Perpustakaan Digital ITB

Kemacetan lalu lintas di Kota Surabaya merupakan permasalahan sistemik dengan rata-rata waktu tempuh mencapai 22 menit 52 detik per 10 kilometer, menjadikannya kota termacet keempat di Indonesia dan kedelapan di Asia Tenggara. Permasalahan ini diperburuk oleh kekakuan sistem kontrol lampu lalu lintas konvensional berbasis waktu tetap serta sifat reaktif dari algoritma adaptif saat ini yang rentan terhadap fenomena spillback ketika arus mendekati kapasitas kritis persimpangan. Penelitian ini mengembangkan sistem kontrol lalu lintas adaptif terdesentralisasi berbasis Predictive Digital Twin yang mampu bertindak proaktif dengan memprediksi kondisi lalu lintas 90 detik ke depan. Inti sistem ini adalah model Dual-Head Long Short-Term Memory (LSTM) yang memproses 29 fitur dari empat persimpangan strategis di Surabaya dalam jendela historis 180 detik. Arsitektur ini memisahkan tugas prediksi menjadi dua bagian: regresi untuk variabel antrean kontinu dan klasifikasi lima kelas untuk variabel kecepatan guna menangani karakteristik distribusi data bimodal secara akurat. Output prediksi kemudian diproses oleh modul Decision Maker berbasis minimisasi cost-function yang memilih strategi kontrol optimal antara Fixed-Time, Slotted-Time Max-Pressure, atau Cycle-Based Max-Pressure melalui skema receding-horizon. Implementasi teknis dilakukan melalui integrasi perangkat lunak SUMO, protokol komunikasi MQTT, serta penggunaan mikrokomputer (NodeMCU dan ESP32) serta single-board computer Raspberry Pi sebagai unit kontrol taktis. Hasil Shadow Validation menunjukkan model LSTM mencapai nilai R^2 rata-rata sebesar 0,851. Validasi Hardware-in-the-Loop membuktikan kelayakan sistem dalam lingkungan closed-loop dengan latensi komunikasi di bawah ambang batas toleransi operasional. Kontribusi utama penelitian ini meliputi pengembangan arsitektur Dual-Head LSTM serta pemisahan eksplisit antara modul prediksi dan pengambilan keputusan untuk fleksibilitas pembaruan kebijakan kontrol.