CN106448167B - 一种基于实时路况的拥堵点判别方法 - Google Patents
一种基于实时路况的拥堵点判别方法 Download PDFInfo
- Publication number
- CN106448167B CN106448167B CN201611022413.5A CN201611022413A CN106448167B CN 106448167 B CN106448167 B CN 106448167B CN 201611022413 A CN201611022413 A CN 201611022413A CN 106448167 B CN106448167 B CN 106448167B
- Authority
- CN
- China
- Prior art keywords
- congestion
- road
- point
- time
- points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 208000027744 congestion Diseases 0.000 claims abstract description 150
- 238000012800 visualization Methods 0.000 claims abstract description 12
- 239000000049 pigment Substances 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims 6
- 238000006243 chemical reaction Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 7
- 230000008676 import Effects 0.000 abstract description 4
- 230000007480 spreading Effects 0.000 abstract description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于实时路况的拥堵点判别方法,包括以下步骤:确定需要获取路况的城市或区域范围,选择需要的地图等级;设置下载时间间隔,开始下载地图切片,进行拼接存储,构成实时路况图;将实时路况图导入地理信息系统进行路网矢量化;将矢量化的路网打断成点,给离散点赋予所存储的实时路况色素信息;根据交通流方向,构建离散点之间的拓扑关系;根据继发性拥堵与原发性拥堵空间与时间的差异性,构建拥堵点判别准则,得到拥堵点空间可视化图。本发明能够直观、清楚的表达出拥堵的蔓延过程以及拥堵点、拥堵路段的分布情况,为拥堵治理标明方向,为缓解拥堵提供技术支撑。
Description
技术领域
本发明涉及城市设计规划领域,更具体的说,是涉及一种基于实时路况的拥堵点判别方法。
背景技术
随着经济的飞速发展和城市化进程的加快,汽车保有量急剧增加,城市居民出行对道路条件要求愈加复杂化与多样化,导致车辆无法及时进行有效疏散、交通组织乏力,形成交通拥堵,并且拥堵已经成为各个城市迫切解决的问题。缓解交通拥堵关键的一环是对城市拥堵点、拥堵道路及拥堵区域的准确有效的识别。目前对拥堵点、拥堵道路的识别一般是通过交通调查、居民采访,以上的方式具有一定的偶然性、主观性、局限性,难以客观的对拥堵进行刻画。网络地图实时路况包含大量的拥堵信息,能够客观的反映城市道路拥堵情况。但是在实际中发现没有对实时路况进行下载并且存储的技术,且无法对实时路况中的信息进行有效的挖掘。
发明内容
本发明的目的是为了克服现有技术中的不足,提供一种基于实时路况的拥堵点判别方法,能够直观、清楚的表达出拥堵的蔓延过程以及拥堵点、拥堵路段的分布情况,为拥堵治理标明方向,为缓解拥堵提供技术支撑。
本发明的目的是通过以下技术方案实现的。
本发明的一种基于实时路况的拥堵点判别方法,包括以下步骤:
步骤一,确定需要获取路况的城市或区域范围,选择需要的地图等级;
步骤二,设置下载时间间隔,开始下载地图切片,进行拼接存储,构成实时路况图;
步骤三,将实时路况图导入地理信息系统进行路网矢量化;
步骤四,将矢量化的路网打断成点,给离散点赋予所存储的实时路况色素信息;
步骤五,根据交通流方向,构建离散点之间的拓扑关系;
步骤六,根据继发性拥堵与原发性拥堵空间与时间的差异性,构建拥堵点判别准则,得到拥堵点空间可视化图。
所述步骤三中路网矢量化包括:将带有路况信息的部分进行矢量化;在路段相交的部分矢量线进行相交;矢量线应在路况信息的范围内。
所述步骤四中矢量化的路网打断成点具体为:将矢量化的路网按同等的间隔均匀打断成点,打断间隔为40m-70m,每一段只包含一种路况信息。
所述步骤六中拥堵点判别准则为:
(1)当前道路点拥堵度增加时,即Ci(t)>Ci(t-1)时:如果前方向点拥堵度降低或不变,即Cj(t)≤Cj(t-1)时,则该点在当前时刻为原发性拥堵点;如果当前方向点拥堵度也同样增加时,即Cj(t)>Cj(t-1),则该点在当前时刻为继发性拥堵点;
(2)当前道路点拥堵度降低时,即Ci(t)<Ci(t-1)时,则为拥堵消散点;
(3)当前道路拥堵点不变时,即Ci(t)=Ci(t-1)时,认为该点当前时刻状态不变;其中,Ci(t)表示第i个道路点在当前时刻t的拥堵度,Ci(t-1)表示第i个道路点在前一时刻t-1的拥堵度,Cj(t)表示道路点i的前方向点j在当前时刻t的拥堵度,Cj(t-1)表示道路点i的前方向点j在前一时刻t-1的拥堵度。
所述步骤六中拥堵点空间可视化图,包括:
(1)原发性拥堵次数与继发性拥堵次数可视化:
记拥堵=3,缓行=2,畅通=1;
设Ci(t)>Ci(t-1);{Ci(t),Ci(t-1)}=(1,2,3)
其中,t=1,2,3…T/a,T表示路况下载的总时间,a表示下载时间间隔,Qt表示在t时刻第i个道路点原发性拥堵属性,Q′t:表示在t时刻第i个道路点继发性拥堵属性,Ni(p):第i个道路点原发性拥堵点拥堵次数,Ni(c)表示第i个道路点继发性拥堵点拥堵次数;
(2)拥堵时间可视化:
记拥堵=3,缓行=2,畅通=1,记拥堵状态转换矩阵Amn为:
其中,Mi(t)表示在t时刻第i个道路点的拥堵转化状态,Mi表示第i个道路累计拥堵时间。
与现有技术相比,本发明的技术方案所带来的有益效果是:
本发明利用了地理信息系统地理位置服务技术,能够直观、清楚的表达出拥堵的蔓延过程以及拥堵点、拥堵路段的分布情况,另外,结合三维地图技术能够在地图上准确、直观表达出拥堵严重程度,最终能得到城市拥堵的空间可视化图与拥堵蔓延过程,从而提供更为客观的拥堵信息,为拥堵治理标明方向,为缓解拥堵提供技术支撑。
附图说明
图1是本发明的流程图;
图2是本发明中拥堵点判别准则的框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
请参考图1的流程图,一种基于实时路况的拥堵点判别方法,包括以下步骤:
步骤一,确定需要获取路况的城市或区域范围,选择需要的地图等级。
首先获取存储至少一天3个小时的网络实时路况图,所述城市或区域范围为需要进行拥堵判别的城市或区域,所述地图等级为根据判别的精确度不同而进行选择,不同等级的地图包含不同等级的道路。可选择任意城市、任意自定义区域、任意缩放等级的地图,所述的图等级为18级,对所需要的各个等级地图可以在同一分辨率下完全显示。
通过区域选择模块选择所要下载实时路况的区域,可以选择特定的城市,也可以自定义下载的区域,通过地图等级选择模块选择所要下载实时路况的地图等级,通过地图拼接模块将所下载的实时路况切片进行拼接。
步骤二,根据需要设置下载时间间隔,开始下载地图切片,再将下载好的地图切片进行,构成实时路况图。所述时间间隔一般设置为2-5分钟,是因为网络实时路况更新频率为2分钟一次,设置的时间间隔过大会导致拥堵信息中断或者不完整,使得判别结果不准确。
步骤三,将实时路况图导入地理信息系统进行路网矢量化。
将实时路况图导入地理信息系统创建金字塔,随后新建shapefile文件,将实时路况矢量化,将带有路况信息的部分进行矢量化,在矢量化的过程中,在路段相交的部分矢量线进行相交,应当将矢量线完全在路况信息的范围内,保证后面色素识别的准确性。
步骤四,将矢量化的路网打断成点,给离散点赋予所存储的实时路况色素信息。
将矢量化好的路网利用转点工具按同等的间隔均匀打断成点,打断间隔为40m-70m,保证每一段只包含一种路况信息,间隔过小会造成数据量过大,间隔过大会导致不同路况的两段连接在一起,导致拥堵判别误差,之后利用色素识别工具识别每种颜色的色素值,将色素值赋予所有离散点。
地理信息系统中利用色素识别技术识别不同路况的色素值,包括下列色素值类型,见表1:
表1
红色(拥堵) | 黄色(缓行) | 绿色(畅通) |
243<=b1<=246 | b1=255 | 23<=b1<=139 |
48<=b2<=99 | 158<=b2<=182 | 191<=b2<=223 |
48<=b3<=99 | 25<=b3<=82 | 0<=b3<=127 |
步骤五,根据实地交通流方向或网络地图交通流方向,构建离散点之间的拓扑关系。
步骤六,根据继发性拥堵与原发性拥堵空间与时间的差异性,构建拥堵点判别准则,得到不同类型的拥堵点空间可视化图。
如图2所示,拥堵点判别准则为:
(1)当前道路点拥堵度增加时,即Ci(t)>Ci(t-1)时:如果前方向点拥堵度降低或不变,即Cj(t)≤Cj(t-1)时,则该点在当前时刻为原发性拥堵点;如果当前方向点拥堵度也同样增加时,即Cj(t)>Cj(t-1),则该点在当前时刻为继发性拥堵点。
也就是,当某个点在前一时刻该点前方拥堵度未变或者拥堵减轻的情况下,后一时刻该点拥堵加剧,则该点为原发性拥堵点;当某个点在前一时刻该点前方拥堵度加剧,后一刻该点拥堵度也同样加剧,则该点为继发性拥堵点。
