Rekayasa dan Pengembangan Sistem Bantuan Pengemudi Tingkat Lanjut

< Kembali ke Perangkat Lunak Cerdas Otomotif

Oleh Johnny Liu, CEO Dowway Vehicle | Diterbitkan: 6 Maret 2026

Dengan pengalaman lebih dari satu dekade dalam bidang teknik otomotif dan pengembangan pengemudian otonom L2+, tim saya di Dowway Vehicle dan saya telah menavigasi transisi kompleks dari alat bantu pengemudi dasar ke sistem yang sangat canggih. Panduan teknis ini menguraikan realitas teknik, arsitektur sistem, dan metode kalibrasi yang diperlukan untuk memproduksi secara massal fungsi ADAS inti saat ini.

Perkenalan

Teknologi mobil berkembang pesat menuju otomatisasi L2+ dan seterusnya. Matriks fungsional Sistem Bantuan Pengemudi Tingkat Lanjut (ADAS) terus meluas. Meskipun Sistem Bantuan Penjaga Jalur (LKAS) dan Bantuan Parkir Otomatis (APA) telah meletakkan dasar, industri telah menggeser fokus ke skenario mengemudi dunia nyata yang sangat kompleks. Saat ini, konfigurasi produksi massal inti meliputi: Kontrol Jelajah Adaptif (ACC), Pengereman Darurat Otomatis (AEB), Bantuan Kemacetan Lalu Lintas (TJA), Peringatan Keluar Jalur (Lane Departure Warning/LDW), Dan Bantuan Perubahan Jalur (LCA).

Panduan ini mengkaji arsitektur sistem, pemilihan perangkat keras, pengembangan algoritma, dan kalibrasi kendaraan nyata yang diperlukan untuk membawa sistem ini ke produksi massal.

Fungsi Inti dari Sistem Bantuan Pengemudi Tingkat Lanjut

Berdasarkan standar seperti ISO 21448 (SOTIF) dan GB/T 39222-2020, kelima fungsi inti ADAS ini membentuk perisai keselamatan berkendara yang komprehensif.

Kontrol Jelajah Adaptif (ACC)

ACC secara otomatis mengontrol sistem penggerak dan pengereman kendaraan untuk mempertahankan kecepatan yang telah ditetapkan dan jarak aman berdasarkan kendaraan di depan. Sistem ini sangat cocok untuk jalan raya dan jalan perkotaan yang lengang, mengurangi kelelahan pengemudi selama berkendara terus menerus.

• Rentang Operasi: 0-130 km/jam (ACC kecepatan rendah mencakup 0-30 km/jam untuk kemacetan perkotaan).
• Indikator Kinerja Utama (KPI): 3-5 tingkat pengaturan jarak, mengikuti waktu respons ≤ 0,5 detik, akurasi kontrol kecepatan ±1 km/jam, dan keandalan ≥ 50 siklus berhenti-mulai terus menerus tanpa kegagalan.

Pengereman Darurat Otomatis (AEB)

AEB mengandalkan penggabungan multi-sensor untuk mendeteksi rintangan di depan (kendaraan, pejalan kaki, pengendara sepeda). Sistem ini secara otomatis mengaktifkan sistem pengereman untuk mengurangi atau menghindari tabrakan jika pengemudi gagal mengambil tindakan segera.

• Skenario Operasi: Mencakup rintangan mendadak kecepatan rendah (≤ 50 km/jam) dan pengereman darurat kecepatan tinggi.
• KPI: Waktu peringatan tabrakan ≥ 1,5 detik, waktu respons pengereman ≤ 0,3 detik, penghindaran tabrakan pada kecepatan ≤ 40 km/jam (untuk pejalan kaki), dan tingkat pengurangan kecepatan tabrakan ≥ 30% (untuk kendaraan).

