全文获取类型
收费全文 | 1205篇 |
免费 | 163篇 |
专业分类
公路运输 | 106篇 |
综合类 | 498篇 |
水路运输 | 22篇 |
铁路运输 | 636篇 |
综合运输 | 106篇 |
出版年
2024年 | 16篇 |
2023年 | 70篇 |
2022年 | 68篇 |
2021年 | 100篇 |
2020年 | 65篇 |
2019年 | 70篇 |
2018年 | 39篇 |
2017年 | 45篇 |
2016年 | 44篇 |
2015年 | 48篇 |
2014年 | 74篇 |
2013年 | 61篇 |
2012年 | 77篇 |
2011年 | 77篇 |
2010年 | 73篇 |
2009年 | 75篇 |
2008年 | 75篇 |
2007年 | 60篇 |
2006年 | 38篇 |
2005年 | 41篇 |
2004年 | 23篇 |
2003年 | 27篇 |
2002年 | 17篇 |
2001年 | 18篇 |
2000年 | 17篇 |
1999年 | 7篇 |
1998年 | 11篇 |
1997年 | 11篇 |
1996年 | 5篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1993年 | 5篇 |
1992年 | 5篇 |
1989年 | 1篇 |
排序方式: 共有1368条查询结果,搜索用时 93 毫秒
121.
公交客流是借助于公共交通工具去目的地而产生的移动人群。公交在编制营运计划工作前会对公交线路进行客流调研。随着城市轨道交通的迅速发展.新的问题又产生了,调研公交沿线的企业、学校、商场等大客流的方法只是一种静态客流(基本不变). 相似文献
122.
针对地铁车站大客流组织问题,以天津地铁营口道站为具体研究对象,结合实际运营经验,对大客流组织原则、影响因素和应对措施进行较全面的探讨。首先,结合营口道站实际运营情况和一线工作经验,总结地铁车站的大客流组织原则;其次,从乘客乘坐地铁的流程入手,详细分析影响车站大客流组织的主要影响因素,定量化计算AFC系统服务能力、出入口及通道的通过能力、楼扶梯的通过能力、站台乘候车秩序?、列车运能和客流疏导能力等;最后,遵循大客流组织原则,针对影响大客流组织的主要因素,从客流预测、客流组织、行车调度和票务组织等方面提出具体的大客流组织应对措施。 相似文献
123.
在全国高铁网络逐步构成的背景下,旅游城市高铁站站前广场在高铁运营后逐渐显现出了设施配套不足、交通组织混乱等问题.以黄山北站为例,通过分析黄山北站客流特征、站前广场交通设施现状、交通组织及运行,对黄山北站客流进行了预测,对交通设施规模进行了测算.根据预测结果,提出了交通改善策略,并从设施布局、交通组织等方面提出了近期和远期的具体交通改善方案. 相似文献
124.
125.
新冠肺炎疫情期间,控制城市轨道交通车站及列车的客流密度是城市疫情防控的重点。基于疫情下中、高风险地区对城市轨道交通列车及车站客流密度的控制要求,建立了城市轨道交通客流密度控制流程,研究了列车满载率的控制方法,以及车站内各关键点位客流控制人数的计算方法,使列车满载率、车站拥挤度这两个客流指标控制在标准阈值范围内。利用Anylogic软件进行仿真,验证了城市轨道交通客流密度控制方法的可行性和可操作性。 相似文献
126.
皖南各城市是安徽省皖江城市带的重要组成部分,与我国长三角经济圈的经济往来密切,区域内的客运市场非常巨大.铁路政企分开后,在市场经济条件下与其他交通方式的竞争更加激烈.通过对T7778次列车开行过程中客流变化的调查分析,对今后该区域内的铁路客运工作方面进行有益探索和思考. 相似文献
127.
针对需求点的出行客流服从正态分布,基于集对分析理论,利用二元联系数刻画随机客流的确定和不确定部分,将其转化为带联系数的确定性数学模型,研究一类随机需求接驳公交调度模型,将乘客从需求点运输至轨道站点,追求总里程最少.同时,该模型集成了这些乘客的最大容忍在车时间对调度结果的影响.利用Cplex求解模型的精确解,结合实际算例,给出了不同车辆数的最优调度方案,比较了有无乘客在车时间限制的2种方案差异,并分析了客流的不确定程度对调度结果的影响.实验表明,随着客流的不确定程度逐渐增加引起需求点的上车人数变多,受车辆的额定载客量限制,这致使车辆偏好访问较远距离但不超过其额定载客量的需求点,因而总行驶里程也变大;考虑乘客的最大在车时间限制,这引导车辆提供"直达"服务,因而会增加总行使里程,但是满足了乘客的个性化出行需求. 相似文献
128.
结合贵州省城际铁路客流分布特征,重点分析既有规划路网能力适应性,在充分利用既有规划路网能力的基础上,适度规划新增建城际铁路线路,构建贵州省城际铁路网。 相似文献
129.
在线路客流控制中,需同时考虑各个车站控流方案的可执行性与协同性. 采用 Fisher 最优分割法确定合理客流控制时段,基于此建立以乘客总等待时间最少和旅客周转量最大为目标的线路客流协同控制线性规划模型. 基于成都地铁2 号线AFC数据进行实验,针对协同控流与非协同控流方案,以及不同客流控制时段划分方案下的协同控流方案进行对比实验. 算例中:协同控流方案在旅客周转量下降约1.0%的情况下,乘客总等待时间减少约 56.7%;基于Fisher 最优分割法确定的时段划分方案中协同控流方案在乘客总等待时间方面最优,并具有很好的可执行性. 相似文献
130.