Anda di halaman 1dari 6

Review Pemanfaatan Komunikasi M2M untuk Meningkatkan

Utilisasi dan Kepuasan Pelanggan Ruang Parkir

Mu’ammar Faris Labib


S2 Teknik Elektro
UNIVERSITAS NEGERI MALANG
Malang, Indonesia
ammar.mobile9@gmail.com

Abstrak—Kekurangan ruang parkir menciptakan ini, kami fokus pada masalah operator ruang parkir.
masalah yang menantang baik bagi pengemudi maupun Kami mengusulkan untuk menggunakan teknologi
operator tempat parkir. Dalam penelitian ini, kami M2M untuk meningkatkan kepuasan pelanggan dan
menerapkan sistem simulasi parkir untuk mempelajari tingkat hunian ruang parkir. Sistem yang kami usulkan
masalah operator. Operator dapat menggunakan memungkinkan operator untuk menjalankan simulasi
metode kami untuk mengevaluasi berbagai kebijakan untuk memilih kebijakan terbaik untuk garasi parkir
parkir dan mencari tahu kebijakan terbaik. Selanjutnya, dan memperkirakan peningkatan SPS sebelum
operator dapat memperkirakan dampak smart parking investasi apa pun. Kebijakan parkir berarti bagaimana
system (SPS) pada manajemen ruang parkir. membagi ruang parkir dan pengemudi menjadi
SPS tidak hanya melacak jumlah dan lokasi tempat beberapa kelompok berbeda.
parkir yang tersedia di tempat parkir tetapi juga Untuk memverifikasi metode kami, kami
menggunakan komunikasi Machine-to-Machine membangun dua model simulasi: satu tanpa
(M2M) untuk menyediakan informasi yang berguna peningkatan SPS dan satu dengan peningkatan SPS.
bagi pengemudi. Berdasarkan hasil, kami dapat Dalam kasus model SPS, seorang pengemudi
mengidentifikasi kebijakan terbaik di antara semua berlangganan status ruang parkir. Saat status
alternatif yang mencapai tingkat kepuasan tertinggi di perubahan, pengemudi akan mendapat notifikasi.
bawah kendala mempertahankan tingkat hunian Berdasarkan seperti itu informasi, pengemudi dapat
tertentu. Lebih lanjut, hasil kami menunjukkan bahwa memutuskan apakah akan berkendara ke garasi parkir
SPS dapat meningkatkan tingkat kepuasan tanpa atau tidak, yang akan meningkatkan pelanggan tingkat
menghiraukan skenario dengan asumsi yang berbeda. kepuasan garasi.
Kata kunci — komunikasi M2M, parkir cerdas.
II. EVALUASI SMART PARKING SYSTEM
I. PENDAHULUAN DENGAN SIMULASI

Permintaan untuk tempat parkir telah meningkat A. Model Parkir Biasa


secara dramatis karena peningkatan kendaraan di Kami menggunakan asumsi berikut untuk
dunia. Pada saat yang sama, sulit untuk membuat ruang membangun model parkir biasa: (1) jumlah total ruang
parkir baru karena pertumbuhan kepadatan penduduk parkir adalah 300, (2) jangka waktunya adalah 90 hari,
yang terus menerus. Kekurangan tempat parkir yang mulai dari 7AM hingga 5PM setiap hari, dengan total
signifikan di kota-kota menciptakan masalah yang 900 jam, (3) ketika lebih dari satu driver bersaing untuk
menantang baik bagi pengemudi maupun operator tempat parkir yang sama, kami menggunakan
tempat parkir. kebijakan First-Come First-Served, (4) untuk setiap
Untuk pengemudi, satu masalah adalah mencari pengemudi, lama waktu yang dihabiskan mengemudi
ruang parkir yang tersedia dengan cepat dan dari lokasi asli pengemudi ke tempat parkir adalah
menemukan ruang yang paling dekat dengan tujuan. seragam waktu acak terdistribusi dengan rentang waktu
Masalah lain adalah menemukan mobil mereka tanpa antara 10 menit dan 30 menit, (5) jika tempat parkir
rasa sakit di garasi parkir besar. Untuk operator, sudah penuh, pengemudi akan terus mencoba kembali
masalahnya adalah bagaimana mengelola ruang parkir proses pencarian sampai akhir waktu pencarian yang
untuk memenuhi kebutuhan pelanggan yang berbeda ditetapkan untuk pengemudi. Dalam model kami, ada
sambil mempertahankan tingkat pemanfaatan yang dua parameter penting: pola lalu lintas dan kebijakan
tinggi. parkir.
Adopsi Smart Parking System (SPS) adalah upaya Pola lalu lintas memodelkan cara pengemudi
untuk meminimalkan kerumitan dan ketidaknyamanan mengemudi ke garasi parkir. Kami menggunakan
bagi pengemudi dan operator. Sebagian besar asumsi berikut untuk membuat pola lalu lintas yang
penelitian di bidang ini hanya berfokus pada berbeda: pertama, jumlah driver maksimum setiap hari
pemecahan masalah bagi pengemudi. Dalam penelitian adalah 600. Setiap pengemudi akan menghasilkan nol
atau satu upaya parkir per hari. Apakah upaya parkir akrab dengan layanan tersebut. Kedua,
berhasil atau tidak, pengemudi tidak akan penyalahgunaan layanan reservasi adalah masalah
menghasilkan upaya parkir lain pada hari yang sama; kritis. Sebagai contoh, seorang pengemudi yang telah
kedua, kami menghasilkan kedatangan driver memesan tempat parkir mungkin tidak datang ke
berdasarkan distribusi Poisson. Distribusi lambda dari tempat parkir, atau seorang pengemudi mungkin parkir
Poisson diberikan setiap jam. Pola lalu lintas di tempat parkir yang tidak disediakan olehnya.
didefinisikan sebagai 10 lambdas yang ditetapkan Kebijakan parkir praktis harus menawarkan berbagai
hingga 10 jam dalam satu hari kerja. layanan (di luar semua oleh reservasi) untuk memenuhi
Kami membuat lima pola lalu lintas yang berbagai kebutuhan pengemudi. Kebijakan yang baik
dijelaskan pada Tabel I. Baris ini menyajikan setiap dapat menarik lebih banyak pengemudi dan lebih baik
jam dalam satu hari kerja. Kolom yang sesuai dengan memanfaatkan ruang parkir. Dalam penelitian kami,
masing-masing pola lalu lintas menunjukkan 10 kami mengasumsikan biaya parkir sama untuk semua
lambdas distribusi Poisson pada jam yang berbeda. jenis dan zona waktu. Jadi masalah harga tidak akan
Nama pola lalu lintas adalah deskripsi umum tentang dipertimbangkan lebih lanjut. Langkah-langkah yang
karakteristik pola lalu lintas. Misalnya, dalam 「1 jam diambil oleh operator secara tradisional untuk
sibuk berat + 1 jam sibuk 」pola lalu lintas, ada sekitar menciptakan kebijakan terbaik diilustrasikan pada
400 pengemudi yang datang ke tempat parkir dari jam Gambar. 1.
8:00 sampai jam 8:59 (jam sibuk berat) dan 100
pengemudi datang ke tempat parkir dari 12:00 hingga
12:59 (jam sibuk) sementara hanya ada 10 pengemudi
yang datang ke tempat parkir untuk sepanjang waktu.

Pendekatan ini memiliki beberapa kelemahan.