Bantuan Kemacetan Lalu Lintas (TJA)

Sebagai pengembangan dari ACC, TJA mengelola lalu lintas berhenti-dan-jalan (≤ 30 km/jam) dengan secara otomatis mengontrol jarak aman, mulai/berhenti, dan koreksi kemudi kecil, menawarkan pengemudian semi-otonom dalam lalu lintas padat.

• KPI: Akurasi jarak mengikuti ±5 cm, transisi berhenti-mulai yang mulus (tanpa hentakan), sudut koreksi kemudi ≤ 5°/s, dan tingkat keberhasilan aktivasi ≥ 95%.

Peringatan Keluar Jalur (Lane Departure Warning/LDW)

LDW menggunakan kamera untuk memantau marka jalur, dan mengeluarkan peringatan akustik atau haptik (getaran pada roda kemudi atau jok) jika kendaraan menyimpang tanpa menggunakan lampu sein.

• Rentang Operasi: ≥ 60 km/jam (beberapa model aktif pada kecepatan serendah 40 km/jam).
• KPI: Akurasi pengenalan lajur ≥ 98% (cuaca normal) dan ≥ 95% (malam hari dengan penerangan jalan yang memadai), waktu respons peringatan ≤ 0,2 detik, dan tingkat peringatan palsu ≤ 1 kali/100 km.

Bantuan Perubahan Jalur (LCA)

LCA menggunakan radar gelombang milimeter (MMW) untuk memantau titik buta. Sistem ini memperingatkan pengemudi melalui indikator kaca spion samping atau getaran jika perpindahan jalur dilakukan saat ada kendaraan yang berada sangat dekat di jalur sebelahnya.

• KPI: Jangkauan deteksi titik buta 3-5m, akurasi pengenalan ≥ 97%, waktu respons peringatan ≤ 0,2s, dan tingkat peringatan palsu ≤ 0,5 kali/100 km.

Arsitektur Sistem untuk Produksi Massal ADAS

Fungsi-fungsi ini beroperasi secara ketat. “Persepsi-Keputusan-Eksekusi” arsitektur. Kami menggunakan pendekatan “Pengontrol Domain + Penggabungan Multi-Sensor” untuk memastikan keandalan waktu nyata dan kepatuhan terhadap ISO 26262 (Keselamatan Fungsional) dan ISO 21448 (SOTIF).

Lapisan Persepsi: Fusi Multi-Sensor

Produksi massal dengan biaya yang wajar bergantung pada penggabungan data untuk menghilangkan kesalahan sensor tunggal, biasanya menggunakan algoritma Adaptive Kalman Filter.

• Radar Gelombang Milimeter (MMW): Inti untuk ACC, AEB, dan LCA. Mendeteksi jarak, kecepatan, dan azimut (0,5-200m). 77GHz sangat direkomendasikan daripada 24GHz untuk akurasi yang lebih baik dalam skenario kecepatan tinggi dan cuaca buruk (hujan, salju, kabut).
• Kamera HD: Inti untuk LDW, TJA, dan AEB (deteksi pejalan kaki/pesepeda). Membutuhkan resolusi ≥ 1280×720, ≥ 30fps, penekanan cahaya yang kuat, dan peningkatan malam untuk mengimbangi keterbatasan radar pada target yang tidak kaku.
• Radar Ultrasonik: 4 sensor depan dan 4 sensor belakang membantu AEB dan TJA dalam mendeteksi rintangan di jarak dekat (0,1-5m) pada kecepatan rendah.
• IMU (Unit Pengukuran Inersia): Bekerja dengan GPS/Beidou untuk melacak akselerasi kendaraan, laju putaran (yaw rate), dan postur dengan kesalahan pemosisian ≤ 1m.

