Berikut adalah ringkasan dari teks tersebut: Disertasi ini membahas strategi perencanaan jalur lokal untuk kendaraan otonom di lingkungan perkotaan yang dinamis, dengan fokus pada keselamatan dan kenyamanan. Penelitian ini bertujuan untuk mengembangkan algoritma perencanaan jalur yang cepat, aman, dan nyaman melalui empat tahap: * **Tahap 1:** Pengembangan algoritma RRT-ACS (Rapidly-exploring Random Tree with Ant Colony System) untuk menggabungkan kecepatan eksplorasi RRT dengan kemampuan optimasi ACS. Hasilnya menunjukkan konvergensi yang lebih cepat dan jalur yang mendekati optimal dibandingkan RRT dan variannya. * **Tahap 2:** Pengembangan algoritma Informed RRT-PSO (Particle Swarm Optimization) yang mengombinasikan sampling berbasis elips dari Informed RRT dengan mekanisme swarm PSO untuk memfokuskan pencarian jalur. Evaluasi menunjukkan solusi optimal yang lebih cepat dan stabilitas yang tinggi. * **Tahap 3:** Pengembangan strategi perencanaan jalur lokal yang mengintegrasikan sampling hibrida Informed RRT-PSO, bidirectional trajectory templates, dan representasi timespace configuration (x, y, t) untuk memprediksi dan memitigasi konflik dinamis. Algoritma ini dinamakan IRP-BTT-TSC, dan menggunakan Kalman Filter 2D untuk memprediksi zona potensi tabrakan, serta mempertimbangkan pembatasan kecepatan dan percepatan sesuai tingkat kenyamanan penumpang. * **Tahap 4:** Pengujian algoritma IRP-BTT-TSC pada self-driving car simulator dalam lingkungan dinamis dengan enam skenario utama. Performa algoritma dibandingkan dengan Fast RRT dan CL-RRT, menggunakan metrik biaya keselamatan (safety cost), biaya kenyamanan (comfort cost), biaya waktu (time cost), dan biaya jalur (path cost). Hasil simulasi menunjukkan bahwa IRP-BTT-TSC berhasil menurunkan path cost, time cost, dan comfort cost, sekaligus meningkatkan margin keselamatan. Kebaruan penelitian ini terletak pada integrasi PSO dalam kerangka Informed RRT, penerapan bidirectional trajectory templates untuk kendaraan nonholonomik, dan penggunaan konfigurasi ruang-waktu sebagai dasar evaluasi keamanan dan kenyamanan secara simultan. Kontribusi ilmiah mencakup pengembangan algoritma IRP-BTT-TSC yang lebih efisien, aman, dan nyaman, serta metodologi evaluasi performansi keamanan dan kenyamanan. Temuan ini diharapkan dapat memberikan sumbangan bagi pengembangan sistem navigasi kendaraan mandiri generasi mendatang. Penelitian ini juga menjelaskan definisi operasional tentang keamanan dan kenyamanan, serta arsitektur sistem kendaraan otonom yang diusulkan, termasuk asumsi sensor dan model kendaraan. Bab-bab selanjutnya menjelaskan detail algoritma informed rrtpso, desain algoritma irpbttts, pengaturan simulasi, skenario pengujian, dan metrik kinerja, serta analisis dan kesimpulan dari hasil pengujian.