全文获取类型
收费全文 | 644篇 |
免费 | 24篇 |
国内免费 | 65篇 |
专业分类
系统科学 | 135篇 |
丛书文集 | 19篇 |
教育与普及 | 5篇 |
理论与方法论 | 3篇 |
现状及发展 | 4篇 |
综合类 | 567篇 |
出版年
2024年 | 7篇 |
2023年 | 25篇 |
2022年 | 39篇 |
2021年 | 31篇 |
2020年 | 32篇 |
2019年 | 24篇 |
2018年 | 14篇 |
2017年 | 11篇 |
2016年 | 13篇 |
2015年 | 24篇 |
2014年 | 27篇 |
2013年 | 26篇 |
2012年 | 39篇 |
2011年 | 37篇 |
2010年 | 32篇 |
2009年 | 46篇 |
2008年 | 44篇 |
2007年 | 39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 | 16篇 |
1998年 | 12篇 |
1997年 | 7篇 |
1996年 | 6篇 |
1995年 | 3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733条查询结果,搜索用时 15 毫秒
71.
在次邻近车辆速度差模型(Two Velocity Difference Model,TVDM)的基础上,提出了一个扩展的交通流模型,即加速度与次邻近车辆速度差模型(Acceleration and Two Velocity Difference Model,ATVDM)。线性稳定性分析表明:和TVDM相比,ATVDM模型可以使交通流的稳定性得到增强,稳定区域有明显增加。数值模拟结果表明ATVDM不仅可以成功预测车辆运动延迟时间和启动波波速,还可以避免急刹车情况下事故的发生。 相似文献
72.
为研究交通事故对高速公路交通流的影响,以双车道安全距离元胞自动机模型为基础引入强行变道规则,建立了考虑车辆异质性的高速公路车辆堵塞模型。利用MATLAB数值模拟高速公路异质交通流,分析不同交通密度情况下的交通事故持续时间以及重载货车占比对高速公路堵塞交通流的影响。研究表明:交通事故持续时间及重载货车占比均对高速公路堵塞交通流具有显著影响;当车辆密度大于4veh/km小于80veh/km时,交通事故持续时间对交通流有着显著影响,且持续时间越长对交通流的影响越大;当车辆密度小于30veh/km时,重载货车占比对交通流有着显著的影响,并且占比越大对交通流影响越大。 相似文献
73.
针对短时交通流具有随机性和不确定性等特征,提出一种基于小波分析和集成学习的组合预测模型.首先,对原始交通流数据的平均行程时间序列应用Mallat算法进行多尺度小波分解,且对各尺度上分量进行单支重构;其次,对于各重构的单支序列分别使用极端梯度提升模型(extreme gradient boosting,XGBoost)进... 相似文献
74.
开放边界双车道混合车辆交通流的研究 总被引:4,自引:2,他引:2
在NaSch模型的基础上,引入转道规则,建立了开放边界双车道混合车辆交通流模型.计算机数值模拟结果表明:混合车辆交通状态可分为快车特性区、准慢车特性区和慢车特性区,车辆混合比例对混合车辆交通流有重要的影响. 相似文献
75.
讨论了一类固定带宽下的复杂网络交通流问题,构建了一类具有连接带宽约束的复杂网络交通流模型.以交通流中的信息流为背景,在"具有可调聚类系数"的BA无标度网络中,定性地研究了不同带宽约束下的网络负载变化问题.发现在具有较大带宽的网络中,网络具有较大的负载能力;并且网络负载能力随着网络带宽约束的增加而大幅度地降低,当带宽约束增加到可允许的极限时,网络交通的负载能力已经不受网络节点处理数据包能力的影响.并从复杂网络拓扑和交通流机理角度定性地分析了带宽约束对网络交通流影响的原因. 相似文献
76.
77.
78.
79.
基于互补型集成经验模态分解和遗传最小二乘支持向量机的交通流量预测模型 总被引:1,自引:0,他引:1
交通流是智能交通系统中的关键组成部分,也是交通规划的重要依据。为了提高道路交通流量预测的精确性,提出一种基于互补型集成经验模态分解(complete ensemble empirical mode decomposition,CEEMD)后,采用遗传算法(genetic algorithm,GA)优化参数的最小二乘支持向量机(least square support vector machine,LSSVM)的交通流量预测模型。该模型使用互补型集成经验模态分解原始数据,将分解后的本征模态函数(intrinsic mode function,IMF)分量分别用遗传算法优化参数后的最小二乘支持向量机进行预测,叠加全部IMF分量值作为模型最终的预测结果。通过对美国加利福利亚州某高速公路一个月的交通流量数据进行训练预测,结果表明,该模型平均相对误差仅为6.51%,相较于其他模型拥有更好的预测效果,可为交通流的预测提供一定的参考。 相似文献
80.