全文获取类型
收费全文 | 71525篇 |
免费 | 1042篇 |
专业分类
公路运输 | 34567篇 |
综合类 | 9097篇 |
水路运输 | 13693篇 |
铁路运输 | 13757篇 |
综合运输 | 1453篇 |
出版年
2024年 | 332篇 |
2023年 | 1101篇 |
2022年 | 1201篇 |
2021年 | 1688篇 |
2020年 | 1433篇 |
2019年 | 1037篇 |
2018年 | 463篇 |
2017年 | 686篇 |
2016年 | 846篇 |
2015年 | 1421篇 |
2014年 | 3056篇 |
2013年 | 3105篇 |
2012年 | 4389篇 |
2011年 | 4435篇 |
2010年 | 3938篇 |
2009年 | 4625篇 |
2008年 | 4696篇 |
2007年 | 3647篇 |
2006年 | 3552篇 |
2005年 | 3436篇 |
2004年 | 3787篇 |
2003年 | 3856篇 |
2002年 | 2875篇 |
2001年 | 2370篇 |
2000年 | 2052篇 |
1999年 | 1428篇 |
1998年 | 1363篇 |
1997年 | 1098篇 |
1996年 | 944篇 |
1995年 | 852篇 |
1994年 | 579篇 |
1993年 | 463篇 |
1992年 | 430篇 |
1991年 | 510篇 |
1990年 | 415篇 |
1989年 | 430篇 |
1988年 | 14篇 |
1987年 | 3篇 |
1986年 | 4篇 |
1985年 | 5篇 |
1965年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
2022年11月6日,随着最后一根锚杆的密封材料涂装完成,G3铜陵长江公铁大桥南锚碇锚固系统施工顺利完成(见图1),为下阶段主缆牵引架设及张拉奠定了基础。G3铜陵长江公铁大桥是世界首座双层斜拉-悬索协作体系大桥,大体量、一跨过江的设计对大桥主缆锚碇提出了更高要求。南锚碇为全桥主缆2个固定点之一,采用复合板桩嵌岩重力式基础,基础长75m、宽80m、高15m。锚碇内设置的锚固系统由后锚梁和锚杆组成,为主缆与锚碇连接的关键结构,承担着承上接下的作用,是南锚碇施工中的重要节点之一。 相似文献
2.
4.
调度集中系统与计算机联锁接口中的进路数据的测试存在工作量繁重、耗时长以及人为因素易出错等问题,针对该问题提出一种自动测试方法,可有效的解决进路数据的自动测试及测试结果的自动分析,多条高铁线路实践表明,能显著提高调度集中系统与计算机联锁接口的测试效率及数据正确率,使CTC系统产品更安全可靠。 相似文献
5.
6.
7.
8.
本文分析了国内外商用车事件数据记录系统(EDR)的研究现状,比较了乘用车EDR和商用车EDR在触发机制、数据记录格式等方面的区别。通过针对我国商用车企业的车型配置数据调研,分析了商用车EDR数据记录相关的传感器、主动安全、被动安全等功能的配置情况,提出了商用车EDR标准未来的发展方向。 相似文献
9.
危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度,提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树(XGBoost)算法的危险感知水平判别模型。通过设计3种常见交通冲突场景,采集模拟驾驶中驾驶人的多维度驾驶行为特征数据,并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱,易发生碰撞事故;驾驶人在危险场景中的车速(p=0.01)、制动反应位置(p < 0.01)以及反应时间(p < 0.01)与危险感知水平之间存在显著负相关关系。在相关性分析的基础上,利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量,并构建以制动反应位置、反应时间、车速、刹车深度,以及加速度为指标的驾驶人危险感知水平判别模型;通过与LightGBM、支持向量机(SVM),以及逻辑回归(LR)等算法分类预测性能的对比分析,评价危险感知模型的判别精度,结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959,优于LightGBM(准确率为78.8%、F1值为76.7%、AUC值为0.924)、SVM(准确率为57.6%、F1值为42.2%、AUC值为0.859),以及LR算法(准确率为69.7%、F1值为65.5%、AUC值为0.836)。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。 相似文献
10.
为弥补现有指标的不足,引入韧性作为非常态事件下CTCS-3级(China train control system-3)列控车载子系统运行稳定性的测度指标. 提出了车载子系统韧性量化评估方法,构建了基于贝叶斯网络(Bayesian network, BN)的韧性评估模型,并定义了5种基于韧性的部件重要度指标;进一步利用贝叶斯网络双向推理功能,计算了车载子系统在不同扰动情景下的韧性及部件重要度指标. 研究结果表明:韧性可全面描述车载子系统抵御扰动和从扰动中恢复的能力,非常态事件扰动下,韧性与可用性指标存在明显差异;不同扰动情景下系统韧性明显不同,扰动发生时,车载子系统面临磁暴影响时的韧性为0.8017,而遭遇雷电时的韧性为0.8819,面临冰雪扰动时的韧性为0.9880;部件重要度存在情景依赖,同一部件在不同扰动情景下重要度排序可能不同,且可能随时间动态变化. 相似文献