Penggunaan Matematika Diskret dalam Kerangka Kerja untuk Perkiraan Waktu Perjalanan, Jarak, Kecepatan, dan Level Of Service (LOS), Berdasarkan Data GPS pada Sistem Smart City
Â
Abstrak:
Karakterisasi jalan bisa dilakukan melalui jarak, waktu perjalanan, kecepatan rata-rata, aliran atau kepadatan. Dalam makalah ini, Level of Service (LOS) telah digunakan sebagai ukuran alternatif untuk karakterisasi segmen jalanan, LOS mengkategorikan status lalu lintas sesuai dengan kualitas pelayanan jalanan perkotaan, dengan mempertimbangkan tiga kategori: sedikit lalu-lintas, ketegangan moderat dan kemacetan. Kerangka kerja yang diusulkan menggunakan tiga bidang data GPS (Date-Time, Latitude, dan Longitude) untuk memperkirakan Waktu Perjalanan, Jarak dan Kecepatan pada dua tingkat analisis yang berbeda: jejak data GPS dan segmen jalan.
Pada tingkat segmen analisis rata-rata kecepatan telah digunakan untuk menghitung skala LOS dan karakterisasi segmen jalan dengan LOS, warna dan kinerja. Sebagai studi kasus, subset 1012 jejak GPS-Data, yang dikumpulkan dari Beijing, China, dianalisis. Data trajektori ini sesuai dengan 90 menit taksi. Implementasi kerangka kerja ini menunjukkan bahwa, dengan menggunakan hanya tiga bidang GPS-Data, informasi lalu lintas tentang kendaraan individual dapat diperkirakan dan digunakan untuk karakterisasi segmen jalan dengan kecepatan rata-rata dan LOS yang sesuai.
Pendahuluan
Pelacakan mobilitas menggunakan perangkat GPS telah membawa kepada komunitas teknik transportasi perspektif baru untuk mengumpulkan informasi kendaraan. Perangkat ini memungkinkan untuk mengumpulkan jejak Geo Positioning System, yang disebut GPS-Data, termasuk ID perangkat, lokasi dalam koordinat, waktu, kecepatan dan jarak. Informasi ini dapat disimpan di perangkat untuk analisis di masa depan, dapat digunakan pada sistem analisis kendaraan ke kendaraan, atau dikirim ke server secara real-time untuk analisanya segera, misalnya dapat digunakan untuk menjelaskan dinamika kendaraan kota-kota seperti simulasi mikro dan makroskopis, aliran lalu lintas dan perkiraan waktu perjalanan.
Estimasi Waktu Perjalanan untuk UTN dapat dilakukan melalui Segmen Jalan Travel Time Estimation, dan kemudian menggunakannya untuk menghitung waktu perjalanan di sepanjang jalur, yang diberikan oleh asal ke titik tujuan. Dalam konteks ini, dalam [1] sebuah kerangka kerja untuk memperkirakan waktu perjalanan di atas segmen jalan perkotaan disajikan, dalam pekerjaan ini informasi perjalanan real-time dan historis bus-mobil digunakan, meskipun model ini menunjukkan perkiraan waktu perjalanan yang kuat, penulis menyarankan untuk tidak menyederhanakan hasil kecuali mereka telah diperiksa dengan hati-hati dengan pengaturan lokal tertentu.Â
Dalam model prediksi waktu perjalanan berbasis pengetahuan yang diusulkan, model ini menggunakan Real-Time dan historis GPS-data yang dikumpulkan dari perangkat seluler, di mana waktu perjalanan di sepanjang jalur dapat diperkirakan dengan menambahkan waktu perjalanan link (sejarah dan saat ini) dan keterlambatan persimpangan. Sebuah sistem routing dinamis Berbasis Ant diusulkan di [3] untuk menghitung dan memprediksi waktu perjalanan di sepanjang segmen jalan serta untuk menemukan rute tercepat. Metode yang didasarkan pada lintasan taksi untuk menemukan rute tercepat diusulkan di [4], metode ini menggunakan Landmark Graph tergantung waktu dan algoritma untuk memperkirakan waktu perjalanan antara dua landmark.
Tujuan utama dari pekerjaan ini adalah untuk mengusulkan kerangka kerja untuk analisis jejak GPS-Data, karakterisasi segmen jalan dengan tingkat Layanan (LOS) dan warna yang sesuai, dan representasi grafis mereka ke dalam peta. Implementasi kerangka kerja ini dapat membantu menganalisis jejak kendaraan individu, menyajikan statistik dan memvisualisasikan kinerja lalu lintas di sepanjang rute yang dikendarai.
