全文获取类型
收费全文 | 668篇 |
免费 | 38篇 |
专业分类
公路运输 | 193篇 |
综合类 | 188篇 |
水路运输 | 193篇 |
铁路运输 | 121篇 |
综合运输 | 11篇 |
出版年
2024年 | 7篇 |
2023年 | 4篇 |
2022年 | 31篇 |
2021年 | 27篇 |
2020年 | 27篇 |
2019年 | 15篇 |
2018年 | 12篇 |
2017年 | 12篇 |
2016年 | 21篇 |
2015年 | 17篇 |
2014年 | 27篇 |
2013年 | 52篇 |
2012年 | 40篇 |
2011年 | 45篇 |
2010年 | 50篇 |
2009年 | 53篇 |
2008年 | 55篇 |
2007年 | 62篇 |
2006年 | 42篇 |
2005年 | 47篇 |
2004年 | 21篇 |
2003年 | 11篇 |
2002年 | 8篇 |
2001年 | 7篇 |
2000年 | 11篇 |
1999年 | 1篇 |
1997年 | 1篇 |
排序方式: 共有706条查询结果,搜索用时 0 毫秒
681.
682.
683.
为研究平台模式下考虑车主、货主及平台三方异质化需求的车货匹配问题,在既往研究考虑车货双方利益的基础上,引入了平台方需求. 首先,在分析车货匹配活动参与方需求的基础上,构建了最大化送达时效满意度、最小化货运成本和最大化平台收益的多目标优化模型;其次,在模型求解方面,改进了带精英保留策略的快速非支配排序遗传算法(non-dominated sorting genetic algorithm Ⅱ,NSGA Ⅱ),一方面在子代种群更新过程中引入精英选择系数,提升种群的多样性,另一方面结合自适应的思想,在算法迭代过程中调整交叉变异的概率;最后,利用成渝区域间的车源和货源数据进行仿真实验. 结果表明:改进的NSGAⅡ在中小型算例上的准确率均超过91%,与传统的NSGAⅡ相比,平均收敛速度提升了45%左右;在算法稳定性方面,所提出的算法受随机初始化影响较低,多次实验的相对标准偏差值小于1%. 相似文献
684.
为提高江汉运河船舶的通航安全水平,从人工渠化运河的特殊性和人、船舶、环境和管理等4个方面分析得出影响江汉运河船舶通航风险的主要因素。运用系统动力学(Systems Dynamics)方法建立江汉运河通航风险管理模型,借助Vensim软件模拟江汉运河通航风险管理系统中各个因素间的相互作用关系,针对系统各个子系统中的部分人为可控变量及人为不可控变量提出有效的管理策略以达到抑制通航风险的目的。仿真结果表明,江汉运河船舶通航风险可通过调节船舶设备运行正常率、信息化水平、助航设施完备率、船员专业素养水平及交通密度等可控变量来降低。 相似文献
685.
调查某省护理专科毕业生基层就业意向现状,并对其影响因素分析探讨。2019年5月至6月,采用便利抽样方法选取某省符合纳入标准的2 396名护理专科毕业生作为调查对象进行问卷调查。他们中大部分(56.64%)不愿意到基层医院从事护理工作,大多数会选择城市社区服务中心(60.77%);愿意到基层医院就业的最主要影响因素是目前就业形势所迫(32.01%),不愿意到基层医院就业的最主要影响因素是福利待遇低(29.76%),最需要改进的措施是基层医院要与省、市级医院薪酬待遇持平(30.22%)。护理专业专科毕业生基层医院就业意向偏低,需要学校加强基层医院及相关就业政策的宣传和教育指导,政府相关的政策支持也是非常必要的。 相似文献
686.
为满足智能车辆的个性化需求,提高智能车辆人-机交互协同的满意度和接受度,构筑双层驾驶人跟驰模型框架,提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先,提取个体驾驶人跟驰均衡状态的数据,采用高斯混合和概率密度函数(GaussianMixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型,即驾驶人期望跟车距离模型。然后,将期望跟车距离参数引入模型,基于高斯混合-隐马尔可夫方法(GaussianMixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性,建立第2层模型预测加速度,即个性化驾驶人跟驰模型。其次,研究不同高斯分量个数对模型效果的影响,对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后,8位被试驾驶人的自然驾驶行为数据验证结果表明:高斯分量数量与模型性能存在一定的正相关性;在最优高斯分量数量下,8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2,在测试集上为0.123 m·s-2;随机选取其中1位驾驶人的2个跟车片段数据进行模型计算,结果显示,加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2,预测效果优于Gipps模型、ODM模型、单层模型及通用模型30%以上,与驾驶人实际跟驰行为的吻合度更高。 相似文献
687.
688.
689.
690.