Perpustakaan Digital ITB

Kemacetan lalu lintas meningkat seiring pertumbuhan volume kendaraan. Salah satu kota di Indonesia yang mengalami masalah ini, yaitu Surabaya yang termasuk dalam 100 besar kota termacet di Asia. Pengontrol lalu lintas dalam sistem Kota Surabaya saat ini masih belum berjalan secara optimal. Penggunaan kontrol lalu lintas dengan kontrol perimeter dapat membatasi jumlah kendaraan yang masuk ke area jaringan yang ingin dilindungi (protected network). Penelitian ini bertujuan membangun model lalu lintas dan memvalidasinya. Kemudian, merancang serta membandingkan performa sistem kontrol perimeter dengan Proporsional Integral (PI) dan Reinforcement Learning (RL) yang berbasis Max Pressure dalam jaringan untuk mengatur arus kendaraan masuk ke dalam protected network (PN), sementara kontrol internal simpang dilakukan oleh Max Pressure. Studi dilakukan pada jaringan lalu lintas yang dimodelkan dalam simulator SUMO menggunakan data historis dari 40 simpang dengan dipilihnya 9 simpang perimeter. Kinerja sistem dievaluasi menggunakan diagram fundamental makroskopik (MFD) dan metrik Total Time Spent (TTS) yang ekuivalen dengan jumlah kendaraan untuk menilai efektivitas pengendalian makroskopik. Validasi terhadap data observasi aktual menunjukkan rata-rata Normalized Root Mean Square Error (NRMSE) sebesar 0,40 dan Geoffrey E. Havers Statistic (GEH) sebesar 3,143 yang menandakan simulasi sudah cukup akurat merepresentasikan kondisi nyata. Hasil simulasi menunjukkan bahwa kontrol perimeter PI optimal diperoleh pada parameter K? = 30 dan K? = 2. Sementara itu, kontrol perimeter RL menggunakan Deep Q-Network, mencapai performa terbaik dengan reward TTS-Pressure menggunakan training pada variasi periode puncak kemacetan pukul 11.00 – 15.00 dan variasi 1 jam per episode. Variasi ini menjaga TTS sepanjang hari di zona L2 (arus optimum) dan menghindari overfitting. Kontrol perimeter PI dan RL secara umum mampu merespons cepat terhadap lonjakan arus masuk dan menjaga TTS di bawah ambang kritis. Arus puncak yang dihasilkan kontrol perimeter PI serta RL adalah 658,56 dan 647,41 kendaraan/jam. Kerapatan puncak diperoleh 9,17 (PI) dan 8,12 (RL) kendaraan/km. Di sisi lain, kelebihan dari kontrol perimeter RL adalah dapat memperhatikan kondisi dari gerbang perimeter agar tidak menimbulkan kemacetan berkepanjangan di luar perimeter. Dengan demikian, kontrol perimeter RL lebih unggul dibanding PI secara performa jaringan.