Lapisan Pengambilan Keputusan: Pengontrol Domain dan Algoritma

Pengontrol Domain ADAS bertindak sebagai otak pusat, mengintegrasikan chip CPU, GPU, dan FPGA. Pengontrol ini membutuhkan peringkat ISO 26262 ASIL-B (ASIL-C untuk fungsi AEB tertentu), frekuensi utama ≥ 1,5 GHz, memori ≥ 4 GB, dan dukungan CAN/LIN/Ethernet. Waktu respons total harus ≤ 100 ms.

• Algoritma Persepsi: Kerangka kerja pembelajaran mendalam (misalnya, YOLOv5, CNN) untuk pengenalan target yang akurat.
• Perencanaan Pengambilan Keputusan: Mengevaluasi kecepatan, jarak, dan lintasan berdasarkan peraturan lalu lintas.
• Algoritma Kontrol: Kontrol PID (Proporsional-Integral-Derivatif) digunakan untuk eksekusi mekanis yang presisi dan halus.

Lapisan Eksekusi: Antarmuka Kontrol Kendaraan

• Sistem penggerak: Berinteraksi dengan ECU mesin/pengontrol motor untuk akselerasi ACC/TJA (respons antarmuka ≤ 50ms).
• Pengereman: Terhubung dengan ABS/ESP untuk AEB, mampu menerapkan gaya pengereman maksimum ≥ 80% selama keadaan darurat.
• Kemudi: Berinteraksi dengan EPS untuk koreksi kecil TJA (akurasi kontrol sudut kemudi ≤ 0,5°).

Proses Pengembangan Teknik

Dari konsep hingga implementasi, rekayasa ADAS mengatasi empat hambatan utama melalui proses yang ketat:

1. Definisi Persyaratan: Tetapkan batasan, kondisi aktivasi/deaktivasi, dan tujuan keselamatan sesuai standar GB 7258-2017.
2. Pemilihan Perangkat Keras: Pilih pemasok produksi massal yang sudah mapan (misalnya, Bosch/Continental untuk radar, Sunny/O-Film untuk kamera, Horizon/Huawei untuk pengendali domain).
3. Pengembangan Algoritma Perangkat Lunak: Pastikan algoritma beroperasi dalam batasan waktu yang ketat (persepsi ≤ 50ms, keputusan ≤ 30ms) menggunakan alat simulasi seperti Prescan dan Carsim untuk meningkatkan keandalan.

4. Kalibrasi Kendaraan Nyata: Sesuaikan sudut pemasangan sensor (koreksi distorsi lensa kamera dan sudut radar) dan sesuaikan parameter PID di berbagai kondisi jalan.
5. Pengujian & Validasi: Lakukan pengujian fungsional dan kinerja di berbagai skenario dunia nyata untuk memastikan protokol keselamatan berhasil diaktifkan selama kegagalan sensor atau instruksi.

Mengatasi Tantangan Teknis Utama

• Ketidakakuratan Persepsi dalam Skenario Kompleks: Hujan, malam hari, dan silau dapat membutakan sensor. Solusinya meliputi penggunaan radar 77GHz, desain sensor redundan, dan penyaringan Kalman adaptif untuk menyesuaikan bobot sensor secara dinamis berdasarkan kondisi lingkungan waktu nyata.
• Keandalan Algoritma: Kasus-kasus ekstrem (tikungan tajam yang berkelanjutan, pejalan kaki yang tiba-tiba muncul) menyebabkan kegagalan. Solusinya melibatkan perluasan kumpulan data pelatihan dengan data nyata dan simulasi, serta penetapan batasan operasional yang ketat yang secara otomatis menonaktifkan fungsi dengan aman ketika batas dilanggar.
• Efisiensi Kalibrasi: Kalibrasi manual membutuhkan waktu 1-2 bulan. Beralih ke alat kalibrasi berbasis OBD (On-Board Diagnostics) otomatis mengurangi siklus ini menjadi 2-3 minggu, dengan menetapkan templat parameter standar untuk produksi massal.
• Keselamatan Fungsional (SOTIF): Menerapkan arsitektur perangkat keras redundan (pengontrol/sensor ganda) dan kemampuan pembaruan OTA (Over-The-Air) untuk terus menyempurnakan algoritma berdasarkan pengumpulan data pasca peluncuran.