Pertama, butuh waktu bagi pengemudi untuk terbiasa
dengan kebijakan baru, yang dapat menghasilkan
tingkat kepuasan pengemudi yang lebih rendah. Kedua,
operator mungkin menghabiskan waktu lama untuk
menguji berbagai kebijakan sebelum dia menemukan
Kebijakan parkir adalah seperangkat aturan yang kebijakan terbaik untuk tempat parkirnya. Ketiga,
ditetapkan oleh operator untuk mengelola ruang parkir. operator perlu mengeluarkan uang untuk mereformasi
Ini mendefinisikan berbagai jenis ruang parkir dan tempat parkir setiap kali kebijakan parkir baru dibuat.
harga. Kebijakan terbaik untuk operator adalah Dengan pendekatan simulasi kami, operator dapat
membuat semua reservasi ruang parkir hanya karena menjalankan langkah-langkah tradisional beberapa kali
ini akan memaksimalkan kepuasan pelanggan dan dalam waktu singkat dan tidak perlu mengeluarkan
tingkat hunian. Berdasarkan kebijakan ini, pengemudi uang untuk mereformasi tempat parkir. Untuk
hanya akan datang ke tempat parkir ketika dia telah membuktikan konsep sistem simulasi kami, kami
berhasil memesan tempat parkir. Dalam penelitian menghasilkan lima kebijakan dan memilih kebijakan
kami, kasus bahwa pengemudi memutuskan untuk terbaik dari hasil simulasi kami.
tidak datang ke tempat parkir ketika dia tahu bahwa dia Kelima kebijakan tersebut dibuat berdasarkan
tidak bisa mendapatkan tempat parkir yang tersedia empat jenis ruang parkir: (1) tipe pribadi, (2) Tipe A,
juga dianggap sebagai upaya parkir yang berhasil (3) tipe B dan (4) tipe reguler. Untuk tipe pribadi, setiap
karena menghemat waktu dan bahan bakar pengemudi. pengemudi diberi tempat parkir khusus. Untuk tipe
Dengan demikian, tingkat kepuasan dimaksimalkan lain, masing-masing memiliki level privilege.
karena semua upaya parkir berhasil. Ini lebih mudah Pengemudi dapat parkir di zona mereka atau zona-zona
dan lebih efisien untuk pengemudi daripada secara dengan tingkat privilese yang lebih rendah. Akibatnya,
membabi buta mencoba tempat parkir untuk ruang pengemudi dengan tingkat hak istimewa yang tinggi
parkir yang tersedia. Selain itu, tingkat hunian akan memiliki lebih banyak ruang parkir yang tersedia untuk
lebih tinggi juga karena ruang parkir yang tersedia digunakan dan dengan demikian upaya parkir mereka
dapat diperoleh dengan pemesanan lebih cepat. dapat dipenuhi dengan lebih mudah, yang
Namun, ini tidak praktis dalam kenyataan karena menghasilkan tingkat kepuasan yang lebih tinggi.
alasan berikut. Pertama, sulit bagi operator untuk Namun, ruang parkir di tingkat privilege tinggi dibagi
memastikan bahwa setiap pengemudi mengetahui di antara pengemudi yang lebih sedikit, yang akan
proses reservasi, terutama bagi pengemudi yang datang menurunkan tingkat hunian. Hubungan antara tipe
ke tempat parkir untuk pertama kalinya dan yang tidak ruang parkir dijelaskan dalam Tabel II.
Kami membuat setiap kebijakan dengan memilih
beberapa atau semua dari empat jenis ruang parkir.
Atribut lima kebijakan parkir dijelaskan pada Tabel III.
Ada dua atribut dari setiap kebijakan: kelompok tempat
parkir dan kelompok pengemudi. Di kebanyakan
tempat parkir dunia nyata, para operator ingin
memesan sejumlah kecil tempat parkir untuk
