全文获取类型
收费全文 | 11844篇 |
免费 | 234篇 |
专业分类
公路运输 | 7165篇 |
综合类 | 1124篇 |
水路运输 | 1403篇 |
铁路运输 | 2218篇 |
综合运输 | 168篇 |
出版年
2024年 | 74篇 |
2023年 | 251篇 |
2022年 | 317篇 |
2021年 | 408篇 |
2020年 | 305篇 |
2019年 | 201篇 |
2018年 | 57篇 |
2017年 | 104篇 |
2016年 | 120篇 |
2015年 | 207篇 |
2014年 | 542篇 |
2013年 | 588篇 |
2012年 | 764篇 |
2011年 | 790篇 |
2010年 | 608篇 |
2009年 | 806篇 |
2008年 | 769篇 |
2007年 | 619篇 |
2006年 | 615篇 |
2005年 | 669篇 |
2004年 | 541篇 |
2003年 | 557篇 |
2002年 | 396篇 |
2001年 | 329篇 |
2000年 | 278篇 |
1999年 | 180篇 |
1998年 | 178篇 |
1997年 | 192篇 |
1996年 | 137篇 |
1995年 | 97篇 |
1994年 | 66篇 |
1993年 | 62篇 |
1992年 | 61篇 |
1991年 | 55篇 |
1990年 | 56篇 |
1989年 | 64篇 |
1988年 | 2篇 |
1986年 | 1篇 |
1985年 | 4篇 |
1965年 | 7篇 |
1955年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 31 毫秒
361.
362.
363.
利用自动变频技术对空压机控制系统进行自动化改造,提出了改造的硬件方案和软件方案,该系统使用方便,可靠性高,并能降低能耗。 相似文献
364.
365.
366.
在自动驾驶决策场景下,为解决强化学习算法安全性差、学习效率低的问题,提出一种在算法的训练阶段添加基于价值的安全约束和虚拟奖励的方法。首先,利用状态、动作价值函数和安全判断规则,对智能体执行的动作进行基于价值的安全约束,选择价值高且安全的动作。然后,向回放池添加包含虚拟奖励的预测轨迹数据,以补充由于约束而未能获取的试错动作信息和相应的状态、奖励信息。最后,为进行加减速和换道决策实验,基于修改后的高速公路仿真环境highway-env搭建了3车道高速公路场景,并以深度Q网络(Deep Q Network, DQN)算法为基础,分别训练和测试了无安全约束的算法、拥有基于规则的安全约束的算法和拥有基于价值的安全约束的算法。结果表明,考虑加速、减速、保持车速和车道、向左换道、向右换道共5种动作时,基于价值的安全约束算法的成功率比无安全约束的算法高3倍以上,平均回报提升28%;仅考虑向左换道、向右换道、保持车道这3种换道动作时,基于价值的安全约束算法的成功率比基于规则的安全约束算法高0.11,平均回报提升6%;都添加基于价值的安全约束时,考虑5种动作的算法相较于考虑3种动作的算法成功率低0.06但... 相似文献
367.
为解决当前自动驾驶车辆跟驰智能性评价中存在的以主观评价为主、缺少微观驾驶行为数据支撑的问题,以高速公路自然驾驶数据为基础,从自动驾驶车辆与人工驾驶车辆驾驶行为一致性的角度出发,构建自动驾驶车辆跟驰智能性评价模型。首先,通过无人机视频拍摄和图像处理,获取了国内18个省份部分高速公路上的高精度车辆轨迹,利用K-means聚类方法提取了15 446组稳定跟驰数据。然后,采用描述性统计方法对速度、加速度、跟车间距及跟车时距等指标进行分析。通过Gamma分布拟合不同速度下的跟车间距,以不同速度下跟车间距众数为中心,将跟车间距按照样本量的70%、20%、10%划分为与人工驾驶车辆驾驶行为一致性较好、一般、较差等3种情况,以此为基础建立自动驾驶车辆跟驰智能性评价模型。最后,通过自动驾驶车辆跟驰试验,证明所建模型适用于自动驾驶车辆跟驰智能性评价,相比既有研究,该模型的特点是能基于全过程、微观跟驰行为数据对自动驾驶车辆做出综合的量化评价。这表明基于自然驾驶数据与驾驶行为一致性构建的模型能客观、量化评价自动驾驶车辆跟驰行为,可用于自动驾驶车辆跟驰行为研究与技术参数设计。 相似文献
368.
对马来西亚东海岸铁路CTCS-2级列控系统方案进行了分析和研究;针对单线自动站间闭塞情况提出了CTCS-2级列控系统方案;通过综合比较后提出马来西亚东海岸铁路列控系统推荐方案,可为CTCS-2级列控系统在单线自动站间闭塞中的应用提供一定参考. 相似文献
369.
"现在市场上有些系统,让你在驾驶过程中,明显的感觉到车身的摆动,说明它们的车道保持不好。这样会影响驾驶者的驾驶体验。对我们而言,度量级别不重要,重点是稳!"——采埃孚全球CEO沃夫翰宁·施艾德回顾过去三年所经历的CES展会,整个自动驾驶行业一直长期处于亢奋状态。从L2-L5级别,只要你想似乎都能找到相对应的产品以及解决方案。仿佛大家之间正进行一场不言而喻的军备竞赛。远的不说,单说采埃孚本身,2017年第一次亮相并现场与百度合作上车的ProAI至今历历在目。随后两年,ProAI的型号一年比一年高,性能也逐代强悍。 相似文献
370.
自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。 相似文献