CN102183259A - 基于电子地图道路特征识别的导航方法 - Google Patents
基于电子地图道路特征识别的导航方法 Download PDFInfo
- Publication number
- CN102183259A CN102183259A CN 201110063822 CN201110063822A CN102183259A CN 102183259 A CN102183259 A CN 102183259A CN 201110063822 CN201110063822 CN 201110063822 CN 201110063822 A CN201110063822 A CN 201110063822A CN 102183259 A CN102183259 A CN 102183259A
- Authority
- CN
- China
- Prior art keywords
- road
- highway section
- sorter
- downstream site
- navigation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000003672 processing method Methods 0.000 claims abstract description 6
- 238000013461 design Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000012567 pattern recognition method Methods 0.000 abstract description 2
- 238000003909 pattern recognition Methods 0.000 abstract 1
- 238000000605 extraction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于电子地图道路特征识别的导航方法。该方法使用了模式识别技术、电子地图技术、车载导航技术，主要包括以下步骤：1)通过模式识别方法对导航电子地图进行特征路段的识别和分类，并设计分类器；同时根据分类结果，在导航装置中实现与特征路段分类相对应的导航处理方法；2)导航装置运行时，使用分类器实时识别特征路段分类，并选择与之相匹配的导航处理方法。本发明通过引入的电子地图特征的识别方法，将现实世界中大量复杂和特殊的路段进行了归类和对应处理，降低导航装置算法的复杂度和难度，并有效提升了导航装置的准确性和可靠性。
Description
技术领域
本发明涉及使用了模式识别技术、电子地图技术、车载导航技术的导航方法。
背景技术
现实世界中的道路存在大量复杂和特殊的路段，这对导航装置的核心算法如地图匹配、路线引导、路线规划等的适用性提出了很高的要求，如果想用较统一或较单一的算法解决所有复杂和特殊情况是非常困难的，且还会导致算法的复杂度无限增大。所以，目前的导航系统无法避免在少数特殊路段下出现不合理甚至错误的情况。
发明内容
本发明所要解决的技术问题是：提供一种基于电子地图道路特征识别的导航方法，本方法可靠性好，准确性高，运行效率高，在复杂和特殊的路段情况下能够正确导航。
本发明所采用的技术方案包括以下步骤：
1)通过模式识别方法对导航电子地图进行特征路段的识别和分类，并设计分类器；同时根据分类结果，在导航装置中实现与特征路段分类相对应的导航处理方法；
2)导航装置运行时，使用分类器实时识别特征路段分类，并选择与之相匹配的导航处理方法。
本发明不仅有效提高了导航装置的可靠性和准确性，保证各种特殊路段情况下不出问题；另一方面，采用分类器和针对单一特征分类的处理算法，使导航装置的关注点更细致，可使导航处理算法的复杂度大大降低，有效性和效率也可得到提升。
附图说明
图1桌面计算机电子地图特征识别和分类器训练示意图。
图2导航装置运行时处理流程示意图。
图3是分类器树形条件判别结构。
具体实施方式
由于导航装置是嵌入式设备，性能有限，在运行时完成导航电子地图的特征识别必须要有高效的分类器支持。所以本发明把电子地图的模式识别技术和导航应用相结合，设计了两大步骤：首先，在桌面计算机上进行预处理，预先在性能不受限制的桌面计算机上分析出导航电子地图中存在的各种特征路段，训练和设计分类器，并对这些特征路段进行有针对性的导航处理算法设计；然后，在性能有限的嵌入式导航装置中导入设计好的分类器和相关导航处理算法，在运行时使用分类器进行有效的特征路段分类识别并选择与之相适应的处理算法。
下面详细说明本发明两大步骤。
1.对电子地图特征进行识别，分类器的设计、训练，以及对导航处理算法的设计：
由于道路特征的提取要考虑到导航系统各功能模块的需求，所以其特征值较多。如果采用常用的统计模式识别方法，通过构成特征向量，进而划分特征空间的方式进行分类，计算复杂度高。另一方面，可能其判别函数的设计实现会让人缺乏主观感受，不便于系统的维护和改进。所以，本发明采用结构模式识别(句法模式识别)的方法，将电子地图特征识别这一复杂的过程，拆分成由一些比较简单的子模式组成的多级结构，其中每一个子模式的识别将是比较容易实现的。
本发明对导航电子地图中如下四个方面的数据进行特征的提取：
a.道路属性信息：对引导、匹配、道路计算都是有首要参考价值的特征，并且涉及的运算量最小，仅为属性类型的判断；
b.几何特征和拓扑结构：这是地图的基础信息，导航功能的基础；
c.特征路段周边信息：特征路段周边的道路密度，POI(Points of Interests，兴趣点)密度，背景分布等，可以总结出对引导、匹配、道路计算有益的特征；
d.衍生特征值：系统的特征值提取，建立一个多维特征向一维特征映射的过程，通过对以上三方面特征的综合分析，可以得出衍生特征值。
在明确了特征提取的规则后，即可进行电子地图的特征识别和分类器设计，详见图1。
