Tugas Pengantar Ilmu Komputer

Nama : Faqih Ethana Prabandaru

NIM : 17/409433/PA/17740
ABSTRAKSI

Tujuan dari penelitian adlaah untuk mengembangkan model manajemen yang efisien untuk sistem
transportasi sehingga akan mengurangi kemacetan yang terjadi, atau mencegah kemacetan yang terjadi
di jalanan non tol. Berdasarkan urutan Partialdifferentiation (PDE) metode pertama adalah dengan
mengembangkan model matematika yang akan menangkap sekitar arus lalu lintas selama waktu macet.
“Using simulation, the density of traffic on freeways can beestimated by calculating the number
ofsmartconnected vehicles escaping through the nearest off ramp during the time ofcongestion. Again
saved travel time can becalculated. Besides ultimately it can be determined where to constructexits in
particular aiming to understandtraffic phenomena in order to eventually make decisions which may
alleviatecongestion, maximize flow of traffic,eliminate accidents, minimize automobileexhaust pollution,
and other desirable ends.The model validation will be carried outusing a simulation of cascading
scenarioswith traffic data for I-405 freeway (with exitramps) and its surrounding roadway networkin the
corridor at Southern California region.”

LATAR BELAKANG

Dalam menanggapi masalah kemacetan lalu lintas, menerima atau menolaj rute yang disarankan oleh
aplikasi ponsel atau GPS terletak sepenuhnya pada user. Penelitia ini didasarkan pada motivasi
pemantauan perilaku pengguna jalan tol seperti bagaimana mereka menggunakan rute alternative
yanglebih cepat ke tujuan bisa diidentifikasi selama periode kemacetan. Ilustrasi di bawah ini
menunjukkan scenario umum selama kemacetan di jalan rata untuk memilih rute tercepat. Berikut adalah
dua jenis kendaraan yaitu kendaraan umum dan yang lain adalah kendaraan pribadi.

Gambar 1. Ilustrasi petunjuk jalan keluar dari kemacetan

METODOLOGI

Melalui pendekatan kontinum, kita tidak ingin untuk masing-masing model mobil kita agak focus untuk
menemukan kepadatan yang terhubung antar kendaraan untuk sepanjang jalan tol yang dapat
mengambil jalan keluar. Kemudian sebuah analisis jumlah kendaraan per satuan waktu dan kemudian
dengan membangun hubgungan antara panjang segmen di jalan tol dan waktu unutk kendaraan keluar.
Kita dapat menentukan kecepatan kendaraan yang diinginkan. Karena penelitian masih dalam tahap
pengembangan, akhirnya pola pada kecepatan kendaraan akan dapat juga diciptakan.

Gambar 2. Posisi kendaraan di lajur, jalan satu arah dengan jalan dari segmen yang diusulkan pada detik
ke 2 antar kendaraan. Pendekatan ini juga untuk jumlah maksimum kecepatan kendaraan yang bergerak
dari posisi 4 keluar. Kami juga dapat memantau kecepatan masing-masing kendaraan ini melalui model.
Menggunakan definisi untuk parameter dasar aliran lalu lintas.

Kepadatan = N/I, dimana,

N = Jumlah kendaraan pada segmen tertentu,

I = Panjang segmen jalan raya.

Berdasarkan “Continuum limit” theory, Density = N/I mendekati 1 hingga 0

Dengan mengambil variable control tetap yaitu X1 dan X2, jumlah kendaraan di segmen itu pada waktu t
dapat diberikan oleh

Dimana mewakili masing-masing posisi X sepanjang jalan pengukuran dari rata rata kendaraan per
satuan panjang diberikan waktu = t. Dengan menerapkan hukum konservasi untuk kendaraan dapat
ditulis sebagai

Dimana di sisi kiri menunjukkan tingkat perubahan jumlah kendaraan di [X1,X2] dan di sisi kanan
menunjukkan perbedaan tingkat di mana kendaraan masuk di X1 dan keluar di X2.

Untuk fungsinya adalah dari q(X,t)

Dari persamaan konservasi

Dalam studi ini, variabel terkontrol adalah antara zona 2 dan 1. Model dapat disempurnakan
berdasarkan hubungan antara q fluks kepadatan, q/p = u, dan u adalah kecepatan lalu lintas. Dari
hubungan linear didapat persamaan
Tujuan dari peneilitian ini adalah untuk mengembangkan seperti model matematis efisien yang dapat
dijabarkan melalui hukum konservasi dan continuum teori. Maka tugas berikutnya akan diuji dan
divalidasi pengembangan model dengan menggunakan simulasi computer sepanjang 1- mil dari jalan tol
sebagai contoh menggunakan data jaringan dari wilayah California Selatan. Ini merupakan
pengembanan dari database sistem informasi geografis (GIS) untuk mengetahui lokasi jalan as origins for
10-mile stretch of I-405 and also for employment and population centers(within a 5-mile buffer of I-405
in Southern California) as destinations is done. Simulasi akan dilakukan dengan menggunakan MATLAB
pada PDE. Validasi akan meliatkan komputasi kepadan lalu lintas.

HASIL

Menggunakan simulasi di MATLAB grafik dapat diperoleh hasil sebagai berikut :

Gambar 4. Representasi grafis antara kepadatan lalu lintas keseluruhan vs kepadatan lalu lintas di
segmen terakhir dekat jalur keluar terhadap waktu.
Kepadatan lalu lintas berkurang terhadap jalannya waktu selama terjadi macet melalui jalan keluar.
Bahkan jika hasil cukup intuitif tapi studi masih dalam proses untuk mengantisipasi perbedaan apapun di
dalamnya. Kecepatan keseluruhan kendaraan dapat dihitung dan karenanya waktu perjalanan dapat
juga diantisipasi.

KESIMPULAN

Model sederhana dalam pedekatan perhitungan jumlah kendaraan tersambung keluar dalam jangka
waktu tertentu. Juga kecepatan rata-rata pengendara dapat dipantau dari itu. Satu-satunya Batasan
adalah mengidentifikasi bahwa keseluruhan kapasitas jalan tol tidak dipertimbangkan di alam studi ini.
Tentunya hasil kajian akan membantu kedua lembaga transportasi dan lingkungan dalam menghemat
miliaran dolar yang digunakan negara dalam mengatasi masalah kemacetan jalan tol di daerah
perkotaan dengan mempelajari sifat umum dari pengguna jalan tol.

SUMBER

[1] Singh, B., & Gupta, A. (2015).G. Recent trends in intelligent transportation systems:A review. Journal
of Transport Literature,9(2), 30-34. doi:10.1590/2238-1031.jtl.v9n2a6.

[2] The Smart/Connected City, & Its Implications for Connected Transportation. The smart/connected
city and its implications for connected transportation.

[3] Andrea Prosperetti 2011: Advanced Mathematics for Application. Cambridge University Press.

[4] Transportation research circular 2014: Traffic and Transportation Simulation.

[5] Lu,J.,Filev,D.,& Tseng,F.(2015).Real-time determination of driver's driving behavior during car

following. SAE International Journal of Passenger Cars-Eletronic and Electrical Systems,
8(2),371378,doi:10.4271/2015-01-0297.

[6] Traffic and Transportation Simulation (2014). Transportation Research Board.

[7] http://www.math.psu.edu/bressan.

[8] Nasima F. Bhuiyan.2017. A Smart Algorithm to ReliefTraffic Congestion.