全文获取类型
收费全文 | 578篇 |
免费 | 35篇 |
国内免费 | 64篇 |
专业分类
系统科学 | 130篇 |
丛书文集 | 16篇 |
教育与普及 | 5篇 |
理论与方法论 | 2篇 |
现状及发展 | 4篇 |
综合类 | 520篇 |
出版年
2024年 | 4篇 |
2023年 | 18篇 |
2022年 | 29篇 |
2021年 | 23篇 |
2020年 | 28篇 |
2019年 | 22篇 |
2018年 | 14篇 |
2017年 | 11篇 |
2016年 | 12篇 |
2015年 | 21篇 |
2014年 | 26篇 |
2013年 | 24篇 |
2012年 | 35篇 |
2011年 | 35篇 |
2010年 | 32篇 |
2009年 | 44篇 |
2008年 | 43篇 |
2007年 | 36篇 |
2006年 | 28篇 |
2005年 | 32篇 |
2004年 | 31篇 |
2003年 | 20篇 |
2002年 | 21篇 |
2001年 | 22篇 |
2000年 | 18篇 |
1999年 | 14篇 |
1998年 | 12篇 |
1997年 | 7篇 |
1996年 | 6篇 |
1995年 | 2篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1991年 | 3篇 |
1990年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有677条查询结果,搜索用时 15 毫秒
1.
2.
准确的预测节假日期间高速公路交通流量,能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型,利用BP 神经网络对样本数据进行处理,再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段,利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证,并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。 相似文献
3.
4.
为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。 相似文献
5.
针对路网中考虑电动汽车出行能耗与燃油汽车环境排放情形下混合交通流的非线性边界约束路网均衡问题,设计了一种基于动态投影系统的算法。将复杂非线性边界约束的双车型路网均衡模型转换成变分不等式模型,利用拉格朗日乘子法得到模型的库恩塔克(KKT)条件以及模型的非线性互补问题,通过引入投影算子建立动态投影系统找到模型的最优解。分析模型可确定燃油汽车和电动汽车一般出行成本函数,电动汽车混行条件下交通网络的均衡条件,以及路网均衡条件下两种车型的拥堵外部性并获取混合交通流下路网的运行特征。最后构建数值仿真评估动态投影算法的有效性,结果表明模型收敛于系统的平衡点,且具有指数收敛性质。 相似文献
6.
彭光含 《四川大学学报(自然科学版)》2014,51(2):319-324
考虑前方交通状态对驾驶行为的影响,提出了新的交通流格子模型.通过线性稳定性和非线性分析,获得了改进模型的中性稳定性条件和mKdv方程密度波解.理论分析和数值模拟表明,驾驶员通过关注前方交通状态,选择平稳的驾驶行为,减少不必要的加减速行为,保证车辆的平稳运行,从而进一步改善交通,增强交通流的稳定性. 相似文献
7.
基于对STCA模型与F STCA模型的分析研究,结合车辆换道的实际状况,重新定义了换道风险度的概念,提出了一种更符合实际情况的改进的弹性安全换道间距规则,并进一步提出了基于该规则的双车道元胞自动机交通流模型.实验结果表明,该模型有益于提高道路资源利用率,同时在安全方面能够降低事故发生的可能性. 相似文献
8.
根据交通流的历史周期性和空间相关性,文中综合SARIMA模型在历史周期性预测上的优势和RBF模型在空间相关性预测上的优势,提出了SARIMA-RBF模型.该模型采用SARIMA模型通过历史数据预测下一时刻的交通流,然后将预测值与该点上下游关联的交通流数据相结合,采用RBF神经网络模型得出输出值,并将该输出值作为SARIMARBF模型对下一时刻交通流的预测结果.实验结果表明,该模型因同时考虑了交通流的历史周期性和空间相关性,相比SARIMA模型和RBF模型具有更好的交通流预测效果. 相似文献
9.
在分析高速公路上大型车移动瓶颈影响效应及其对交通流稳定性影响的基础上,选取跟车距离标准差、速度标准差、车辆变道率和平均延误作为交通流稳定性评价指标,以大型车混入率为研究对象,对基本参数、车辆参数和可变参数进行设计,对不同的交通量、单向车道数、纵坡坡度条件下的交通流运行状态进行仿真。研究结果表明:在交通量小于1 500pcu/h、车道数大于2、大型车比例小于60%、路段或路段坡度小于4%时未形成移动瓶颈,交通流稳定性高;随着大型车混入率增加(大于60%)、交通量大于1 500pcu/h、车道数为2、纵坡坡度大于4%的路段易形成移动瓶颈,车流的跟车距离趋向于大型车的跟车距离,速度离散性增大,稳定性降低;大型车混入率大于80%、交通量接近道路通行能力、车道数为2、坡度大于5%的路段,移动瓶颈效应会相互影响,严重时造成交通阻塞,交通流状态很不稳定。据此,将交通流稳定性划分4个等级。 相似文献
10.