Statistics: Vehicle Analytics
Panduan lengkap fitur Vehicle Analytics pada Lenz Dashboard — Counting, Density, dan Dwelling untuk pemantauan lalu lintas dan analitik parkir cerdas.
Pengenalan
Vehicle Analytics adalah modul statistik pada Lenz Dashboard yang memproses data kamera untuk menghasilkan wawasan terstruktur tentang pergerakan dan keberadaan kendaraan di area yang dimonitor. Modul ini tersedia dalam dua varian analitik:
- MVA (Motor Vehicle Analytics) — analitik dasar berdasarkan jumlah kendaraan tanpa atribut detail.
- MVAA (Motor Vehicle Analytics with Attributes) — analitik dengan atribut kendaraan: jenis (mobil, motor, bus, truk) dan warna.
Setiap varian menyediakan tiga sub-fitur yang dapat dipilih secara independen:
Counting
Menghitung kendaraan masuk (in) dan keluar (out) per area dan per stream kamera. Cocok untuk pemantauan volume lalu lintas dan analisis alur net flow.
Density
Mengukur kepadatan kendaraan di suatu area dalam interval waktu tertentu — membagi kondisi menjadi low, medium, dan high density. Cocok untuk manajemen kerumunan kendaraan.
Dwelling
Menganalisis durasi kendaraan berhenti di satu area (parkir atau idle). Menyajikan rata-rata, median, minimum, dan maksimum waktu dwell. Cocok untuk analitik parkir cerdas.
Granularitas data bersifat otomatis: jika rentang tanggal yang dipilih adalah satu hari yang sama, data ditampilkan per jam (hourly); jika lebih dari satu hari, data ditampilkan per hari (daily).
Konsep Per Sub-fitur
Counting
Counting mencatat jumlah kendaraan yang melewati garis atau masuk/keluar dari area yang didefinisikan dalam konfigurasi stream.
Metrik utama yang ditampilkan:
- Total Kendaraan — jumlah kendaraan masuk + keluar selama periode.
- Lalu Lintas Masuk — total kendaraan dengan arah
in, beserta persentase dari total. - Lalu Lintas Keluar — total kendaraan dengan arah
out, beserta persentase dari total. - Net Flow — selisih masuk dikurangi keluar. Positif berarti lebih banyak masuk; negatif berarti lebih banyak keluar.
- Analisis Deret Waktu — grafik tren per jam atau per hari.
- Distribusi Stream — perbandingan volume antar kamera monitoring.
- Analisis Lalu Lintas Puncak — interval waktu tersibuk beserta periode paling sepi.
Pada varian MVAA, Counting juga menyertakan distribusi berdasarkan jenis kendaraan (mobil, motor, bus, truk) dan warna kendaraan per arah.
Gunakan Net Flow untuk mendeteksi penumpukan kendaraan di dalam area. Net flow positif yang tinggi mengindikasikan kendaraan terakumulasi dan tidak keluar.
Density
Density mengukur seberapa padat kendaraan yang ada di area pantauan pada setiap interval waktu, diklasifikasikan ke dalam tiga kategori:
| Kategori | Deskripsi |
|---|---|
low | Kepadatan rendah — area relatif kosong |
medium | Kepadatan sedang — lalu lintas normal |
high | Kepadatan tinggi — potensi kemacetan atau kerumunan |
Metrik utama yang ditampilkan:
- Jumlah total kendaraan terdeteksi dan distribusi per jenis (MVAA).
- Persentase waktu dalam kondisi low, medium, dan high density.
- Interval waktu puncak kepadatan beserta area yang paling padat.
- Distribusi per stream kamera: total count, peak time, dan vehicle distribution.
Threshold klasifikasi density (low/medium/high) ditentukan oleh konfigurasi analitik di backend. Hubungi administrator sistem jika nilai threshold perlu disesuaikan dengan kondisi lokasi Anda.
Dwelling
Dwelling menganalisis berapa lama kendaraan berhenti atau diam di dalam area yang dimonitor — berguna untuk mendeteksi kendaraan parkir liar, antrian, atau idle.
Metrik utama yang ditampilkan:
- Rata-rata Dwell Time — waktu rata-rata kendaraan berada di area (dalam detik).
- Median Dwell Time — nilai tengah distribusi durasi tinggal.
- Min / Max Dwell Time — durasi terpendek dan terpanjang yang tercatat.
- Most Common Dwell Time — durasi yang paling sering muncul (mode).
- Occupancy Rate — persentase waktu di mana terdapat aktivitas dwelling di area.
- Long Stay Frequency — persentase kejadian dengan dwell time lebih dari 5 menit (>300 detik).
- Kategori Durasi — distribusi kendaraan ke dalam kategori:
short,medium,long,very_long. - Distribusi per Stream — breakdown dwelling per kamera.
- Analisis Puncak — interval waktu dengan aktivitas dwelling tertinggi.
Semua nilai durasi dwell time dinyatakan dalam detik. Konversi: 60 detik = 1 menit, 300 detik = 5 menit.
Cara Menggunakan
Pilih Tipe Analitik
Buka halaman Statistics dari menu utama Lenz Dashboard. Pada bagian filter di bagian atas halaman, klik dropdown Analytic Type dan pilih salah satu:
NFV4-MVA— Vehicle Analytics tanpa atributNFV4-MVAA— Vehicle Analytics dengan atribut jenis dan warna kendaraan
Setelah memilih tipe analitik, kolom stream dan rentang tanggal akan aktif.