S101)在桌面计算机上打开导航装置中使用的电子地图文件。
S102)按顺序遍历读取电子地图文件中的每一个路段，即连续读取(下)一个路段。
S103)使用分类器来识别当前读取到的路段。分类器为树形的条件判别结构，如图3。其中每一级的每个节点处都预设了判别条件，以便和当前路段的特征值进行分析比对。当前路段在分类器中判别后，可得到其最终的判别节点。若得出该路段分析结果为分类器某一级的节点，但不属于其下级节点中的任何一项，即最终被判定为“其他”类型的节点，表明当前分类器无效或无法识别该路段，则转入步骤S104)；否则会被判定为除“其他”类型以外的有具体条件标识的节点，表明分类器识别成功，则跳转至S102)读取下一个路段信息。
S104)分类器分析该路段，得出该路段分析结果为某一级的“其他”节点。则可在分类器此级别节点中，新增一个判别条件和节点，以便分类器能够能够正确的判别该路段和相似路段。
S105)在导航装置中，根据该路段的特征分类，即在分类器中判别树的所有关联节点，对应设计引导、匹配、道路计算等导航处理算法。其中引导算法设计主要参考道路属性的分类节点信息，匹配算法设计主要参考几何特征和拓扑结构的分类节点信息，道路计算算法的设计主要参考道路属性、拓扑结构等分类节点信息。通过将算法分解至判别树的关联节点中，算法的运行效率大大提高，而设计的复杂度能够有效的降低。针对该路段相关节点的处理算法设计完成后，进入下一步。
S106)判断路段遍历是否完成，若遍历结束则结束桌面计算机上进行预处理的过程，若遍历未结束则跳转至S102)读取下一个路段的信息。
经过了以上电子地图的特征识别和分类器设计后，即可将分类器和导航处理算法集成到导航装置中，以实现导航装置的实时特征识别和处理功能。
2.导航装置运行时电子地图的识别和处理，本步骤的流程详见图2：
S201)导航装置运行时打开电子地图文件；
S202)导航装置读取导航位置周边的若干个路段数据；
S203)使用分类器依次对需要处理的电子地图路段进行特征分类；
S204)选用与当前特征相匹配的引导、匹配、道路计算等导航处理算法。
实施例：
步骤S103)的分类器为树形的条件判别结构，具体为：
读取一个路段后，先按照道路属性进行分类，其节点包括单一道路、环岛、隧道、普通交叉路口、高速出入口；下级节点均按照几何特征和拓扑结构进行分类，单一道路的下级节点包括直线、曲线，直线的下级节点包括有平行道路、无平行道路，环岛的下级节点包括三出口环岛、四出口环岛和五出口环岛，隧道的下级节点包括无分叉隧道和有分叉隧道，普通交叉路口的下级节点包括三叉路口、四叉路口和五叉路口，三叉路口的下级节点包括Y字型三叉路口、T字型三叉路口；最后的节点按照其他特征分类，有平行道路的下级节点包括有坡度、无坡度，四出口环岛的下级节点包括无车道划分、两车道和三车道以上，Y字型三叉路口的下级节点包括关联道路等级相同和关联道路等级不同；属于某级节点但不属于其下级节点中任一项的道路特征，在下级节点中以“其他”类型表示。
然后按照上述S101～S106、S201～204的步骤进行导航。
本发明通过导航电子地图的分类器设计，实现在导航装置中进行电子地图的分类和处理。由于本发明主要使用了步骤1)的成果，导航装置中的处理流程非常简单高效。
Claims (6)
1.基于电子地图道路特征识别的导航方法，其特征在于包括以下步骤：
1)通过模式识别方法对导航电子地图进行特征路段的识别和分类，并设计分类器；同时根据分类结果，在导航装置中实现与特征路段分类相对应的导航处理方法；
2)导航装置运行时，使用分类器实时识别特征路段分类，并选择与之相匹配的导航处理方法。
2.根据权利要求1所述的导航方法，其特征在于步骤1)具体包括以下流程：
S101)在桌面计算机上打开导航装置中使用的电子地图文件；
S102)按顺序遍历读取电子地图文件中的每一个路段；
S103)使用树形结构的分类器来识别当前读取到的路段，如果当前分类器无效或无法识别该路段，则转入步骤S104)；否则跳转至S102)读取下一个路段信息；
S104)通过分类器分析该路段，若得出该路段分析结果为分类器某一级的节点，但不属于其下级节点中的任何一项，则在其下级节点中新增一个判别条件和节点，以便分类器能够正确地判别该路段和相似路段；
S105)在导航装置中，根据该路段的特征分类，在分类器判别树中找到所有关联节点，对应设计包含引导、匹配、道路计算的导航处理算法，针对该路段相关节点的处理算法设计完成后，进入下一步；
S106)判断路段遍历是否完成，若遍历结束则结束桌面计算机上进行预处理的过程，若遍历未结束则跳转至S102)读取下一个路段的信息。
3.根据权利要求1所述的导航方法，其特征在于步骤2)具体包括以下流程：
S201)导航装置运行时打开电子地图文件；
S202)导航装置读取导航位置周边的若干个路段数据；
S203)使用分类器依次对需要处理的电子地图路段进行特征分类；
S204)选用与当前特征相匹配的引导、匹配、道路计算等导航处理算法。
4.根据权利要求1～3中任一项所述的导航方法，其特征在于：步骤1)对特征路段的识别过程中，须提取道路属性信息、几何特征和拓扑结构、特征路段周边信息、衍生特征值。
5.根据权利要求2所述的导航方法，其特征在于步骤S103)的分类器为树形的条件判别结构，具体为：
读取一个路段后，先按照道路属性进行分类，其节点包括单一道路、环岛、隧道、普通交叉路口、高速出入口；下级节点均按照几何特征和拓扑结构进行分类，单一道路的下级节点包括直线、曲线，直线的下级节点包括有平行道路、无平行道路，环岛的下级节点包括三出口环岛、四出口环岛和五出口环岛，隧道的下级节点包括无分叉隧道和有分叉隧道，普通交叉路口的下级节点包括三叉路口、四叉路口和五叉路口，三叉路口的下级节点包括Y字型三叉路口、T字型三叉路口；最后的节点按照其他特征分类，有平行道路的下级节点包括有坡度、无坡度，四出口环岛的下级节点包括无车道划分、两车道和三车道以上，Y字型三叉路口的下级节点包括关联道路等级相同和关联道路等级不同；属于某级节点但不属于其下级节点中任一项的道路特征，在下级节点中以“其他”类型表示。
