Penelitian ini berfokus pada pengembangan sistem klasifikasi dan perhitungan kendaraan berdasarkan jalur (lane-level) dengan menggunakan kamera tunggal sebagai basis pengambilan data visual. Sistem ini ditujukan untuk mendukung implementasi Multi Lane Free Flow (MLFF), yakni metode pembayaran tol elektronik tanpa hambatan yang diterapkan pada infrastruktur jalan tol tiga jalur. MLFF memungkinkan kendaraan melaju tanpa harus berhenti di gerbang tol, sehingga diperlukan sistem cerdas berbasis penglihatan komputer yang dapat secara otomatis mendeteksi, melacak, dan mengidentifikasi jenis kendaraan secara real-time. Tantangan utama dalam penerapannya adalah menjaga keakuratan pengenalan dan penghitungan kendaraan di setiap jalur dalam kondisi lalu lintas yang padat dan bervariasi, hanya melalui satu tampilan kamera tetap. Tujuan utama penelitian ini adalah merancang serta mengimplementasikan sistem deteksi kendaraan menggunakan model YOLOv11 yang dikombinasikan dengan algoritma pelacakan BOT SORT, serta pemetaan area jalur melalui segmentasi Region of Interest (ROI) adaptif. Dataset yang digunakan terdiri dari gabungan sumber terbuka seperti GRAM-RTM dan MAVD, serta data kustom berupa video hasil perekaman langsung di lapangan yang mencerminkan kendaraan dari lima golongan menurut klasifikasi BPJT. Sistem dirancang untuk berjalan pada perangkat edge computing yaitu NVIDIA Jetson Orin, dan diuji pada rekaman lalu lintas tiga jalur guna mengamati performanya dalam kondisi nyata. Evaluasi sistem dilakukan berdasarkan sejumlah metrik seperti mean Average Precision (mAP), precision, recall, akurasi penghitungan, serta latensi inferensi untuk menilai keefektifan kinerja secara keseluruhan. Hasil akhir dari penelitian ini diharapkan dapat menghasilkan sistem klasifikasi dan counting kendaraan yang akurat, efisien, dan layak untuk diimplementasikan di lapangan.