodelan skala mikroskopik adalah pilihan yang tepat untuk memodelkan arus lalu lintas dikarenakan model ini memodelkan perilaku setiap pergerakan kendaraan secara detail[4].
Arus Lalu Lintas Heterogen Lalu lintas heterogen adalah lalu lintas
yang
memiliki
komposisi
pengguna jalan raya yang terdiri dari kendaraan
bermotor,
non-kendaraan
bermotor dan pejalan kaki [3][4]. Arus lalu lintas heterogen dapat diartikan sebagai sebuah kondisi sistem arus lalu lintas terdiri dari berbagai jenis dan ukuran kendaraan sebuah papernya
ruas
yang
jalan.
menempati
Oketch
mendefinisikan
pada jenis
kendaraan yang berada pada sistem lalu lintas menjadi dua kategori utama: 159
Edisi Juli 2015 Volume IX No. 2
1. Standard
vehicle,
ISSN 1979-8911
yaitu
jenis
kecepatan rata-rata kendaraan da
kendaraan-kendaraan
penurunan kapasitas jalan [2].
konvensional seperti mobil pribadi,
Pergerakan
kendaraan
pada
lalu
mobil angkutan umum, minibus,
lintas mencakup dua hal penting yaitu
bus, dan truk yang biasanya
pergerakan longitudinal dan pergerakan
menunjukkan
lateral.
yang
biasa
perilaku
normal
dianalisis
oleh
pemodelan yang sudah ada;
yang
longitudinal
mencakup teori car-following yang intinya adalah untuk menjaga jarak
2. Non-standard vehicle, yaitu jenis kendaraan
Pergerakan
aman terhadap kendaraan yang ada di
menunjukkan
depannya. Sedangkan pergerakan lateral
perilaku yang khas seperti motor,
yang mencakup model lane-changing
scooter,
dan turunan-
yang dilakukan untuk beberapa tujuan
Turunan-turunanya
tertentu seperti menyusul kendaraan
sepeda,
turunannya.
ini datang dari berbagai ukuran,
yang
bentuk sampai ke nama jenis
rintangan dan meningkatkan kecepatan.
kendaraannya,
lambat,
menghindari
asal
Penelitian car-following dan lane-
negaranya, misalnya becak, tuk-
changing sudah dikembangkan dan
tuk, bemo, bajai, dll. Kehadiran
dianalisis sejak limapuluh tahun yang
non-standard vehicle ini biasanya
lalu untuk kondisi lalu lintas homogen.
menampilkan perilaku yang tidak
Namun, pada lalu lintas heterogen,
biasa dan memiliki
kedua teori ini sulit diterapkan karena
maneuver
tergantung
lebih
yang
maneuver-
lebih
lincah
pada lalu lintas heterogen ini, car-
dibandingkan dengan pergerakan
following dan lane-changing model
standard-vehicle. Hal ini biasanya
akan diproses berdasarkan kondisi dan
berpengaruh kepada penurunan
jenis kendaraan yang ada di depannya, 160
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
dimana perilaku tiap jenis kendaraan
mengadaptasi
berbeda-beda.
kecepatan; 3) akan tetapi karakteristik
Model Arus Lalu Lintas Heterogen
lalu
lintas
percepatan
heterogen
ini
dan
memiliki
peluang terjadinya kecelakaan lebih Pemodelan lalu lintas heterogen pada tinggi dibanding dengan lalu lintas awalnya
dikembangankan homogen; dan 4) perilaku-perilaku yang
menggunakan
model
matematika. muncul akan sulit diprediksi.
