全文获取类型
收费全文 | 80篇 |
免费 | 17篇 |
专业分类
公路运输 | 28篇 |
综合类 | 44篇 |
水路运输 | 13篇 |
铁路运输 | 1篇 |
综合运输 | 11篇 |
出版年
2023年 | 1篇 |
2022年 | 8篇 |
2021年 | 6篇 |
2020年 | 7篇 |
2019年 | 2篇 |
2018年 | 2篇 |
2017年 | 6篇 |
2016年 | 6篇 |
2015年 | 4篇 |
2014年 | 7篇 |
2013年 | 9篇 |
2012年 | 6篇 |
2011年 | 3篇 |
2010年 | 5篇 |
2009年 | 3篇 |
2008年 | 4篇 |
2007年 | 4篇 |
2006年 | 1篇 |
2005年 | 2篇 |
2004年 | 2篇 |
2001年 | 1篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1991年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有97条查询结果,搜索用时 15 毫秒
71.
石定宇 《西南交通大学学报》1991,4(4):1-7
文对运输方式选择行为模型的参数估计和检验进行了分析和研究,提
供三种可行的计算方法。并列举一个实例:采用层次分析法(AHP)估计
运输方式选择行为模型的参数。 相似文献
72.
为使混行交通流下智能网联车辆(Connected and Automated Vehicles, CAV)实现对人工驾驶车辆(Human-driven Vehicle, HV)前照灯灯语意图(Vehicle Headlights Intention, VHI) 的识别,弥补车对车(Vehicle to Vehicle, V2V)和鸣笛意图识别技术的不足,更好地与HV交互沟通,提出CAV对HV的VHI识别模型.模型包括:灯光感知、光数据处理、VHI识别3个模块,灯光感知模块通过RGB(Red-Green-Blue, RGB)和HSV(Hue-Saturation-Value, HSV)颜色空间感知前照灯(Vehicle Headlights, VH),采用KLT(Kanade-Lucas-Tomasi Tracking,KLT)和车辆匹配算法定位跟踪发出灯语的HV;光数据处理模块采用光通道增益算法计算光辐射通量变化; VHI识别模块基于双层隐马尔可夫模型(Double-layer Hidden Markov Model,DHMM)辨识VH 闪烁次数和HV行驶状态,实现VHI识别.在3种灯语示意典型场景下的实验结果表明:1 s内 VH感知准确率为96.8%,定位跟踪精度小于1°,VHI识别率为96.6%,满足混行交通环境下 CAV对HV驾驶意图的识别要求,基本保证实时性,为混行交通流中CAV自动驾驶决策提供理论依据. 相似文献
73.
为了优化广州地铁四号线大学城南站交通换乘,通过对大学城南站进出站乘客的属性类别和交通转移意向调查,结合有换乘条件下乘客出行总时间与全程使用公共汽车的乘客出行总时间的对比分析,得出大学城南站的接驳时间远远大于有效接驳时间。根据大学城南站的地理位置因素和乘客群体属性,需要采用建设车辆寄存场、增设一般换乘站或搬迁公共汽车停靠站的换乘优化方案,大学城南站换乘优化实施后接驳时间约为3min,约31%的乘客将实现交通方式意向转移。 相似文献
74.
为实现准确识别车辆换道意图,提高车辆行驶安全性,综合考虑车辆换道过程的时空特性及不同特征对车辆的影响程度,提出一种基于卷积神经网络(CNN)与门控循环神经网络(GRU)组合并融合注意力机制的换道意图识别模型。首先,筛选和平滑处理车辆轨迹数据,将车辆轨迹数据分为向左换道、向右换道及直线行驶3类,构建换道意图样本集。其次,构建融合注意力机制的CNN_GRU模型,识别换道意图样本集,考虑到行驶过程中车辆之间的交互性,将被预测车辆和周围车辆的位置和速度信息作为模型的输入,经过CNN层特征提取的特征作为GRU层的输入,经过注意力机制层对不同的特征增加不同的权重系数,利用 Softmax 层识别换道意图。最后,选用 NGSIM 中 US-101 数据集的轨迹数据验证融合注意力机制的 CNN_GRU模型性能,同时,与LSTM、GRU、CNN_GRU及CNN_LSTM_Att等模型进行对比分析。验证结果表明,所提模型车辆换道意图识别整体准确率达到97.37%,迭代时间为6.66 s,相比于其他模型准确率最多提高9.89%,最少提高2.1%。分析不同预判时间下的意图识别,模型可在车辆换道前2 s 内均能识别换道意图,准确率在89%以上,表现出良好的识别性能。 相似文献
75.
