Perpustakaan Digital ITB

Peningkatan jumlah kendaraan pribadi di kota-kota besar telah menyebabkan kemacetan lalu lintas, menurunnya efisiensi transportasi, serta meningkatnya emisi karbon yang berdampak buruk pada lingkungan. Sebagai solusi transportasi publik ramah lingkungan, trem otonom berbasis listrik menawarkan potensi untuk mengurangi kemacetan dan emisi, sekaligus meningkatkan efisiensi transportasi. Namun, pengoperasian trem otonom dalam lingkungan lalu lintas campuran memerlukan kemampuan prediksi lintasan multiobjek yang akurat dan efisien untuk mendukung pengambilan keputusan yang aman, termasuk mencegah tabrakan. Penelitian ini bertujuan untuk mengembangkan metode prediksi lintasan multiobjek berbasis algoritma Interacting Multiple Model Kalman Filter (IMM-KF) yang mampu mengatasi kompleksitas lalu lintas perkotaan. IMM-KF memungkinkan penggabungan dua model gerak, seperti Constant Velocity dan Constant Acceleration, sehingga dapat menangkap dinamika gerak objek yang beragam secara real-time. Penelitian diuji menggunakan simulasi dengan dataset inD, implementasi pada kendaraan testbed, dan pengujian pada trem otonom yang beroperasi di lingkungan Jalan Slamet Riyadi, Surakarta. Evaluasi algoritma dilakukan dengan mengukur akurasi prediksi lintasan, efisiensi komputasi, dan kemampuannya dalam mendukung pengambilan keputusan, seperti aktivasi sistem Collision Avoidance (CA). Pengujian mencakup skenario lingkungan lalu lintas campuran, dengan data yang diperoleh dari sensor LiDAR trem otonom. Hasil penelitian menunjukkan bahwa algoritma IMM-KF mampu memprediksi lintasan multiobjek dengan akurasi tinggi pada jangka pendek hingga menengah, serta efisiensi komputasi yang linear terhadap jumlah objek, memenuhi kebutuhan real-time. Sistem ini juga terbukti andal dalam mendukung pengambilan keputusan, seperti mengaktifkan Collision Avoidance untuk menghindari tabrakan.