CN105160874B - 一种交通信息处理方法和装置 - Google Patents
一种交通信息处理方法和装置 Download PDFInfo
- Publication number
- CN105160874B CN105160874B CN201510507325.3A CN201510507325A CN105160874B CN 105160874 B CN105160874 B CN 105160874B CN 201510507325 A CN201510507325 A CN 201510507325A CN 105160874 B CN105160874 B CN 105160874B
- Authority
- CN
- China
- Prior art keywords
- traffic congestion
- probability
- transport information
- processing
- traffic
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 12
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 31
- 238000001228 spectrum Methods 0.000 claims description 8
- 241001123248 Arma Species 0.000 claims description 3
- 125000002015 acyclic group Chemical group 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 24
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种交通信息处理方法，该方法包括：根据交通信息之间的因果关系配置DAG；获取与当前交通相关的各交通信息对应的置信度；将各交通信息的置信度赋值给配置的DAG中对应的节点，并计算该DAG对应的值，作为当前交通拥堵的概率；根据当前交通拥堵的概率，以及记录的之前第一预设时间内的交通拥堵的概率，确定之后第二预设时间内的交通拥堵的概率。基于同样的发明构思，本申请还提出一种交通信息处理装置，能够快速、准确确定未来一段时间的交通拥堵的情况。
Description
技术领域
本发明涉及通信技术领域，特别涉及一种交通信息处理方法和装置。
背景技术
智慧城市目前包括智慧交通、智慧安防、智慧能源、智慧教育、智慧医疗、智慧政务等几个部分，未来仍将继续拓展到城市生活的方方面面。
目前在全球范围内"智慧城市"建设开展的如火如荼，"智慧城市"所涵盖的领域范围遍及城市生活的方方面面，已经逐步涉及到城市运营管理的各个系统，如交通、安防、电力、政务管理、应急、医疗、教育等。在智慧城市的目标拆分与落地时，被落实为智慧医疗、智慧生产、智慧交通、智慧政府等比较大概念的细分领域。城市建设，交通先行。交通是经济发展的动脉，智慧交通是智慧城市建设的重要构成部分。
智能交通系统(Intelligent Transport System，ITS)是指将先进的信息技术、数据通讯传输技术、电子传感技术、卫星导航与定位技术、电子控制技术以及计算机处理技术等有效地集成运用于整个交通运输管理体系，而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合运输和管理系统。其目的是使人、车、路密切配合达到和谐统一，发挥协同效应，极大的提高交通运输效率、保障交通安全、改善交通运输环境和提高能源利用效率。
然而，在城市中智能交通系统必须和城市管理相结合才能获得有效的使用。当前的智慧城市在充分运用城市信息、基于数据的来实现的城市管理还十分缺乏。
发明内容
有鉴于此，本申请提供一种交通信息处理方法和装置，能够快速、准确确定未来一段时间的交通拥堵的情况。
为解决上述技术问题，本申请的技术方案是这样实现的：
一种交通信息处理方法，根据交通信息之间的因果关系配置DAG；该方法包括：
获取与当前交通相关的各交通信息对应的置信度；
将各交通信息的置信度赋值给配置的DAG中对应的节点，并计算该DAG对应的值，作为当前交通拥堵的概率；
根据当前交通拥堵的概率，以及记录的之前第一预设时间内的交通拥堵的概率，确定之后第二预设时间内的交通拥堵的概率。
一种交通信息处理装置，该装置包括：配置单元、获取单元、计算单元和确定单元；
所述配置单元，用于根据交通信息之间的因果关系配置DAG；
所述获取单元，用于获取与当前交通相关的各交通信息对应的置信度；
所述计算单元，用于将所述获取单元获取的各交通信息的置信度赋值给所述配置单元配置的DAG中对应的节点，并计算该DAG对应的值，作为当前交通拥堵的概率；
所述确定单元，用于根据所述计算单元计算的当前交通拥堵的概率，以及记录的之前第一预设时间内的交通拥堵的概率，确定之后第二预设时间内的交通拥堵的概率。
由上面的技术方案可知，本申请中通过采集当前交通相关的交通信息，以及记录的历史相关的交通信息，自动预测未来一段时间的交通的拥堵情况，通过该方案，能够快速、准确确定未来一段时间的交通拥堵的情况。
附图说明
图1为本申请实施例中配置的DAG示意图；
图2为本申请实施例中交通信息处理流程示意图；
图3为本申请实施例中处理交通拥堵的流程示意图；
图4为本申请实施例中应用于上述技术的装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图并举实施例，对本发明的技术方案进行详细说明。
