FAKTOR-FAKTOR PENDORONG PENYEBAB TERJADINYA KEMACETAN STUDI KASUS : KAWASAN SUKUN BANYUMANIK KOTA SEMARANG
Notice bibliographique
Résumé
Sukun region located in the southern city of Semarang is an activity node meetings between Semarang Upper and Lower part. In addition to the node activity, regional transport node Sukun is also because of the intersection between Setia Budi roads and highways. The rapid growth of traffic is felt at Setia Budi roads, this is because of the way as the initial point of entry into the city of Semarang from the south ( Yogyakarta - Solo ) both vehicles are going to Semarang and the entrance to the highway with a wide range of purposes. And trading activity and the presence of onsite services that are in the area resulted in increased activities of road users, the incidence of traffic generation and the high side barriers, which at certain hours of congestion and delays often occur. The research methodology used in this research is by using Deductive Quantitative Methods Rationalistic. With the technique of factor analysis and analysis of transportation, so it can be determined Level Of Service and factors - factors driving the cause of congestion in the area Sukun Banyumanik. The final results obtained from the analysis of the factors driving the causes of congestion on area Sukun is that congestion is due to the on site activity, the high capacity of the road, next to the barrier height and geometric conditions of the road.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,012 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».