Keuntungan utama dari kerangka kerja ini dibandingkan dengan pekerjaan yang disebutkan di atas adalah perhitungan waktu perjalanan, jarak, kecepatan rata-rata, LOS dan visualisasi rute pada dua tingkat yang berbeda: jejak GPS-Data dan segmen jalan. Kerangka kerja ini dapat diterapkan dalam konteks Teknologi Informasi untuk mengumpulkan, menganalisis dan mendistribusikan informasi melalui Sistem Transportasi Cerdas, misalnya, penggunaan smartphone sebagai kendaraan probe untuk melakukan operasi ini, berkontribusi pada pengembangan smartcities dalam dimensi mobilitas cerdas yang diusulkan di [5].
Bagian-bagian selanjutnya disusun sebagai berikut: Bagian 2 memberikan pengenalan singkat pada dasar-dasar aliran lalu lintas dan menyatakan pentingnya Estimasi Waktu Perjalanan dan Prediksi yang diterapkan pada Sistem Transportasi Cerdas. Bagian 3 menyajikan langkah-langkah yang terlibat dalam Rangka kerja yang diusulkan untuk analisis jejak GPS-Data, karakterisasi segmen jalan dengan Level of Service (LOS), dan representasi grafis mereka ke dalam peta. Di bagian 4, hasil menerapkan kerangka kerja pada subset 1012 jejak GPS-Data, yang dikumpulkan dari Beijing, China, disajikan. Dan bagian 5 menyajikan kesimpulan dan pekerjaan masa depan.
Tahapan Pengerjaan
- Impor file GPS-Dataset ke dalam file spreadsheet baru. Jika data hanya muncul dalam satu kolom, potong menjadi kolom untuk bekerja dengan itu sebagai bidang data. Setkan header dataset dan ubah kolom dalam urutan berikut: Vehicle-ID, Date-Time, Latitude, longitude.Menghitung jarak tanah antara dua koordinat dengan persamaan berikut :
- A = 69.1 (Lat2 Lat1),
- B = 69.1 (Lon2 Lon1) COS (Lat1/57.3),
Karena bentuk bumi, menghitung jarak yang tepat antara dua titik membutuhkan geometri sferik dan fungsi matematika trigonometrik. Dalam kerangka ini disarankan untuk menghitung jarak sekitar menggunakan fungsi matematika sederhana, dengan asumsi bahwa persamaan matematika yang sederhana dapat mengurangi pemrograman dan pengolahan komputasi, tetapi dapat menghasilkan kesalahan akurasi. Jika lebih tepat dibutuhkan, pembaca didorong untuk menggunakan Great Circle Distance Formula yang diusulkan di halaman web Meridian World Data [14].
Untuk menghitung jarak darat dari satu koordinat ke koordinat berikutnya, perlu untuk memperkirakan jarak antara latitude dan longitude berturut-turut. Dalam kata-kata geometris, katet A, catet B, dan hypotenuse d, yang sesuai dengan jarak antara 2 latitud, longitud dan akhirnya jarak antara dua jejak GPS-Data, sebagai berikut;
Traces Analisis
Â
KesimpulanÂ
Aplikasi kerangka kerja ini menunjukkan bahwa dengan hanya menggunakan 3 bidang GPS-Data: latitude, longitude dan date-time, memungkinkan untuk menemukan informasi tentang kendaraan individual, termasuk waktu perjalanan, jarak, dan kecepatan instan, serta untuk memperkirakan waktu bepergian, jarak dan kelajuan rata-rata antara dua titik acak dalam rute.Â
Kerangka kerja ini dapat menjadi panduan yang berguna bagi mereka yang tertarik dalam analisis dan visualisasi data GPS yang dikumpulkan dari kendaraan yang bergerak. Data perkiraan ini (waktu, jarak, dan kecepatan instan) dapat digunakan untuk menganalisis data GPS dengan tepat, misalnya kecepatannya dapat dipakai untuk membersihkan jejak data GPS, yang mungkin salah dicatat oleh perangkat GPS.Â
Setelah jejak individu telah dianalisis, informasi yang diperoleh dapat digunakan untuk memperkirakan jarak yang dilalui, kecepatan rata-rata, dan waktu perjalanan di segmen jalan. Nilai-nilai ini dapat digunakan untuk karakterisasi segmen jalan perkotaan di atas Sistem Jaringan Lalu Lintas (TNS) dan kemudian menggunakan algoritma untuk menemukan rute terbaik berdasarkan nilai (waktu perjalanan, jarak, atau kecepatan) yang mendapatkan hasil terbaik. Kecepatan rata-rata mungkin dikaitkan dengan kualitas layanan atau Level of Service (LOS) jaringan jalanan perkotaan.
Sebagai pekerjaan masa depan kami mengusulkan Indeks kemacetan untuk karakterisasi segmen jalan untuk memperkirakan Waktu Perjalanan dan Waktu Penundaan di atas segmen, nilai ini dapat digunakan untuk kemudian menemukan rute terpendek untuk bepergian dari satu titik ke titik lain.
Baca konten-konten menarik Kompasiana langsung dari smartphone kamu. Follow channel WhatsApp Kompasiana sekarang di sini: https://whatsapp.com/channel/0029VaYjYaL4Spk7WflFYJ2H