Perpustakaan Digital ITB

Sistem Lampu Lalu Lintas Pintar yang didukung oleh Machine Learning telah semakin banyak diteliti dalam beberapa tahun terakhir, khususnya yang menggunakan algoritma reinforcement learning dan Q-learning. Berdasarkan tren tersebut, penulis mengamati bahwa hampir tidak ada—atau bahkan belum ada—suatu penelitian tertentu yang mengeksplorasi integrasi sistem lampu lalu lintas cerdas ke dalam sebuah sistem mandiri dan kompleks seperti sistem embedded. Oleh karena itu, penelitian ini mengusulkan sebuah konsep dan rencana pengembangan menuju implementasi akhir berupa model miniatur lampu lalu lintas, di mana perilaku lampu hijau dapat beradaptasi secara dinamis terhadap kondisi kemacetan yang disimulasikan di dalam lingkungan. Sistem ini menggunakan platform embedded di mana proses machine learning melakukan analisis kemacetan melalui eksplorasi dan mengambil keputusan berdasarkan pengalaman sebelumnya melalui proses eksploitasi—semuanya dijalankan langsung di dalam sistem embedded tersebut. Tujuan dari prototipe lampu lalu lintas pintar berbasis embedded ini adalah untuk menjadi sarana pembelajaran yang bersifat praktis, sehingga pengguna dapat memahami bagaimana machine learning dapat diterapkan dalam menyelesaikan permasalahan kemacetan lalu lintas, sebelum akhirnya diimplementasikan pada skenario dunia nyata. Penelitian ini menggunakan board Digilent PYNQ-Z1 dan mengimplementasikan proses eksplorasi machine learning dengan menggunakan bahasa pemrograman Python. Melalui penelitian ini, penulis menemukan bahwa proses pembelajaran memiliki kemungkinan untuk berjalan lebih cepat apabila terdapat kondisi-kondisi tabel tertentu.