全文获取类型
收费全文 | 3567篇 |
免费 | 182篇 |
专业分类
公路运输 | 1295篇 |
综合类 | 854篇 |
水路运输 | 934篇 |
铁路运输 | 579篇 |
综合运输 | 87篇 |
出版年
2024年 | 66篇 |
2023年 | 182篇 |
2022年 | 175篇 |
2021年 | 240篇 |
2020年 | 165篇 |
2019年 | 153篇 |
2018年 | 34篇 |
2017年 | 71篇 |
2016年 | 84篇 |
2015年 | 86篇 |
2014年 | 124篇 |
2013年 | 137篇 |
2012年 | 180篇 |
2011年 | 182篇 |
2010年 | 166篇 |
2009年 | 213篇 |
2008年 | 215篇 |
2007年 | 201篇 |
2006年 | 217篇 |
2005年 | 164篇 |
2004年 | 140篇 |
2003年 | 105篇 |
2002年 | 95篇 |
2001年 | 84篇 |
2000年 | 48篇 |
1999年 | 45篇 |
1998年 | 29篇 |
1997年 | 35篇 |
1996年 | 38篇 |
1995年 | 16篇 |
1994年 | 17篇 |
1993年 | 12篇 |
1992年 | 10篇 |
1991年 | 9篇 |
1990年 | 6篇 |
1989年 | 5篇 |
排序方式: 共有3749条查询结果,搜索用时 15 毫秒
271.
为减少由驾驶员分心造成的交通事故,并检测驾驶员在自动驾驶情况下的分心状态以判断驾驶员是否有接管车辆的能力,提出了一种基于图卷积的多信息融合驾驶员分心行为检测方法。通过分析驾驶员分心行为和姿态特征,设计了驾驶员姿态估计图,基于图卷积网络对驾驶员姿态估计图进行特征提取,使用全连接层对所提取特征进行行为分类,同时融合手机等关键物体信息对驾驶员分心行为进行再判断。实验结果表明,本文提出的方法在SrateFarm数据集和自制数据集上分别达到了90%和93%的准确率,检测速度约为20帧/s,准确性和实时性均达到检测要求。 相似文献
272.
开展车辆制动时路面类型识别的研究,提出一种基于主成分分析-学习向量量化神经网络 (Principal Component Analysis - Learning Vector Quantization,PCA-LVQ) 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征路面特征的主要成分,采用学习向量量化神经网络对降维处理后的驾驶数据进行训练,并用于路面特征分类,使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明,所提出的 PCA-LVQ算法能准确识别路面类型特征,路面识别的精度达到 97%,与传统 BP神经网络的路面类型特征识别精度提升 7%;同时,在不同车速下,基于PCA-LVQ算法也能较准确地识别路面类型特征。 相似文献
273.
为研究区域内船舶行为对交通状况的影响,研究了基于复杂网络的关键船舶识别方法.将水域中的船舶看作为复杂网络中的节点,根据船舶间的行为交互关系构建区域面向船舶行为分析的复杂网络;并结合复杂网络的节点中心性指标构建节点综合重要度评价模型;通过节点综合重要度评估结果,对网络中的节点进行节点重要度排序,识别网络中的关键节点.对比度节点中心性识别关键节点方法,实验结果表明,2种方法的分析结果中节点排序结果相同的节点数占节点总数的比例达到77.8%,但节点综合重要度评价方法对各指标进行权重配比,充分考虑了各指标对关键节点识别结果的影响,能有效识别区域关键船舶. 相似文献
274.
275.
278.
周边车辆行为识别对于提升无人驾驶汽车决策规划的合理性和控制安全性至关重要。传统的周边车辆行为识别方法识别精度普遍不高,且缺乏对交通主体相互之间邻域影响的考虑,算法鲁棒性较差。针对此,本文中提出了一种SLSTMAT(Social-LSTM-Attention)算法,创新性地引入目标车辆社交特征并通过卷积神经网络提取,建立了基于深度学习的车辆行为识别模型,应用注意力机制来捕捉行为时窗中的多时步信息,实现了周边车辆行为准确识别。采用HighD轨迹数据集和实车数据进行算法验证。结果表明,所提算法对周边车辆行为识别的准确率达94.01%,在目标车辆到达换道点的前1 s时刻行为识别精度达90%,具有较高的工程应用价值。 相似文献
279.
城市网约车订单需求体现了居民出行活力,同时表征了出行规律和内在特征。如何从复杂动态的时变数据中准确地识别异常点并进行调度优化,是优化网约车平台运力的关键环节。建立了网约车订单需求数据的时间序列图,并分析了订单需求的动态特性,提出1种基于混合机器学习框架的网约车订单需求预测模型(ARIMA-BPNN-DSR, ABD)。混合模型由差分整合移动平均自回归模型(auto regressive integrated moving average model,ARIMA)和反向传播神经网络(back propagation neural network,BPNN)通过动态选择回归算法(dynamic selection of regression,DSR)融合而成。混合模型汲取了统计方法的鲁棒性和机器学习方法的高效性,并考虑各个独立基线模型在数据局部空间上的性能表现。以2019年和2020年(疫情影响下)厦门市滴滴网约车平台订单数据作为试验基准并进行对比分析,结果表明:(1)与多个基线模型相比,ABD模型实现了最优的预测性能,同时在面向疫情外部因素影响下同样表现出优异的性能;(2)消融实验表明,... 相似文献
280.
本文提出了一种基于国标数据的柴油车行驶道路地形识别的算法。算法使用国家标准数据,首先对数据进行清洗;而后根据柴油车行驶在不同道路地形时所表现的不同特性,选取并计算特征值;最后使用改进的基于多头自注意力机制的深度学习网络对特征值进行计算,完成柴油车行驶道路地形识别以及一段时间内不同地形行驶里程比例估算,构建了柴油车行驶道路地形库。实验结果表明本文所提出的算法计算复杂度低,并具有良好的识别性能。 相似文献