Oketch pada penelitiannya mencoba Pergerakan
kendaraan
pada
lalu
sangat
erat
teori
car-
melakukan analisis karakteristik lalu lintas,
biasanya
akan
lintas heterogen yang mencakup nonhubungannya
dengan
kendaraan bermotor [2]. Oketch juga following seperti yang disebutkan di bab melalukan pemodelan pergerakan lateral 2. Kondisi lalu lintas heterogen akan dari setiap kendaraan pada lalu lintas sulit
untuk
menerapkan
teori
car
heterogen yang berbasis pemodelan following dikarenakan pergerakan dari matematis. Dari penelitian ini diperoleh non-standard vehicle dan pejalan kaki beberapa
kesimpulan,
diantaranya akan sangat berbeda dengan standard
adalah 1) terdapat faktor luar yang yang vehicle [3][15]. Oleh karena itu, Wang mempengaruhi
arus
lalu
lintas pada papernya
membangun sebuah
heterogen yaitu jarak terhadap tujuan model berbasis pemodelan matematis dan waktu yang diinginkan pengemudi menggunakan
vektor
untuk
untuk mencapai tujuan; 2) pada lalu menggambarkan pergerakan dari nonlintas heterogen sepeda dan sepeda standard vehicle. Pada penelitian ini, motor memiliki performa yang lebih Wang menggambarkan kecepatan dan baik dibanding kendaraan yang lain, percepatan menggunakan vektor dimana dikarenakan
dengan
mudah proses
pengambilan
keputusannya 161
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
ditentukan berdasarkan kondisi lalu
memodelkan
perilaku
lintas yang ada pada saat itu dan
persimpangan menggunakan fuzzy logic.
dipengaruhi juga oleh pergerakan objek
Pada awal tahun 2000an pemodelan
lain yang ada di sekitar kendaraan
lalu
lintas
tersebut.
dikembangkan
sepeda
heterogen
di
mulai
menggunakan
Pemodelan lalu lintas heterogen juga
pendekatan sel automata. Para peneliti
tidak bisa mengabaikan keberadaan
yang mengembangkan metode ini yakin
pejalan kaki. Di China, kondisi lalu
bahwa pemodelan lalu lintas berbasis
lintasnya didominasi oleh kendaraan
sel automata
bermotor, sepeda dan juga pejalan kaki
untuk menggambarkan sistem lalu lintas
khususnya di persimpangan. Biasanya,
yang dinamis dan kompleks. Hal ini
persimpangan
dikarenakan sel automata
yang
ada
di
China
memiliki kemampuan
memiliki
memiliki kepadatan yang cukup tinggi
beberapa keunggulan: 1) algoritmanya
khususnya pada jam-jam tertentu. Hal
sederhana;
ini, menarik seorang peneliti di China
modifikasi
untuk menganalisis perilaku pejalan
parameternya sesuai dengan kondisi lalu
kaki di persimpangan pada kondisi lalu
lintas yang diinginkan; 3) algoritma ini
lintas heterogen [2]. Pada penelitian ini,
juga cocok untuk simulasi komputer
Zhao [2] memodelkan perilaku pejalan
berskala besar [5].
2)
mudah
terhadap
dilakukan parameter-
kaki menggunakan sekumpulan aturan-
Sebelumnya, pemodelan berbasis sel
aturan disertai model matematisnya.
automata biasanya digunakan untuk
Selain pejalan kaki, pengendara sepeda
memodelkan interaksi antar sesama
di China juga cukup mendominasi,
kendaraan atau antar sesama pejalan
Huang [6] pada papernya mencoba
kaki.
Yi
[5]
pada
penelitiannya
mencoba memodelkan interaksi antara 162
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
kendaraan dengan pejalan kaki di
untuk memodelkan lalu lintas di kota
zebracross
Beijing.
berbasis
sel
automata.
Penelitian ini juga memiliki tujuan akhir
Huixin [12] pada penelitiannya juga
apakah ada pengaruh dari interaksi yang
mengembangkan sebuah model arus
terjadi
lalu lintas heterogen pada persimpangan
terhadap
arus
lalu
lintas
heterogen pada sistem satu lajur. Selain
di
dari
automata.
itu,
Thanh
[9]
juga
kota
Beijing Pada
menggunakan papernya
sel
Huixin
mengembangkan simulasi lalu lintas
memodelkan
heterogen berbasis sel automata untuk
kaki, kendaraan bermotor dan non-
memodelkan interaksi antar kendaraan
kendaran bermotor. Selain dari itu
menggunakan seperangkat aturan-aturan.
dikembangkan sebuah model perilaku
Pada
pemodelannya
untuk menghindari halangan (avoidance
dilakukan pada kondisi lalu lintas yang
model) yang ada untuk pejalan kaki,
didominasi oleh kendaraan bermotor
kendaraan bermotor dan non kendaraan
roda dua.