pengemudi dengan hak istimewa tingkat tinggi karena
jumlah pengemudi reguler biasanya lebih besar B. M2M-enabled SPS Model
endaripada jumlah pengemudi tingkat privilege tinggi. Dalam model ini, seorang pengemudi SPS dapat
Sebagai hasilnya, kami berasumsi bahwa jika operator memeriksa status tempat parkir secara jarak jauh dan
ingin menyediakan lebih dari 2 jenis ruang parkir, dalam waktu nyata. Sistem akan memperbarui status
jumlah tempat parkir reguler adalah jumlah tetap, yaitu ruang parkir berdasarkan deteksi pendudukan ruang
200. Aturan penamaan untuk kebijakan adalah parkir. Kami berasumsi bahwa metode pendeteksi
gabungan dari semua huruf pertama dari jenis yang pendudukan ruang parkir yang ada dapat digunakan di
diadopsi. Misalnya, kebijakan bernama “A.R.” berarti sistem kami. Seorang pengemudi dapat berlangganan
ada dua jenis ruang parkir: Tipe dan tipe reguler. status tempat parkir. Sistem akan mengirimkan
Akhirnya, bagaimana driver berinteraksi dengan pemberitahuan ketika tempat parkir penuh untuk
tempat parkir diilustrasikan pada Gambar. 2. Status membantu pengemudi memutuskan apakah akan pergi
"Drive" adalah status default dari driver. Pengemudi ke tempat parkir atau tidak. Sistem ini juga akan
akan memasuki status "Pencarian" ketika mereka tiba menyediakan layanan navigasi untuk mengurangi
di tempat parkir. Ketika seorang pengemudi dalam waktu yang dihabiskan mengemudi ke tempat parkir.
keadaan "Cari", jika ia menemukan ruang parkir yang Kami menganggap sistem navigasi driver yang ada
tersedia, ia akan memasuki "Taman" negara. Jika tidak dapat digunakan di sistem kami.
ada ruang parkir yang tersedia, pengemudi akan
berputar-putar di tempat parkir untuk menemukan
tempat parkir yang tersedia untuk jangka waktu
tertentu (waktu pencarian). Selama waktu ini, ia akan
memasuki "Taman" negara (p_drive time) setelah ia
menemukan ruang parkir yang tersedia. Pada akhir
waktu pencarian, jika dia tidak dapat menemukan
tempat parkir yang tersedia, dia akan memasuki
"Tinggalkan" negara. Di negara "Taman", pengemudi
akan memarkir mobilnya untuk waktu pendudukan dan
kemudian memasukkan "Tinggalkan" negara untuk
menunjukkan keberangkatannya dari tempat parkir.
Semakin rendah jumlah jenis tempat parkir,
semakin tinggi level privasinya. Seorang pengemudi
pertama-tama akan memasuki negara “Pencarian” pada
tingkat hak istimewa tertinggi yang telah disetujui
untuk mereka. Ketika seorang pengemudi
menghabiskan waktu pencarian tetapi tidak
menemukan tempat parkir yang tersedia, ia akan
memasuki "Pencarian" negara di tingkat hak istimewa
berikutnya. Proses pencarian ini berlanjut sampai tidak Arsitektur tingkat tinggi dari sistem simulasi
ada yang dapat ditemukan di tingkat hak istimewa diilustrasikan pada Gambar. 3. Di dunia nyata, sulit
terendah. Jika demikian, pengemudi akan memasuki untuk menyebarkan layanan parkir cerdas ke semua
status "Keluar". Di setiap kumpulan sumber daya, pelanggan. Beberapa driver hanya pengguna adhoc
waktu pencarian berbeda. Hal ini dalam rangka dari tempat parkir sehingga mereka tidak dapat
meningkat karena semakin rendah tingkat hak berlangganan ke layanan parkir pintar. Namun satu set
istimewa, semakin banyak ruang parkir. driver mungkin tidak berlaku untuk jaringan seluler
