CN106682168B - 一种跨域城市数据可视查询系统的构建方法 - Google Patents
一种跨域城市数据可视查询系统的构建方法 Download PDFInfo
- Publication number
- CN106682168B CN106682168B CN201611227699.0A CN201611227699A CN106682168B CN 106682168 B CN106682168 B CN 106682168B CN 201611227699 A CN201611227699 A CN 201611227699A CN 106682168 B CN106682168 B CN 106682168B
- Authority
- CN
- China
- Prior art keywords
- query
- data
- dialog box
- information
- information extraction
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种跨域城市数据可视查询系统的构建方法,包括以下步骤:(1)收集多源异构的城市时空数据并进行预处理;(2)将步骤(1)中的城市时空数据进行分类和储存形成数据库,储存方式包括基于对象的存储和基于时空立方体的存储;基于对象的存储:用于储存非空间移动变化的数据;基于时空立方体的存储:用于储存空间移动变化的数据,将城市区域和时间区域建立的空间立方体模型分块形成单元格,根据数据的时空信息存放到相应的单元格中;(3)建立可视化界面,包括连接步骤(2)中的数据库的查询界面和显示数据库中信息的场景界面;本发明实现了跨域城市数据的查询、分析、推理和探索,提出了对城市数据可视查询推理的实现方法。
Description
技术领域
本发明涉及时空数据可视化领域,特别涉及一种跨域城市数据可视查询系统的构建方法。
背景技术
传感器技术,社会媒体,大规模计算等产生了大量的城市数据,涉及人类运动轨迹,社交网络,POI等多个领域。城市数据在给人类带来巨大信息量的同时,也带来了巨大的挑战。如何完成数量庞大的,多源异构的城市时空数据的跨域过滤查询越来越成为城市管理和城市建设的热门课题。
数据查询是数据处理的基础,查询能够达到数据基本的调查功能,使得数据或者数据某些特征能够直接被提取出来。现有的城市数据查询大都是针对单一数据源的。同样的,基于查询的城市数据推理探索过程也大都是针对单一数据源的。这些查询探索分析方法不能够融合多源异构的城市数据,很多跨域的信息就不能被提取出来。
由于之前的数据查询和推理探索大都是针对单一数据源的。因为跨域的城市数据具有异构性和数据粒度不一的特点,不适用针对单一数据源的方法。故本发明提供了能够针对跨域异构数据的查询分析方法。
发明内容
本发明提供了一种跨域城市数据可视查询系统的构建方法,支持基于时空关系和社会关系的跨域数据融合,可以实现对跨域数据进行选择、过滤的系统,并且可以通过系统揭露城市数据中的隐藏信息。
一种跨域城市数据可视查询系统的构建方法,包括以下步骤:
(1)收集多源异构的城市时空数据并进行预处理;
(2)将步骤(1)中的城市时空数据进行分类和储存形成数据库,储存方式包括基于对象的存储和基于时空立方体的存储;
基于对象的存储:用于储存非空间移动变化的数据;
基于时空立方体的存储:用于储存空间移动变化的数据,将城市区域和时间区域建立的空间立方体模型分块形成单元格,根据数据的时空信息存放到相应的单元格中;
(3)建立可视化界面,包括连接步骤(2)中的数据库的查询界面和显示数据库中信息的场景界面。
本文使用的基于时空立方体的存储模式,把某一个空间,时间的数据存储在一起,并建立了索引指针。使得用户在进行时空查询时能够快速的找到相应时间和空间的存储单元格,进而精确的找到数据存储在硬盘上的位置,大大缩小了查询的时间。也在缩短查询时间的同时,并没有使用多余的存储空间。
本发明方法将不同领域的城市数据进行统一的分类,分类包括:时间属性、空间属性、身份属性以及描述信息,可以完整的表达每个领域的信息,并且使这些数据具有相互关联性,进而可以通过关联的信息来满足不同的查询要求。
时间属性:记录了对象的时间属性信息;
空间属性:记录了对象在地理空间中的位置信息信息;
身份属性:记录了对象的身份信息;
描述信息:记录了对象的其他信息(例如速度)。
优选的,步骤(1)中,多源异构的城市时空数据至少包括出租车轨迹数据、手机轨迹数据、房地产房价数据、社交平台数据、手机通话数据、城市建筑信息数据以及街景数据中的两种。所述社交平台数据种类较多,例如微博、微信等。
为了更好地展示数据,优选的,步骤(2)中,基于对象的存储信息具体包括:时间属性、空间属性、身份属性和描述属性。
为了更好地展示数据,优选的,步骤(3)中,查询界面中:通过拖拽或输入的方式形成查询信息;查询界面包括:用来定义查询条件的条件节点和用于归纳查询数据的结果节点。
