全文获取类型
收费全文 | 4212篇 |
免费 | 135篇 |
专业分类
公路运输 | 1616篇 |
综合类 | 1254篇 |
水路运输 | 913篇 |
铁路运输 | 487篇 |
综合运输 | 77篇 |
出版年
2024年 | 56篇 |
2023年 | 217篇 |
2022年 | 202篇 |
2021年 | 240篇 |
2020年 | 154篇 |
2019年 | 71篇 |
2018年 | 21篇 |
2017年 | 42篇 |
2016年 | 47篇 |
2015年 | 90篇 |
2014年 | 194篇 |
2013年 | 165篇 |
2012年 | 222篇 |
2011年 | 197篇 |
2010年 | 273篇 |
2009年 | 285篇 |
2008年 | 251篇 |
2007年 | 311篇 |
2006年 | 270篇 |
2005年 | 194篇 |
2004年 | 175篇 |
2003年 | 147篇 |
2002年 | 115篇 |
2001年 | 112篇 |
2000年 | 73篇 |
1999年 | 45篇 |
1998年 | 19篇 |
1997年 | 24篇 |
1996年 | 47篇 |
1995年 | 22篇 |
1994年 | 13篇 |
1993年 | 16篇 |
1992年 | 6篇 |
1991年 | 9篇 |
1990年 | 5篇 |
1989年 | 5篇 |
1988年 | 3篇 |
1987年 | 3篇 |
1986年 | 6篇 |
排序方式: 共有4347条查询结果,搜索用时 187 毫秒
591.
592.
针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联,提出一种基于驾驶状态的危险路段识别方法,辨识和分析不同风格驾驶人具有潜在风险的路段,并提出优化方案。首先,通过实车实验采集驾驶人行为及生理指标数据,使用DBSCAN(Density Based Spatial
Clustering of Applications with Noise)得出驾驶风格类型,并依据行为特征对驾驶风格进行差异性
分析;其次,采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型,通过GPS(Global Positioning System)点位对应实现危险路段辨识,并基于驾驶风格差异,从驾驶人感知、操纵与生理角度对危险路段进行致因分析;最后,将生理与道路线形作为优化参考,以车速建议为着力点进行多元回归分析,并按照生理舒适域确定车速建议区间。结果表明:驾驶人根据行为特点分为谨慎、稳健和激进型,3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段;海拔提升可加速危险驾驶状态的出现,各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长,激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张;下行时,谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态,激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求,为线形设计与交通管理措施制定提供理论依据。 相似文献
593.
铁路客运站的站台端部为非封闭式环境,存在人员非法入侵的风险。在阐述Faster-RCNN算法原理的基础上,详细描述了VGG16模型、RPN网络以及分类回归的过程。采集现场数据制作样本集,训练了可区分普通人员、施工人员以及防护人员的站端入侵检测模型。测试分析了5组不同参数下的实验数据,确定候选区队列长度等于300,推荐候选区数量等于15时为最优参数。模型对普通人员、施工人员以及防护人员3种样本的识别精确率分别为95%、99%、100%,识别召回率分别为97%、99%、100%,平均精确率均值为0.983 6,单帧检测时间为0.069 s。结果表明:算法可有效地检测普通人员、施工人员以及防护人员,满足实时检测需求,为站台端部人员入侵检测提供了新思路。 相似文献
594.
为了解决有标签语料获取困难的问题,提出了一种半监督学习的卷积神经网络(convolutional neural networks, CNN)汉语词义消歧方法. 首先,提取歧义词左右各2个词汇单元的词形、词性和语义类作为消歧特征,利用词向量工具将消歧特征向量化;然后,对有标签语料进行预处理,获取初始化聚类中心和阈值,同时,使用有标签语料对卷积神经网络消歧模型进行训练,利用优化后的卷积神经网络对无标签语料进行语义分类,选取满足阈值条件的高置信度语料添加到训练语料之中,不断重复上述过程,直到训练语料不再扩大为止;最后,使用SemEval-2007:Task#5作为有标签语料,使用哈尔滨工业大学无标注语料作为无标签语料进行实验. 实验结果表明:所提出方法使CNN的消歧准确率提高了3.1%. 相似文献
595.
596.
597.
车辆跟驰模型是被交通科学与交通工程领域广泛认可的微观交通流模型,是交通流理论
的基础。近年来,信息感知与获取、大数据、人工智能等技术快速发展,推动了数据驱动跟驰模型
的快速发展。数据驱动跟驰模型,是以真实的车辆行驶数据为基础,利用数据科学与机器学习等
理论和方法,通过样本数据的训练、学习、迭代、进化,挖掘车辆跟驰行为的内在规律。本文系统
回顾了数据驱动跟驰模型在过去20余年的发展历程以及由神经网络和深度学习带动的两次研究
热潮,归纳了基于传统机器学习理论的跟驰模型、基于深度学习的跟驰模型、模型与数据混合驱
动的跟驰模型3类数据驱动跟驰模型,并分别介绍了其中的典型代表。分析数据源发现,尽管各
种高精度轨迹数据不断涌现,目前研究仍多使用美国于2006年发布的Next Generation Simulation
(NGSIM)高精度车辆轨迹数据,模型的可移植性和泛化能力值得思考与研究。提出关于模型输
入、输出的3个问题:如何考虑更多驾驶行为变量,是否有必要考虑更多行为变量,现有输入、输出
是否可替换。在模型测试与验证方面,发现并讨论了目前测试不充分、对比不完整、缺少统一测
试集与测试标准等问题。最后,探讨了数据驱动跟驰模型原创性与成功的关键因素等问题。期
望通过本文的梳理,帮助研究者更好地了解数据驱动跟驰模型的过去与现状,促进相关研究的快
速发展。 相似文献
598.
为提高涵洞淤堵病害的检测效率,研究了基于无人机采集病害视频、图像资料和迁移学习的卷积神经网络(人工智能)算法对涵洞图像进行分类。将涵洞状况分为:淤堵、部分淤堵和正常3个类别。并把在ImageNet图像数据集上预训练过的人工智能算法(如ResNet-18网络模型)应用至涵洞图像中,以此提高人工智能算法的准确性。结果表明:使用ResNet-18对涵洞分类识别准确率可达到93%,实现了对涵洞状况的有效分类。此外,还提出了一种通过MATLAB调用涵洞状况图像GPS信息得到地理位置定位的方法,帮助二次检测或后期维护人员快速达到病害现场,进行相关的监测维护工作。 相似文献
599.
600.
为提高智能车在真实环境中的实时检测能力,改善复杂环境下检测效果不佳的问题,本文提出一种基于轻量化网络和注意力机制的智能车快速目标识别方法。首先,为了减少网络计算参数和提升目标识别算法的推理速度,提出利用GhostNet加速YOLOv4的特征提取;其次,为了提高复杂场景下对道路目标的识别精度,在GhostNet和特征金字塔部分添加结合软阈值化改进的注意力模块;最后,为了验证本文提出方法的有效性,选取Pascal VOC、KITTI公开数据集和自制城市道路数据集进行实验对比。与其他目标检测算法在精度和速度上进行比较,结果证明,本文方法在平均检测精度提升1.7%的情况下,模型参数量降低到原来的18.7%,检测速度提升了
66%,检测速度和精度均优于其他算法,可满足智能车的实时感知需求。 相似文献