apa pun, seperti 3G atau 4G, untuk menggunakan
layanan parkir pintar. Namun demikian, bagi operator
driver ini masih merupakan pelanggan penting untuk
memenuhi tingkat tingkat hunian tertentu. Dengan
demikian, adalah normal bahwa driver reguler dan
driver SPS akan hidup berdampingan.
Diharapkan bahwa semakin banyak pengemudi
menggunakan layanan parkir cerdas, tingkat kepuasan
pelanggan dan tingkat hunian akan menjadi lebih baik.
Alasannya adalah bahwa pengemudi dapat dalam privilege yang tinggi lebih kecil daripada jumlah
menghindari upaya buta yang memperburuk tingkat driver di level privilege yang rendah, tingkat kepuasan
kepuasan. Di sistem kami, driver dari model parkir level privilege yang tinggi dianggap lebih penting
reguler dan driver dari model SPS berdampingan. daripada tingkat kepuasan level privilege yang rendah.
Model kami memungkinkan modifikasi persentase Bobot didistribusikan merata berdasarkan jumlah
driver SPS untuk melihat bagaimana interaksi kedua tingkat hak istimewa.
grup ini memengaruhi keseluruhan kepuasan Untuk penghitungan tingkat hunian, kami
pelanggan dan tingkat hunian. Dalam percobaan kami, menganggap semua ruang parkir sama karena kami
pertama-tama kami menghitung jumlah driver SPS mengasumsikan biaya parkir sama untuk semua tipe
berdasarkan persentase. Kemudian, kami dan zona waktu. Total waktu yang tersedia dari semua
mendistribusikannya secara acak ke tingkat hak ruang parkir adalah jumlah tempat parkir dikalikan
istimewa yang berbeda sesuai dengan kebijakan parkir dengan jumlah jam buka di tempat parkir. Akibatnya,
yang digunakan. Akibatnya, setiap level privilege tingkat hunian keseluruhan adalah total waktu yang
dapat terdiri dari driver reguler dan driver SPS. dihabiskan dibagi dengan total waktu yang tersedia
dari semua ruang parkir. Untuk operator parkir
nonkomersial, tujuan yang paling penting adalah untuk
meningkatkan tingkat kepuasan pelanggan sambil
mempertahankan tingkat tingkat hunian tertentu.
Dalam percobaan pertama, kami mensimulasikan
operasi tempat parkir menggunakan lima pola lalu
lintas. Kami menyelidiki apakah persentase yang lebih
tinggi dari driver SPS untuk tempat parkir akan
Perbedaan antara perilaku driver SPS dan perilaku menyiratkan tingkat kepuasan keseluruhan yang lebih
driver reguler adalah sebagai berikut: dalam status baik terlepas dari jenis pola lalu lintas dan tanpa banyak
"Drive", jika pengemudi menerima pemberitahuan, dia kerugian dalam tingkat pekerjaan keseluruhan. Untuk
akan memutuskan untuk tidak datang ke tempat parkir setiap pola lalu lintas, kami menggunakan persentase
dan dengan demikian memasuki "Leave" negara; di yang berbeda dari driver SPS untuk menjalankan
negara “Search”, waktu pencarian akan berkurang simulasi. Kami menganggap P.A.B.R. kebijakan
karena pengemudi sekarang tahu tidak ada ruang digunakan dalam semua simulasi. Hasil dari percobaan
kosong yang tersisa melalui SPS. Selanjutnya, waktu pertama diilustrasikan pada Gambar. 4.
yang dihabiskan untuk mengemudi ke tempat parkir
yang tersedia setelah pengemudi menemukannya
(p_drive time) akan berkurang juga karena SPS akan
menavigasi pengemudi ke tempat kosong.

