Perpustakaan Digital ITB

Kendaraan terhubung diharapkan dapat meningkatkan keselamatan lalu lintas melalui komunikasi Vehicle-to-Vehicle (V2V), yang dilakukan dengan menyebarkan pesan beacon secara periodik berisi informasi posisi, kecepatan, dan percepatan guna meningkatkan kesadaran situasional serta mencegah kecelakaan. Namun, peningkatan kepadatan kendaraan berpotensi menimbulkan kemacetan pada saluran komunikasi, sehingga meningkatkan risiko kehilangan paket data, khususnya pada pesan darurat yang bersifat kritis. Di sisi lain, kualitas sinyal yang diukur menggunakan Signal-to-Interference-plus-Noise Ratio (SINR) juga rentan terganggu oleh interferensi dari kendaraan di sekitamya. Oleh karena itu, diperlukan strategi pengelolaan sumber daya komunikasi yang adaptif guna menjaga keseimbangan antara pemanfaatan saluran yang efisien dan kualitas sinyal yang memadai untuk mendukung keselamatan berkendara. Penelitian ini bertujuan mengoptimalkan beacon rate dan daya transmisi dalam komunikasi V2V pada skenario highway Line-Of-Sight (LOS) berdasarkan evaluasi kebijakan. Untuk mencapai tujuan tersebut, digunakan pemodelan Markov Decision Process (MDP) dengan sejumlah asumsi penyederhanaan yang dianggap wajar, yang diselesaikan menggunakan metode Deep Reinforcement Learning (DRL). Karakterisasi MDP ini memanfaatkan keseimbangan antara beacon rate dan alokasi daya transmisi. Selain itu, pendekatan ini dirancang bersifat non­kooperatif dan terdistribusi, tanpa memerlukan inf ormasi tambahan dari kendaraan tetangga, sehingga sesuai diterapkan pada jaringan tanpa infrastruktur (ad-hoc network). Hasil yang diperoleh menunjukkan bahwa pendekatan berbasis DRL dengan pemodelan MDP ini tidak hanya mampu mengurangi kemacetan saluran, yang ditunjukkan melalui nilai CBR sebesar 0,6-0, 7, sehingga menyisakan sebagian kapasitas saluran untuk pengiriman pesan darurat, tetapi juga menjaga kualitas sinyal serta meningkatkan keandalan komunikasi, yang direpresentasikan dengan nilai SINR sebesar 15-20 dB. Pendekatan ini telah diuji dan dievaluasi pada skenario highway LOS untuk memastikan efektivitas dan kestabilan kinerjanya. Analisis lebih lanjut menunjukkan bahwa sistem mengalami penurunan perfonna pada kepadatan kendaraan yang sangat tinggi. Penelitian selanjutnya disarankan untuk mengoptimalkan kinerja sistem melalui pengalokasian sumber daya adaptif berbasis infonnasi tetangga guna menjaga keandalan komunikasi. Selain itu, penerapan algoritma multi-agent kooperatif berpotensi meningkatkan pengendalian kemacetan dan kualitas sinyal, khususnya pada skenario yang memerlukan kolaborasi antarkendaraan, sehingga membuka peluang untuk penerapan yang lebih luas di masa depan.