STUDI KASUS PEMANFAATAN IDEAL FLOW NETWORK UNTUK MENGETAHUI TINGKAT KEMACETAN JALAN BERDASARKAN DATA GPS: KOTA SURABAYA

Felix Giovanni(1*), Wendy Cahyadi(2),


(1) Mahasiswa Program Studi Teknik Sipil Universitas Kristen Petra Surabaya
(2) Mahasiswa Program Studi Teknik Sipil Universitas Kristen Petra Surabaya
(*) Corresponding Author

Abstract


Kemacetan lalu lintas merupakan permasalahan yang sudah lama terjadi di kota-kota besar Indonesia. Untuk mengatasi masalah kemacetan ini, diperlukan perencanaan sistem transportasi yang tepat. Perencanaan lalu lintas biasanya menggunakan metode tradisional yang membutuhkan biaya mahal. Pada penelitian ini diusulkan untuk menggunakan pemodelan Ideal Flow Network untuk menganalisa tingkat kemacetan jalan. Penelitian dilakukan pada jalan-jalan di kota Surabaya menggunakan data Global Positioning System (GPS). Tujuan dari penelitian ini adalah membuat sistem yang mampu mendapatkan data GPS, mendesain sistem yang mampu membersihkan dan mengolah dari ponsel, memberikan analisa kemacetan lalu lintas berdasarkan data yang sudah diolah dan dibersihkan. Penelitian dilakukan dengan merancang aplikasi dan program pendukung, mengumpulkan data dari sukarelawan, dan mengolah data ynag telah dikumpulkan. Aplikasi yang digunakan adalah aplikasi pelacak GPS pada ponsel. Pengolahan data yang dilakukan antara lain pembersihan data, pencocokan peta, proyeksi data GPS, serta analisa kemacetan menggunakan Ideal Flow Network. Hasil dari penelitian tersebut adalah aplikasi berbasis Android yang mampu mendapatkan titik koordinat melalui sensor GPS pada ponsel pintar, program yang mampu dapat membersihkan, mencocokan, mengolah, dan memproyeksi data GPS, dan tingkat kemacetan yang didapat menggunakan pemodelan Ideal Flow Network.

Keywords


ideal flow network, tingkat kemacetan, global positioning system, pelacakan ponsel, pengolahan data GPS

Full Text:

PDF

References


Badan Pusat Statistik. (2020). Statistik Transportasi Darat 2019. Jakarta, Indonesia: Author.

Capelli, G. (2021). “GPS Logger.” Github Repository. Retrieved from (September 1, 2021)

Durjadin, A. & Mermet, S. (2021). “Noise Planet.” Github Repository. Retrieved from (September 15, 2021)

Gardon, R.W. & Teknomo, K. (2017). “Analysis of the Distribution of Traffic Density Using the Ideal Flow Method and the Principle of Maximum Entropy.” Philippine Computing Science Congress. Proceedings of the 17th Philippine Computing Science Congress, Cebu City, Philippines, March 16 – March 18.

Gomez-Gil, J., Ruiz-Gonzalez, R., Alonso, S., & Gomez-Gil, F. (2013). “A Kalman Filter Implementation for Precision Improvement in Low-Cost GPS Positioning of Tractors.” Sensors. Vol 13. 15307-15323. doi: 10.3390/s131115307.

Greenfeld, J.S. (2002). “Matching GPS Observations to Locations on A Digital Map.” Transportation Research Board 81st Annual Meeting. Proceedings of the 81st Annual Meeting of the Transportation Research Board, Washington D.C., January 13 - January 17.

Hoffmann-Wellenhof, B., Lichtenegger, H., & Collins, J. (1994). Global Positioning System: Theory and Practice, Springer, New York.

Kleinbauer, R. (2004). Kalman Filtering Implementation with Matlab. Universität Stuttgart, Helsinki, Finland.

Liang, T. (2018). “Noise Filtering.” Github Repository. Retrieved from (September 10, 2021)

Newson, P. & Krumm, J. (2009). “Hidden Markov Map Matching Through Noise and Sparseness.” GIS ’09. Proceedings of the 17th ACM SIGSPATIAL International Conference on Advances in Geographic Information System, New York, United States, November 4 – November 6.

Odaka, Y., In, Y., Kitazume, M., et al. (2010). “Error Analysis of the Mobile Phone GPS and its Application to the Error Reduction.” 3rd WSEAS International Conference on Advances in Sensors, Signals, and Materials (pp. 35-40). Seikei University.

Quddus, M. A., Ochieng, W. Y., Zhao, L. & Noland, R. B. (2003). “A General Map-Matching Algorithm for Transport Telematics Applications.” GPS Solutions. Vol. 7, No. 3, 157–167.

Sanwal,K. K., & Walrand, J. (1995). “Vehicles As Probes.” UC Berkeley: California Partners for Advanced Transportation Technology. Retrieved from https://escholarship.org/uc/item/3gh0890x

Teknomo, K. (2017). “Ideal Relative Flow Distribution on Directed Network”. Journal of the Eastern Asia Society for Transportation Studies, 12, 939-958. doi: 10.11175/easts.12.939

Teknomo, K. & Gardon, R. W. (2017). “Intersection Analysis Using the Ideal Flow Model.” Intelligent Transportation Systems. Proceedings of the IEEE 20th International Conference on Intelligent Transportation Systems, Yokohama, Japan, October 16 – October 19, 1-6.

Teknomo, K., Gardon, R. W., & Saloma, C. (2019). “Ideal Flow Traffic Analysis: A Case Study on a Campus Road Network.” Philippine Journal of Science, 148(1), 51-62.

Teknomo, K. (2021). “IFN-Transport.” Github Repository. Retrieved from (Oktober 15, 2021)


Refbacks

  • There are currently no refbacks.


Jurnal telah terindeks oleh :