III. EKSPERIMENTAL DESAIN DAN HASIL

Kami membuat tiga rangkaian eksperimen untuk


mempelajari masalah operator. Metrik kinerja yang
digunakan untuk evaluasi setiap eksperimen adalah
tingkat kepuasan dan tingkat hunian. Tingkat kepuasan
didefinisikan sebagai jumlah upaya parkir yang
berhasil dibagi dengan jumlah upaya parkir. Upaya
yang berhasil termasuk kasus-kasus di mana
pengemudi baik mendapat tempat parkir atau
memutuskan untuk tidak datang karena pemberitahuan
tentang tidak tersedianya tempat parkir. Tingkat hunian
didefinisikan sebagai total waktu yang dihabiskan
dibagi dengan total waktu yang tersedia dari semua
ruang parkir.
Untuk penghitungan tingkat kepuasan, pertama-
tama kita menghitung tingkat kepuasan dari setiap
tingkat hak istimewa dalam kebijakan parkir. Setelah Tingkat kepuasan meningkat seiring dengan
simulasi berakhir, setiap level privilege akan mencatat peningkatan persentase driver SPS. Kenaikan tingkat
data dari tingkat kepuasan, di mana n adalah jumlah kepuasan tertinggi adalah 7,87%, yang muncul dalam
hari kerja. Kemudian, kami menghitung tingkat pola lalu lintas "1 jam sibuk", sementara penurunan
kepuasan rata-rata dari setiap tingkat hak istimewa. tingkat hunian sekitar 0,56%. Alasannya adalah bahwa
Akhirnya, kami menggunakan rata-rata tertimbang selama jam sibuk, tempat parkir sebagian besar padat.
untuk menghitung tingkat kepuasan keseluruhan. Akibatnya, driver SPS tidak akan datang ke tempat
Alasannya adalah bahwa meskipun jumlah driver parkir dan ini menghasilkan tingkat pekerjaan yang
lebih rendah. Namun, tingkat huniannya menurun, persentase driver SPS, hasil eksperimen dijelaskan
tetapi penurunannya lebih kecil dari peningkatan pada Tabel IV. Jika tingkat hunian suatu kebijakan
kisaran tingkat kepuasan. Penurunan tingkat hunian sama atau lebih besar dari tingkat hunian rata-rata,
tertinggi adalah 1,01%, yang muncul dalam 2 pola lalu kebijakan tersebut memenuhi syarat dan tingkat hunian
lintas jam sibuk, sedangkan peningkatan tingkat kebijakan ditulis dengan huruf miring dan tebal dalam
kepuasan adalah 4,26%. Alasannya adalah bahwa akan tabel. Di antara semua kebijakan yang memenuhi
ada beberapa tempat parkir yang tersisa ketika syarat, yang dengan tingkat kepuasan tertinggi adalah
pengemudi SPS memutuskan untuk tidak datang ke kebijakan terbaik untuk persentase driver SPS dan
tempat parkir. Ini menghasilkan sedikit penurunan tingkat kepuasannya ditulis dengan huruf miring dan
tingkat hunian. tebal dalam tabel.
Dalam percobaan kedua, kami menyelidiki apakah The P.A.R. kebijakan adalah kebijakan terbaik di
persentase yang lebih tinggi dari driver SPS untuk antara 0%, 30% dan 50% dari driver yang
tempat parkir akan menyiratkan tingkat kepuasan menggunakan SPS, sedangkan P.A.B.R. kebijakan
keseluruhan yang lebih baik terlepas dari kebijakan adalah kebijakan terbaik di antara 70% dan 100%
parkir yang digunakan. Juga, tingkat kepuasan yang driver yang menggunakan SPS.
lebih baik tidak akan secara signifikan menurunkan Sebagai kesimpulan, kebijakan dengan 3 atau 4
tingkat hunian. Kami mensimulasikan lima kebijakan tingkat privilege dapat mencapai tingkat kepuasan
parkir. Untuk setiap kebijakan parkir, kami tertinggi di bawah batasan tingkat hunian. Alasannya
menggunakan persentase yang berbeda dari driver SPS adalah bahwa jika ada tingkat privilege yang lebih
untuk menjalankan simulasi. Kami mengasumsikan "1 tinggi, pengemudi dengan tingkat privilege tinggi
jam sibuk sibuk + 1 jam sibuk" pola lalu lintas di semua dapat menemukan tempat parkir yang tersedia dengan
simulasi. Hasil dari eksperimen kedua diilustrasikan probabilitas yang lebih tinggi. Jika tingkat kepuasan
pada Gambar. 5. pengemudi tingkat privilege tinggi menjadi lebih
tinggi, tingkat kepuasan keseluruhan akan meningkat.
Meskipun tingkat kepuasan tertinggi adalah kebijakan
P.R. karena upaya parkir dari driver tipe pribadi tidak
akan pernah gagal, ini memiliki tingkat hunian
terendah karena ruang parkir tipe pribadi tidak dapat
dibagi oleh beberapa driver.