bermotor.
penelitian
Pemodelan berbasis
sel
ini,
lalu
lintas
heterogen
automata
arus lalu lintas pejalan
Di Indonesia, penelitian mengenai
juga
pemodelan lalu lintas heterogen ini
dikembangkan oleh Ding [7] yang
mulai berkembang tahun 2013. Yulianto
memodelkan pada sistem lalu lintas dua
[1]
lajur. Algoritma sel otomata yang
memodelkan lalu lintas heterogen di
diusulkan pada penelitian ini merupakan
kota
pengembangan
simulasi lalu lintas, VISSIM v.3.6. Pada
dari
algoritma
sel
pada
Solo
penelitiannya
menggunakan
ini
memiliki
mencoba
software
automata yang sudah ada sebelumnya.
penelitian
Pemodelan lalu lintas heterogen ini
mengadaptasikan
sangat berkembang di China, khususnya
untuk mensimulasikan model lalu lintas
model
tujuan komersial
163
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
di Indonesia dan hasil simulasinya
yang
divalidasikan dengan kondisi nyata di
kapasitas
dari
lapangan. Selain dari itu, di Indonesia,
mencoba
mengembangkan
ada beberapa penelitian yang mengkaji
mikroskopik sebagai alat yang dapat
mengenai
lalu
menggambarkan perilaku dari sepeda
lintas heterogen. Beberapa penelitian
dan sepeda motor dalam pengambilan
[21][22] meneliti mengenai karakteristik
keputusan, desain dan analisis operasi
lalu lintas dengan komposisi kendaraan
lalu lintas. Penelitian ini membahas
campuran pada skala makroskopik.
mengenai kondisi lalu lintas campuran
Simulasinya
yang fokus pada masalah dari adanya
model
pemodelan
simulasi
dianalisis
berdasarkan
Greenshield, Underwood dan
Greenberg. Lee
kehadiran sepeda model
[23]
pada
papernya
mengakibatkan
yang
kendaraan
motor
penurunan
persimpangan.
Lee
simulasi
dan membangun dapat untuk
menentukan melakukan
memperlihatkan sebuah studi mengenai
crossing menggunakan neural network.
perilaku dari sepeda dan sepeda motor
Penelitian yang dikembangkan
pada sebuah persimpangan berbasis BP
juga
neural
Lee
perilaku motor menggunakan teori gap
memodelkan lalu lintas heterogen yang
acceptance menggunakan probabilitas
menjadi karakteristik lalu lintas pada
dan model discrete choice logic model
negara China, khususnya di sebuah
untuk merepresentasikan pengambilan
pertemuan simpang jalan. Campuran
keputusan motor untuk melewati dan
antara sepeda dan motor pada saat yang
probabilitas gap yang akan diterima.
network.
Penelitian
mencoba
membangun
Lee model
bersamaan dengan arah tujuan yang
Seiring dengan berkembangnya ilmu
berbeda-beda memang menjadi ciri khas
pengetahuan, pengembangan metode
dari dari persimpangan di perkotaan,
model lalu lintas heterogen berbasis 164
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
multi-agent akhir-akhir mulai dilakukan
proses pengambilan keputusan dalam
dengan tujuan akhir adalah untuk
menentukan percepatan. Wang [10]
mencapai hasil yang mendekati kondisi
melakukan uji efektifitas dari metode
riilnya.
multi-agent
yang dibangun dengan membandingkan
diyakini adalah sebuah teknologi yang
hasil simulasi dengan kondisi riil di
cocok
lapangan. Dan memperoleh hasil yang
Penggunaan
untuk
memodelkan
sistem
kompleks seperti sistem lalu lintas heterogen. Selain dari itu, penggunaan model
matematika
pada
sistem
cukup baik. Pemodelan
mikroskopik
berbasis
agent banyak dilakukan dalam upaya
kompleks akan kurang optimal untuk
menghasilkan sebuah
mensimulasikan lalu lintas campuran,
lebih realistik.
hal ini diyakini akan memberikan nilai
Claes [19] mengembangkan sebuah
galat yang cukup besar. Wang [3] pada
framework yang bisa mensimulasikan
makalahnya mencoba mengembangkan
populasi
sebuah model lalu lintas heterogen di
perilaku pengemudi yang heterogen.