Pilih Stream Kamera
Klik dropdown Stream dan pilih satu atau beberapa kamera yang ingin Anda analisis. Stream yang tersedia adalah kamera yang sudah dikonfigurasi dengan analitik kendaraan yang sesuai.
Pada deployment dengan Federation Mode aktif, Anda perlu memilih Instance terlebih dahulu sebelum memilih stream.
Atur Rentang Tanggal
Gunakan Date Range Picker untuk memilih tanggal awal dan tanggal akhir. Rentang maksimum yang disarankan adalah 30 hari agar performa tetap optimal.
- Satu hari → data per jam (hourly)
- Lebih dari satu hari → data per hari (daily)
Pilih Sub-fitur
Setelah analitik dan stream dipilih, gunakan tab atau selektor di area konten untuk berpindah antara Counting, Density, dan Dwelling. Setiap sub-fitur memuat data secara independen.
Tampilkan Statistik
Klik tombol Show Statistics. Dashboard akan memuat data dari API dan menampilkan semua chart, kartu ringkasan, dan tabel distribusi sesuai sub-fitur yang dipilih.
Ekspor Laporan (Opsional)
Setelah data ditampilkan, klik tombol Export PDF untuk mengunduh laporan statistik dalam format PDF. File yang diunduh akan diberi nama sesuai tipe analitik, misalnya MVA_Statistics_Report.pdf.
Tombol Export PDF hanya aktif jika data statistik sudah berhasil dimuat.
API Reference
Vehicle Analytics mengekspos tiga endpoint per varian analitik. Semua endpoint menggunakan metode GET dan memerlukan autentikasi via Token.
MVA (Basic Vehicle Analytics)
Prop
Type
MVAA (Vehicle Analytics with Attributes)
Prop
Type
Query Parameters
Semua enam endpoint menerima parameter yang sama:
Prop
Type
Contoh request:
GET /statistics/mva/counting?stream_id=abc123&start_date=2025-11-01&end_date=2025-11-07
Authorization: Bearer <Token>Format Response
Counting Response
{
"data": {
"time_range": "daily",
"start_date": "2025-11-01",
"end_date": "2025-11-07",
"summary": {
"in": { "count": 1240, "percentage": 52.3 },
"out": { "count": 1130, "percentage": 47.7 },
"total": 2370,
"net_flow": 110
},
"time_series_data": [
{
"time_interval": "2025-11-01",
"vehicle": {
"in": { "count": 180, "percentage": 53.0 },
"out": { "count": 160, "percentage": 47.0 },
"total": 340,
"net_flow": 20,
"in_percentage": 53.0,
"out_percentage": 47.0
},
"percent_of_total": 14.3,
"change_from_previous": 0
}
],
"stream_distribution": [
{
"stream_id": "abc123",
"stream_name": "Kamera Pintu Utama",
"location": "Gedung A",
"total_count": 1200,
"percent_of_total": 50.6,
"directional_data": {
"in": 630, "out": 570, "total": 1200, "net_flow": 60
},
"peak_time_interval": "2025-11-03",
"areas": []
}
],
"peak_time_info": {
"peak_time_interval": "2025-11-03",
"peak_traffic": {
"in": { "count": 98, "percentage": 54.1 },
"out": { "count": 83, "percentage": 45.9 },
"total": 181,
"net_flow": 15
},
"top_busy_periods": [],
"least_busy_periods": []
},
"trends": {
"average_traffic_per_interval": 338.6,
"traffic_distribution": [],
"directional_trend": {
"net_flow_trend": "inbound",
"dominant_direction": "in",
"directional_ratio": 1.097
}
},
"timestamp": "2025-11-08T10:00:00Z"
},
"message": "success"
}Density Response (ringkasan trends)
{
"data": {
"trends": {
"low_density": 24,
"medium_density": 18,
"high_density": 6,
"low_density_percent": 50.0,
"medium_density_percent": 37.5,
"high_density_percent": 12.5
}
}
}Dwelling Response (ringkasan trends)
{
"data": {
"trends": {
"average_vehicles_per_interval": 42.3,
"average_dwell_time": 187.5,
"min_dwell_time": 12,
"max_dwell_time": 1820,
"median_dwell_time": 145,
"most_common_dwell_time": 90,
"occupancy_rate": 78.4,
"long_stay_frequency": 23.1,
"duration_category_distribution": [
{ "category": "short", "count": 310, "percentage": 48.3, "range_label": "0-60 detik" },
{ "category": "medium", "count": 198, "percentage": 30.8, "range_label": "60-300 detik" },
{ "category": "long", "count": 95, "percentage": 14.8, "range_label": "300-900 detik" },
{ "category": "very_long", "count": 39, "percentage": 6.1, "range_label": ">900 detik" }
]
}
}
}Tips & Troubleshooting
Selanjutnya
Statistics Overview
Pelajari halaman utama Statistics — cara memilih analitik, mengatur filter, dan memahami navigasi antar modul.
People Analytics
Analitik serupa untuk pejalan kaki: Counting, Density, dan Dwelling untuk pemantauan kerumunan orang.
LPR Statistics
Statistik License Plate Recognition — frekuensi plat nomor, kendaraan paling sering muncul, dan laporan akses.
Statistics: People Analytics
Pantau pergerakan, kerumunan, durasi berdiam, dan atribut demografis orang di area yang diawasi — menggunakan analitik MPA2 pada Lenz Dashboard.
Statistics: Crowd Estimation
Pantau estimasi kepadatan kerumunan di area publik — event massal, mall, dan transportasi — beserta referensi API dan panduan konfigurasi lengkap.