IV. KESIMPULAN

Dalam penelitian ini, kami menyelidiki dampak


dari SPS pada manajemen ruang parkir di bawah
kebijakan parkir dan pola lalu lintas yang berbeda. SPS
yang menggunakan M2M tidak hanya melacak jumlah
dan lokasi ruang yang tersedia di tempat parkir tetapi
juga menyediakan driver dengan status real-time dari
tempat parkir. Selanjutnya, kami mengevaluasi
kebijakan parkir yang berbeda untuk mengidentifikasi
kebijakan terbaik. Semua ini dilakukan dengan
mengembangkan metode simulasi kejadian diskrit
dengan dua model: model parkir umum dan model SPS
M2M-enabled. Sistem simulasi parkir kami
diimplementasikan oleh SimPy.
Tingkat kepuasan meningkat ketika persentase Kami membuat tiga set eksperimen. Percobaan
driver SPS meningkat. Kenaikan tingkat kepuasan pertama dan kedua memperkirakan dampak SPS di
tertinggi adalah 3,08%, yang muncul dalam kebijakan bawah situasi parkir yang berbeda. Berdasarkan hasil
P.R., sedangkan penurunan tingkat hunian adalah simulasi, kami menyimpulkan bahwa terlepas dari pola
0,32%. Penurunan tingkat hunian tertinggi adalah lalu lintas apa dan kebijakan apa yang digunakan,
0,78%, yang muncul di P.A.R. kebijakan, sedangkan tingkat kepuasan selalu ditingkatkan ketika persentase
peningkatan tingkat kepuasan 1,84%. pengemudi parkir cerdas meningkat. Percobaan ketiga
Pada percobaan ketiga, untuk setiap persentase mengidentifikasi kebijakan terbaik yang mencapai
driver SPS, kami akan menguji lima kebijakan parkir tingkat kepuasan tertinggi di bawah batasan tingkat
dan mencari kebijakan terbaik di antara mereka. hunian minimum di antara banyak alternatif.
Kebijakan terbaik didefinisikan sebagai kebijakan Berdasarkan hasil simulasi, kami menyimpulkan
dengan tingkat kepuasan tertinggi sambil mencapai bahwa kebijakan dengan 3 atau 4 tingkat privilege
tingkat hunian rata-rata di atas di antara lima kebijakan adalah yang terbaik dalam hal tingkat kepuasan.
parkir. Pola lalu lintas "1 jam sibuk berat + 1 jam sibuk"
digunakan dalam semua simulasi. Untuk setiap
[5] S. V. Srikanth, Pramod P. J, Dileep K. P, Tapas S, M. U. Patil and
S. C. B. N, “Design and implementation of a prototype Smart
PARKing (SPARK) system using wireless sensor networks,” in
International Conference on Advanced Information Networking and
Applications Workshops, Bradford, 2009.

[6] N. H. H. M. Hanif, M. H. Badiozaman and H. Daud, “Smart


parking reservation system using Short Message Services (SMS),” in
International Conference on Intelligent and Advanced Systems
(ICIAS), Kuala Lumpur, 2010.

[7] H. Wang and W. He, “A reservation-based smart parking


system,” in IEEE Conference on Computer Communications
Workshops (INFOCOM WKSHPS), Shanghai, 2011.

[8] Y. Geng and C. G. Cassandras, “A new “smart parking” system


based on optimal resource allocation and reservations,” in 14th
International IEEE Conference on Intelligent Transportation
Systems (ITSC), Washington, DC, 2011.

[9] J. Wang, S. Gebara, Z. Sun, Q. Wu, K. Zong, H. Sun and A.


Farajidavar, “IPLMS: An Intelligent Parking Lot Management
System,” in 2015 IEEE Long Island Systems, Applications and
Technology Conference (LISAT), Farmingdale, NY, 2015.

[10] T. Rajabioun and P. A. Ioannou, “On-Street and Off-Street


Parking Availability Prediction Using Multivariate Spatiotemporal
Models,” in IEEE Transactions on Intelligent Transportation
Systems, vol.16, no. 5, pp. 2913-2924, 2015.

Hasil ini memberikan wawasan yang baik kepada


operator tentang cara terbaik mengelola sumber daya
parkir mereka. Meskipun M2Menabled SPS dapat
sedikit menurunkan pendapatan selama periode waktu
yang singkat karena sedikit kehilangan tingkat hunian.
Namun dalam jangka panjang, lebih banyak
pengemudi akan tertarik kembali ke garasi yang sama
jika operator mengimplementasikan SPS.

REFERENSI
[1] A. Kianpisheh, N. Mustaffa, P. Limtrairut and P. Keikhosrokiani,
“Smart Parking System (SPS) architecture using ultrasonic detector,”
International Journal of Software Engineering and Its Applications,
vol. 6, no. 3, pp. 51-58, 2012.

[2] T. Fabian, “An algorithm for parking lot occupation detection,”


in Computer Information Systems and Industrial Management
Applications, Ostrava, 2008.

[3] Q. Wu, C. Huang, S. Wang, W. Chiu and T. Chen, “Robust


parking space detection considering inter-space correlation,” in IEEE
International Conference on Multimedia and Expo, Beijing, 2007.

[4] R. Lu, X. Lin, H. Zhu and X. S. Shen, “SPARK: A new VANET-


based smart parking scheme for large parking lots,” in IEEE
INFOCOM, Rio de Janeiro, 2009.