Sistem Informasi Geografis Untuk Visualisasi Daerah Rawan Kecelakaan Lalu Lintas Jalan Arteri Primer Kota Surabaya
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
Accidents are an event that often occurs on the highway, especially in big cities, one of which is Surabaya City. Accidents are one of the main problems for the safety of road users. Almost all activities carried out require transportation facilities, if the transportation facilities do not run well due to traffic accidents, the activities carried out will not run well. Therefore, a solution is needed to reduce accidents by building an accident-prone area information system. In determining the criteria for accident-prone areas, it is taken from the Republic of Indonesia Police, the Department of Transportation, and Public Works, based on the number of accidents, the number of fatalities of victims, and road conditions. This research is an effort to visualize the occurrence of accidents using spatial data of Surabaya City road network maps and non-spatial data, namely accident data and road data obtained from the police and the Bina Marga Service. In the final result of this research, an application is obtained that can provide visualization of accident-prone areas such as Ahmad Yani road which is a road with a high accident rate with the number of incidents and has the highest victim fatality weighting results among 9 other primary arterial roads. Keywords:Accident Prone Areas, Geographic Information System, Surabaya City, Traffic, Transportation
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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