Suurten erikoiskuljetusten ongelmat kiertoliittymissä
Bibliographic record
Abstract
Erikoiskuljetukset ovat pieni, mutta merkittävä osa Suomen tieliikenteessä tapahtuvista kuljetuksista. Erikoiskuljetusreittien suunnitteluun vaikuttaa aina useampi tekijä, joiden roolit määräytyvät kuljetukseen liittyvistä resursseista ja asiantuntemuksesta. Erikoiskuljetukset vaativat erityistä suunnittelua kuljetuksen lähtöpisteestä aina määränpäähän saakka, sekä lisäksi erityiset luvat kuljetusten suorittamiseen. Tässä opinnäytetyössä tarkasteltiin suuria erikoiskuljetuksia kiertoliittymissä. \n \nTyön tavoitteena oli tuoda esille niitä ongelmia ja haasteita, joita suuret erikoiskuljetukset voivat kohdata kiertoliittymissä. Tämän lisäksi työn tarkoituksena oli laatia kehitysehdotuksia haastavien tilanteiden ennaltaehkäisyyn tulevaisuudessa. Opinnäytetyössä määriteltiin huolellisesti sekä erikoiskuljetukset että kiertoliittymät, jotta näitä kahta tekijää voitiin käsitellä ja analysoida yhdessä tuoden esille mahdolliset ongelmakohdat. Työllä ei ollut toimeksiantajaa, mutta Nostokonepalvelu Projects Oy:n kahta projektia käytettiin työssä havainnollistavina esimerkkeinä. Tämän lisäksi Nostokonepalvelu Projects Oy:n toimitusjohtajaa Matti Niemistä ja projektijohtajaa Timo Riihoa haastateltiin työhön liittyen. Suurten eri-koiskuljetusten ongelmat ja haasteet kiertoliittymissä ilmenivät suurimmilta osin haastattelujen yhteydessä. \n \nTyön perusteella kävi ilmi, että kun kyseessä on suuri erikoiskuljetus, on syytä aina varmistaa kuljetuksen läpikulkeminen kiertoliittymästä simuloinnilla ja paikanpäällä tehtävällä tarkastelulla. Kiertoliittyminen ongel-makohdat ja mahdolliset parannusehdotukset on syytä saattaa tienpitäjän sekä kuljetusluvanmyöntäjän tiedoksi.
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.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.015 | 0.007 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.106 | 0.054 |
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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".