6.根据权利要求5所述的导航方法，其特征在于步骤S105的各算法的设计依据为：引导算法设计主要参考道路属性的分类节点信息，匹配算法设计主要参考几何特征和拓扑结构的分类节点信息；道路计算主要参考道路属性、拓扑结构的分类节点信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110063822.0A CN102183259B (zh) | 2011-03-17 | 2011-03-17 | 基于电子地图道路特征识别的导航方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110063822.0A CN102183259B (zh) | 2011-03-17 | 2011-03-17 | 基于电子地图道路特征识别的导航方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102183259A true CN102183259A (zh) | 2011-09-14 |
| CN102183259B CN102183259B (zh) | 2014-07-23 |
Family
ID=44569500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110063822.0A Active CN102183259B (zh) | 2011-03-17 | 2011-03-17 | 基于电子地图道路特征识别的导航方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102183259B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103838240A (zh) * | 2012-11-27 | 2014-06-04 | 联想(北京)有限公司 | 控制方法和电子设备 |
| CN104123305A (zh) * | 2013-04-28 | 2014-10-29 | 国际商业机器公司 | 地理数据处理方法及其系统 |
| CN104850824A (zh) * | 2015-04-16 | 2015-08-19 | 西安交通大学 | 一种基于道路元综合的路网匹配方法 |
| CN108007470A (zh) * | 2017-11-30 | 2018-05-08 | 深圳市隐湖科技有限公司 | 一种移动机器人地图文件格式和路径规划系统及其方法 |
| CN108304852A (zh) * | 2017-07-17 | 2018-07-20 | 腾讯科技（深圳）有限公司 | 道路路段类型的确定方法、装置以及存储介质、电子装置 |
| CN108709561A (zh) * | 2018-04-15 | 2018-10-26 | 武汉中海庭数据技术有限公司 | 一种基于全局路网特征的不同尺度数据的匹配算法 |
| CN109186621A (zh) * | 2018-08-15 | 2019-01-11 | 武汉中海庭数据技术有限公司 | 基于路口模型的自动行驶方法及装置 |
| CN109690561A (zh) * | 2016-08-16 | 2019-04-26 | 大众汽车有限公司 | 用于支持机动车中的驾驶员辅助系统的方法和设备 |
| CN111750878A (zh) * | 2019-03-28 | 2020-10-09 | 北京初速度科技有限公司 | 一种车辆位姿的修正方法和装置 |
| US11255678B2 (en) | 2016-05-19 | 2022-02-22 | Microsoft Technology Licensing, Llc | Classifying entities in digital maps using discrete non-trace positioning data |
| CN114719880A (zh) * | 2022-06-01 | 2022-07-08 | 阿里巴巴（中国）有限公司 | 模型训练方法、装置及电子设备 |
| CN114764429A (zh) * | 2021-01-12 | 2022-07-19 | 本田技研工业株式会社 | 路线数据转换方法、非暂时性计算机可读存储介质及路线数据转换装置 |
| CN114838730A (zh) * | 2022-04-28 | 2022-08-02 | 北京百度网讯科技有限公司 | 导航处理方法、装置及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050049783A1 (en) * | 2003-08-29 | 2005-03-03 | Hunzinger Jason F. | Iterative logical renewal of navigable map database |
| CN101308029A (zh) * | 2007-05-16 | 2008-11-19 | 北京英华慧通科技发展有限公司 | 路网网格匹配、路况状态信息及诱导路线信息获取方法 |
| CN101750082A (zh) * | 2010-01-08 | 2010-06-23 | 北京工业大学 | 基于决策圈的路段识别匹配方法 |
-
2011
- 2011-03-17 CN CN201110063822.0A patent/CN102183259B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050049783A1 (en) * | 2003-08-29 | 2005-03-03 | Hunzinger Jason F. | Iterative logical renewal of navigable map database |
