全文获取类型
收费全文 | 5618篇 |
免费 | 219篇 |
专业分类
公路运输 | 2200篇 |
综合类 | 1530篇 |
水路运输 | 1020篇 |
铁路运输 | 877篇 |
综合运输 | 210篇 |
出版年
2024年 | 36篇 |
2023年 | 152篇 |
2022年 | 132篇 |
2021年 | 185篇 |
2020年 | 157篇 |
2019年 | 167篇 |
2018年 | 66篇 |
2017年 | 86篇 |
2016年 | 94篇 |
2015年 | 206篇 |
2014年 | 345篇 |
2013年 | 293篇 |
2012年 | 424篇 |
2011年 | 361篇 |
2010年 | 395篇 |
2009年 | 431篇 |
2008年 | 466篇 |
2007年 | 428篇 |
2006年 | 318篇 |
2005年 | 240篇 |
2004年 | 195篇 |
2003年 | 130篇 |
2002年 | 94篇 |
2001年 | 101篇 |
2000年 | 43篇 |
1999年 | 48篇 |
1998年 | 51篇 |
1997年 | 30篇 |
1996年 | 25篇 |
1995年 | 21篇 |
1994年 | 22篇 |
1993年 | 23篇 |
1992年 | 17篇 |
1991年 | 18篇 |
1990年 | 21篇 |
1989年 | 13篇 |
1987年 | 1篇 |
1984年 | 2篇 |
排序方式: 共有5837条查询结果,搜索用时 15 毫秒
901.
902.
为研究电动自行车骑行者的视觉行为特征,明确其对电动自行车行驶安全的影响,采用德国SMI IVIEW X帽子式眼动仪对电动自行车骑行者在包含机非混行、行人非机动车混行、机非隔离3种类型的固定路段开展了眼动实验,获取了骑行者在不同的道路环境中的眼动参数,包括眼动时间、视角分布、注视持续时间和注视点分布等。根据数据结果,结合现状电动自行车路段行驶状况提出了相应的管理对策建议:在有条件的地方应当尽量将非机动车和机动车分离,设置合理的非机动车道和路边停车带,减少机动车对非机动车骑行的影响;同时应将人行道和非机动车道分离,减少电动自行车和行人之间的冲突隐患。 相似文献
903.
海上过驳卸载系统是多个作业环节相互衔接、相互影响的复杂作业系统,其中驳运环节涉及多种类型的被运装备和驳运船艇。探究如何利用现有驳运船艇资源,科学规划驳运方案,在最短时间内完成卸载,达到系统最大卸载效能,对于部队实践有着参考意义。分析了海上过驳卸载系统运行流程,提出一种驳运任务规划方法,利用LINGO编程求解,可以估算海上过驳卸载系统运行的最短时间,实现最快速的卸载。 相似文献
904.
依托宜巴高速公路峡口隧道工程,运用有限元软件ABAQUS,分析高地应力软岩公路隧道衬砌最佳支护时机。研究结果表明:按开挖空间效应分析,二次衬砌的支护时间为开挖后15天;按开挖时间效应分析,二次衬砌的支护时间为开挖后25天;综合考虑,应在开挖后15~25天支护。隧道拱顶下沉为33.3 cm,水平收敛为19.7 cm,预留变形量为35.0 cm。 相似文献
905.
906.
目前国内越来越多的干线公路桥梁部署实施了安全监测系统,开展针对包括应力在内的桥梁结构各类响应的监测,海量的监测数据在记录桥梁状态、损伤的同时,数据处理及及时的结构预警也成为了管理者的难题。为此,将数据挖掘中时间序列分析方法引入到桥梁应力监测数据分析中,提出了基于时间序列分析的桥梁应力监测预测,为桥梁应力监测数据处理和预警提供了新思路。 相似文献
907.
为了发现桥梁在使用过程中所存在的隐患并且把桥梁运营结构状态预测得更加精准,确保桥梁结构使用的安全性能,以沈阳环城高速公路某立交桥梁健康监测作为依托的背景,根据现场大量的位移、应变实时监测的桥梁数据,利用ARMA时间序列预测模型的分析方法,建立预测函数表达式。分析结果显示,修正后的预测函数表达式给出的预测值与传感器采集的真实值比较,误差小、预测结果准确,结果符合预期要求。 相似文献
908.
为提高城市中心区干线公交车辆行程时间的预测精度,在拟合公交车辆行程时间分布特征的基础上,提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合,其中混合高斯分布函数适用于单路段拟合,对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析,其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测,其中改进的SVM模型的平均绝对百分比误差为6.26%,优于ARIMA模型的11.69%,更适用于短距离交叉口间的公交车辆行程时间预测. 相似文献
909.
在城市公交网络运行中,公交车的站点间行程时间会受到道路和环境条件的影响. 本文对公交车运行过程中的车辆速度特征、道路特征及天气特征等进行了分析.建立了基于特征的 LightGBM (Light Gradient Boosting Machine)公交行程时间预测模型,通过调整 LightGBM算法中的相关参数,以分配各个影响特征和因素的权重大小.然后利用天津市某条公交线路 24天的公交车 GPS数据对模型进行了训练和验证,并与基于历史平均值和卡尔曼滤波的行程时间预测模型进行对比.比较结果表明,LightGBM模型在 MAE (Mean Absolute Error)和 MAPE (Mean Absolute Percentage Error)这两个指标上均大幅度优于其他两个模型,说明 LightGBM模型在公交车行程时间预测上具有很好的稳定性和应用前景. 相似文献
910.