全文获取类型
收费全文 | 135篇 |
免费 | 5篇 |
专业分类
公路运输 | 58篇 |
综合类 | 55篇 |
水路运输 | 11篇 |
铁路运输 | 13篇 |
综合运输 | 3篇 |
出版年
2024年 | 1篇 |
2022年 | 3篇 |
2021年 | 1篇 |
2020年 | 1篇 |
2019年 | 3篇 |
2018年 | 6篇 |
2015年 | 4篇 |
2014年 | 10篇 |
2013年 | 13篇 |
2012年 | 9篇 |
2011年 | 6篇 |
2010年 | 8篇 |
2009年 | 5篇 |
2008年 | 15篇 |
2007年 | 11篇 |
2006年 | 6篇 |
2005年 | 4篇 |
2004年 | 6篇 |
2003年 | 10篇 |
2002年 | 4篇 |
2001年 | 4篇 |
1999年 | 2篇 |
1997年 | 3篇 |
1995年 | 1篇 |
1993年 | 1篇 |
1992年 | 1篇 |
1989年 | 2篇 |
排序方式: 共有140条查询结果,搜索用时 31 毫秒
1.
基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据,从数据驱动视角,深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上,采用KMeans算法,将站点聚为5类,探讨各类站点的时变需求规律及影响因素;在空间上,提出基于POI 数据的站点用地类型识别方法,将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15,30,60 min 为间隔,以租还车需求为目标变量的随机森林预测模型,并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明,随机森林模型的精度更高,适用性更强。以30 min为间隔的站点租还车需求预测精度最高,考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统,为改善服务水平提供技术和理论支撑。 相似文献
2.
公路网规划方案综合评价方法及应用 总被引:2,自引:0,他引:2
根据公路网的道路与交通特征参数指标,阐述了评价公路规划方案优劣的新模型,既多对模糊算子的二级综合评价模型,并结合运用AHP法来确定评价指标权重。 相似文献
3.
4.
服务业营业税改征增值税,简称营改增,是我国十二五规划结构性减税极期重要的内容,也是推动服务业改革与发展的重要措施。随着营改增试点地区的不断扩大,也将逐步在全国范围内推进这一工作,营改增改革也有望于十二五期顺利完成。营改增工作中政策灵活性与针对性要加强,必须具有前瞻性的眼光,重视服务业对于营改增的需求以及对扩大就业的积极效应,促进我国服务业的发展。 相似文献
5.
6.
7.
小城镇用地布局与交通系统互动模型研究 总被引:2,自引:0,他引:2
小城镇用地布局与交通系统互动关系的动态模拟是小城镇交通规划的重要依据,但目前还没有理想的模型能动态模拟两者的互动关系。因此,该文系统分析研究了既有的两个互动模型即引力模型和潜能模型,拟合了引力模型的交通函数,并在引力模型基础上推导了潜能模型公式,在此基础上引入元胞自动机模型,将潜能模型嵌入其中,进行了小城镇用地布局与交通系统互动关系模型的探索,提出了基于小城镇空间相互作用的元胞自动机模型构建思路,最后从元胞空间的扩展、邻居、元胞状态的扩展、转换规则的扩展、时间的扩展等五个方面对标准元胞自动机模型进行扩展。 相似文献
8.
海事档案管理是海事文化建设的一部分,也是海事业务的基础性工作。近年来,随着沿海港口的开发与开放,海事工作业务也随之扩大.形成大量的海事业务档案。文中通过阐述海事档案特征,分析海事档案管理与海事文化建设的关系,探讨创新海事档案管理形式,目的是充分发挥海事档案的作用,更好地服务于海事文化建设和发展。 相似文献
9.
10.
为提高城市道路短时交通流预测的精度和效率,提出了一种基于深度学习的短时交通流参数预测模型,结合高斯-伯努利受限波尔兹曼机、Softmax回归模型和深度置信网络,对大规模路网中地点车速进行预测.该模型在网络底层加入高斯-伯努利受限波尔兹曼机,将传统二值输入转换为连续实值输入以适应地点车速的数据特征.在网络输入、输出矩阵中加入时空特征表达,并将深度置信网络顶层接入Softmax回归模型,根据深度学习模型提取到的地点车速时空特征对多路段多时刻的地点车速进行预测.选取广州市大规模路网中60条路段60 d的实测地点车速对网络结构和参数进行调试,并分析预测结果.结果表明,GBRBM-DBN网络结构能够提取大规模路网中地点车速的时空分布特征,预测精度较高.与长短时记忆循环神经网络预测结果进行对比,具有更高的时效性;与“深层模型+小规模数据”相比,平均绝对误差减小10.13 km/h,平均相对误差减少14.5%;对输入矩阵中的训练集和测试集数据量比例作不同划分,平均绝对误差变化范围在1.64 km/h以内,平均相对误差仅增大7.3%. 相似文献