全文获取类型
收费全文 | 243篇 |
免费 | 36篇 |
专业分类
公路运输 | 74篇 |
综合类 | 84篇 |
水路运输 | 89篇 |
铁路运输 | 5篇 |
综合运输 | 27篇 |
出版年
2024年 | 2篇 |
2023年 | 8篇 |
2022年 | 27篇 |
2021年 | 33篇 |
2020年 | 17篇 |
2019年 | 16篇 |
2018年 | 12篇 |
2017年 | 13篇 |
2016年 | 12篇 |
2015年 | 11篇 |
2014年 | 19篇 |
2013年 | 5篇 |
2012年 | 20篇 |
2011年 | 25篇 |
2010年 | 12篇 |
2009年 | 17篇 |
2008年 | 4篇 |
2007年 | 4篇 |
2006年 | 8篇 |
2005年 | 3篇 |
2004年 | 2篇 |
2003年 | 2篇 |
2002年 | 1篇 |
2001年 | 3篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1997年 | 1篇 |
排序方式: 共有279条查询结果,搜索用时 15 毫秒
61.
62.
车辆轨迹蕴含着大量丰富的交通流时空信息,对于全面解构城市交通路网运行具有至关重要的意义.传统车辆轨迹重构模型大多基于定点线圈检测数据或者浮动车轨迹数据作为输入数据,并且普遍未考虑过饱和交通状态.本文提出了一种基于车辆身份感知数据的车辆路段轨迹重构方法,通过构建一种绿灯相位回溯框架,基于交通流激波理论分段重构车辆行程轨迹,每次回溯过程包含两个主要步骤,即估计车辆状态和分状态重构车辆行程轨迹;然后在Paramics 微观交通仿真平台上对本方法模型的准确性进行了验证.结果表明,该方法在各种饱和状态下均能达到令人满意的应用效果. 相似文献
63.
在交通管理和评价时,信号配时对监测评价路口运行状态,评价路口配时方案至关重要.但是,大范围的实时信号配时方案的获取尚缺乏简明有效的途径.本文提出两种基于移动导航数据计算固定配时路口信号配时的方法.第一种方法是在不考虑驾驶员驾驶行为差异性时,得到路口红灯和车均延误的关系模型,从而计算某相位的红灯时长.另外一种方法是基于车辆通过停止线的时间,结合本文提出的上升梯度法,得到某阶段红灯时长.本文通过实际的路口案例计算,将预测结果和已知路口的信号配时比较,表明此方法计算得到的红绿灯时长准确度较高,为后续进行路口运行状态和通行能力研究提供了数据支持. 相似文献
64.
65.
基于自动换道控制技术中融合个性化驾驶人风格的研究,建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性,在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据,采用主成分分析法和K均值(K-means)聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型,并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进,以描述不同风格驾驶人的行车安全区域,并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型,结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据,以换道纵向位移最短为目标,实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量,设计基于动力学的线性二次型最优(LQR)反馈控制器,通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明:所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制,可满足驾驶人个性化换道需求。 相似文献
66.
扇区复杂度作为管制员工作负荷和动态空域配置的重要参考依据,需要事先准确地对其
进行评估。本文针对有监督复杂度数据集存在的小样本问题,提出基于条件生成对抗网络的扇
区复杂度评估框架。首先,构建交通流量、航空器性能和潜在冲突这3类复杂度指标,并结合主观
复杂度等级得到标定样本;其次,利用条件生成对抗网络设计有标记样本生成算法,获得增广数
据集;最后,分别采用逻辑回归、支持向量机和随机森林算法建立复杂度评估模型。以中南区域
扇区为例,从定性和定量的视角验证生成样本的有效性,并在多种训练集配置下对比各模型评估
结果。研究结果表明:条件生成对抗网络在200次迭代后逐步收敛至稳定;生成样本与真实样本
的绝大多数指标在均值上的相对误差小于5%,在标准差上的相对误差大于5%;在多分类评价指
标下,增广数据集对3种模型整体评估精度分别提升11.77%、11.04%和8.34%。本文提出的评估
框架可以在有限数据条件下提高样本多样性,是解决扇区复杂度评估问题的一种有效方法。 相似文献
67.
