Today, the world is experiencing a tremendous catastrophic disaster that can lead to potential environmental damage. However, awareness of how to deal with this catastrophic situation still remains very low. One of the most critical issues in disaster response is assigning disaster victims to the best emergency shelter location. This article reviews various existing studies to develop a new approach to determining emergency shelter locations. There are four evaluation criteria that are reviewed: optimization objective, decision variable, methodology, and victim identification. From the investigation, there are two major evaluations that can be further developed. In terms of decision variables, most of the previous research applies direct distance (Euclidean Distance) in the analysis process. However, the application of travel distance can represent a real evacuation process. Another interesting point is the victim identification process. Recent research applies grid-based partitioning and administrative-based partitioning. However, this method leads to a bias in the assignment process. This article recommends the application of K-Means clustering method as one of the unsupervised machine learning methods that is rapidly developing in many engineering fields. For better understanding, an example of K-Means clustering application is also provided in this article. Finally, the combination of travel distance and K-Means clustering will be proposed method for any further research.

As urban areas continue progressing into more complex development, urban areas become more vulnerable to disaster. Therefore, there is growing interest in investigating disaster response processes considering population distribution variation within urban regions. This study explores the unsupervised machine learning methods, K-means, DBSCAN, and introduces a novel Ensemble Clustering, which is compared to the established grid-based method as a framework for aggregating disaster victims in determining evacuation strategies. The Ensemble Clustering method combines the K-Means clustering strengths in dividing disaster victim distribution into globular cluster distribution. DBSCAN supports it as a robust outlier identification for disaggregating the irrelevant member as an individual. Subsequently, the clustering effectivity is evaluated by simulating the evacuation scenarios in the evacuation simulation, and the performance is compared to the traditional grid-based method. Combining the machine learning method and the evacuation simulation can be a framework for the decision-making process during a disaster. The results show that the Ensemble Clustering outperforms the traditional grid method, ensuring a faster completion time.

Social history has shown that a city plays an important role in meeting human needs such as housing, service facilities, entertainment areas, and transportation networks. Therefore, the interaction between demand and infrastructure creates a traffic flow. Previous studies show that traffic flow is strongly correlated with land use types’ scale and operational characteristics. In addition, traffic volume can represent logistics distribution, which is one of the parameters to assess regional economic conditions. This condition prompted researchers to research to develop an interaction model between land-use intensity and traffic. The study was conducted in Bandar Lampung City, Indonesia, the economic center of Lampung Province, Indonesia. The methodology used in this study is the multiple linear regression analysis for origin-destination matrix. This analysis was performed using 23 parameters that could influence the model, but we try to find the most significant influence variables in this study. The process of evaluating some statistical parameters is considered as decision parameters. Finally, the analysis results show a strong correlation between land use and traffic volume in the city of Bandar Lampung, Indonesia the best model y = 62,3 + 2,275 x₁₆ + 1,348 x₂₀ with x₁₆ is store building area, and x₂₀ is the number of schools.

Numbers of private vehicle movement in city caused negative externalites. Indonesia’s Ministry of Transportation tend to facilitate Palembang city mobility with public transportation called Bus Transit Buy The Service Project. This research aims to identify the equilibrium in passenger willingness to pay and ability to pay as proposing the suitable tariff. Shown in this research, is about 2.400 - 3.500 rupiahs is the range of effective bus transit fares.

Indonesia merupakan negara yang terus berkembang dari waktu ke waktu, dan petumbuhan transportasi yang merupakan aktifitas turunan dari perkembangan masyarakat merupakan suatu hal yang tidak dapat dihindari. Kota Bandung juga merupakan salah satu kota besar di Indonesia yang terus berkembang dalam berbagai aspek kehidupan baik aspek sosial, pendidikan, dan kemasyarakatan. Salah satu dampak dari lalulintas yang melalui suatu kawasan adalah terjadinya kebisingan. Kebisingan memiliki banyak definisi namun secara umum kebisingan dapat dinyatakan sebagai suara yang tidak diinginkan (undesirable sound). Dampak dari kebisingan ini sangat banyak namun secara umum kebisingan memiliki dampak yang cukup besar terhadap kesehatan Manus. Studi ini dilakukan dengan tujuan untuk memprediksi tingkat kebisingan lingkungan lalu lintas dengan studi kasus yaitu Jalan A.H. Nasution Kota Bandung. Proses analisis diawali dengan pengumpulan berbagai informasi terkait pengembangan model matematis yang akan dilakukan. Pengumpulan data dilakukan dengan dua jenis pengumpulan data, yaitu data primer dan data sekunder. Data Primer yang dikumpulkan meliputi: Tingkat kebisingan, arus lalulintas, kecepatan lalulintas dan kerapatan lalulintas. Sedangkan data sekunder yang dikumpulkan yaitu meliputi geometri jalan, kondisi cuaca dan tata guna lahan. Dari data yang didapatkan dilakukan pembentukan model matematis dengan metoda forward selection dengan variabel tidak bebas (Y) adalah berupa tingkat kebisingan (Leq) dan variabel bebas (X) terdiri dari: jumlah kendaraan dalam kendaraan/jam, % kendaraan ringan, kerapatan, dan jarak penerima dari sumber kebisingan. Dari hubungan semua variabel-variabel tersebut dicari model terbaik yang bisa mewakili tingkat kebisingan. Hasil analisis menunjukan bahwa terdapat dua model matematis terbaik yaitu model matematis dengan regresi sederhana Y =Â 64.537 + 0.005 X1dengan Y merupakan tingkat kebisingan dan X1adalah adalah arus kendaraan (kendaraan/jam) dengan nilai signifikansi 0.000, nilai koefisien korelasi = 0.786 dan nilai R square = 0.636. Serta model matematis multilinear Y = 62.363 + 0.002 X1 + 27.884 X2 - 0.446 X5 dengan Y merupakan tingkat kebisingan dan X1adalah adalah arus kendaraan (kendaraan/jam) X2adalah persen kendaraan ringan pada kedua arah dan X5adalah jarak penerima dari sumber (m) dengan nilai R square 0.900.

Lalu lintas merupakan penyumbang terbesar polusi udara perkotaan. Oleh karena itu diperlukaan perencanaanlalu lintas yang baikdalam mengurangi polusi udara. Salah satu cara yang dapat dilakukan adalah dengan efisiensi pergerakan simpang. Penelitian ini merencanakan pengelolaan simpang dengan optimasi pada cycle time. Penelitian ini bertujuan mengevaluasi besarnyapengurangan polusi akibat optimasi cycle timepada sebuah simpang dengan studi kasus Simpang Way Halim, Bandar Lampung. Evaluasi dilakukan dengan membandingkan penguranganbesaran emisi CO pada simpang bersinyal hasil Simulasi menggunakan PTV Vissim. Dari simulasi lalu lintas dihasilkan besar emisi CO pada 2019 sebesar 261.475gr CO dan 2024 adalah sebesar 349.453gr. Setelah optimasi, emisi CO tahun 2019 171.852gr sedangkan tahun 2024 sebesar 174.425gr CO. Kesimpulannya adalah pada dengan optimasi cycle time maka terjadi pengurangan emisi CO 2019 sebesar 34% dari sedangkan pada tahun 2024 terjadi pengurangan CO sebesar 50%.