Kemacetan masih merupakan isu penting yang terjadi hingga kini, dan terus menjadi bahan penelitian para ahli untuk menemukan solusi dalam proses penyampaian informasi kepada para pengguna jalan raya. Penelitian yang telah dilakukan oleh peneliti sebelumnya yang memfokuskan pada kemacetan, lebih membahas secara terpisah metode untuk mendeteksi kendaraan dan metode penentuan area jalanan akan tetapi tidak secara eksplisit mengenai kemacetan jalanan. Metode untuk menentukan kemacetan yang ada lebih melihat pada kondisi kemacetan yang berdasar pada jumlah kendaraan yang melintas pada satuan waktu atau berdasar kepada pemantauan perlambatan kecepatan kendaraan yang dengan mudah didefinisikan sebagai kondisi kemacetan. Padahal informasi kemacetan juga ditentukan oleh gabungan informasi terkait tingkat densitas jalanan dan rata-rata kecepatan pada periode waktu tertentu. Penelitian lainnya, berfokus pemanfaatan teknologi GPS dan sensor (detector) untuk proses deteksi kendaraan yang melintas dan kecepatan kendaraan pada satuan waktu. Akan tetapi, teknologi tersebut masih cukup mahal dan membutuhkan partisipasi pengendara untuk mendapatkan data dan informasi, disamping masih memiliki keterbatasan akan jarak aktual yang sebenarnya.
Berdasarkan hal ini dibutuhkan suatu cara yang mampu menampilkan kondisi dan informasi kemacetan secara faktual, terpercaya dan tidak membutuhkan partisipasi pengendara. Pada tulisan ini, disajikan dua parameter baru dalam deteksi kemacetan menggunakan parameter densitas jalanan dan parameter kecepatan kendaraan. Densitas jalanan mendefinisikan seberapa besar luasan jalanan terisi oleh kendaraan dengan melihat prosentase perbandingan jumlah pixel jalan raya terhadap jumah pixel kendaraan yang melintas pada satuan waktu dan wilayah pengamatan tertentu. Parameter rata-rata kecepatan kendaraan melihat rerata kecepatan kendaraan yang melintas pada frame tertentu pada satuan waktu tertentu dan pada wilayah pengamatan tertentu. Proses pembacaan kecepatan dilakukan terlebih dahulu melalui penentuan pusat dari tiap objek bergerak (kendaraan) dan memperhitungkan derajat kemiringan tiap objek bergerak (kendaraan) juga dilakukan proses penentuan jarak terdekat kendaraan pada tiap frame sehingga pelacakan kendaraan tetap terjaga dan kecepatan menjadi faktual.
Gabungan dua informasi ini membantu mendefinisikan tingkat kemacetan kendaraan pada suatu jalanan. Untuk memperkuat argumentasi kondisi kemacetan dilakukan perhitungan menggunakan Fuzzy, mengingat tingkat kemacetan tidak dapat diukur secara eksak, sehingga informasi yang diperoleh dapat lebih diterima oleh pengguna. Validasi kecepatan dilakukan dengan mengukur kecepatan objek yang dijadikan sebagai sampel melintas wilayah pengamatan dengan beberapa tingkat kecepatan yang diseting sedemikian rupa diantara kendaraan roda empat. Berdasarkan hasil pembacaan, sistem sangat baik membaca tingkat kecepatan objek bergerak. Terhitung dari sekitar 4 video yang digunakan sebagai sampel, keakuratan pembacaan kecepatan mencapai hingga 93%. Untuk validasi tingkat densitas/ kepadatan, digunakan dengan membandingkan hasil pengamatan visual dan hasil pengamatan secara sistem. Pengamatan dilakukan mulai dari kondisi lancar, tersendat hingga macet. Sistem mampu merespon hasil kepadatan jalan raya dibandingkan dengan pengamatan visual. Sehingga dengan dua pendekatan tersebut, dirasa metode ini sangat baik untuk mendefinisikan tingkat kemacetan. Untuk memperkuat argument diukur pula pengaruh rata-rata kecepatan kendaraan terhadap tingkat kepadatan jalanan. Pengaruh hubungan yang diukur mulai dari kuat negatif hingga kuat positif. Hasil pembacaan pada sistem menunjukkan tingkat akurasi hubungan kecepatan dan kepadatan mencapai 100% akurat dengan perhitungan yang dilakukan secara manual.
Yang masih menjadi pembahasan untuk penelitian selanjutnya adalah kondisi pencahayaan malam hari dan kondisi penampang kamera yang sulit untuk stabil. Kondisi ini masih mengakibatkan kesalahan dalam mendeteksi objek bergerak yang mengakibatkan salah pembacaan tingkat kemacetan.