ANALISIS BATAS KECEPATAN KRITIS KELUAR REL DI LENGKUNGAN R60 DENGAN KONDISI TIDAK ADA PELEBARAN DAN PENINGGIAN PADA PROYEK LRT
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
LRT menggunakan jenis lintasan layang. jalurnya tidak hanya lurus melintang, tapi juga menikung. Pada tikungan, kereta akan terpengaruh oleh gaya sentrifugal, kereta akan terlempar ke arah luar. Dengan adanya radius 60 meter pada lintasan kereta LRT, terjadi getaran dan bunyi yang cukup kencang di kabin masinis, akibatnya pihak operasional LRT menurunkan kecepatan desain dari 20 km/j menjadi 10 km/j. Kecepatan kereta yang rendah berdampak pada kedatangan kereta terlambat terutama pada saat jeda waktu keberangkatan antar kereta (headway) yang lebih cepat. Dari hasil survei yang telah dilakukan di lapangan pada lengkungan tersebut roda dan rel sudah terkikis (aus) dengan ditemukannya gram akibat gesekan antara roda dan rel dikarenakan Jarak gandar roda lebih besar dari pada dab rel akibatnya kereta berjalan mepet (Spiezgang) meskipun jalur tersebut dibuat pelebaran maksimum 20 mm sesuai Peraturan Menteri Perhubungan No.60. Kecepatan kritis kereta masih lebih tinggi, yaitu 48 km/jam atau terdapat selisih perbedaan sebesar 38 km/jam dengan batas kecepatan yang diterapkan saat ini yaitu 10 km/jam. Sebagai upaya peningkatan kecepatan dan menghindari tergulingnya LRV sebaiknya pada lintasan lengkung dengan radius yang kecil dilakukan peninggian (cant) dan pelebaran sepur guna mengurangi keausan yang berlebihan pada roda. Serta perlu adanya perawatan khusus menggunakan lubrikasi pada titik tersebut untuk mengurangi gaya gesekan. Agar dapat mengoptimalkan kinerja LRV penulis menyarankan penambahan kecepatan kereta kembali pada kecepatan awal desain yaitu maksimal 20 km/jam.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.003 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it