China berbasis multi-agent. Pada model
Agent pada simulasi ini digambarkan
ini
sebagai
kendaraan
dimodelkan
dan
pengemudi
Pada penelitiannya,
kendaraan
kendaraan
yang
yang
memiliki
mampu
agent.
mengontrol kendaraan serta mampu
lintas
menentukan rute jalan yang akan dilalui.
tersebut dibagi menjadi dua model: 1)
Penelitian ini berhasil membuat sebuah
pemodelan agent kendaraan dengan
platform yang dinamakan Gridlock
jenis
yang mudah untuk digunakan, mudah
Sehingga,
menggunakan
simulasi yang
heterogenitas
kendaraan
dan
lalu
kecepatan
maksimum kendaraan yang berbedabeda; 2) pemodelan agent pengendara menggunakan logika fuzzy sebagai
dikembangkan dan fleksibel. Chen
[20]
melakukan
review
terhadap penggunaan teknologi agent 165
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
pada sistem lalu lintas dan transportasi.
komunikasi, teknologi sensor dalam
Saat ini komputasi berbasis agent
upaya mengubah sistem transportasi
merupakan teknologi paling powerfull
menjadi
dalam pengembangan sebuah sistem
menjadi
kompleks. Konsep agent ini sudah
dengan baik.
banyak digunakan pada aplikasi yang
adalah informasi, informasi lalu lintas
berbeda-beda,
aplikasi
yang tersedia secara real-time adalah
manufaktur, sistem kontrol real-time,
dasar pengimplementasian ITS yang
perdagangan
elektronik,
network
lebih efisien dan efektif. Salah satu
management,
sistem
transportasi,
teknologi yang mampu meningkatkan
scientific
kemampuan komputer terdistribusi dari
misalnya
manajemen
informasi,
computing, hiburan.
kesehatan, Alasan
dan
utama
dunia
mengapa
sistem
sistem sistem
memiliki
sifat
otonom
dan
memungkinkan adanya interaksi antar agent dalam upaya mencapai tujuan yang diinginkan. Pada papernya, Chen memaparkan
teknologi
agent
yang
dipakai dalam pengembangan sistem Intelligent Transportation System (ITS) dalam masalah
upaya
untuk
transportasi.
menyelesaikan ITS
mampu
teratur
yang
dan
terintegrasi
Core atau basis dari ITS
informasi
terpusat
adalah
teknologi agent.
teknologi agent ini berkembang cukup sukses adalah karena sistem agent
lebih
Diskusi Pemodelan lalu lintas heterogen ini sangat berkembang di China, khususnya untuk memodelkan lalu lintas di kota Beijing.
Penelitian
yang
dilakukan
didominasi pemodelan perilaku secara terpisah, seperti pemodelan perilaku sepeda pada persimpangan, perilaku pejalan kaki pada persimpangan atau zebracross.
Hal
ini
pemodelan
lalu
lintas
dikarenakan heterogen
diaplikasikan dalam teknologi komputer, 166
Edisi Juli 2015 Volume IX No. 2
memiliki
cakupan
penelitian
ISSN 1979-8911
yang
pergerakan
dan
pengambilang
sangat luas. Berdasarkan pemaparan di
keputusannya dapat dipengaruhi oleh
bab sebelumnya, metode pendekatan
factor
yang
mengalami
dikombinasikan
perkembangan dimulai dari pendekatan
aturan yang ada.
digunakan
menggunakan pemodelan matematis, sel
internal
dengan
internal seperangkat
Akan tetapi, ternyata pendekatan sel
automata sampai ke yang terkini adalah
automata
teknologi multi-agent.
memodelkan
Perkembangan metode ini tidak lain
dan
karena
masih belum cukup untuk lalu
biasanya
lintas pada
heterogen, lalu
lintas
perilaku-perilaku
yang
untuk mencapai sebuah pemodelan dan
heterogen,
simulasi yang valid dan memiliki hasil
muncul
yang benar-benar menyerupai sistem
Teknologi
nyatanya. Pemodelan matematis untuk
menjadi pendekatan yang cocok untuk
lalu lintas heterogen kurang optimal
dapat menggambarkan sistem ini [10].
karena biasanya akan menghasilkan
Pengembangan agent based model pun
error atau
yang tinggi pada saat
diteliti oleh Ali[16], dimana untuk
divalidasi dengan kondisi riilnya yang
memberikan keakuratan pada skenario
dinamis. Sehingga, untuk mengatasi
lalu lintas yang dibuat, maka tools yang
keterbatasan pemodelan matematik ini
paling
dikembangkan
multi-agent
menggunakan
pendekatan sel
automata.
Sel
sangat
cocok
sulit
diprediksi.
multi-agent
dianggap
adalah system
menggunakan (MAS).
Pengembangan model ini dilakukan
automata ini merupakan metode yang
dengan
cukup
memodelkan
model lalu lintas berbasis multi-agent
perilaku dinamis yang ada pada system
dengan merubah-rubah parameter yang
lalu
ada sehingga diperoleh nilai parameter
bagus
lintas
untuk
heterogen.
Biasanya
cara
mengimplementasikan
167
Edisi Juli 2015 Volume IX No. 2
yang
cocok
untuk
ISSN 1979-8911
menghasilkan
digunakan agar pemodelan lalu lintas
simulasi yang akurat. Pemodelan lalu
heterogen yang kompleks ini dapat
lintas
sudah
optimal proses komputasinya sehingga
banyak dilakukan pada kondisi lalu
tidak terlalu berat. Dan yang ketiga
lintas homogen, pada kondisi lalu lintas
adalah
heterogen baru muncul di pertengahan
pengendara (dari segi psikologis, usia,
tahun 2013.
jenis kendaraan, dll) sangat penting
berbasis
multi-agent
lalu
perilaku
dari
untuk dimunculkan, karena perilaku
Kesimpulan Pemodelan
pemodelan
lintas
heterogen
memiliki cakupan penelitian yang sangat
pengendara sangat mempengaruhi arus lalu lintas yang terjadi.
luas. Lebih jauh lagi apabila dikaitkan dengan kondisi lalu lintas di Indonesia,
References
pemodelan lalu lintas heterogen masih
[1] Budi Yulianto, Setiono. “Kalibrasi
tergolong
sedikit,
sehingga
masih
dan Validasi Mixed Traffic VISSIM Model”. Media Teknik Sipil. Juli
terbuka peluang-peluang penelitian pada topik
tersebut.
Berdasarkan
studi
literatur yang sudah dilakukan kepada
2013. [2] Timothy
Oketch,
Performance Heterogenous
model
lalu
lintas
heterogen,
ada
beberapa isu yang perlu terus dicari solusinya.
Yang
pertama
berkaitan
dengan
mendapatkan
model yang
adalah
bagaimana memiliki
keakuratan dan validitas yang tinggi. Kedua, algoritma atau metode apa yang
Containing
“Modeled
Characteristics Traffic
of
Streams
Non-Motorized
Vehicles”. 2003 Annual Meeting CD-ROM. [3] Huadong Wang, Tiejun Wu. “A New United Microscomic Model of Urban
Mixed
Traffic
Flow”.
Intelligent Transportation Systems 2003. Proceeding 2003. IEEE 2003, Vol.1.
168
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
[4] Jianli Zhao, Jianping Wu. “Analysis of Pedestrian Behavior With Mixed Traffic
Flow
at
Intersection”.
Measuring
Technology
and
Mechatronics Automation. 2009. [9] Vo
Hong
Thanh,
Tran
Van
Intelligent Transportation Systems
Hoai.”Simulation of Mixed Traffic
2003. Proceeding 2003. IEEE 2003,
Flow within Intersection”. Second
Vol.1.
International
Conference
Knowledge
and
[5] Zhang Yi, Duan Houli. “Modeling Mixed Traffic Flow at Crosswalks in Micro-Simulations Using Cellular
on
Systems
Engineering. 2010. [10]
Shouren Wang, Zhongjian Dai
Automata”. Tsinghua Science and
and
Technology. ISSN 1007-0214 12/14
Simulation of Traffic System under
pp214-222, Vol. 12, Number 2,
Mixed Traffic Condition”. 2013
April 2007.
