Tieverkon hallinnollisen luokittelun periaatteita eri maissa
Bibliographic record
Abstract
Tässä diplomityössä on tarkasteltu kuuden maan hallintorakennetta ja tieverkon eri osien hallinnoinnin jakautumista eri hallintotasoille. Vertailun ja työn tavoitteiden takia tarkasteluun sisällytettiin myös Suomi. Tutkittuja ulkomaisia kohteita ovat Ruotsi, Tanska, Saksa, Englanti Yhdistyneestä Kuningaskunnasta, Michigan Yhdysvalloista ja Ontario Kanadasta. Esimerkkikohteet on valittu kehittyneistä länsimaisista valtioista, joista tarvittavien tietojen löytämisen arveltiin olevan diplomityön puitteissa mahdollista. Kohteet valittiin kehittyneiden valtioiden joukosta, koska tarkoituksena oli löytää hyviä esimerkkejä tieverkon hallinnoinnin järjestämiselle. Työssä etsittiin myös tieverkon osien välisten rajapintojen kriteerejä kohteista. Työssä rajapintojen tarkastelu on jätetty kohtuullisen yleiselle tasolle. Rajapintojen tutkimista vaikeuttivat kohteiden monimuotoiset ja eritasoiset hallintorakenteet sekä lainsäädännöt. Lisäksi eritasoisten viranomaisten asetukset ja säädökset voivat vaihdella jopa kohteiden eri alueilla. Erityishuomio työssä on kiinnitetty yksityisteihin. Tarkastelluista kohteista on tutkittu rajapintaa yleisten ja yksityisteiden välillä, käytäntöä yksityisteiden hallinnoinnista sekä yksityisteiden historiaa ja lainsäädäntöä. Yksityisteillä on tutkituissa kohteissa oleellinen rooli tieverkoston hiussuonistona. Saksassa yksityisteiden merkitys on ilmeisen vähäinen. Pohjoismaat ovat puolestaan kohteista ainoita, jotka yleisesti avustavat yksityisteiden rakentamista tai kunnossapitoa. Tarkasteltujen hallintoesimerkkien sekä niiden yksityiskohtien soveltuvuutta Suomeen on pohdittu kappaleessa kuusi. Osa esimerkeistä ansaitsee lisäselvitystä, jos tieverkon hallinnointia Suomessa ollaan tulevaisuudessa jakamassa eri hallintotasoille. Mahdollisesti Suomeen soveltuvia järjestelmien yksityiskohtia arveltiin olevan muutamia. Esimerkiksi Ruotsissa yksityisteiden ajatellaan palvelevan myös yleistä liikennettä. Yleisen liikenteen yksityisteille aiheuttama lisärasite onkin siellä pääasiallinen yksityisteiden tukemisen peruste. Useissa tarkastelluissa maissa esiintyneitä monimuotoisia hallintorakenteita ja niiden soveltuvuutta Suomeen voisi myös olla hyödyllistä tutkia lisää.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.136 | 0.039 |
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".