Prediksi Kepadatan gerbang Keluar Tol Menggunakan Perhitungan Teori Antrian dan Background Subtraction Sebagai Pendeteksian Objek Mobil

Pada suatu sistem jalan tol, kelambatan atau kemacetan sering terjadi di gerbang tol khususnya pada arah yang menuju pelayanan pembayaran tol (gerbang keluar tol) . Pihak penyelenggara jalan tol terus mengembangkan teknologi dalam menangani kepadatan pada gerbang tol ini. Saat ini penyelenggara tol telah memasang kamera pengawas pada setiap gerbang tol. Antrian dalam gerbang keluar tol dapat dipelajari dengan menganalisis perilaku antrian kendaraan mobil menggunakan teori antrian. Berdasarkan hasil analisis antrian dapat didapat prediksi dalam menentukan kepadatan pada suatu gerbang tol. Dengan memanfaatkan kamera pengawas pada gerbang tol, prediksi kepadatan dapat dilakukan secara otomatis menggunakan komputer. Pendekatan background subtraction dapat digunakan dalam mendeteksi objek bergerak pada sebuah video. Dari hasil penelitian ini, prediksi kepadatan gerbang keluar tol menggunakan perhitungan teori antrian dan background subtraction sebagai pendeteksian objek mobil menghasilkan akurasi sebesar 71,26% dalam mendeteksi jumlah objek mobil yang terekam dan 90,72 % dalam memprediksi kepadatan gerbang keluar tol. Angka tersebut menunjukan bahwa sistem yang dibangun pada penelitian ini dapat memprediksi kepadatan dengan sangat baik meskipun akurasi dalam mendeteksi jumlah objek yang terekam hanya menghasilkan persentase 71,26%.

In a system of highways, delays or congestion frequently happen at toll gates, especially in the direction towards the toll payment services (exit toll gate). The Organisers of the highway continue to develop the technology to handle the density at the toll gate. Curently the organizers of the highway had put up surveillance cameras at every toll gate. Queue the exit toll gate can be learned by analyzing the behavior of the car using the vehicle queue queuing theory. Based on the analysis results can be obtained prediction queue in determining density at a toll gate. By utilizing the surveillance cameras at the toll gate, the prediction densities can be done automatically using a computer. Background subtraction approach can be used to detect moving objects in a video. From these results, the prediction densities exit toll gates using queuing theory calculations and background subtraction as object detection car produces an accuracy of 71.26% in detecting the number of cars recorded and 90.72% in predicting the exit toll gate density. The figure shows that the system established in this study can predict the density very well although the accuracy in detecting the number of cars recorded only produce a percentage 71.26%.