(2)当前道路点拥堵度降低时,即Ci(t)<Ci(t-1)时,则为拥堵消散点;
(3)当前道路拥堵点不变时,即Ci(t)=Ci(t-1)时,认为该点当前时刻状态不变;其中,Ci(t)表示第i个道路点在当前时刻t的拥堵度,Ci(t-1)表示第i个道路点在前一时刻t-1的拥堵度,Cj(t)表示道路点i的前方向点j在当前时刻t的拥堵度,Cj(t-1)表示道路点i的前方向点j在前一时刻t-1的拥堵度。
基于上述拥堵点判别准则,可以对拥堵点进行编程判别,得到拥堵点、拥堵路段的空间可视化图,得到拥堵点的拥堵次数与拥堵时间:
(1)原发性拥堵次数与继发性拥堵次数可视化:
记拥堵=3,缓行=2,畅通=1,设Ci(t)>Ci(t-1);{Ci(t),Ci(t-1)}=(1,2,3)
其中,t=1,2,3…T/a,T表示路况下载的总时间,a表示下载时间间隔,Qt表示在t时刻第i个道路点原发性拥堵属性,Q′t表示在t时刻第i个道路点继发性拥堵属性。当Qt=1时,表示原发性拥堵次数记为1次;当Qt=0时,表示原发性拥堵次数记为0次。当Q′t=1时,表示继发性拥堵次数记为1次;当Q′t=0时,表示继发性拥堵次数记为0次。
其中,t=1,2,3…T/a,T表示路况下载的总时间,a表示下载时间间隔,Ni(p)表示第i个道路点原发性拥堵点累计拥堵次数,Ni(c)表示第i个道路点继发性拥堵点累计拥堵次数。
(2)拥堵时间可视化:
记拥堵=3,缓行=2,畅通=1;
记拥堵状态转换矩阵Amn为:
其中,Mi(t)表示在t时刻第i个道路点的拥堵转化状态,Mi表示第i个道路累计拥堵时间。
尽管上面结合附图对本发明的功能及工作过程进行了描述,但本发明并不局限于上述的具体功能和工作过程,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可以做出很多形式,这些均属于本发明的保护之内。
Claims (4)
1.一种基于实时路况的拥堵点判别方法,其特征在于,包括以下步骤:
步骤一,确定需要获取路况的城市或区域范围,选择需要的地图等级;
步骤二,设置下载时间间隔,开始下载地图切片,进行拼接存储,构成实时路况图;
步骤三,将实时路况图导入地理信息系统进行路网矢量化;
步骤四,将矢量化的路网打断成点,给离散点赋予所存储的实时路况色素信息;
步骤五,根据交通流方向,构建离散点之间的拓扑关系;
步骤六,根据继发性拥堵与原发性拥堵空间与时间的差异性,构建拥堵点判别准则,得到拥堵点空间可视化图;
其中,拥堵点空间可视化图,包括:
(1)原发性拥堵次数与继发性拥堵次数可视化:
记拥堵=3,缓行=2,畅通=1;
设Ci(t)>Ci(t-1);{Ci(t),Ci(t-1)}=(1,2,3)
其中,Ci(t)表示第i个道路点在当前时刻t的拥堵度,Ci(t-1)表示第i个道路点在前一时刻t-1的拥堵度,Cj(t)表示道路点i的前方向点j在当前时刻t的拥堵度,Cj(t-1)表示道路点i的前方向点j在前一时刻t-1的拥堵度;t=1,2,3…T/a,T表示路况下载的总时间,a表示下载时间间隔,Qt表示在t时刻第i个道路点原发性拥堵属性,Q′t:表示在t时刻第i个道路点继发性拥堵属性,Ni(p):第i个道路点原发性拥堵点拥堵次数,Ni(c)表示第i个道路点继发性拥堵点拥堵次数;
(2)拥堵时间可视化:
记拥堵=3,缓行=2,畅通=1,记拥堵状态转换矩阵Amn为:
其中,Mi(t)表示在t时刻第i个道路点的拥堵转化状态,Mi表示第i个道路累计拥堵时间。
2.根据权利要求1所述的一种基于实时路况的拥堵点判别方法,其特征在于,所述步骤三中路网矢量化包括:将带有路况信息的部分进行矢量化;在路段相交的部分矢量线进行相交;矢量线应在路况信息的范围内。
3.根据权利要求1所述的一种基于实时路况的拥堵点判别方法,其特征在于,所述步骤四中矢量化的路网打断成点具体为:将矢量化的路网按同等的间隔均匀打断成点,打断间隔为40m-70m,每一段只包含一种路况信息。
4.根据权利要求1所述的一种基于实时路况的拥堵点判别方法,其特征在于,所述步骤六中拥堵点判别准则为:
(1)当前道路点拥堵度增加时,即Ci(t)>Ci(t-1)时:如果前方向点拥堵度降低或不变,即Cj(t)≤Cj(t-1)时,则该点在当前时刻为原发性拥堵点;如果当前方向点拥堵度也同样增加时,即Cj(t)>Cj(t-1),则该点在当前时刻为继发性拥堵点;
(2)当前道路点拥堵度降低时,即Ci(t)<Ci(t-1)时,则为拥堵消散点;
