Perpustakaan Digital ITB

Kemacetan adalah masalah serius yang menimbulkan banyak kerugian. Banyak penyebab dari kemacetan, mulai dari debit kendaraan yang melebihi kapasitas jalan, budaya berkendara yang buruk, dan sistem pengaturan lalu lintas yang tidak menyesuaikan dengan kondisi jalan. Sebagian besar sistem pengaturan lalu lintas di Indonesia masih diatur secara pre-timed yang membuatnya tidak bisa menyesuaikan dengan kondisi lalu lintas setiap saat. Hal tersebut meningkatkan resiko terjadinya kemacetan akibat antrian yang tersisa. Dikembangkan sistem pengaturan lalu lintas adaptif untuk dua simpang berdekatan berbasis Q-Learning pada level simulasi. Sistem mampu mensimulasikan kondisi lalu lintas berdasarkan hasil traffic counting dan lampu lalu lintas diatur berdasarkan algoritma Q-learning. Kondisi lalu lintas jug direplikasi pada miniatur lalu lintas sebagai bentuk pendekatan implementasi di dunia nyata. Algoritma Q-Learning diimplementasikan dalam hardware description language Verilog. Implementasi dari Q-learning masih belum berhasil dilakukan. Seharusnya, hasil Q-matrix dikirim ke SUMO untuk dapat mengatur lalu lintas yang disimulasikan. Q-matrix yang dihasilkan berukuran 256 x 4 dengan lebar data Q-value 32-bit signed. Hasil grafik reward menunjukkan jumlah reward yang semakin positif. Perubahan policy membuat hasil grafik reward berubah karena penetapan reward yang dilakukan setiap step. Belum adanya perbandingan performa antara pengaturan adaptif dengan pengaturan manual atau pre-timed.