| CN101308029A (zh) * | 2007-05-16 | 2008-11-19 | 北京英华慧通科技发展有限公司 | 路网网格匹配、路况状态信息及诱导路线信息获取方法 |
| CN101750082A (zh) * | 2010-01-08 | 2010-06-23 | 北京工业大学 | 基于决策圈的路段识别匹配方法 |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103838240A (zh) * | 2012-11-27 | 2014-06-04 | 联想(北京)有限公司 | 控制方法和电子设备 |
| CN104123305A (zh) * | 2013-04-28 | 2014-10-29 | 国际商业机器公司 | 地理数据处理方法及其系统 |
| CN104123305B (zh) * | 2013-04-28 | 2018-08-24 | 国际商业机器公司 | 地理数据处理方法及其系统 |
| CN104850824A (zh) * | 2015-04-16 | 2015-08-19 | 西安交通大学 | 一种基于道路元综合的路网匹配方法 |
| CN104850824B (zh) * | 2015-04-16 | 2018-04-13 | 西安交通大学 | 一种基于道路元综合的路网匹配方法 |
| US11255678B2 (en) | 2016-05-19 | 2022-02-22 | Microsoft Technology Licensing, Llc | Classifying entities in digital maps using discrete non-trace positioning data |
| CN109690561A (zh) * | 2016-08-16 | 2019-04-26 | 大众汽车有限公司 | 用于支持机动车中的驾驶员辅助系统的方法和设备 |
| CN108304852A (zh) * | 2017-07-17 | 2018-07-20 | 腾讯科技（深圳）有限公司 | 道路路段类型的确定方法、装置以及存储介质、电子装置 |
| CN108304852B (zh) * | 2017-07-17 | 2022-09-13 | 腾讯科技（深圳）有限公司 | 道路路段类型的确定方法、装置以及存储介质、电子装置 |
| CN108007470A (zh) * | 2017-11-30 | 2018-05-08 | 深圳市隐湖科技有限公司 | 一种移动机器人地图文件格式和路径规划系统及其方法 |
| WO2019201135A1 (zh) * | 2018-04-15 | 2019-10-24 | 武汉中海庭数据技术有限公司 | 基于全局路网特征的数据匹配方法、装置及存储介质 |
| CN108709561A (zh) * | 2018-04-15 | 2018-10-26 | 武汉中海庭数据技术有限公司 | 一种基于全局路网特征的不同尺度数据的匹配算法 |
| US11486714B2 (en) | 2018-04-15 | 2022-11-01 | Wuhhan Kotel Big Date Corporation | Matching algorithm for data with different scales based on global road network features |
| CN109186621A (zh) * | 2018-08-15 | 2019-01-11 | 武汉中海庭数据技术有限公司 | 基于路口模型的自动行驶方法及装置 |
| CN111750878A (zh) * | 2019-03-28 | 2020-10-09 | 北京初速度科技有限公司 | 一种车辆位姿的修正方法和装置 |
| CN111750878B (zh) * | 2019-03-28 | 2022-06-24 | 北京魔门塔科技有限公司 | 一种车辆位姿的修正方法和装置 |
| CN114764429A (zh) * | 2021-01-12 | 2022-07-19 | 本田技研工业株式会社 | 路线数据转换方法、非暂时性计算机可读存储介质及路线数据转换装置 |
| CN114838730A (zh) * | 2022-04-28 | 2022-08-02 | 北京百度网讯科技有限公司 | 导航处理方法、装置及电子设备 |
| CN114719880A (zh) * | 2022-06-01 | 2022-07-08 | 阿里巴巴（中国）有限公司 | 模型训练方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102183259B (zh) | 2014-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102183259B (zh) | 基于电子地图道路特征识别的导航方法 | |
| Lian et al. | DeepWindow: Sliding window based on deep learning for road extraction from remote sensing images | |
| CN104197897B (zh) | 一种基于车载激光扫描点云的城区道路标线自动分类方法 | |
| Ding et al. | Towards generating network of bikeways from Mapillary data | |
