<![CDATA[Keterlambatan kendaraan darurat di persimpangan lalu lintas dapat berdampak serius terhadap keselamatan publik, khususnya di lingkungan perkotaan yang padat. Untuk mengatasi tantangan ini, makalah ini mengusulkan sistem kontrol lalu lintas berbasis edge secara real-time yang secara dinamis memprioritaskan kendaraan darurat melalui deteksi multimodal. Sistem ini mengintegrasikan pengenalan sirene berbasis audio dan deteksi objek visual menggunakan algoritma YOLOv5, yang diimplementasikan pada platform komputasi edge Raspberry Pi. Mikrofon arah dan modul kamera digunakan untuk menangkap data lingkungan, yang kemudian diproses secara paralel untuk mengidentifikasi keberadaan serta arah kedatangan kendaraan darurat. Berdasarkan hasil deteksi, sistem akan menyesuaikan waktu sinyal lalu lintas normal dengan mengaktifkan fase lampu hijau pada lajur yang sesuai, sehingga memastikan kendaraan darurat dapat melintas segera. Evaluasi eksperimental yang dilakukan pada prototipe skala 1:50 menunjukkan akurasi deteksi yang tinggi dan latensi yang rendah. Subsistem audio mencapai waktu respons di bawah 50 ms dengan deteksi yang konsisten dari berbagai arah. Modul visual menghasilkan skor kepercayaan rata-rata di atas 0,87 dan berhasil mengklasifikasikan semua kendaraan darurat maupun non-darurat dengan benar. Sistem ini juga menunjukkan kinerja komputasi yang stabil di bawah beban kerja berkelanjutan. Temuan ini membuktikan kelayakan penerapan mekanisme kontrol sinyal lalu lintas yang ringan, responsif, dan tidak bergantung pada infrastruktur, sejalan dengan tujuan kota cerdas dalam mengoptimalkan respons terhadap keadaan darurat. Kata Kunci—deteksi kendaraan darurat, kontrol lampu lalu lintas, komputasi edge, YOLOv5, sensor multimodal, Raspberry Pi, sistem waktu nyata, kota cerdas]]>
Copyrights © 2025