为了更好地展示数据,优选的,步骤(3)中,场景界面中:用一个场景对象列表来管理展示在场景界面中的数据,使用后台存储的方法记录显示在场景界面中的数据。
为了方便、快速、有效地得到希望的搜索结果,优选的,步骤(3)中,查询界面中连接步骤(2)中的数据库的方式如下:
3-1设置可视化的查询对话框、查询结果对话框以及信息抽取查询对话框;
查询对话框和信息抽取查询对话框的查询条件是步骤(2)中四种属性的布尔组合;
查询对话框与其对应的查询结果对话框之间通过实线箭头连接,根据查询结果对话框中的数据进行信息抽取设置新的查询条件形成信息抽取查询对话框,前一级的查询结果对话框与下一级的信息抽取查询对话框之间通过虚线箭头连接,信息抽取查询对话框与其查询结果对话框之间通过实线箭头连接;
3-2组合步骤3-1中的查询对话框、查询结果对话框以及信息抽取查询对话框来完成跨域目标的可视化查询。
优选的,步骤3-1中,查询对话框、查询结果对话框和信息抽取查询对话框设有多级,查询对话框与其对应的查询结果对话框之间通过实线箭头连接,根据前一级的查询结果对话框的数据设置新的查询条件形成下一级信息抽取查询对话框,前一级的查询结果对话框与下一级的信息抽取查询对话框之间通过虚线箭头连接,信息抽取查询对话框与其查询结果对话框之间通过实线箭头连接。
优选的,步骤3-2中,完成经过“目标地点”的目标物的跨域查询的具体步骤如下:
3-2-1、建立查询对话框,指定身份属性为“目标地址”的查询条件,得到查询结果对话框;
3-2-2、对步骤3-2-1得到查询结果对话框进行信息抽取,得到带有“目标地址”的空间属性的信息抽取查询对话框;
3-2-3、将步骤3-2-2得到的“目标地址”的空间属性作为查询条件,完成经过“目标地点”的目标物的查询,得到查询结果对话框。
优选的,步骤3-2中,完成社交平台上发布“物品”丢失在出租车上的寻找的具体步骤如下:
3-2-1、建立查询对话框,指定描述信息为“丢失”的查询条件进行原子查询,得到查询结果对话框;
3-2-2、对步骤3-2-1得到查询结果进行信息抽取,得到需要寻找的丢失物的丢失时间以及出租车的起始位置的信息抽取查询对话框;
3-2-3、根据步骤3-2-2得到的出租车的起始位置的信息作为“身份属性”的查询条件进行原子查询,得到具体的起始位置的空间属性的查询结果对话框;
3-2-4、对步骤3-2-3得到起始位置的经纬度进行信息抽取,得到信息抽取查询对话框;
3-2-5、根据步骤3-2-2得到的丢失时间以及步骤3-4得到起始位置的经纬度作为查询条件进行原子查询,得到条件匹配的出租车的查询结果对话框;
3-2-6、对步骤3-2-5得到的出租车进行信息抽取,得到指定时间的行驶轨迹的信息抽取查询对话框;
3-2-7、根据步骤3-2-6得到的指定时间的行驶轨迹作为查询条件进行原子查询,得到移动轨迹匹配的手机的查询结果对话框,拨打该手机的号码找到丢失“物品”。
优选的,步骤3-2中,完成选定街区的交通拥堵状况查询的具体步骤如下:
3-2-1、建立查询对话框,指定描述信息为“速度0~20km/h”、时间属性为中午0点到晚上12点、空间属性为街区A为查询条件,查询符合条件的出租车数据,得到查询结果对话框;
3-2-2、通过步骤3-2-1的查询结果的热力图得出多条拥堵的街道,对拥堵的街道进行信息抽取,得到拥堵的街道的经纬度的信息抽取查询对话框;
3-2-3、根据步骤3-2-3得到的拥堵的街道的经纬度为查询条件进行原子查询,得到所有拥堵的街道的环境信息的查询结果对话框,从而判断呈现拥堵的原因,进而确定是否为真实的拥堵。
本发明的有益效果:
通过两种数据存储模型,建立跨域城市时空数据之间的联系,从而可以使用基于原子查询和信息抽取的查询推理模型,利用集成的可视化界面,实现了跨域城市数据的查询、分析、推理和探索,提出了对城市数据可视查询推理的系统框架和实现方法。
附图说明
图1是本发明的跨域城市数据可视查询系统的构建方法的流程示意图。
图2是本发明的跨域城市数据可视查询系统的构建方法所使用的模型示意图。
图3是本发明的跨域城市数据可视查询系统进行“物品”丢失在出租车上的寻找的查询界面示意图。
图4是本发明的跨域城市数据可视查询系统的场景界面中地图的示意图。
具体实施方式
如图1所示,本方法的流程可以分为3大步骤,数据收集与清洗,数据存储设计,利用查询模型,实现城市数据的可视化界面。下面结合附图详细描述本发明,本发明的目的和效果将变得更加明显。
本实施例的跨域城市数据可视查询系统的构建方法,包括以下步骤:
(1)首先收集多源异构的城市时空数据,进行数据清洗。
a、包括数据去噪:数据可能有噪声点,例如出租车的GPS轨迹数据可能有数据的错误。需要对原始数据进行去噪处理。
b、格式化:不同数据源数据格式可能不同,例如对于某一天时间的描述,有的数据使用24小时60分钟进行表述(例如11:30或15:14),而有些数据则使用每天的1440分钟进行表述(例如690)。本步骤主要对数据进行格式统一。