(3)当前道路拥堵点不变时,即Ci(t)=Ci(t-1)时,认为该点当前时刻状态不变;其中,Ci(t)表示第i个道路点在当前时刻t的拥堵度,Ci(t-1)表示第i个道路点在前一时刻t-1的拥堵度,Cj(t)表示道路点i的前方向点j在当前时刻t的拥堵度,Cj(t-1)表示道路点i的前方向点j在前一时刻t-1的拥堵度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611022413.5A CN106448167B (zh) | 2016-11-17 | 2016-11-17 | 一种基于实时路况的拥堵点判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611022413.5A CN106448167B (zh) | 2016-11-17 | 2016-11-17 | 一种基于实时路况的拥堵点判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106448167A CN106448167A (zh) | 2017-02-22 |
CN106448167B true CN106448167B (zh) | 2019-07-05 |
Family
ID=58221303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611022413.5A Active CN106448167B (zh) | 2016-11-17 | 2016-11-17 | 一种基于实时路况的拥堵点判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106448167B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108777068B (zh) * | 2018-06-13 | 2021-03-02 | 西华大学 | 一种基于多维检测线圈采集周期的交通流瓶颈识别方法 |
CN109754597B (zh) * | 2018-08-02 | 2021-10-08 | 银江股份有限公司 | 一种城市道路区域拥堵调控策略推荐系统及方法 |
CN109461303B (zh) * | 2018-10-30 | 2021-01-26 | 北京恒达时讯科技股份有限公司 | 一种交通拥堵状态获取方法和装置 |
CN111815941B (zh) * | 2019-04-10 | 2021-07-23 | 青岛海信网络科技股份有限公司 | 一种基于历史路况的常发拥堵瓶颈识别方法及装置 |
CN110866081B (zh) * | 2019-11-15 | 2023-03-28 | 合肥安慧软件有限公司 | 一种基于互联网地图的路况拥堵分析方法 |
CN111161537B (zh) * | 2019-12-25 | 2021-05-28 | 北京交通大学 | 考虑拥堵叠加效应的公路拥堵态势预测方法 |
CN112489421A (zh) * | 2020-11-18 | 2021-03-12 | 南京速安交通科技有限公司 | 一种基于多源交通大数据融合的突发拥堵判别方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630463A (zh) * | 2009-07-30 | 2010-01-20 | 上海交通大学 | 路网栅格数字地图自动矢量化方法 |
CN101794511A (zh) * | 2009-12-30 | 2010-08-04 | 北京世纪高通科技有限公司 | 路况分析的方法和装置 |
CN103714706A (zh) * | 2013-12-31 | 2014-04-09 | 迈锐数据(北京)有限公司 | 一种交通诱导方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7689348B2 (en) * | 2006-04-18 | 2010-03-30 | International Business Machines Corporation | Intelligent redirection of vehicular traffic due to congestion and real-time performance metrics |
-
2016
- 2016-11-17 CN CN201611022413.5A patent/CN106448167B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630463A (zh) * | 2009-07-30 | 2010-01-20 | 上海交通大学 | 路网栅格数字地图自动矢量化方法 |
CN101794511A (zh) * | 2009-12-30 | 2010-08-04 | 北京世纪高通科技有限公司 | 路况分析的方法和装置 |
CN103714706A (zh) * | 2013-12-31 | 2014-04-09 | 迈锐数据(北京)有限公司 | 一种交通诱导方法 |
Non-Patent Citations (4)
