Perpustakaan Digital ITB

Kendaraan otonom merupakan kendaraan yang beroperasi dengan meminimalkan campur tangan manusia secara manual untuk bergerak secara mandiri menuju tujuan yang telah ditentukan. Oleh karena itu, kendaraan otonom memerlukan sistem lokalisasi yang akurat. Sistem lokalisasi yang umumnya digunakan yaitu GPS, namun hanya menggunakan GPS untuk sistem lokalisasi tidak cukup optimal. Keakuratan GPS sering menurun karena penggunaan GPS sangat rentan terhadap lingkungan sekitar seperti cuaca buruk, terowongan, gedung, pepohonan serta tingkat sampling yang rendah. Untuk mengatasi hal tersebut lokalisasi berbasis peta dengan menggunakan peta digital sebagai acuan posisi kendaraan diintegrasikan dengan GPS sehingga dapat menjadi solusi untuk meningkatkan ketelitian GPS. Metode yang digunakan disebut algoritma map matching atau pencocokan peta. Algoritma map matching adalah metode untuk mengintegrasikan data peta digital dengan data dari sistem penentuan posisi seperti GPS untuk mengidentifikasi jalur yang dilalui oleh kendaraan dan menentukan posisi kendaraan yang tepat pada jalur tersebut. Algoritma map matching digunakan untuk mengkoreksi dan memperbaiki posisi yang dideteksi oleh GPS atau sistem lokalisasi lainnya yang mungkin kurang akurat. Penelitian ini menggunakan tiga algoritma map matching yaitu Iterative Closest Point (ICP), Spatial Map Matching (ST-Matching) dan Hidden Markov Model (HMM). Ketiga metode ini dapat digunakan hanya dengan dua masukan yaitu informasi trayektori dari GPS dan informasi koordinat peta referensi yang bisa diperoleh dari google earth. Untuk meningkatkan ketelitian dari hasil map matching, pada penelitian ini diusulkan sistem berbasis visi menggunakan sensor kamera, terutama untuk jalan yang memiliki sedikitnya dua lajur untuk dilalui kendaraan. Kamera melakukan deteksi marka jalan sehingga diperoleh informasi dilajur mana kendaraan sedang berjalan. Berdasarkan informasi sistem penentu lokasi lokal inilah yang dijadikan masukan untuk menentukan peta referensi lajur yang digunakan kemudian dapat diterapkan algoritma map matching. Posisi kendaraan yang dihasilkan tidak hanya posisi kendaraan pada jalan tetapi lebih spesifik pada lajur yang dilalui kendaraan. Penelitian ini dilakukan dengan menggunakan data riil yang diambil pada dua lokasi yang berbeda. Lokasi pertama berupa jalan yang lurus tanpa ada persimpangan. Hasil penelitian menunjukkan performansi algoritma ICP memiliki bobot komputasi terkecil yaitu 608501 dan kecepatan eksekusi tercepat yaitu 1,09 detik dibanding kedua algoritma lainnya. Untuk bagian ketelitian, lokasi pertama memiliki jumlah total titik GPS sebanyak 59 titik dengan jumlah bobot ketelitian tertinggi yaitu 118. Algoritma ICP dan ST-matching hanya memiliki 3 kesalahan penentuan posisi yaitu dititik 15,33 dan 37. Maka persentase ketelitian dari ICP dan ST-matching yaitu 94,91%. Sedangkan algoritma HMM memiliki titik terdekat sebanyak 29 titik, masih dalam batas peta pencarian lokal sebanyak 27 titik dan kesalahan penentuan posisi sebanyak 3 titik. Maka persentase ketelitian algoritma HMM yaitu 72,03%. Hal ini membuktikan bahwa algoritma ICP memiliki performansi terbaik pada jalan yang lurus. Lokasi kedua merupakan jalan yang memiliki dua persimpangan. Hasil penelitian menunjukkan performansi algoritma HMM memiliki bobot komputasi terkecil yaitu 192026 dengan kecepatan eksekusi yaitu 1,17 detik sedangkan algoritma ICP memiliki waktu eksekusi tercepat yaitu 0,56 detik dan algoritma ST-matching memiliki bobot komputasi terbesar yaitu 297201. Untuk bagian ketelitian, lokasi kedua memiliki jumlah total titik GPS sebanyak 17 titik. Karena lokasi kedua ini memiliki 2 persimpangan namun, persimpangan yang digunakan hanya persimpangan pertama maka jumlah total bobot ketelitian dari lokasi kedua yaitu 36. Algoritma ICP dan ST-matching memiliki 2 kesalahan penentuan posisi yaitu dititik ke-4 dan kesalahan penentuan posisi pada persimpangan. Maka persentase ketelitian dari ICP dan ST-matching menjadi 72,22%. Sedangkan algoritma HMM memiliki titik terdekat sebanyak 13 titik, masih dalam batas peta pencarian lokal sebanyak 2 titik, kesalahan penentuan posisi 1 titik serta tepat dalam mengatasi ketidakpastian persimpangan. Maka persentase ketelitian algoritma HMM yaitu 88,88%. Hal ini membuktikan bahwa algoritma HMM memiliki performansi terbaik pada jalan yang memiliki persimpangan. Kata kunci: Lokalisasi Kendaraan Otonom, GPS, Peta Referensi, Map Matching, Kamera.