Wijaya, Selvy Andy (2019) Pengukuran Kecepatan Kendaraan Berbasis Deep Learning. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07211540000011-Undergraduate_Theses.pdf Download (64MB) | Preview |
Abstract
Berdasarkan data dari BPS (Badan Pusat Statistik), jumlah kendaraan di Kota Surabaya sebanyak 2.126.168 unit pada tahun 2015 dan pada tahun sebelumnya sebanyak 2.011.512 unit, yang mana mengalami kenaikan sebanyak 114.656 unit atau sekitar 5.7%. Jumlah kendaraan tersebut terus bertambah dari tahun ke tahun dan dapat berpotensi menimbulkan kemacetan. Maka dari itu, diperlukan sebuah sistem yang bisa digunakan untuk memantau kondisi kepadatan arus lalu lintas. Sistem ini menggunakan CCTV untuk merekam video arus lalu lintas di Jalan Basuki Rahmat, Kota Surabaya. Hasil tangkapan kamera digunakan untuk mendeteksi jenis kendaran berbasis deep learning dengan metode YOLO (You Only Look Once), yang kemudian dihitung kecepatan kendaraan tersebut yang melewati jarak RoI (Region of Interest) yang sudah ditentukan dengan melakukan tracking pada objek menggunakan metode Kalman Filter dan SORT (Sort Online and Real-Time Tracking). Dari hasil pengujian didapatkan akurasi tinggi pada percobaan pertama untuk kecepatan spidomoter 20 km/h sebesar 95.05% dan pada percobaan ketiga untuk kecepatan spidomoter 40 km/h sebesar 99.28% di jarak RoI 15 m. Untuk kecepatan 60 km/h akurasi tinggi didapatkan pada percobaan kedua sebesar 94.73% di jarak RoI 20 m. Sedangkan untuk kecepatan 30 km/h hanya memiliki akurasi tinggi
sebesar 77.3% pada percobaan kedua di jarak RoI 25 m.
=================================================================================================================================
Based on data from BPS (Badan Pusat Statistik) Kota Surabaya, the number of vehicles is 2.126.168 units in 2015 and in the previous year is 2.011.512 units, which increased by 114.656 units or around 5.7%. The number of vehicles continues to increase year by year and it can potentially cause congestion. Therefore, a system is needed that can be used to monitor the density of traffic flows. This system
uses CCTV to record video of traffic flow on Jalan Basuki Rahmat, Kota Surabaya. Sytem will be detect the type of vehicle by using deep learning of YOLO (You Only Look Once), which is then calculated the speed of the vehicle that passes the distance of the RoI (Region of Interest) that has been determined by tracking objects using the Kalman Filter and SORT (Sort Online and Real-Time Tracking) methods. From the test results obtained high accuracy in the first experiment for 20 km/h at 95.05% and on the third trial for the speed of the 40 km/h speedometer is 99.28% at a distance of 15 m RoI. For speeds of 60 km/h high accuracy is measured the second experiment was 94.73% at a distance of 20 m RoI. Whereas the speed of 30 km/h only has high accuracy amounted to 77.3% in the second trial at a distance of 25 m RoI.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSKom 006.31 Wij p-1 2019 |
| Uncontrolled Keywords: | Keywords: Vehicle, Speed, Deep Learning, YOLO, tracking, CCTV. |
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques |
| Divisions: | Faculty of Electrical Technology > Computer Engineering > 90243-(S1) Undergraduate Thesis |
| Depositing User: | Selvy Andy Wijaya |
| Date Deposited: | 29 Apr 2024 05:37 |
| Last Modified: | 29 Apr 2024 05:37 |
| URI: | http://repository.its.ac.id/id/eprint/70378 |
Actions (login required)
 |
View Item |