本申请实施例中提供一种交通信息处理方法，根据当前交通相关的交通信息，以及记录的历史交通拥堵的概率，确定未来一段时间内的交通拥堵的概率，能够快速、准确确定未来一段时间的交通拥堵的情况。
在确定未来一段时间内的交通拥堵的概率时，本申请实施例中应先根据交通信息之间的因果关系配置DAG，具体配置过程如下：
使用者可以根据经验确定各交通信息之间因果关系配置DAG，例如交通事故会造成交通拥堵而减少道路车流量，这又可能引造成公交乘客长时间排队造成公交车刷卡数量增长，这一关系通过DAG描述为：交通事故—〉交通流量—〉公交车刷卡数量。交通信息包括：交通图像信息、交通卡刷卡信息、电信接入网信令数据、红绿灯切换频率等。在具体实现时，获得的交通信息可以为上述之一或任意组合。
DAG可以是基于贝叶斯网络的有向无环图，也可以是基于其他网络的有向无环图，使用者可以根据实际需要选择。
参见图1，图1为本申请实施例中配置的DAG示意图。图1中的DAG图中以4个节点为例，其中，P(a)为a节点对应交通卡刷卡信息对应的置信度，P(b)为b节点对应红绿灯切换频率对应的置信度，P(c)为c节点对应电信接入网信令数据对应的置信度，P(d)为d节点对应交通信息图像对应的置信度。
图1中P(c|a)表示a节点对应的情况发生，引起c节点发生的条件概率；P(d|a)表示a节点对应的情况发生，引起d节点发生的条件概率；P(c|d)表示d节点对应的情况发生，引起c节点发生的条件概率；P(d|b)表示b节点对应的情况发生，引起d节点发生的条件概率。
下面结合附图，详细说明本申请实施例是如何实现交通信息处理的。
参见图2，图2为本申请实施例中交通信息处理流程示意图。具体步骤为：
步骤201，设备获取与当前交通相关的各交通信息对应的置信度。
本申请实施例中，确定未来发生交通拥堵的概率，以及在需要解决交通拥堵时，确定使用处理交通拥堵的手段的执行主体均为交通管理系统中的一台或几台设备，本申请实施例中同称为设备。
采集当前交通相关的各交通信息，使用采集到的各交通信息分别进行方差计算，并将计算获得的各方差映射为对应交通信息的置信度。
针对任一交通信息，会采集到一个或多个交通信息值，将这一个或多个相关信息值作为样本，进行样本方差计算获得方差值，针对每个交通信息会配置对应的映射关系，将计算获得的方差值映射为置信度。其计算方法为：根据样本均值X以及样本数量n，以及预先设定的交通信息概率分布函数F(对于大数据量的样本，F通常为正态分布)，计算该方差出现的概率并通过查置信区间表获得该方差出现的置信度。
在具体实现时，预先配置样本方差值与置信度的映射关系(可以是一个样本方差值映射为一个置信度，也可以时多个样本方差映射为一个置信度)；在计算出样本方差值后，通过配置的映射关系确定对应的置信度。
步骤202，该设备将各交通信息的置信度赋值给配置的DAG中对应的节点，并计算该DAG对应的值，作为当前交通拥堵的概率。
假设本申请实施例中计算了4个置信度值，则分别按照图1中描述的对应信息为各节点赋值。
以基于贝叶斯网络的有向无环图为例，则根据P(a)和P(b)计算P(c|a)，P(c)和P(d)计算P(c|d)，依次类推，分别计算出P(c|a)、P(d|a)、P(c|d)、P(d|b)，然后将计算出的四个概率值进行乘积获得该DAG的值，作为当前交通拥堵的概率。
步骤203，该设备根据当前交通拥堵的概率，以及记录的之前第一预设时间内的交通拥堵的概率，确定之后第二预设时间内的交通拥堵的概率。
在实际应用中可以根据历史数据模拟出交通拥堵概率在一定时间内符合的函数分布，进而根据模拟出的函数确定未来一段时间内的交通拥堵的概率。
下面结合附图，详细说明本申请实施例中如何实现交通拥堵处理的。
参见图3，图3为本申请实施例中处理交通拥堵的流程示意图。具体步骤为：
步骤301，设备确定出第二预设时间内的交通拥堵的概率。
步骤302，该设备确定是否使用配置的处理交通拥堵的手段进行处理，如果是，执行步骤303；否则，执行步骤304。
本步骤中确定是否使用配置的处理交通拥堵的手段进行处理，具体为：
将第一预设时间内的交通拥堵概率、当前交通拥堵的概率，以及第二预设时间内的交通拥堵概率构建一个交通拥堵的时间序列；
利用自回归滑动平均(ARMA)模型对所述时间序列进行分析，获得该时间序列的功率谱；
当功率谱的宽度小于预设阈值时，确定使用配置的处理交通拥堵的手段进行处理；当功率谱的宽度不小于预设阈值时，继续进行交通拥堵分析，不需要对交通情况进行处理。
步骤303，该设备将缓解交通拥堵的收益值与风险值的差值最大的处理交通拥堵的手段作为处理当前交通拥堵的手段。
该设备会计算并记录使用配置的各处理交通拥堵的手段缓解交通拥堵的收益值，以及使用配置各处理交通拥堵的手段造成的风险值。其中风险和收益值为造成交通拥堵的概率及缓解交通拥堵概率的函数。
配置的处理交通拥堵的手段可以为改变交通拥堵路段上的路口的交通灯的等待时间、改变道路通行和转弯规则，改变公交车的停站，派交警前去指挥等。
具体实现时，根据保存的历史记录判断给出为缓解交通拥堵所能采取的各种手段(如改变道路通行方式、调整交通灯设定、调整公交车运行等)所可能带来的改善交通的程度(收益值)，以及各种手段可能造成的不良后果(风险值)。最后，根据城市交通管理的目标，确定在该目标下各种手段所带来的效用(收益值与风险值的差值)。
步骤304，结束。
本申请实施例中建立一套模拟人类对于交通流量和交通现状辨识的方法，在此基础上，通过对缓解交通拥堵所能采取的各种手段的定量分析，可以更加准确科学实现对城市交通的管理和决策。