Third International Conference on
[6] Ling Huang, Jianping Wu. “Fuzzy
Jing
“A
Instrumentation,
Logic Based Cyclist’ Path Planning
Computer,
Behavioral Model in Mixed Traffic
Control.
Flow”. Proceedings of the 11th
He,
[11]
Multi-Agent
Measurement,
Communication
and
Nicolla Bellomo and Christian
International IEEE Conference on
Dogbe. “On the Modeling of Traffic
Intelligent Transportation Systems.
and Crowds: A Survey of Models,
October 2008.
Speculations,
[7] Jian-Xun Ding, Hai-Jun Huang,
and
Perspectives”.
Society for Industrial and Applied
Qiong Tian. “A Mixed Traffic
Mathematics, vol. 53, No.3
Model Based on a Modified Cellular
409-463. 2011.
Automaton
Two-Lane
System”.
[12]
pp.
Wu Huixin, Wang Feng and Mo
International Joint Conference on
Duo.
Computational
Simulation at Urban Intersections
Sciences
and
Optimization. 2009.
Ya Gang Sui. “Traffic Speed-Flow Model for the Mix Traffic Flow on Urban
International
Traffic
Flow
and Its Application”. Journal of
[8] Yue Li, Huapu Lu, Changzhi Bian,
Beijing
“Mixed
Expressway”.
Conference
on
Applied Sciences 13 (18): 38353840, 2013. [13]
Rina Mardiati, et al. “Review of
Microscopic Flow”.
Model
ARPN
for
Traffic
Journal
of
169
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
Engineering and Applied Sciences. Vol. 9, No. 10. October 2014. [14]
Daiheng
Ni,
“A
[19]
Claes,
R.
and
Holvoet,
T.
(2011). Gridlock: A Microscopic
Unified
Traffic
Simulation
Platform. 2nd
Perspective on Traffic Flow Theory
Belgium:
Part I : The Field Theory,” in
InternationalConference on Models
Applied Mathematical Sciences, vol.
and Technologies for Intelligent
7, no. 39, 1929-1946, HIKARI Ltd.
Transportation System.
[15]
Tom
V.
Mathew,
K.V.R
[20]
Reference:
Chen, B. and
Cheng, H.H.
Network
(2010). A Review of the Applications
Basen Vehicle-Following Model for
of Agent Technology In Traffic and
Mixed Traffic”. European Transport
Transportation
\ Transporti Europei Issue 52, paper
Transaction
on
No. 1, ISSN 1825-3997. 2012.
Transportation
System,
Vol.11,
(2011).
Analisis
Ravishankar.
[16]
“Neural
Ali Bazghandi, Ali A. Pouyan,
“An Agent-Based Simulation Model
System.
IEEE
Intelligent
No.2. [21]
Sadili,
R.
Karakteristik
Arus
Canadian Center of Science and
Campuran
dengan
Variasi
Education, 2011.
Komposisi
Kendaraan
Sepeda
for
[17]
Urban
Traffic
System”,
B Raghuram Kadali, P Vedagiri.
Motor
pada
“Modeling pedestrian road crossing
Perkotaan.
behaviour
Indonesia.
uner
mixed
traffic
condition”. European Transport \
[22]
Aly,
Jalan Tesis
S.H.
Lalu
di
Lintas
Daerah
Universitas
(2012).
Model
Transporti Europei. Paper No.3,
Hubungan Karakteristik Makro Lalu
ISSN 1825-3997. 2013.
Lintas yang Bersifat Heterogen di
[18]
Jian-ping Meng, Shi-qiangDai,
Li-yun
Dong,
Jie-fang
“Cellular
automaton
mixed
traffic
Zhang.
model flow
for with
Kota Makassar. Prosiding Teknik Sipil Universitas Hassanudin. [23]
Lee, S., Qian, D. and Lee, N.
(2009). Study on Micro Behavior of
motorcycles”. Physics A: Statistical Mechanics and Its Applicaations, Vo. 380, 2007.
Interference between Bicycle and Motor-vehicle
at
Signalized
Intersection Based on BP Neural 170
Edisi Juli 2015 Volume IX No. 2
ISSN 1979-8911
Network. Asia-Pasific Conference on Information Processin
171
