全文获取类型
收费全文 | 221篇 |
免费 | 4篇 |
专业分类
公路运输 | 120篇 |
综合类 | 32篇 |
水路运输 | 28篇 |
铁路运输 | 42篇 |
综合运输 | 3篇 |
出版年
2023年 | 2篇 |
2022年 | 3篇 |
2021年 | 6篇 |
2019年 | 4篇 |
2018年 | 8篇 |
2016年 | 3篇 |
2015年 | 2篇 |
2014年 | 6篇 |
2013年 | 2篇 |
2012年 | 3篇 |
2011年 | 9篇 |
2010年 | 5篇 |
2009年 | 9篇 |
2008年 | 5篇 |
2007年 | 5篇 |
2006年 | 17篇 |
2005年 | 26篇 |
2004年 | 27篇 |
2003年 | 20篇 |
2002年 | 16篇 |
2001年 | 10篇 |
2000年 | 7篇 |
1999年 | 4篇 |
1998年 | 5篇 |
1997年 | 3篇 |
1996年 | 1篇 |
1995年 | 2篇 |
1994年 | 2篇 |
1993年 | 5篇 |
1992年 | 3篇 |
1991年 | 2篇 |
1990年 | 2篇 |
1985年 | 1篇 |
排序方式: 共有225条查询结果,搜索用时 0 毫秒
221.
<正>挺进中原,连线西部。地处连接南北,沟通东西枢纽位置的日照港,在推动区域经济共同发展中发挥着不可或缺,不可替代的作用。日照港通过加强市场对接,把港口大门"安"在中西部地区,通过加强与陆桥经济带城市、腹地企业的合作,共同构筑物流战略联盟。 相似文献
222.
如果你喜欢随风而行,可以考虑猛犸湖背后的山路,在风巷中通过天堂般景致和岩石滩也是别有趣味的。回到395号路,改道往左还有几个不错的湖泊可以欣赏。猛犸湖值得用一到两天的时间去欣赏,而如果你有一辆双用途车的话,你应该在欧文斯谷尽情玩耍一个星期。猛犸湖以北是六月湖环线(June Lake Loop),来到岔路口,大约10分钟后很多的敬畏将来自你的驾驶。我强烈推荐这个附带的行程,它将带来壮观的景色,顺带它也能带你重回395号路,并能够让你目睹又一个自然奇迹——玛洛湖(Mono Lake)的迷人魅力。"Mono"在印弟安语中就是"美丽"的意思,在玛洛湖有大量峥嵘怪异名叫"Tufa"的石灰岩,来到这里你会有一种置身外星球的幻觉。沿着玛洛湖继续向南,就能够抵达约塞米蒂国家公园了,即便你不进去,前面的这些驾驶已经算得上是伟大的旅程了;如果你进去,那么再多准备一天! 相似文献
223.
宋东鉴朱冰赵健韩嘉懿刘彦辰 《汽车工程》2022,(12):1797-1808
本文通过分析驾驶人驾驶行为生成机制,构建了类人行为决策策略(HBDS)。它具有匹配驾驶行为生成机制的策略框架,通过最大熵逆强化学习得到类人奖励函数,并采用玻尔兹曼理性噪声模型建立行为概率与累积奖励的映射关系。通过预期轨迹空间的离散化处理,避免了连续高维空间积分中的维数灾难,并基于统计学规律和安全约束对预期轨迹空间进行压缩和修剪,提升了HBDS采样效率。HBDS在NGSIM数据集上进行训练和测试的结果表明,HBDS能做出符合驾驶人个性化认知特性和行为特征的行为决策。 相似文献
224.
为更加精准地评估道岔设备健康状态,加强对设备的维护与管理,以ZDJ9型转辙机驱动的高速铁路道岔设备为研究对象,提取道岔功率曲线的时域、频域特征指标及经验模态分解奇异值熵,组成道岔特征指标向量,并采用核主成分分析法消除原始多维特征信息的冗余,构建道岔特征指标样本数据库;利用连续隐马尔可夫模型划分道岔退化状态,在此基础上,建立麻雀搜索算法优化支持向量机的健康状态综合评估模型。研究结果表明:所构建的健康状态评估模型的评估正确率高达98.75%,不仅能够实现高铁道岔设备健康状态综合评估效能,而且明显优于GridSearch-SVM、GA-SVM、PSO-SVM等组合算法,为实现道岔设备由“故障修”到“状态修”的综合智能维护提供可行途径。 相似文献
225.
随着城市轨道交通的快速发展,车地移动通信系统对数据传输时延和传输速率的要求更加苛刻,针对此问题,引入LTE-U技术以加大频谱带宽。考虑到LTE-U系统会与现有WLAN系统产生干扰,因此,通过定量分析系统满意度函数以确保免授权频段LTE和WLAN的整体性能;采用M/G/1排队模型对LTE和WLAN共存异构网络在免授权频段的时域行为进行建模,设计了基于ABS的无线帧结构,并提出由启发函数和资格迹改进的HQL(λ)时域资源分配算法,基站通过与无线通信环境持续交互计算得到ABS(Almost-Blank Subframes)的最佳比例分配,解决免授权频段上LTE-U和WLAN系统的干扰共存问题。仿真结果表明:改进后的算法具有更快的收敛速度,且相比Q-Learning(λ)、Q-Learning, HQL(λ)资源分配算法的系统传输速率分别提高12.8%和26.1%,相比Q-Learning(λ),系统平均传输时延提高27.2%。 相似文献