全文获取类型
收费全文 | 441篇 |
免费 | 25篇 |
专业分类
公路运输 | 128篇 |
综合类 | 150篇 |
水路运输 | 62篇 |
铁路运输 | 106篇 |
综合运输 | 20篇 |
出版年
2024年 | 6篇 |
2023年 | 31篇 |
2022年 | 25篇 |
2021年 | 23篇 |
2020年 | 13篇 |
2019年 | 17篇 |
2018年 | 10篇 |
2017年 | 8篇 |
2016年 | 10篇 |
2015年 | 16篇 |
2014年 | 15篇 |
2013年 | 21篇 |
2012年 | 16篇 |
2011年 | 28篇 |
2010年 | 22篇 |
2009年 | 32篇 |
2008年 | 29篇 |
2007年 | 21篇 |
2006年 | 14篇 |
2005年 | 21篇 |
2004年 | 17篇 |
2003年 | 17篇 |
2002年 | 10篇 |
2001年 | 11篇 |
2000年 | 11篇 |
1999年 | 5篇 |
1998年 | 8篇 |
1997年 | 5篇 |
1996年 | 1篇 |
1992年 | 1篇 |
1990年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有466条查询结果,搜索用时 15 毫秒
1.
为刻画拥堵空间排队与溢出现象对交通流分配的影响,提出考虑拥堵空间排队与溢出的道路网静态交通流分配问题,并构建相关的求解算法,用于描述交通需求在起讫点移动过程中路网整体的宏观运行状态。首先,丰富和完善考虑拥堵空间排队与溢出的静态交通流分配的相关假设,提出次生瓶颈、拥堵干扰与渗透和分段化路段阻抗等基本概念和理论,来刻画拥堵交通瓶颈、拥堵空间排队等交通现象;其次,建立网络瓶颈识别算法和空间排队回溯算法,基于此构建考虑拥堵空间排队和溢出的增量分配算法,用于求解交通流分配的结果;最后,通过使用一个具有说明型的算例进行对比分析。研究结果表明:建立的瓶颈识别、排队回溯和增量分配算法可以识别路网中的瓶颈位置及其拥堵排队区域,并可计算得到各路段上的分段分配流量;与点排队只影响瓶颈路段的运行状况和均一的路段分配结果相比,可有效描述路网整体的宏观运行状态以及由于拥堵空间排队所导致的拥堵干扰与渗透现象;不同于“时间片”的伪动态交通流分配模型,新建算法的分配结果是“全时段”与“整体性”的路网宏观运行状态,包含了拥堵瓶颈的具体位置和空间排队的干扰与渗透情况;一般拥堵点排队模型和基于“时间片”的拥堵空间排队模型难以刻画拥堵干扰与渗透现象以及路网整体的宏观运行状态,故所建立的分配方法是对传统拥堵交通流分配的丰富和发展。 相似文献
2.
技术站广义配流问题模型与算法 总被引:1,自引:0,他引:1
根据列车解编顺序是否确定,将阶段计划中的广义配流问题分为广义静态配流问题和广义动态配流问题。以阶段内发出配流车数最多和车辆在站平均停留时间最短为目标函数,以列车解体开始时刻、车流分配、车流接续和列车编组开始时刻为约束条件,建立广义动态配流问题的多目标非线性混合整数规划模型。综合考虑优先排空、优先发送较近编组去向车流,模拟车站调度员编制阶段计划时的思维过程,设计搜索算法,解决广义静态配流问题(给定列车解编顺序的广义动态配流问题)。以有7个编组去向的某技术站为例,运用该算法可以在较短时间内得到列车解编方案和配流方案,表明了该算法的实用性和可行性。 相似文献
3.
《公路交通技术》2021,37(5)
为了探讨H形斜拉桥上横梁进入有限塑性状态,从而减轻桥塔结构在横向地震作用下的动力响应,采用增量动力分析方法,确定以截面曲率作为评价桥塔地震损伤状态和损伤的主要指标,对混凝土上横梁和钢箱上横梁的耗能方案进行研究。结果表明:1)通过应用标定的截面曲率损伤指标,探讨了桥塔结构横桥向从屈服到破坏的过程,对桥塔的4种损伤状态进行评估,其方式是可行的;2)在横向地震作用下,下横梁端部及中塔柱顶部最早进入塑性状态,而中塔柱底部截面最晚进入;3)通过考虑混凝土上横梁进入有限塑性状态,可优化桥塔结构的横向地震响应、延缓易损截面发生破坏的时间;4)通过控制钢箱上横梁屈服弯矩水平,在强震作用下,构件率先进入塑性状态,发挥滞回耗能作用,降低结构横向刚度,桥塔减震效果明显。 相似文献
4.
5.
6.
针对联锁系统进路搜索效率低下的问题,分析了广度优先、A*等搜索算法的局限性,提出了一种带有约束条件的深度优先搜索(DFS)进路搜索算法,搭建站场型拓扑网络,动态创建二叉树模型,设计改进DFS进路搜索算法的程序流程。从教学角度提出软件设计方案,以Visual Studio 2010为平台进行软件开发,实现CTCS-3级列控系统中的联锁仿真教学系统,该系统不但具备良好的可操作性,还集成故障设置、通信数据包查询等功能。 相似文献
7.
8.
9.
10.
支持向量机增量学习算法研究 总被引:15,自引:0,他引:15
给出了使用多支持向量机进行增量学习的算法.传统的支持向量机不具有增量学习性能,而常用的增量学习方法各具有不同的优缺点,基于固定划分和过间隔技术,提出了使用多支持向量机进行增量学习的算法;使用此算法,针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验,结果表明,使用单一的支持向量机进行增量学习,不论采用过间隔还是固定划分技术,其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。 相似文献