Data trajektori merupakan sumber informasi berharga untuk penelitian dan perencanaan transportasi. Data ini dapat digunakan untuk mempelajari pola lalu lintas, mengidentifikasi titik kemacetan, dan meningkatkan keselamatan lalu lintas. Belakangan ini, terdapat minat yang meningkat dalam penggunaan LiDAR dan camera (computer vision) untuk mengumpulkan data trajektori lalu lintas. Kedua teknologi ini memiliki kelebihan dan kelemahan yang berbeda, dan pilihan terbaik untuk aplikasi tertentu akan bergantung pada kondisi khususnya.
LiDAR (Light Detection and Ranging) adalah teknologi pemantauan jarak jauh yang menggunakan sinar laser untuk mengukur jarak ke objek-objek. Teknologi ini memanfaatkan perbedaan waktu antara pengiriman sinar laser dari pemancar dan pantulan kembali ke penerima. Kemampuan unik ini memungkinkan LiDAR untuk menciptakan model tiga dimensi (3D) yang terperinci dari berbagai objek. Dengan melakukan beberapa proses seperti penyaringan latar belakang, pengelompokan, dan referensi, LiDAR dapat secara efektif mengklasifikasikan dan mendeteksi pengguna jalan.
Kamera telah menjadi alat yang berguna dalam industri transportasi, awalnya digunakan untuk mengambil bukti kasus pelanggaran lalu lintas. Di masa lalu, para peneliti secara manual melacak pengguna jalan melalui analisis video frame-by-frame, namun metode ini memakan waktu dan rentan wwterhadap kesalahan. Dengan menggunakan kecerdasan buatan, informasi diekstraksi dari gambar dan video digital, sehingga pengguna jalan dapat diidentifikasi dan dilacak secara otomatis menggunakan algoritma tertentu.
Paper yang berjudul “Evaluation of Roadside LiDAR-Based and Vision-Based Multi-Model All-Traffic Trajectory Data” mengeksplorasi penggunaan dua metode pengumpulan data yang berbeda [1]. Dalam penelitiannya, para penulis berfokus pada akurasi lokasi umum, akurasi penghitungan volume, jarak deteksi, dan kecepatan. Pengumpulan data dilakukan selama siang dan malam hari di persimpangan yang sama di Nevada, AS, dan selama periode waktu yang sama untuk memastikan analisis yang komprehensif. Kedua dataset direkam pada frekuensi 10 Hz untuk mengumpulkan informasi terperinci. Akurasi data dinilai dengan perbandingan hitungan trajektori ground truth, memberikan informasi tentang efektivitas dan keandalan kedua metode pengumpulan data tersebut.
Hasil dari penelitian ini menemukan bahwa data trajektori berbasis LiDAR memiliki jangkauan deteksi yang lebih luas dan kurang dipengaruhi oleh kondisi pencahayaan yang buruk, dibandingkan data berbasis vision. Kedua sensor menunjukkan kinerja yang baik untuk perhitungan volume kendaraan selama waktu siang hari, namun data berbasis LiDAR sedikit lebih akurat di malam hari, terutama untuk perhitungan pejalan kaki. LiDAR mampu mendeteksi pejalan kaki sebelum memasuki persimpangan, sedangkan trajektori berbasis kamera menunjukkan area yang lebih sempit. Setelah menerapkan teknik smoothing, kedua sensor dengan akurat mengukur kecepatan kendaraan, tetapi data berbasis vision menunjukkan fluktuasi yang lebih besar dalam pengukuran kecepatan pejalan kaki.
Sistem LiDAR menawarkan banyak keunggulan, terutama dalam hal jangkauan deteksinya yang luas dan keandalannya dalam berbagai kondisi pencahayaan. Kualitas ini menjadikannya pilihan yang sangat menguntungkan untuk aplikasi yang membutuhkan data trajektori yang akurat dan konsisten. Teknologi LiDAR telah membuat kemajuan pesat di berbagai industri, dengan penerapan di bidang transportasi, pemantauan lingkungan, perencanaan perkotaan, bahkan pengembangan kendaraan otonom. Kemampuannya untuk menciptakan model 3D terperinci dan efisiensinya dalam pemrosesan data telah merevolusi berbagai aspek masyarakat modern.
Di sisi lain, teknologi computer vision terus berkembang dan memiliki potensi untuk membentuk ulang industri transportasi juga industri lainnya melalui analisis data secara real-time dan pengambilan keputusan. Meskipun akurasi computer vision dipengaruhi oleh kualitas video, teknologi ini memberikan opsi pengumpulan data yang lebih hemat biaya dibandingkan metode berbasis LiDAR. Selain itu, kamera video relatif lebih mudah dipasang dibandingkan sistem LiDAR, menjadikannya pilihan yang praktis untuk beberapa aplikasi.
Namun, penting untuk mempertimbangkan aspek penyimpanan data. Video memerlukan ruang penyimpanan yang jauh lebih besar untuk periode waktu yang sama dibandingkan data LiDAR. Faktor ini harus dipertimbangkan dengan cermat ketika memutuskan metode pengumpulan data yang tepat berdasarkan kebutuhan proyek yang spesifik.
Sebagai kesimpulan, baik LiDAR maupun computer vision menawarkan kontribusi nilai bagi industri transportasi. LiDAR unggul dalam beberapa aspek seperti jangkauan deteksi dan kondisi pencahayaan, sementara computer vision memberikan efisiensi biaya dan kemudahan dalam pemeliharaan. Seiring dengan kemajuan teknologi, pilihan antara kedua metode ini mungkin bergantung pada kebutuhan spesifik setiap proyek, dengan mempertimbangkan faktor-faktor seperti akurasi, efisiensi, dan kebutuhan penyimpanan data.
Sumber:
| [1] | Guan F., Xu H., and Tian Y., “Evaluation of Roadside LiDAR-Based and Vision-Based Multi-Model All-Traffic Trajectory Data,” Sensors, vol. 23, no. 12, 2023. |