c、编码统一:不同数据源的数据可能使用不同的方式进行编码,在这里统一更改为utf-8编码格式。
d、数据缺失:对于数据缺失的情况,针对不同的数据缺失类型进行数据补全。
(2)如图2所示,方法利用两种数据表达方式储存并处理城市数据,包括基于对象的存储和基于时空立方体存储。
a、基于对象的存储,每一个对象提取于每一种数据源,例如手机移动轨迹数据中的手机用户。每一个对象都有相对应的多条记录,对于每一条数据记录,有四种类型属性的信息,包括时间属性信息,空间属性信息,身份信息和描述信息。
b、基于时空立方体存储,我们将整个城市区域和时间区域分块,使其形成空间立方体模型。然后根据数据的时空信息存放到相应的立方体中。
(3)如图3和4所示,通过一个推理探索的集成界面来分析异构城市数据。
a、查询界面:
用户通过拖拽和输入的方式来定义查询序列。系统实现了两种节点,一种条件节点用来定义查询条件;一种结果节点用于归纳查询数据。
针对节点列表,后台存储了节点的位置,和相应的查询条件或查询结果数据。并在前台交互需要调用数据时,实时的传送到前台。
如图3所示,根据步骤(2)的数据模型完成社交平台上发布“物品”丢失在出租车上的寻找的具体步骤如下:
3-1、建立查询对话框,指定描述信息为“丢失”的查询条件进行原子查询,得到查询结果对话框;
3-2、对步骤3-1得到查询结果进行信息抽取,得到需要寻找的丢失物的丢失时间以及出租车的起始位置的信息抽取查询对话框;
3-3、根据步骤3-2得到的出租车的起始位置的信息作为“身份属性”的查询条件进行原子查询,得到具体的起始位置的空间属性的查询结果对话框;
3-4、对步骤3-3得到起始位置的经纬度进行信息抽取,得到信息抽取查询对话框;
3-5、根据步骤3-2得到的丢失时间以及步骤3-4得到起始位置的经纬度作为查询条件进行原子查询,得到条件匹配的出租车的查询结果对话框;
3-6、对步骤3-5得到的出租车进行信息抽取,得到指定时间的行驶轨迹的信息抽取查询对话框;
3-7、根据步骤3-6得到的指定时间的行驶轨迹作为查询条件进行原子查询,得到移动轨迹匹配的手机的查询结果对话框,拨打该手机的号码找到丢失“物品”。
b、场景界面:查询到的数据可以显示在场景视图中,如图4所示,本方法还使用一个场景对象列表来管理那些展示在场景界面中的数据,使用后台存储的方法记录显示在场景界面中的数据。系统针对每一种数据源的数据
额外信息:系统还支持针对推理过程的操作记录和撤销回滚操作。系统记录每一步用户的操作和相应的节点位置等数据,支持实时的回滚操作。
Claims (6)
1.一种跨域城市数据可视查询系统的构建方法,其特征在于,包括以下步骤:
(1)收集多源异构的城市时空数据并进行预处理;多源异构的城市时空数据至少包括出租车轨迹数据、手机轨迹数据、房地产房价数据、社交平台数据、手机通话数据、城市建筑信息数据以及街景数据中的两种;所述社交平台数据包括微博和微信;
(2)将步骤(1)中的城市时空数据进行分类和储存形成数据库,储存方式包括基于对象的存储和基于时空立方体的存储;基于对象的存储信息具体包括:时间属性、空间属性、身份属性和描述属性;
基于对象的存储:用于储存非空间移动变化的数据;
基于时空立方体的存储:用于储存空间移动变化的数据,将城市区域和时间区域建立的空间立方体模型分块形成单元格,根据数据的时空信息存放到相应的单元格中;
(3)建立可视化界面,包括连接步骤(2)中的数据库的查询界面和显示数据库中信息的场景界面;查询界面中连接步骤(2)中的数据库的方式如下:
3-1设置可视化的查询对话框、查询结果对话框以及信息抽取查询对话框;
查询对话框和信息抽取查询对话框的查询条件是步骤(2)中四种属性的布尔组合;
查询对话框与其对应的查询结果对话框之间通过实线箭头连接,根据查询结果对话框中的数据进行信息抽取设置新的查询条件形成信息抽取查询对话框,前一级的查询结果对话框与下一级的信息抽取查询对话框之间通过虚线箭头连接,信息抽取查询对话框与其查询结果对话框之间通过实线箭头连接;
其中,查询对话框、查询结果对话框和信息抽取查询对话框设有多级,查询对话框与其对应的查询结果对话框之间通过实线箭头连接,根据前一级的查询结果对话框的数据设置新的查询条件形成下一级信息抽取查询对话框,前一级的查询结果对话框与下一级的信息抽取查询对话框之间通过虚线箭头连接,信息抽取查询对话框与其查询结果对话框之间通过实线箭头连接;
3-2组合步骤3-1中的查询对话框、查询结果对话框以及信息抽取查询对话框来完成跨域目标的可视化查询。
2.如权利要求1所述的跨域城市数据可视查询系统的构建方法,其特征在于,步骤(3)中,查询界面中:通过拖拽或输入的方式形成查询信息;查询界面包括:用来定义查询条件的条件节点和用于归纳查询数据的结果节点。
