Pengaruh Kepadatan Lalu Lintas Terhadap Perkerasan Jalan di Jalan K.H. Abdul Halim (STA 0+000-STA 3+000)
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
Lalu lintas di atas permukaan jalan ditandai dengan beragam jenis kendaraan, yang dapat dipertimbangkan dalam desain perkerasan dengan menggunakan faktor truk untuk mengubah kerusakan yang disebabkan pada perkerasan menjadi kerusakan yang akan disebabkan oleh poros standar. Faktor truk untuk mengkonversi truk menjadi poros standar atau faktor ekivalen beban untuk mengubah poros menjadi poros standar didefinisikan dengan mempertimbangkan beban rata-rata untuk setiap poros. Proses ini mencakup kendaraan yang mengangkut beban poros di atas batas legal maksimum. Terdapat juga sejumlah besar kendaraan yang kelebihan beban dalam hal total berat kendaraan. Poros/kendaraan ini menyebabkan kerusakan signifikan pada perkerasan, yang meningkatkan biaya konstruksi dan rehabilitasi perkerasan. Oleh karena itu, studi ini menyelidiki dampak kendaraan yang kelebihan beban pada perkerasan jalan dengan mempelajari faktor truk untuk berbagai kasus kendaraan yang diterapkan pada sejumlah perkerasan yang terdiri dari lima ketebalan lapisan aspal berbeda dan lima modulus kekakuan subgrade yang berbeda. Penelitian ini menunjukkan bahwa kehadiran kendaraan yang kelebihan beban dapat meningkatkan biaya perkerasan lebih dari 100% dibandingkan dengan biaya yang sama untuk kendaraan yang mematuhi beban hukum.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.005 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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