Simulasi Dinamis Okupansi Parkir Menggunakan Deteksi Ruang Parkir Berbasis Computer Vision

Abstrak

Fasilitas parkir sulit dikelola ketika jumlah kendaraan yang datang bertambah, dan mengetahui kondisi parkir saat ini belum menjelaskan bagaimana okupansi akan berubah pada permintaan yang lebih tinggi. Penelitian ini mengembangkan kerangka kerja yang mengintegrasikan deteksi ruang parkir berbasis YOLO26s dengan simulasi okupansi stokastik. Pada set uji Roboflow, detektor mencapai presisi 93,6%, recall 91,8%, dan mAP@50 95,5%, meskipun positif palsu dan negatif palsu yang tersisa masih memengaruhi masukan simulasi. Pada video parkir, median deteksi sepuluh frame pertama menghasilkan estimasi kapasitas 174 ruang dan okupansi awal 58,6%. Nilai ini merupakan estimasi karena kapasitas hasil deteksi bervariasi antara 150 dan 194 ruang pada setiap frame. Simulasi tiga skenario kedatangan menunjukkan bahwa skenario rendah tetap berada di bawah kapasitas dengan okupansi rata-rata 50,78%, sedangkan skenario sedang dan tinggi mencapai kapasitas penuh pada seluruh pengulangan setelah rata-rata 124,5 dan 30,5 menit. Laju kedatangan yang lebih tinggi dengan demikian mempercepat kejenuhan dan memperpanjang waktu pada kapasitas penuh. Namun, parameter kedatangan dan keberangkatan merupakan asumsi skenario sehingga hasilnya bukan prakiraan permintaan parkir yang sebenarnya. Penelitian selanjutnya perlu menggunakan video yang lebih panjang, memvalidasi kapasitas terhadap data acuan (ground truth), dan menambahkan pelacakan kendaraan untuk mengestimasi laju kedatangan dan keberangkatan.