针对船舶自动识别系统(Automatic Identification System,AIS)在实际应用中存在错误数据频发、数据丢包等问题,本文提出一种基于秩最小化矩阵去噪的船舶轨迹重构方法,利用去噪实现轨迹重构,同时,实现对轨迹的去噪和缺失补全。该方法通过线性插值实现经度对齐,将轨迹数据转化为轨迹矩阵,从而补全轨迹中的缺失值。由于补全结果存在非常大的误差,因此,引入
PLR(Patch-Based Low-Rank Minimization)算法去噪,消除误差。同时,为进一步提升补全效果,通 过2D-VMD(Two-Dimensional Variational Mode Decomposition)算法将矩阵分解为不同频率的IMF
(Intrinsic Mode Function),并分别进行PLR去噪,合并去噪结果,得到最终重构后轨迹。本文以长江武汉段水域船舶AIS轨迹为研究对象,通过实验证明该方法在不同缺失比例以及随机缺失和连续缺失两种情境下具有鲁棒性和较强的稳定性;并与 HALRTC(High-Accuracy Low-Rank
Tensor Completion)、TRMF(Temporal Regularized Matrix Factorization)等方法进行比较,结果表明,
该方法相较于HALRTC等方法具有更高的精度,并在高损失率下表现出较好的重构效果。 相似文献
68.
There are many problems in transportation which involve reconstructing the associations between different entities. For example, data points related to a vehicle from different sensors could be matched to reconstruct the trajectories of vehicles. Or, in population synthesis for microsimulation, lists of persons, dwellings, and vehicles could be generated individually from source data and then matched into synthetic households. There are numerous other examples. The unifying theme is a desire to construct realistic unit-level associations from aggregate or anonymized data. The problem demands a method that is behaviorally consistent and operationally efficient to handle large datasets. We adapt concepts from graph theory to formulate this class of problems as a k-partite graph. This approach is generic and can incorporate expectations of behavior in the form of edge weights. A Dijkstra algorithm based solution is proposed for a subset of k-partite graphs which permits a direct comparison with pair-wise matching and applied to a case study of bicycle tracklets. We then propose an iterative improvement algorithm as a generic method and apply it to a complete k-partite graph in a population synthesis case study. The first case study shows that the k-partite algorithm outperforms the previously used pair-wise matching algorithms. The second case study demonstrates the generality of the proposed algorithm to all k-partite graphs and shows that the generic method is fast and scalable to large problems. As a whole, this paper aims to show that k-partite methods are behaviorally consistent, efficient, and potentially applicable to a wide variety of transportation data association problems. 相似文献
69.
70.
为改善电动自行车带来的交通安全问题,研究逆行风险行为与其影响因素间的相关关系。基于长沙市芙蓉区共享电动自行车GPS轨迹数据,实现逆行行为的精准识别,采用机器学习CatBoost模型与SHAP可解释机器学习框架,从道路条件、交通状态、土地利用性质等方面开展逆行行为影响要素挖掘及作用解析。研究结果表明:CatBoost模型能够有效预测路段逆行频次并提取逆行行为的重要影响因素,主要包括出行时段、公共交通设施、土地利用性质、道路条件及交通状态等;从出行时段来看,工作日、早晚高峰时段更容易发生逆行;从公共交通设施与土地利用性质来看,道路周围公交站地铁站出口数量及餐饮、公司、购物等设施数量与逆行频次呈现非线性影响关系,在一定范围内设施数量与逆行行为存在正影响作用;从道路条件来看,过街通道间距在50~400 m时不易发生逆行,在非机动车道无物理隔离设施或过街通道间距在400~600 m时容易发生逆行,间距大于600 m时作用不稳定;从路段机非分隔形式来看,护栏分隔的逆行概率较低,绿化带分隔的逆行概率较高;从交通状态来看,当骑行速度、加速度较低或较高时与逆行行为负相关,当骑行速度在6~16 km·h-1及加速度在0.3~1.0 m·s-2时与逆行行为正相关。研究成果可为共享电动自行车风险骑行行为辨识、非机动车交通安全管理提供有效的技术支持。 相似文献