全文获取类型
收费全文 | 247篇 |
免费 | 64篇 |
专业分类
公路运输 | 100篇 |
综合类 | 71篇 |
水路运输 | 83篇 |
铁路运输 | 34篇 |
综合运输 | 23篇 |
出版年
2024年 | 6篇 |
2023年 | 15篇 |
2022年 | 35篇 |
2021年 | 49篇 |
2020年 | 23篇 |
2019年 | 23篇 |
2018年 | 12篇 |
2017年 | 7篇 |
2016年 | 13篇 |
2015年 | 12篇 |
2014年 | 2篇 |
2013年 | 6篇 |
2012年 | 12篇 |
2011年 | 7篇 |
2010年 | 6篇 |
2009年 | 6篇 |
2008年 | 10篇 |
2007年 | 21篇 |
2006年 | 13篇 |
2005年 | 15篇 |
2004年 | 5篇 |
2003年 | 3篇 |
2002年 | 5篇 |
2001年 | 2篇 |
2000年 | 1篇 |
1998年 | 1篇 |
1997年 | 1篇 |
排序方式: 共有311条查询结果,搜索用时 15 毫秒
91.
针对现有端到端自动驾驶模型未考虑驾驶场景中不同区域的重要性和不同语义类别之间的关系而导致预测准确率低的问题,受驾驶人注意力机制和现有端到端自动驾驶模型的启发,充分考虑驾驶场景的动态变化、驾驶场景的语义信息和深度信息对驾驶行为决策的影响,以连续多帧驾驶场景的RGB图像为输入,构建一种基于注意力机制的多模态自动驾驶行为预测模型,实现对方向盘转角和车速的准确预测。首先,通过语义分割模型和单目深度估计模型分别获取RGB图像的语义图像和深度图像;其次,为剔除与驾驶行为决策无关信息,以神经科学和空间抑制理论为基础,设计一种拟人化注意力机制作为能量函数来计算驾驶场景中不同区域的重要度;为学习语义图像中与驾驶行为决策最为相关类别之间的关系,采用图注意力网络(Graph Attention Network,GAT)对驾驶场景的语义图像进行特征提取;然后,以保留RGB特征为原则对提取的驾驶场景的图像特征、语义特征和深度特征进行融合,采用卷积长短期记忆网络(Convolutional Long Short Term Memory,ConvLSTM)实现融合特征在连续多帧之间的传递,进而实现下一帧驾驶场景对应驾驶行为的预测;最后,与其他模型的对比试验、消融试验、泛化试验和特征可视化试验来充分验证所提出自动驾驶行为预测模型的性能。试验结果表明:与其他驾驶行为预测模型相比,所提出模型的训练误差为0.021 2,预测准确率为86.97%,均方误差为0.031 5,其驾驶行为的预测性能优于其他模型;连续多帧的语义图像和深度图像、拟人化注意力机制和面向语义特征提取的GAT有助于提升驾驶行为预测的性能;该模型具有较好的泛化能力,其做出驾驶行为预测所依赖的特征与经验丰富的驾驶人所关注的特征基本一致。 相似文献
92.
对车载激光雷达扫描得到的点云进行语义分割是保证行车安全、加强驾驶员对周边环境理解的重要手段之一。因为内存限制和大规模点云场景更加稀疏的特点,将传统神经网络的方法直接沿用到车载激光雷达扫描得到的点云场景中的效果不佳。本文中针对大规模点云的稀疏性,利用稀疏卷积神经网络对体素化点云进行特征提取。考虑到逐点处理分支抑制点云数据的密度不一致性导致的信息损失,另外设计了3D-CA和3D-SA模块,使稀疏卷积神经网络更好地提取特征。实验结果表明,与传统卷积神经网络的方法和将点云投影到平面的方法相比,使用稀疏卷积神经网络对大规模点云进行语义分割,可将平均交并比提升4.1%和3.4%,证明了该方法的有效性。 相似文献
93.
94.
95.
In a connected vehicle environment, vehicles are able to communicate and exchange detailed information such as speed, acceleration, and position in real time. Such information exchange is important for improving traffic safety and mobility. This allows vehicles to collaborate with each other, which can significantly improve traffic operations particularly at intersections and freeway ramps. To assess the potential safety and mobility benefits of collaborative driving enabled by connected vehicle technologies, this study developed an optimization-based ramp control strategy and a simulation evaluation platform using VISSIM, MATLAB, and the Car2X module in VISSIM. The ramp control strategy is formulated as a constrained nonlinear optimization problem and solved by the MATLAB optimization toolbox. The optimization model provides individual vehicles with step-by-step control instructions in the ramp merging area. In addition to the optimization-based ramp control strategy, an empirical gradual speed limit control strategy is also formulated. These strategies are evaluated using the developed simulation platform in terms of average speed, average delay time, and throughput and are compared with a benchmark case with no control. The study results indicate that the proposed optimal control strategy can effectively coordinate merging vehicles at freeway on-ramps and substantially improve safety and mobility, especially when the freeway traffic is not oversaturated. The ramp control strategy can be further extended to improve traffic operations at bottlenecks caused by incidents, which cause approximately 25% of traffic congestion in the United States. 相似文献
96.
97.
98.
99.
100.