Studi Kasus Produksi Massal: Implementasi ADAS L2+

Di Dowway Vehicle, kami baru-baru ini mengembangkan rangkaian L2+ untuk sedan keluarga kompak, yang dirancang untuk meningkatkan keselamatan berkendara dan mengurangi kelelahan pengemudi.

Arsitektur Perangkat Keras

• Pengontrol Domain: Chip Horizon Journey 3 (1,5GHz, 4GB, sesuai standar ASIL-B).
• Sensor: Bosch MRR3 (radar depan 77GHz), kamera depan Sunny 1080P, 4x Continental ARS408 (radar sudut 24GHz), 8x sensor ultrasonik Bosch, dan IMU Bosch BMI088.
• Antarmuka Eksekusi: Dilengkapi sepenuhnya dengan EPS, ABS/ESP, dan ECU mesin 1.5T.

Mengatasi Hambatan di Dunia Nyata

1. Deteksi Pejalan Kaki AEB dalam Hujan: Kami mengoptimalkan algoritma fusi untuk memberikan bobot lebih besar pada data radar MMW dan meningkatkan algoritma pemrosesan citra hujan pada kamera. Melalui pelatihan data dunia nyata yang ekstensif, pengenalan pejalan kaki di tengah hujan meningkat pesat. 88% hingga 97%.
2. TJA Stop-and-Go Jolting: Dengan mengadopsi strategi akselerasi/deselerasi progresif dan menyetel ulang parameter PID bersama tim powertrain, kami meningkatkan skor kelancaran start-stop dari 3,2 hingga 4,5 (dari 5).

Hasil Validasi Kendaraan Nyata

Setelah 3 bulan pengujian jalan yang ketat di lingkungan perkotaan, jalan raya, dan pedesaan di bawah berbagai kondisi cuaca, model produksi massal tersebut mencapai:

• Akurasi kontrol kecepatan ACC: ±1 km/jam
• Pengurangan kecepatan tabrakan AEB: ≥ 35%
• Tingkat peringatan palsu LDW: 0,8 kali/100 km
• Akurasi pengenalan LCA: 98%

Kendaraan tersebut berhasil memasuki produksi massal, dan mencapai sebuah Tingkat kepuasan pengguna 92% untuk fungsi-fungsi inti ini, membuktikan kelayakan solusi rekayasa kami.

Tren Masa Depan

Seiring kita menatap ke arah L3+ dan seterusnya, pengembangan fungsi non-LKAS/APA akan berfokus pada tiga pilar utama:

1. Peningkatan Penggabungan Sensor: Mengintegrasikan LiDAR untuk meningkatkan persepsi 3D secara dramatis dalam skenario yang kompleks.
2. Algoritma Cerdas: Mengintegrasikan Model AI Skala Besar untuk pengenalan lingkungan yang menyerupai manusia dan perencanaan pengambilan keputusan yang dipersonalisasi.
3. Ekosistem Sinergis: Mengintegrasikan ADAS dengan peta definisi tinggi dan sistem navigasi untuk pengemudian otonom perkotaan dalam berbagai skenario.

Pertanyaan yang Sering Diajukan tentang Sistem Bantuan Pengemudi Tingkat Lanjut (ADAS)

1. Apa itu Sistem Bantuan Pengemudi Tingkat Lanjut (ADAS)?

Jawaban Singkat: Ini adalah sistem elektronik kendaraan yang dirancang untuk membantu pengemudi dan meningkatkan keselamatan jalan secara keseluruhan.

