全文获取类型
收费全文 | 393篇 |
免费 | 36篇 |
专业分类
公路运输 | 165篇 |
综合类 | 127篇 |
水路运输 | 83篇 |
铁路运输 | 49篇 |
综合运输 | 5篇 |
出版年
2024年 | 5篇 |
2023年 | 5篇 |
2022年 | 28篇 |
2021年 | 20篇 |
2020年 | 12篇 |
2019年 | 7篇 |
2018年 | 6篇 |
2017年 | 6篇 |
2016年 | 9篇 |
2015年 | 11篇 |
2014年 | 14篇 |
2013年 | 24篇 |
2012年 | 24篇 |
2011年 | 31篇 |
2010年 | 33篇 |
2009年 | 25篇 |
2008年 | 39篇 |
2007年 | 37篇 |
2006年 | 30篇 |
2005年 | 28篇 |
2004年 | 11篇 |
2003年 | 6篇 |
2002年 | 4篇 |
2001年 | 6篇 |
2000年 | 4篇 |
1999年 | 2篇 |
1998年 | 1篇 |
1995年 | 1篇 |
排序方式: 共有429条查询结果,搜索用时 296 毫秒
221.
城市快速路匝道连接段车头时距分布模型 总被引:6,自引:0,他引:6
在总结、分析现有车头时距分布规律及威布尔分布函数特性的基础上,建立了快速路匝道连接段车辆车头时距分布模型,并就参数估计的图形法和解析法进行讨论,解析法能够直接应用于交通流车头时距威布尔分布模型参数估计.运用实际匝道连接段数据进行验证,结果表明,三参数威布尔分布描述快速路匝道连接段车头时距分布规律较为理想,其对于高密度交通流描述效果较负指数分布、爱尔朗分布等具有明显优势. 相似文献
222.
223.
针对采用传统交通需求预测方法导致的环境严重污染和交通运输能源消耗不断增长问题,从生态约束的角度提出城市客运交通系统生态型交通需求预测方法.生态型交通需求预测采用logit模型进行交通方式划分;计算交通生态承载力,从大气污染、能源消耗的角度来限制机动车发展规模;根据博弈论原理进行交通总量2阶段交通分配:第1阶段根据各交通小区权重预测交通小区交通总量,第2阶段根据道路条件预测各交通小区内部的路段交通量.选择大庆市西城区交通规划作为生态型交通需求预测方法的算例,根据大庆市西城区的方式划分比例及交通生态承载力计算结果,得出该地区的交通出行总量应控制在164 793辆的结论. 相似文献
224.
在冰雪路面环境下,调查数据表明车辆的运行特征发生了显著变化,主要表现在车速、加速度下降了30%,饱和流率下降了16%,起动、制动损失时间上升了27%。基于HCM、Webster信号控制理论与不同路面环境下的车流运行特征值,对信号控制中周期时长、绿信比、相位差以及黄灯时间、红灯时间的合理取值问题进行了分析,得到了冰雪路面环境下信号控制参数取值的影响因素与变化范围。仿真研究表明:在冰雪路面环境下采用非冰雪路面环境下的信号控制方案会增加车辆延误与排队长度,加剧交叉口的拥挤程度。因此,交通信号控制系统应针对不同的路面环境分别制定与路面环境相适应的信号控制方案。 相似文献
225.
冰雪道路交通安全管理措施及其成效分析 总被引:1,自引:0,他引:1
针对目前我国寒冷地区冬季冰雪天气条件下道路交通安全管理被动、消极,部门间协调性差,紧急救援效率低的局面,对比分析了国内外冰雪天气条件下的道路交通安全特征,通过总结国内外冰雪天气条件下的道路交通安全处理策略,得到了3类有效降低冰雪天气对道路交通安全影响的管理措施:信息提供、交通控制和冰雪处理,并从道路维护管理者、紧急事件管理者、道路交通管理者和道路交通参与者4个方面就3类管理措施各自所能取得的安全成效进行了分析,初步建立了寒冷地区冰雪道路的交通安全管理体系,期望能对我国寒冷地区的冰雪道路交通安全管理有所帮助。 相似文献
226.
227.
228.
229.
230.
针对路网交通流时空依赖上的高度复杂性以及数据污染的现实性,基于图神经网络构建一种新型时空融合交通流预测模型。考虑交通流数据中的缺失、异常与噪声,模型首先对数据进行特征重构与融合,在保持时序特性的前提下,以滑动时间窗口平滑交通流特征信息,做好数据准备。考虑交通流的实际有向性,主体模型采用正、反双路网络设计以分向学习交通流时空特征的有效表示。双路网络结构相同,以轻量有效的因果卷积作为模型的时序特征提取器,以多层自适应门控图卷积神经网络作为模型组件提取空间特征,实现信息的自适应聚合与传播,再通过纵向信息聚合层轻量化地实现不同局部视野下的信息融合,基于注意力有效权衡两路网络的信息贡献并将其聚合,建立双向自适应门控图卷积网络交通流预测模型。在真实交通流基准数据集PEMS03、PEMS04、PEMS07和PEMS08上进行模型的有效性验证,结果表明,所建模型在4个数据集上3个预测精度指标均优于基线模型。同时,相较于最先进的基线模型时空同步图卷积网络与时空融合图神经网络,所建模型能以数倍甚至数十倍比例的参数轻量化与低训练时间代价获得更高的预测精度。 相似文献