Title |
---|
Using Real-Time Road Traffic Data to Evaluate Congestion;Jean Bacon Et al.;《Dependable and Historic Computing》;20111231;第93-117页 |
利用实时路况数据聚类方法检测城市交通拥堵点;鲁小丫等;《地球信息科学学报》;20121231;第14卷(第6期);第775-780页 |
基于实时信息的城市道路交通状态判别方法研究;贾森;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20080915(第09期);C034-335 |
基于实时路况数据的原发性交通拥堵点判别——以北京市二环以内为例;赵天天等;《地理与地理信息科学》;20150531;第31卷(第3期);第104-107页 |
Also Published As
Publication number | Publication date |
---|---|
CN106448167A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106448167B (zh) | 一种基于实时路况的拥堵点判别方法 | |
WO2020233152A1 (zh) | 基于城市建筑空间数据的建成区边界识别方法及设备 | |
CN108109382B (zh) | 基于复合网络的拥堵点、拥堵线、拥堵区域的发现方法 | |
US10023200B2 (en) | Driver profiling system and method | |
CN106225791B (zh) | 一种基于网格划分的gps定位与道路匹配方法 | |
CN104573116B (zh) | 基于出租车gps数据挖掘的交通异常识别方法 | |
CN104021671B (zh) | 一种svm与模糊判断相结合的道路实时路况的判断方法 | |
DE112016004302T5 (de) | Annähernde Echtzeitmodellierung von Verschmutzungsdispersion | |
US20230004903A1 (en) | Methods of greening management in smart cities, system, and storage mediums thereof | |
CN101751777A (zh) | 基于空间聚类分析的城市路网交通小区动态划分方法 | |
CN104766476A (zh) | 一种路段以及路网区域交通状态指数的计算方法 | |
CN107067781B (zh) | 一种用于先进驾驶辅助系统应用的gis道路黑点地图生成方法 | |
CN115563684B (zh) | 一种基于场景模拟的园林景观设计系统 | |
CN110021178B (zh) | 一种基于路口相似度的信号配时方案推荐方法 | |
CN106530709A (zh) | 一种面向用户的高速公路交通指数发布系统 | |
CN108399742A (zh) | 一种基于交通饱和度的交通态势热图可视化方法 | |
CN106652450A (zh) | 一种高速公路交通指数数值确定方法 | |
CN103700259B (zh) | 实时交通路况判别方法 | |
CN115331434B (zh) | 融合道路bim与监控视频的交叉口应急导控方法及系统 | |
WO2023025061A1 (zh) | 数据处理方法及装置 | |
CN113345227B (zh) | 一种随机交通流生成方法及装置 | |
CN100446015C (zh) | 一种可用于地面道路网交通状况测定的方法和系统 | |
CN103632557B (zh) | 一种vms事件信息发布方法及装置 | |
CN119879905B (zh) | 一种自动驾驶导航地图的智能更新方法及系统 | |
CN103680168A (zh) | 一种交通信息发布方法 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 300051 No. 239, Yingkou Road, Heping District, Tianjin Patentee after: Tianjin municipal engineering design and Research Institute Co.,Ltd. Address before: 300051 No. 239, Yingkou Road, Heping District, Tianjin Patentee before: TIANJIN MUNICIPAL ENGINEERING DESIGN & Research Institute |