| CN107492251A (zh) | 一种基于机器学习与深度学习的驾驶员身份识别与驾驶状态监测方法 | |
| CN111291811A (zh) | 区域划分和分类方法、装置和计算机可读存储介质 | |
| CN108961758B (zh) | 一种基于梯度提升决策树的路口展宽车道探测方法 | |
| CN106529431B (zh) | 基于车载激光扫描数据的路坎点自动提取及矢量化方法 | |
| CN109885639A (zh) | 可视化的出租车上下车特征分析方法 | |
| CN103177258A (zh) | 一种根据矢量等高线数据自动提取地性线的方法 | |
| CN112163166B (zh) | 检测道路属性的方法、装置、计算机可读介质及电子设备 | |
| CN107195180A (zh) | 一种基于电警数据的交通出行轨迹提取方法和装置 | |
| CN115131669A (zh) | 多源数据协同的人车路网一体化构建方法 | |
| CN113742437A (zh) | 地图更新方法、装置、电子设备和存储介质 | |
| Zhu et al. | A driving cycle detection approach using map service API | |
| Fazekas et al. | ANN-based classification of urban road environments from traffic sign and crossroad data | |
| CN116465385A (zh) | 道路地图生成系统以及使用方法 | |
| Zong et al. | Bus-Car Mode Identification: Traffic Condition–Based Random-Forests Method | |
| CN113903173B (zh) | 一种基于有向图结构和lstm的车辆轨迹特征提取方法 | |
| CN112364890B (zh) | 利用出租车轨迹制作城市可导航路网的交叉口引导方法 | |
| Maghsoumi et al. | Lane Detection and Tracking Datasets: Efficient Investigation and New Measurement by a Novel “Dataset Scenario Detector” Application | |
| CN117782126A (zh) | 高精地图引导的自动驾驶路径规划决策方法 | |
| CN114674338B (zh) | 基于分层输入输出和双注意力跳接的道路可行驶区域精细推荐方法 | |
| CN114116854B (zh) | 轨迹数据处理方法、装置、设备和存储介质 | |
| CN116989801A (zh) | 一种面向复杂路网低频长轨迹的地图匹配方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| ASS | Succession or assignment of patent right |
Owner name: WUHAN KOTEI INFORMATICS CO., LTD. Free format text: FORMER OWNER: KOTEI NAVI+DATA (WUHAN) CORPORATION Effective date: 20130217 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20130217 Address after: 8, building 2, building E, 4 Optics Valley City,, Wuhan Software Park, East Lake Development Zone, Hubei, China Applicant after: Wuhan Kotei Information Technology Co., Ltd. Address before: The East Lake Development Zone in Hubei province Wuhan City Road 430073 No. 1 Optics Valley Software Park building C6 room 210 Applicant before: Kotei Navi & Data (Wuhan) Corporation |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C56 | Change in the name or address of the patentee | ||
| CP03 | Change of name, title or address |
Address after: 430073 Optics Valley, Hubei, East Lake Development Zone, a Software Park West, South Lake South Road, Optics Valley Software Park, No. six, No. 8, layer 2, No. 208 Patentee after: WUHAN KOTEI INFORMATICS CO., LTD. Address before: 8, building 2, building E, 4 Optics Valley City,, Wuhan Software Park, East Lake Development Zone, Hubei, China Patentee before: Wuhan Kotei Information Technology Co., Ltd. |