PERANCANGAN MODEL SIMULASI SISTEM PARKIR BERBASIS AGEN UNTUK PENINGKATAN EFISIENSI DAN PENGALAMAN PENGGUNA
Keywords:
Simulasi, Agent Based, Sistem Parkir, Pengabdian MasyarakatAbstract
Dalam konteks perkembangan teknologi saat ini, peningkatan efisiensi dan pengalaman pengguna menjadi fokus utama dalam merancang sistem parkir. Studi ini bertujuan untuk mengembangkan model simulasi sistem parkir spasial berbasis agen dengan tujuan meningkatkan efisiensi penggunaan ruang parkir dan memberikan pengalaman yang lebih baik kepada pengguna. Jadi ini menitikberatkan Pendekatan ini memanfaatkan teknologi agen untuk mengelola dan mengoptimalkan alokasi tempat parkir secara dinamis. Dengan mempertimbangkan berbagai variabel seperti jumlah kendaraan, lokasi parkir, dan preferensi pengguna, model ini bertujuan untuk meningkatkan efisiensi penggunaan ruang parkir dan memperbaiki pengalaman pengguna secara keseluruhan. Gambaran okupansi secara spasial diperoleh melalui penggunaan mikro simulasi. Oleh karena itu, pendekatan berbasis agen digunakan untuk mengumpulkan data mikro, terutama bagaimana pengemudi mencari tempat parkir. Untuk menganalisis okupansinya, simulasi ini menggunakan tiga skenario, yaitu parkir pada jadwal matakuliah, senin sampai sabtu. Hasilnya menunjukkan bahwa area dengan okupansi tertinggi terjadi pada skenario selasa, terutama di pintu masuk pakiran. Namun, area parkir belakang adalah yang paling sedikit diminati mahasiswa dan memiliki okupansi paling rendah. Memberikan tempat sesuai smester dan mengisi lahan parkir paling belakang dapat meningkatkan okupansi parkir, yang dapat menambah okupansi kendaraan.
References
Arvianto, A., Sopha, B. M., Asih, A. M. S., & Imron, M. A. (2021). City logistics challenges and innovative solutions in developed and developing economies: A systematic literature review. International Journal of Engineering Business Management, 13, 184797902110397. https://doi.org/10.1177/18479790211039723
Benenson, I., Martens, K., & Birfir, S. (2008). PARKAGENT: An agent-based model of parking in the city. Computers, Environment and Urban Systems, 32(6), 431–439. https://doi.org/10.1016/j.compenvurbsys.2008.09.011
Thompson, R. G., & Richardson, A. J. (1998). A Parking Search Model. Transportation Research Part A: Policy and Practice, 32(3), 159–170. https://econpapers.repec.org/RePEc:eee:transa:v:32:y:1998:i:3:p:159-170
van der Waerden, P., Timmermans, H., & da Silva, A. N. R. (2015). The influence of personal and trip characteristics on habitual parking behavior. Case Studies on Transport Policy, 3(1), 33–36. https://doi.org/10.1016/j.cstp.2014.04.001
Wilensky, U., & Rand, W. (2015). An introduction to agent-based modeling (Issue January).
Yang, S., Ma, W., Pi, X., & Qian, S. (2019). A deep learning approach to real-time parking occupancy prediction in transportation networks incorporating multiple spatio-temporal data sources. Transportation Research Part C: Emerging Technologies, 107, 248–265. https://doi.org/10.1016/j.trc.2019.08.010
Young, W. (1986). PARKSIM 1 A NETWORK MODEL FOR PARKING FACILITY DESIGN. Traffic Engineering and Control, 27, 606–613.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Reza Riyawan Al Aziz, Dicky Oktavianto
This work is licensed under a Creative Commons Attribution 4.0 International License.
