全文获取类型
收费全文 | 52800篇 |
免费 | 955篇 |
专业分类
公路运输 | 17041篇 |
综合类 | 17909篇 |
水路运输 | 4510篇 |
铁路运输 | 10996篇 |
综合运输 | 3299篇 |
出版年
2024年 | 287篇 |
2023年 | 859篇 |
2022年 | 968篇 |
2021年 | 954篇 |
2020年 | 654篇 |
2019年 | 612篇 |
2018年 | 310篇 |
2017年 | 974篇 |
2016年 | 891篇 |
2015年 | 1718篇 |
2014年 | 3496篇 |
2013年 | 3031篇 |
2012年 | 2615篇 |
2011年 | 3097篇 |
2010年 | 3020篇 |
2009年 | 3411篇 |
2008年 | 3176篇 |
2007年 | 2684篇 |
2006年 | 2590篇 |
2005年 | 2726篇 |
2004年 | 2595篇 |
2003年 | 2757篇 |
2002年 | 2558篇 |
2001年 | 1988篇 |
2000年 | 1615篇 |
1999年 | 935篇 |
1998年 | 688篇 |
1997年 | 391篇 |
1996年 | 326篇 |
1995年 | 397篇 |
1994年 | 256篇 |
1993年 | 190篇 |
1992年 | 254篇 |
1991年 | 286篇 |
1990年 | 221篇 |
1989年 | 197篇 |
1988年 | 4篇 |
1987年 | 1篇 |
1965年 | 20篇 |
1955年 | 1篇 |
1954年 | 1篇 |
1948年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 62 毫秒
1.
为保证隧道施工多源异构设备数据的有效采集,针对施工群组装备运行数据特征,开展散布、异构设备数据的并行采集方案及技术研究;
在先行构建出数据采集系统框架、采集实施流程的基础上,针对设备多维、连续数据生成的特点,开展基于流数据管理(stream-based date management, DSM)的技术方法探究; 通过构建多并发数据采集(forward-oriented optimal concurrency control, FOCC)系统,实现多源异构数据的集采、并采。通过重点对前向乐观并发数据采集管理、采集设备自动组网技术方案进行研发实践,研发多协议集成、多接口并发采集、自组网、自主发送的“数据采集终端”,成功实现了龙门吊、泥水分离系统等隧道施工装备运行数据的实时提取。研究证明,提出的多数据并采技术方案可有效解决多源异构数据采集问题。 相似文献
2.
国内大跨径的斜拉桥的建设工程不断增多,有效的控制主梁悬臂的施工线形控制是确保斜拉桥合龙的关键,同时也是确保桥梁质量控制和建设安全的重点部分。而在施工时受多种因素的影响,进而导致线型的控制存在一定的难点。在下文中以某特大桥为实际案例,进一步探讨斜拉桥悬臂施工线型的控制,进而为后续其它类似工程提供一定的参考价值。 相似文献
3.
4.
5.
赵静 《辽宁省交通高等专科学校学报》2019,21(2)
结合衢宁铁路福建段隧道内弹性支承块式无砟轨道的施工,介绍弹性支承块式无砟轨道精调、道床施工工艺、创新施工方法等,为类似工程提供借鉴。 相似文献
7.
8.
9.
为准确识别高速公路匝道对主线车流的影响等级和范围,本文提出基于速度波动特性的高速公路匝道影响量化方法。通过建立改进加权速度排列熵指标以量化各服务水平下匝道对高速公路主线车流的影响,对建立的指标进行谱聚类分析来确定匝道的影响阈值。应用京昆高速及二广高速的99个平行式合流匝道和直接式分流匝道多点主线线圈检测器数据的分析结果表
明,所提出方法可识别高速公路主线车流受匝道的影响程度。合流匝道对主线最外侧车道的影响比次外侧车道高4%~69%;A~C级服务水平下,分流匝道对上游主线最外侧车道影响程度比次
外侧车道高6%~29%,D~F级服务水平下,最外侧车道受影响程度比次外侧车道低10%~13%。合流匝道的影响范围是合流点上游350m至下游550m;其中上游160m至下游100m和下游180~
270m为核心影响范围。分流匝道影响范围为分流点至主线上游850m,其中750~850m、450~
600m、100~300m为核心影响范围。研究成果可为高速公路匝道交通设计、管控策略和提升仿真可靠性提供依据,可有效降低设置匝道带来的影响。 相似文献
10.
准确预测短时出租车速度是识别驾驶员异常加减速行为的前提,有助于提升乘客的安全与舒适。以城市中出租车实时移动速度为研究对象,研究了基于XGBoost的短时出租车速度预测模型。将出租车的移动速度数据集划分为训练集和测试集,构造滑动时间窗口,以时间窗口内的出租车历史移动速度的时间序列为输入变量,以出租车当前时间的移动速度为输出变量,采用前向验证的方法进行模型评估。利用基于贝叶斯算法的hyperopt模块实现模型参数的快速优化,得到模型最优参数组合,并基于深圳市2013年10月22日的出租车GPS轨迹数据集进行算例分析,将模型的预测结果与非参数回归模型、神经网络模型预测结果进行比较。研究表明:所构建的短时出租车速度预测模型的平均绝对误差(MAE)为9.841,均方根误差(RMSE)为12.711,均低于非参数回归模型和神经网络模型,提高了出租车速度的预测精度;由于出租车速度序列缺乏规律性,调整后的R2(R2 _adjusted)为0.592,且相较于其他2个模型,XGBoost模型在出租车速度发生急剧变化的时间点附近具有更优的拟合效果,避免了过拟合造成的预测精度下降。 相似文献