3.如权利要求1所述的跨域城市数据可视查询系统的构建方法,其特征在于,步骤(3)中,场景界面中:用一个场景对象列表来管理展示在场景界面中的数据,使用后台存储的方法记录显示在场景界面中的数据。
4.如权利要求1所述的跨域城市数据可视查询系统的构建方法,其特征在于,步骤3-2中,完成经过“目标地点”的目标物的跨域查询的具体步骤如下:
3-2-1、建立查询对话框,指定身份属性为“目标地址”的查询条件,得到查询结果对话框;
3-2-2、对步骤3-2-1得到查询结果对话框进行信息抽取,得到带有“目标地址”的空间属性的信息抽取查询对话框;
3-2-3、将步骤3-2-2得到的“目标地址”的空间属性作为查询条件,完成经过“目标地点”的目标物的查询,得到查询结果对话框。
5.如权利要求1所述的跨域城市数据可视查询系统的构建方法,其特征在于,步骤3-2中,完成社交平台上发布“物品”丢失在出租车上的寻找的具体步骤如下:
3-2-1、建立查询对话框,指定描述信息为“丢失”的查询条件进行原子查询,得到查询结果对话框;
3-2-2、对步骤3-2-1得到查询结果进行信息抽取,得到需要寻找的丢失物的丢失时间以及出租车的起始位置的信息抽取查询对话框;
3-2-3、根据步骤3-2-2得到的出租车的起始位置的信息作为“身份属性”的查询条件进行原子查询,得到具体的起始位置的空间属性的查询结果对话框;
3-2-4、对步骤3-2-3得到起始位置的经纬度进行信息抽取,得到信息抽取查询对话框;
3-2-5、根据步骤3-2-2得到的丢失时间以及步骤3-4得到起始位置的经纬度作为查询条件进行原子查询,得到条件匹配的出租车的查询结果对话框;
3-2-6、对步骤3-2-5得到的出租车进行信息抽取,得到指定时间的行驶轨迹的信息抽取查询对话框;
3-2-7、根据步骤3-2-6得到的指定时间的行驶轨迹作为查询条件进行原子查询,得到移动轨迹匹配的手机的查询结果对话框,拨打该手机的号码找到丢失“物品”。
6.如权利要求1所述的跨域城市数据可视查询系统的构建方法,其特征在于,步骤3-2中,完成选定街区的交通拥堵状况查询的具体步骤如下:
3-2-1、建立查询对话框,指定描述信息为“速度0~20km/h”、时间属性为中午0点到晚上12点、空间属性为街区A为查询条件,查询符合条件的出租车数据,得到查询结果对话框;
3-2-2、通过步骤3-2-1的查询结果的热力图得出多条拥堵的街道,对拥堵的街道进行信息抽取,得到拥堵的街道的经纬度的信息抽取查询对话框;
3-2-3、根据步骤3-2-3得到的拥堵的街道的经纬度为查询条件进行原子查询,得到所有拥堵的街道的环境信息的查询结果对话框,从而判断呈现拥堵的原因,进而确定是否为真实的拥堵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611227699.0A CN106682168B (zh) | 2016-12-27 | 2016-12-27 | 一种跨域城市数据可视查询系统的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611227699.0A CN106682168B (zh) | 2016-12-27 | 2016-12-27 | 一种跨域城市数据可视查询系统的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106682168A CN106682168A (zh) | 2017-05-17 |
CN106682168B true CN106682168B (zh) | 2020-05-12 |
Family
ID=58872848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611227699.0A Active CN106682168B (zh) | 2016-12-27 | 2016-12-27 | 一种跨域城市数据可视查询系统的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106682168B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815254B (zh) * | 2018-12-28 | 2020-12-22 | 北京东方国信科技股份有限公司 | 基于大数据的跨地域任务调度方法及系统 |
CN110704491B (zh) * | 2019-09-30 | 2020-11-20 | 京东城市(北京)数字科技有限公司 | 数据查询方法和装置 |
CN112905571B (zh) * | 2021-01-07 | 2024-03-19 | 中车工业研究院有限公司 | 一种列车轨道交通传感器数据管理方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880617B (zh) * | 2011-07-15 | 2015-09-23 | 无锡物联网产业研究院 | 物联网实体搜索方法及系统 |
