Development of Sustainable Urban Railway Service Model Using Micmac-Mactor: A Case Study in Jabodetabek Mega-Region Indonesia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Electric trains (KRL) provide services to residents living in Jabodetabek, one of the world's most significant regions. Although KRL is used daily by about 973,366 residents to carry out their activities, some factors influence its usage. Therefore, this study aims to identify the critical elements that affect train services and the patterns of relationships amongst actors to construct a model for long-term sustainability. This study was carried out using the Micmac and Mactor methods. Micmac is a causal structural matrix that can investigate the relationship between parameters in a system. The Mactor technique, on the other hand, is applied to a variety of tactics involving many actors and a set of related interests and goals. The results showed five critical variables for sustainable urban rail service, namely Safety, Capital, Eco monitoring and evaluation, Eco plan, and COVID control are needed. Meanwhile, The General Administration of Railways, Ministry of Transport, and Indonesian commuter train company are two institutions or actors that are very influential in mobilizing the safety of KRL users amid a pandemic to ensure the continuity of train services. This study also finds that critical variables, key actors, and rail destinations strongly influence the sustainability of social, economic, and environmental aspects of urban rail transportation services. In conclusion, this study provides new insight into developing a sustainable urban rail service model in Jabodetabek KRL.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle