IEEE 智能汽车学报
IEEE 智能汽车学报杂志简介
- 出版商：IEEE
- 出版语言：English
- TOP期刊：是
- 出版地区：UNITED STATES OF AMERICA
- 是否预警：否
- 是否OA：混合
- 出版周期：Quarterly
- 出版年份：2016
- 中文名称：IEEE 智能汽车学报
- 是否OA：混合
IEEE 智能汽车学报（国际简称Ieee T Intell Vehicl，英文名称Ieee Transactions On Intelligent Vehicles）是一本混合获取（OA）的国际期刊，自2016年创刊以来，始终站在工程技术研究的前沿。该期刊致力于发表在工程技术领域各个方面达到最高科学标准和具有重要性的研究成果。全面反映该学科的发展趋势，为工程技术事业的进步提供了有力的支撑。期刊严格遵循职业道德标准，对于任何形式的抄袭行为，无论是文字还是图形，一旦查实，均可能导致稿件被拒绝。
在过去几年中，该期刊保持了稳定的发文量和综述量，具体数据如下：
2014年：发表文章0篇、2015年：发表文章0篇、2016年：发表文章0篇、2017年：发表文章0篇、2018年：发表文章0篇、2019年：发表文章0篇、2020年：发表文章0篇、2021年：发表文章66篇、2022年：发表文章74篇、2023年：发表文章384篇。这些数据反映了期刊在全球工程技术领域的影响力和活跃度，同时也展示了其作为学术界和工业界研究人员首选资源的地位。《Ieee Transactions On Intelligent Vehicles》将继续致力于推动工程技术领域的知识传播和科学进步，为全球工程技术问题的解决贡献力量。
期刊指数
- 影响因子：14
- 文章自引率：0.1341...
- Gold OA文章占比：6.87%
- CiteScore：12.1
- 年发文量：384
- 开源占比：0.0697
- SJR指数：2.469
- SNIP指数：3.488
WOS期刊SCI分区（2023-2024年最新版）
| 按JIF指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
| 学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | SCIE | Q1 | 5 / 197 |
97.7% |
| 学科：ENGINEERING, ELECTRICAL & ELECTRONIC | SCIE | Q1 | 5 / 352 |
98.7% |
| 学科：TRANSPORTATION SCIENCE & TECHNOLOGY | SCIE | Q1 | 2 / 72 |
97.9% |
| 按JCI指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
| 学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | SCIE | Q1 | 11 / 198 |
94.7% |
| 学科：ENGINEERING, ELECTRICAL & ELECTRONIC | SCIE | Q1 | 9 / 354 |
97.6% |
| 学科：TRANSPORTATION SCIENCE & TECHNOLOGY | SCIE | Q1 | 2 / 72 |
97.92% |
中科院分区表
中科院SCI期刊分区 2023年12月升级版
| Top期刊 | 综述期刊 | 大类学科 | 小类学科 |
| 否 | 否 | 工程技术 1区 |
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
计算机：人工智能
ENGINEERING, ELECTRICAL & ELECTRONIC
工程：电子与电气
TRANSPORTATION SCIENCE & TECHNOLOGY
运输科技
1区
1区
1区
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||||||
| 12.1 | 2.469 | 3.488 |
|
学术指标分析
影响因子和CiteScore
自引率
影响因子：指某一期刊的文章在特定年份或时期被引用的频率，是衡量学术期刊影响力的一个重要指标。影响因子越高，代表着期刊的影响力越大 。
CiteScore：该值越高，代表该期刊的论文受到更多其他学者的引用，因此该期刊的影响力也越高。
自引率：是衡量期刊质量和影响力的重要指标之一。通过计算期刊被自身引用的次数与总被引次数的比例，可以反映期刊对于自身研究内容的重视程度以及内部引用的情况。
年发文量：是衡量期刊活跃度和研究产出能力的重要指标，年发文量较多的期刊可能拥有更广泛的读者群体和更高的学术声誉，从而吸引更多的优质稿件。
高引用文章
- Relationship Extraction Method for Urban Rail Transit Operation Emergencies RecordsAuthor：Zhu, Guangyu; Huang, Xinglin; Yang, Rongzheng; Sun, Ranran
- MTANet: Multitask-Aware Network With Hierarchical Multimodal Fusion for RGB-T Urban Scene UnderstandingAuthor：Zhou, Wujie; Dong, Shaohua; Lei, Jingsheng; Yu, Lu
- An Enabling Trajectory Planning Scheme for Lane Change Collision Avoidance on HighwaysAuthor：Zhang, Zhiqiang; Zhang, Lei; Deng, Junjun; Wang, Mingqiang; Wang, Zhenpo; Cao, Dongpu
- Learning Visual Semantic Map-Matching for Loosely Multi-Sensor Fusion Localization of Autonomous VehiclesAuthor：Zhang, Zhihuang; Zhao, Jintao; Huang, Changyao; Li, Liang
- Intelligent Amphibious Ground-Aerial Vehicles: State of the Art Technology for Future TransportationAuthor：Zhang, Xinyu; Huang, Jiangeng; Huang, Yuanhao; Huang, Kangyao; Yang, Lei; Han, Yan; Wang, Li; Liu, Huaping; Luo, Jianxi; Li, Jun
- AI-TP: Attention-Based Interaction-Aware Trajectory Prediction for Autonomous DrivingAuthor：Zhang, Kunpeng; Zhao, Liang; Dong, Chengxiang; Wu, Lan; Zheng, Liang
- Data-Driven Modeling and Distributed Predictive Control of Mixed Vehicle PlatoonsAuthor：Zhan, Jingyuan; Ma, Zibo; Zhang, Liguo
- CD-DB: A Data Storage Model for Cooperative DrivingAuthor：Yu, Haiyang; Chang, Cheng; Li, Shen; Li, Li
- A Less-Disturbed Ecological Driving Strategy for Connected and Automated VehiclesAuthor：Yang, Jinsong; Zhao, Dezong; Jiang, Jingjing; Lan, Jianglin; Mason, Byron; Tian, Daxin; Li, Liang
- Pareto Optimal Information Flow Topology for Control of Connected Autonomous VehiclesAuthor：Yan, Yan; Du, Haiping; He, Defeng; Li, Weihua