CN102999592A (zh) * | 2012-11-19 | 2013-03-27 | 北京中海新图科技有限公司 | B/S架构下的全球Argo多源海洋数据管理与可视化系统及方法 |
CN103092924A (zh) * | 2012-12-28 | 2013-05-08 | 深圳先进技术研究院 | 实时数据驱动的交通数据三维可视化分析系统及方法 |
CN105426461B (zh) * | 2015-11-12 | 2018-11-13 | 中国科学院遥感与数字地球研究所 | 基于空间大数据进行知识挖掘的地图可视化系统及方法 |
-
2016
- 2016-12-27 CN CN201611227699.0A patent/CN106682168B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106682168A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112182410B (zh) | 基于时空轨迹知识图谱的用户出行模式挖掘方法 | |
Chu et al. | Visualizing hidden themes of taxi movement with semantic transformation | |
CN106649656B (zh) | 一种面向数据库的时空轨迹大数据存储方法 | |
Chen et al. | A survey of traffic data visualization | |
CN102607553B (zh) | 一种基于出行轨迹数据的行程识别方法 | |
CN102651020B (zh) | 一种海量传感器数据存储与查询方法 | |
Yan et al. | Towards Semantic Trajectory Data Analysis: A Conceptual and Computational Approach. | |
CN104657424A (zh) | 一种多时空特征融合下的兴趣点轨迹聚类方法 | |
CN102915346A (zh) | 面向物联网智能感知的数据索引建立与查询方法 | |
CN108737492A (zh) | 一种基于大数据系统的导航与位置服务的方法 | |
EP2735984A1 (en) | Video query method, device and system | |
CN106682168B (zh) | 一种跨域城市数据可视查询系统的构建方法 | |
CN113886596A (zh) | 基于城市要素和多灾害融合的韧性城市知识图谱构建方法 | |
Pelekis et al. | On the management and analysis of our lifesteps | |
Elragal et al. | Trajectory data mining: integrating semantics | |
CN110532340A (zh) | 空间信息时空元数据构建方法 | |
CN114265833A (zh) | 车辆轨迹引导地理时空特征可视化分析平台 | |
Doulamis et al. | EasyTracker: An Android application for capturing mobility behavior | |
EP3975170A1 (en) | Method, apparatus, and system for mapping conversation and audio data to locations | |
CN111950798A (zh) | 一种基于小波神经网络的区域短期人流量趋势预测方法及其系统 | |
CN114003672B (zh) | 一种道路动态事件的处理方法、装置、设备和介质 | |
Cavicchioli et al. | A novel real-time edge-cloud big data management and analytics framework for smart cities | |
CN114297336A (zh) | 图表联动的知识图谱查询系统和方法 | |
CN113821702A (zh) | 一种城市多维空间多元异构信息数据处理方法 | |
Wang et al. | A graph-based visual query method for massive human trajectory data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |