| Abstrak/Abstract |
Penerapan pendekatan data-driven, termasuk penggunaan teknologi AI, sudah mulai banyak dilakukan dalam bidang transportasi jalan. Mchergui et al. (2022) mengevaluasi kelebihan dan kelemahan penggunaan teknologi AI dalam Vehicular Ad hoc NETworks (VANETs), termasuk di dalamnya penggunaannya terkait dengan keselamatan jalan, misalnya prediksi kecelakaan, prediksi dan deteksi perilaku dan pergerakan pengemudi, penguraian kemacetan setelah terjadi kecelakaan. VANET adalah piranti yang melekat pada kendaraan maupun perlengkapan sisi jalan yang digunakan untuk pertukaran informasi mengenai kondisi jalan dan kendaraan yang lain.
Katariya et al. (2024) melakukan penelitian mengenai VegaEdge, yaitu suatu framework AI yang digunakan untuk mengoptimalkan piranti Internet of Things (IoT) dalam mendeteksi dan melacak secara realtime serta memprediksi pergerakan dan jalur kendaraan. Framework ini juga memungkinkan untuk mengidentifikasi anomali perilaku pengemudi, misalnya keluar badan jalan, berhenti mendadak, dan gerakan merging yang berbahaya. VegaEdge dapat digunakan secara efisien di berbagai kondisi lalu lintas dan konfigurasi jalan raya dan telah dievaluasi pada platform seperti Nvidia Jetson Orin dan Xavier NX. Nvidia Jetson Orin memproses hingga 738 lintasan per detik dan mendeteksi hingga 140 kendaraan dalam satu frame.
Zhang et al. (2024) melakukan penelitian mengenai perilaku pengemudi dengan pendekatan Distracted Driving Classification (DDC) menggunakan Large Language Model (LLM), yang disebut Distracted Driving Language Model (DDLM). Metode ini menganalisis postur dari kepala, tangan kanan, dan kiri, untuk memperoleh klasifikasi perilaku yang lebih tepat dan interpretabilitas yang lebih baik. Penelitian ini menunjukkan DDLM dapat mendeteksi dan menganalisis distraksi dari pengemudi lebih akurat. |
