Literature review Implementasi kecerdasan buatan untuk Prediksi dan Pengelolaan Kemacetan Lalu Lintas di Perkotaan

Abstract

In an effort to provide solutions to traffic problems, this literature reviews previous literature to assess the role of artificial intelligence (AI) in predicting and managing traffic jams in urban areas. Artificial intelligence technology or AI is able to offer various solutions that can help overcome traffic problems, such as Machine learning and deep learning can be used to analyze real-time traffic data, predict traffic flows, and optimize traffic signal settings. Effective traffic management is becoming increasingly important as urbanization and traffic complexity in large cities increases. Congestion prediction and traffic signal optimization are some of the problems that can be solved with artificial intelligence. Based on an analysis of 30 articles published between 2020 and 2024 used in this review process, it shows that the use of AI in traffic management can create a more responsive, adaptive and efficient system. The most effective method for optimizing traffic is YOLOv5, because it can process data in real-time and has an accuracy value of 98%. The technology that is often used in AI implementation is CCTV, because it is easy to implement, affordable, and allows real-time traffic monitoring and management with detailed visual data. The findings and consequences of this literature help traffic policy developers and transportation researchers.

Abstrak

Dalam upaya memberikan solusi dari permasalahan lalu lintas, literatur ini meninjau literatur sebelumnya untuk menilai peran kecerdasan buatan (AI) dalam prediksi dan pengelolaan kemacetan lalu lintas di perkotaan.teknologi kecerdasan buatan atau AI mampu menawarkan berbagai solusi yang dapat membantu mengatasi masalah lalu lintas, seperti pembelajaran mesin (Machine Learning) dan pembelajaran mendalam dapat digunakan untuk menganalisis data lalu lintas secara real-time, memprediksi arus lalu lintas, dan mengoptimalkan pengaturan sinyal lalu lintas. Manajemen lalu lintas yang efektif menjadi semakin penting seiring dengan peningkatan urbanisasi dan kompleksitas lalu lintas di kota-kota besar. Prediksi kemacetan dan optimasi sinyal lalu lintas adalah beberapa masalah yang dapat diselesaikan dengan kecerdasan buatan. Berdasarkan analisis dari 30 artikel yang dipublikasikan antara tahun 2020 sampai 2024 yang digunakan dalam proses tinjauan ini menunjukkan bahwa penggunaan AI dalam manajemen lalu lintas dapat menciptakan sistem yang lebih responsif, adaptif, dan efisien. Metode yang paling efektif dalam mengoptimalkan lalu lintas adalah YOLOv5, karena dapat mengolah data secara real-time dan memiliki nilai akurasi 98%. Teknologi yang sering digunakan dalam implementasi AI ini adalah CCTV, karena mudah penerapannya, terjangkau, dan memungkinkan pengawasan serta pengelolaan lalu lintas secara real-time dengan data visual yang detail. Penemuan dan konsekuensi literatur ini membantu pengembang kebijakan lalu lintas dan peneliti transportasi.