基于同样的发明构思，本申请还提出一种交通信息处理装置。参见图4，图4为本申请实施例中应用于上述技术的装置结构示意图。该装置包括：配置单元401、获取单元402、计算单元403和确定单元404；
配置单元401，用于根据交通信息之间的因果关系配置DAG；
获取单元402，用于获取与当前交通相关的各交通信息对应的置信度；
计算单元403，用于将获取单元402获取的各交通信息的置信度赋值给配置单元401配置的DAG中对应的节点，并计算该DAG对应的值，作为当前交通拥堵的概率；
确定单元404，用于根据计算单元403计算的当前交通拥堵的概率，以及记录的之前第一预设时间内的交通拥堵的概率，确定之后第二预设时间内的交通拥堵的概率。
较佳地，
确定单元404，进一步用于确定之后第二预设时间内的交通拥堵的概率之后，将第一预设时间内的交通拥堵概率、当前交通拥堵的概率，以及第二预设时间内的交通拥堵概率构建一个交通拥堵的时间序列；利用自回归滑动平均ARMA模型对所述时间序列进行分析，获得该时间序列的功率谱；当功率谱的宽度小于预设阈值时，使用配置的处理交通拥堵的手段进行处理。
较佳地，
配置单元401，具体用于使用配置的处理交通拥堵的手段进行处理时，计算并记录使用配置的各处理交通拥堵的手段缓解交通拥堵的收益值，以及使用配置各处理交通拥堵的手段造成的风险值；将缓解交通拥堵的收益值与风险值的差值最大的处理交通拥堵的手段作为处理当前交通拥堵的手段。
较佳地，
获取单元402，具体用于获取与当前交通相关的各交通信息对应的置信度时，采集当前交通相关的各交通信息，使用采集到的各交通信息分别进行方差计算，并将计算获得的各方差映射为对应交通信息的置信度。
上述实施例的单元可以集成于一体，也可以分离部署；可以合并为一个单元，也可以进一步拆分成多个子单元。
综上所述，本申请通过采集当前交通相关的交通信息，以及记录的历史相关的交通信息，自动预测未来一段时间的交通的拥堵情况，通过该方案，能够快速、准确确定未来一段时间的交通拥堵的情况。
本申请实施例中建立一套模拟人类对于交通流量和交通现状辨识的方法，在此基础上，通过对缓解交通拥堵所能采取的各种手段的定量分析，可以更加准确科学实现对城市交通的管理和决策。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (8)
1.一种交通信息处理方法，其特征在于，根据交通信息之间的因果关系配置有向无环图DAG；该方法包括：
获取与当前交通相关的各交通信息对应的置信度；
将各交通信息的置信度赋值给配置的DAG中对应的节点，并计算该DAG对应的值，作为当前交通拥堵的概率；
根据当前交通拥堵的概率，以及记录的之前第一预设时间内的交通拥堵的概率，确定之后第二预设时间内的交通拥堵的概率。
2.根据权利要求1所述的方法，其特征在于，所述确定之后第二预设时间内的交通拥堵的概率之后，所述方法进一步包括：
将第一预设时间内的交通拥堵概率、当前交通拥堵的概率，以及第二预设时间内的交通拥堵概率构建一个交通拥堵的时间序列；
利用自回归滑动平均ARMA模型对所述时间序列进行分析，获得该时间序列的功率谱；
当功率谱的宽度小于预设阈值时，使用配置的处理交通拥堵的手段进行处理。
3.根据权利要求2所述的方法，其特征在于，所述使用配置的处理交通拥堵的手段进行处理，包括：
计算并记录使用配置的各处理交通拥堵的手段缓解交通拥堵的收益值，以及使用配置各处理交通拥堵的手段造成的风险值；
将缓解交通拥堵的收益值与风险值的差值最大的处理交通拥堵的手段作为处理当前交通拥堵的手段。
4.根据权利要求1-3任意一项所述的方法，其特征在于，所述获取与当前交通相关的各交通信息对应的置信度，包括：
采集当前交通相关的各交通信息，使用采集到的各交通信息分别进行方差计算，并将计算获得的各方差映射为对应交通信息的置信度。
5.一种交通信息处理装置，其特征在于，该装置包括：配置单元、获取单元、计算单元和确定单元；
所述配置单元，用于根据交通信息之间的因果关系配置有向无环图DAG；
所述获取单元，用于获取与当前交通相关的各交通信息对应的置信度；
所述计算单元，用于将所述获取单元获取的各交通信息的置信度赋值给所述配置单元配置的DAG中对应的节点，并计算该DAG对应的值，作为当前交通拥堵的概率；
所述确定单元，用于根据所述计算单元计算的当前交通拥堵的概率，以及记录的之前第一预设时间内的交通拥堵的概率，确定之后第二预设时间内的交通拥堵的概率。
6.根据权利要求5所述的装置，其特征在于，
所述确定单元，进一步用于确定之后第二预设时间内的交通拥堵的概率之后，将第一预设时间内的交通拥堵概率、当前交通拥堵的概率，以及第二预设时间内的交通拥堵概率构建一个交通拥堵的时间序列；利用自回归滑动平均ARMA模型对所述时间序列进行分析，获得该时间序列的功率谱；当功率谱的宽度小于预设阈值时，使用配置的处理交通拥堵的手段进行处理。
7.根据权利要求6所述的装置，其特征在于，
所述配置单元，具体用于使用配置的处理交通拥堵的手段进行处理时，计算并记录使用配置的各处理交通拥堵的手段缓解交通拥堵的收益值，以及使用配置各处理交通拥堵的手段造成的风险值；将缓解交通拥堵的收益值与风险值的差值最大的处理交通拥堵的手段作为处理当前交通拥堵的手段。
8.根据权利要求5-7任意一项所述的装置，其特征在于，
所述获取单元，具体用于获取与当前交通相关的各交通信息对应的置信度时，采集当前交通相关的各交通信息，使用采集到的各交通信息分别进行方差计算，并将计算获得的各方差映射为对应交通信息的置信度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510507325.3A CN105160874B (zh) | 2015-08-18 | 2015-08-18 | 一种交通信息处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510507325.3A CN105160874B (zh) | 2015-08-18 | 2015-08-18 | 一种交通信息处理方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105160874A CN105160874A (zh) | 2015-12-16 |
| CN105160874B true CN105160874B (zh) | 2017-09-12 |
Family
ID=54801712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510507325.3A Active CN105160874B (zh) | 2015-08-18 | 2015-08-18 | 一种交通信息处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105160874B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10163339B2 (en) | 2016-12-13 | 2018-12-25 | Sap Se | Monitoring traffic congestion |
| CN113808401B (zh) * | 2021-09-18 | 2023-02-10 | 平安普惠企业管理有限公司 | 交通拥堵预测方法、装置、设备及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4452474B2 (ja) * | 2003-09-30 | 2010-04-21 | パイオニア株式会社 | 案内誘導システム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体 |
| US7813870B2 (en) * | 2006-03-03 | 2010-10-12 | Inrix, Inc. | Dynamic time series prediction of future traffic conditions |
| CN103247177B (zh) * | 2013-05-21 | 2016-01-20 | 清华大学 | 大规模路网交通流实时动态预测系统 |
-
2015
- 2015-08-18 CN CN201510507325.3A patent/CN105160874B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105160874A (zh) | 2015-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110675267B (zh) | 一种根据实时路况进行车险预警的方法及系统 | |
| Gkiotsalitis | A model for modifying the public transport service patterns to account for the imposed COVID-19 capacity | |
| DE112013002233T5 (de) | System, Verfahren und Programmprodukt zum Bereitstellen von für Bevölkerungsbewegung empfindlichen Wettervorhersagen | |
| CN108280685A (zh) | 信息获取方法和装置 | |
| CN112163446B (zh) | 一种障碍物检测方法、装置、电子设备及存储介质 | |
| KR102042413B1 (ko) | 대중교통 네트워크 최적화 시스템 및 대중교통 네트워크 최적화 방법 | |
| CN111881243B (zh) | 一种出租车轨迹热点区域分析方法及系统 | |
| CN111190982B (zh) | 一种基于大数据的共享单车管理方法及系统 | |
| CN112560724A (zh) | 车辆监控方法、装置和云控平台 | |
| Mehdi et al. | Entropy-based traffic flow labeling for CNN-based traffic congestion prediction from meta-parameters | |
| Manasra et al. | Optimization-based operations control for public transportation service with transfers | |
| CN116485475A (zh) | 基于边缘计算的物联网广告系统、方法及装置 | |
| CN105160874B (zh) | 一种交通信息处理方法和装置 | |
| CN113807622A (zh) | 一种事件决策生成方法、装置、电子设备及存储介质 | |