Sistem Bantuan Pengemudi Tingkat Lanjut (ADAS) memantau lingkungan mengemudi dan mendukung kontrol kendaraan. Tujuan utamanya adalah untuk mengurangi kesalahan manusia dan mencegah kecelakaan dengan memberikan peringatan atau secara otomatis mengontrol pengereman, akselerasi, atau kemudi bila diperlukan. Fungsi tipikal meliputi Adaptive Cruise Control (ACC), Autonomous Emergency Braking (AEB), Lane Departure Warning (LDW), Blind Spot Detection (BSD), dan Traffic Sign Recognition (TSR).

2. Bagaimana cara kerja sistem ADAS?

Jawaban Singkat: Mereka bekerja melalui proses tiga langkah yang berkelanjutan: persepsi, pengambilan keputusan, dan pelaksanaan.

Pertama, Lapisan Persepsi menggunakan sensor (kamera, radar, LiDAR, dan ultrasonik) untuk mengumpulkan data lingkungan secara real-time. Selanjutnya, Lapisan Pengambilan Keputusan menggunakan prosesor dan algoritma untuk menganalisis data ini, mendeteksi bahaya, dan mengevaluasi risiko tabrakan. Terakhir, Lapisan Eksekusi Secara mekanis melakukan tindakan seperti pengereman, akselerasi, kemudi, atau memberikan peringatan kepada pengemudi. Untuk memastikan akurasi, beberapa sensor digabungkan melalui “fusi sensor,” yang mengintegrasikan berbagai jenis data untuk menciptakan gambaran yang jelas tentang lingkungan sekitar kendaraan.

3. Apakah sistem ADAS sama dengan mengemudi otonom?

Jawaban Singkat: Tidak. ADAS membutuhkan pengemudi manusia yang aktif, sedangkan pengemudian otonom sepenuhnya tidak.

ADAS terutama beroperasi dalam Tingkat Otomasi SAE (Society of Automotive Engineers) 0 hingga 3. Pada tingkat ini, pengemudi masih harus mengawasi kendaraan dan tetap bertanggung jawab secara hukum atas pengoperasiannya. ADAS mengotomatiskan tugas-tugas tertentu (seperti kontrol kecepatan atau pengereman), tetapi mengemudi otonom (Tingkat 4 dan 5) berarti sistem kendaraan mengontrol semua tugas mengemudi secara independen tanpa campur tangan manusia.

4. Sensor apa saja yang umum digunakan dalam ADAS?

Jawaban Singkat: Empat sensor yang paling umum adalah kamera, radar gelombang milimeter, LiDAR, dan sensor ultrasonik.

• Kamera: Penting untuk mendeteksi marka jalur, rambu lalu lintas, dan pejalan kaki.
• Radar (Gelombang Milimeter): Mengukur jarak dan kecepatan kendaraan di sekitarnya secara tepat.
• LiDAR: Memancarkan pulsa cahaya untuk memberikan pemetaan lingkungan 3D yang presisi dan beresolusi tinggi.
• Sensor Ultrasonik: Mendeteksi rintangan jarak dekat, terutama digunakan untuk parkir.

5. Apa saja keterbatasan ADAS?

Jawaban Singkat: Mereka dapat kesulitan menghadapi cuaca buruk, titik buta, kejadian tak terduga, dan ketergantungan pengemudi yang berlebihan.

Teknologi ADAS saat ini menghadapi beberapa keterbatasan. Kinerja sensor dapat menurun saat hujan deras, kabut tebal, salju, atau kondisi pencahayaan yang sangat rendah. Sensor juga memiliki sudut deteksi spesifik, artinya sensor tidak dapat mencakup setiap titik buta di sekitar kendaraan. Lingkungan yang sangat tidak terduga, seperti penyeberangan pejalan kaki yang tiba-tiba, masih dapat menyebabkan peringatan palsu. Terakhir, risiko terbesar adalah kesalahan manusia—ketika pengemudi secara keliru menganggap kendaraan dapat mengemudi sendiri dan berhenti memperhatikan jalan.