全文获取类型
收费全文 | 13366篇 |
免费 | 996篇 |
专业分类
公路运输 | 3095篇 |
综合类 | 3681篇 |
水路运输 | 1503篇 |
铁路运输 | 5289篇 |
综合运输 | 794篇 |
出版年
2024年 | 123篇 |
2023年 | 494篇 |
2022年 | 393篇 |
2021年 | 572篇 |
2020年 | 439篇 |
2019年 | 444篇 |
2018年 | 232篇 |
2017年 | 306篇 |
2016年 | 308篇 |
2015年 | 417篇 |
2014年 | 636篇 |
2013年 | 699篇 |
2012年 | 842篇 |
2011年 | 889篇 |
2010年 | 913篇 |
2009年 | 970篇 |
2008年 | 991篇 |
2007年 | 853篇 |
2006年 | 680篇 |
2005年 | 575篇 |
2004年 | 462篇 |
2003年 | 423篇 |
2002年 | 279篇 |
2001年 | 268篇 |
2000年 | 188篇 |
1999年 | 131篇 |
1998年 | 129篇 |
1997年 | 109篇 |
1996年 | 124篇 |
1995年 | 109篇 |
1994年 | 91篇 |
1993年 | 81篇 |
1992年 | 70篇 |
1991年 | 42篇 |
1990年 | 43篇 |
1989年 | 35篇 |
1987年 | 1篇 |
1986年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
2.
为提高城市地铁网络客流分布预测的准确性,结合乘车阻抗、进站候车阻抗和换乘阻抗等出行阻抗建立综合出行阻抗函数,基于阻抗函数对有效路径集进行搜索与筛选,建立基于综合出行阻抗的多路径客流分布计算模型,并设立换乘惩罚系数对不同路径的客流分配进行合理修正.以深圳地铁新开通的11号线为契机,结合地铁1号线、2号线、3号线、5号线分析网络客流分布的变化.结果 表明:新开通的11号线使各线路中的换乘客流有不同程度的增大,增加了乘客出行的可选路径,且11号线车站附近形成新的人口及岗位聚集圈,进一步增加了11号线自身的客流,使得线网客运总量增加,与实际运营中的客流特征相符,验证了所建模型的有效性和适用性. 相似文献
3.
《铁道机车车辆工人》2022,(1)
分析了轨道交通齿轮箱例行试验中常用传动方法存在的问题,设计了一种万向节传动装置,有效降低试验方式对产品性能的影响,解决了带传动中由于径向载荷导致试验温度偏高的问题。 相似文献
4.
5.
“十四五”期间,国家发改委将进一步细化城市轨道交通审批条件,不受理不具备条件的城市和一般地级市的首轮建设规划;同时规定开通运营三年后客流不达标的,不能上报新一轮建设规划。另外,原则上低运量轨道交通项目工程费用和车辆购置费,不得超过1亿元/公里,初期客流强度不得低于0.1万人次/公里日。 相似文献
6.
7.
9.
准确预测短时出租车速度是识别驾驶员异常加减速行为的前提,有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象,研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集,构造滑动时间窗口,以时间窗口内的出租车历史移动速度的时间序列为输入变量,以出租车当前时间的移动速度为输出变量,采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化,得到模型最优参数组合,并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析,将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差(MAE)为9.841,均方根误差(RMSE)为12.711,均低于非参数回归模型和神经网络模型,提高了出租车速度的预测精度;由于出租车速度序列缺乏规律性,调整后的R2(R2 _adjusted)为0.592,且相较于其他2个模型,XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果,避免了过拟合造成的预测精度下降。 相似文献
10.
以上海市轨道交通1号线锦江乐园站为例,探索如何构建慢行友好的轨道交通环境。首先基于实地调研,借鉴日本、香港、深圳等国内外成功经验,总结出慢行交通与轨交换乘的三大规划设计要素:慢行网络、慢行设施和慢行环境;其次针对锦江乐园站慢行通道受阻、人行空间被占、慢行环境较差三个现实问题,从打造畅行连续的慢行系统、重组慢行空间和提升慢行环境三个方面提出相应的改善策略;最后针对慢行系统中涉及的五大关键节点,提出可实施的改造方案,着力改善锦江乐园站周边的接驳环境,提升慢行品质,最终构建畅行连续、空间宜人、绿色友好的慢行接驳系统。 相似文献