| CN114443303A (zh) | 资源分配方法、装置、设备及介质 | |
| CN103927433A (zh) | 基于流控制的多源点多出口人群应急疏散调度方法 | |
| CN108876053A (zh) | 旅游线路智能规划方法和系统 | |
| CN114005297A (zh) | 一种基于车联网的车队协调行驶方法 | |
| Nafi et al. | Traffic flow model for vehicular network | |
| Zhou et al. | Modeling and simulation of train movements under scheduling and control for a fixed-block railway network using cellular automata | |
| CN111696347B (zh) | 一种自动化分析交通事件信息的方法和装置 | |
| CN112230663A (zh) | 车辆定位数据的监测方法、装置 | |
| US20230080076A1 (en) | Platooning processing method and apparatus, computer-readable medium, and electronic device | |
| CN110135633A (zh) | 一种铁路业务呼叫故障预测方法和装置 | |
| CN111831759A (zh) | 数据处理方法、装置、设备以及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100191 52 Garden Road North, Haidian District, Beijing. Patentee after: CHINA ACADEMY OF INFORMATION AND COMMUNICATIONS Address before: 100191 52 Garden Road North, Haidian District, Beijing. Patentee before: China Academe of Telecommunication Research of MIIT |
|
| CP01 | Change in the name or title of a patent holder | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20181210 Address after: Room 137, Building 4, 11 Yuetan South Street, Xicheng District, Beijing 100045 Patentee after: Taier Xintong (Beijing) Investment Management Center Address before: 100191 52 Garden Road North, Haidian District, Beijing. Patentee before: CHINA ACADEMY OF INFORMATION AND COMMUNICATIONS |
|
| TR01 | Transfer of patent right | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 137, Building 4, 11 Yuetan South Street, Xicheng District, Beijing 100045 Patentee after: Taier Xintong (Beijing) Investment Management Co.,Ltd. Address before: Room 137, Building 4, 11 Yuetan South Street, Xicheng District, Beijing 100045 Patentee before: Taier Xintong (Beijing) Investment Management Center |
|
| CP01 | Change in the name or title of a patent holder | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210507 Address after: No.2, floor 1-3, building 2, No.1033, Longgong South Road, Longquan street, Longquanyi District, Chengdu, Sichuan 610000 Patentee after: Xintong institute innovation center for Internet of vehicles (Chengdu) Co.,Ltd. Address before: Room 137, Building 4, 11 Yuetan South Street, Xicheng District, Beijing 100045 Patentee before: Taier Xintong (Beijing) Investment Management Co.,Ltd. |
|
| TR01 | Transfer of patent right |