为解决已有城市公交方式选择行为模型无法定量描述心理因素对选择行为的影响,分析了计划行为理论在公交方式选择行为的适用性.基于态度、主观规范及知觉行为控制3个心理因素变量决定公交方式出行行为意向的理论框架,构建公交方式选择行为结构方程模型.确定模型中心理因素变量对应的具体测量变量,并提出模型的求解方法和参数检验标准.最后,将模型运用于重庆和成都的实例分析中,共回收有效问卷790份.计算结果表明,3个心理因素变量对重庆和成都公交出行方式选择行为意向解释度分别为72%和66%,其中知觉行为控制因素的影响最大,且心理因素变量间存在着相互作用关系. 相似文献
76.
新生儿缺氧缺血性脑病预后的早期评估指标 总被引:8,自引:0,他引:8
目的 探讨神经元特异性烯醇酶 (NSE)、内源性一氧化碳 (CO)、新生儿行为神经测定 (NBNA)、临床分度法和CT分度法等方法在新生儿缺氧缺血性脑病 (HIE)预后判断早期评估中的意义。方法 对 30例HIE患儿在生后第 2天检测血清NSE浓度和血浆CO水平 ,生后 7d内进行临床分度、CT分度和NBNA评分 ,于生后 6月 - 1岁进行神经发育随访 ,以 10例足月新生儿为对照组。结果 HIE组血清NSE、血浆CO浓度明显高于对照组 (P均 <0 .0 0 1) ;血清NSE、血浆CO浓度之间 ,及它们分别与HIE临床分度、CT分度呈正相关 ,与NBNA评分呈负相关 ;临床分度法、CT分度法、NBNA、血清NSE及血浆CO浓度检测预测预后的敏感性分别为 10 0 %、10 0 %、85 .71%、10 0 %和 83.33% ,特异性分别为 4 5 .4 5 %、4 5 .4 5 %、5 1.6 6 %、5 8.33%和 5 8.33%。结论 临床分度法是预测HIE预后的基础指标 ,血清NSE浓度变化对早期预测HIE预后有较高的价值 相似文献
77.
78.
在手机通话(MPC)行为中,驾驶人极易陷入认知分心(DCD)状态,对此提出了一种基于头-眼行为特性的DCD图像识别方法。为适应自然驾驶中的波动光照和复杂背景,首先建立基于YCbCr色彩空间的在线肤色模型,提取待检肤色区域的PCA-HOG特征并建立支持向量机分类器来识别MPC手势;与此同时,采用多尺度局部模极大值方法检测嘴部显著边缘,并通过边缘活跃度来识别驾驶人说话行为,综合MPC手势和说话行为建立MPC行为的判别逻辑。最后,以5 s为时间窗口获取驾驶人的眼球活跃度、眨眼指数、头部横摆和俯仰运动活跃度,采用D-S证据理论建立融合头-眼行为特性的DCD识别方法。试验结果表明:融合手势和说话行为图像检测的MPC识别率为92.8%;对于不佩戴眼镜的驾驶人,眼球活跃度是DCD识别率最高的单一指标,“眼球活跃度-头部横摆活跃度-头部俯仰活跃度”融合证据的DCD识别率最高,为86.2%;对于佩戴眼镜的驾驶人,“头部横摆活跃度-头部俯仰活跃度”融合证据的DCD识别率最高,为83.2%;算法对熟练驾驶人的DCD识别率略高于非熟练驾驶人。 相似文献
79.
针对目前对于双离合自动变速器(Dual Clutch Transmission,DCT)汽车驾驶员起步过程中意图变化的研究有限,且现有方法的识别准确率不高这一问题,提出了一种基于主成分分析(Principal Component Analysis,PCA)和支持向量机(Support Vector Machines,SVM)的变化起步意图识别模型。根据驾驶员针对车辆反馈的反应时间,将起步过程划分为6个阶段;基于K均值聚类确定各个阶段的缓慢起步、一般起步、紧急起步这3种起步意图的界限;基于主成分分析挖掘出各个阶段起步意图识别的新特征;在此基础上构建6个SVM模型,并利用这6个模型分别对各阶段的起步意图进行识别。经过验证,该模型的平均测试准确率为94.92%,比只利用线性SVM模型高16.89%,且单个模型的平均耗时为0.008 s,能够快速有效地识别出DCT汽车驾驶员的起步意图。 相似文献
80.
由于混合交通流的交通行为和交通情况的复杂性,针对混合交通流的微观仿真模型开发一直是系统仿真领域研究难点和热点.文中提出一个基于活动的、适用于城域混合交通流仿真的出行者Agent行为模型——A-TAM,通过分析一个完整的典型出行过程,借此构建出A-TAM模型层次框架,应用Agent建模、效用函数理论和“心理场”理论对A-TAM模型中各层次模型进行分别建模,最后应用A-TAM模型对自行车在混合交通流无信号交叉口的行为进行建模,仿真结果验证了A-TAM模型的有效性. 相似文献