CN107103775B - 一种基于群智计算的道路质量检测方法 - Google Patents
一种基于群智计算的道路质量检测方法 Download PDFInfo
- Publication number
- CN107103775B CN107103775B CN201710350230.4A CN201710350230A CN107103775B CN 107103775 B CN107103775 B CN 107103775B CN 201710350230 A CN201710350230 A CN 201710350230A CN 107103775 B CN107103775 B CN 107103775B
- Authority
- CN
- China
- Prior art keywords
- road
- data
- information
- quality
- road quality
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于群智计算的道路质量检测方法,具体为:步骤1:基于移动群智技术,在车辆行驶过程中采集道路质量信息;步骤2:基于群智计算技术的信息处理方法,由已标注道路质量类别的数据构造样本集,根据样本集提取道路质量类别特征;步骤3:对采集的数据进行清洗、融合和分类,利用道路质量类别特征标注未知道路质量,得出道路实际的质量信息;步骤4:道路实际的质量信息通过WebGIS为车辆驾驶人员提供服务,车辆驾驶人员可根据接收到的路况信息调整驾驶策略,同时为养路单位制定养路计划提供数据支持。本发明方法在一定程度上可以有效提高驾驶安全性,降低交通事故发生率,同时为养路单位制定养路计划提供数据支持。
Description
技术领域
本发明属于智能交通技术领域,具体涉及一种基于群智计算的道路质量检测方法。
背景技术
现有的主流导航系统有百度地图,高德地图等地图导航软件,主要的功能集中在定位导航、路况拥堵信息等方面,但是没有提供道路质量的信息,主要包括道路减速带和伸缩缝等交通设施的明确标注、道路损毁坑洼地带的表示、临时修路的围栏标注、损坏或者丢失的井盖等。
发明内容
本发明的目的是提供一种基于群智计算的道路质量检测方法,在一定程度上可以有效提高驾驶安全性,降低交通事故发生率,同时为养路单位制定养路计划提供数据支持。
本发明所采用的技术方案是:一种基于群智计算的道路质量检测方法,具体按照以下步骤实施:
步骤1:基于移动群智技术,在车辆行驶过程中采集道路质量信息;
步骤2:基于群智计算技术的信息处理方法,由已标注道路质量类别的数据构造样本集,根据样本集提取道路质量类别特征;
步骤3:对采集的数据进行清洗、融合和分类,利用道路质量类别特征标注未知道路质量,得出道路实际的质量信息;
步骤4:道路实际的质量信息通过WebGIS为车辆驾驶人员提供服务,车辆驾驶人员可根据接收到的路况信息调整驾驶策略,同时为养路单位制定养路计划提供数据支持。
本发明的特点还在于:
步骤1具体为:
步骤1.1:移动终端APP通过移动终端内置传感器采集基础数据信息:
①行驶车辆加速度:该数据信息是通过移动终端三轴加速度传感器获取;
②行驶车辆震动幅度:该数据信息通过移动终端重力传感器获取;
③行驶车辆偏移数据:该数据信息通过移动终端加速度和磁力传感器获取;
④行驶车辆位置数据:通过移动终端GPS模块获取路况信息的地理坐标;
步骤1.2:驾车用户将装有步骤1中APP的移动终端放置在车内,进行道路质量信息采集。
步骤2具体为:
步骤2.1:确定车辆正常行驶时的加速度信息、震动信息、偏移信息,并分别设定阈值;在数据采集过程中,对超出阈值范围的数据通过3G/4G网络上传至道路质量监测云服务器;
步骤2.2:对采集的车辆振幅进行平滑处理,去掉其中的高频噪声数据;
步骤2.3:通过对道路的实地观测,确定不同类型道路质量情况的路段,主要包括道路减速带和伸缩缝交通设施、道路损毁坑洼地带、市政规划区域、损坏或者丢失的井盖,并记录其位置,基于移动群智技术采集到的数据,根据记录的位置从数据中提取所有接近该位置的数据,每条数据信息包括:日期、时间、位置、经纬度、加速度信息、震动信息、偏移信息,所有接近该位置的数据构成数据集,所有的数据集构成样本集,对该样本集中的每个数据集进行特征提取,特征为最小值、最大值、方差、均值和协方差,通过提取到的特征来区分不同类型不同道路质量状况的路段;
步骤2.4:根据各类别样本集特征值,采用SVM分类器进行训练分类;样本集有k种类型道路质量情况的路段,从k种类型中选一种类型的数据集作正类样本,然后依次从剩余的k-1种类型中选一个负类样本创建两类分类,再从剩余的k-1种类型中选一种类型的数据集作正类样本,依次从剩余的k-2种类型中选一个负类样本创建两类分类,如此下去,创建两类分类器共k(k-1)/2个,让每一个分类器都投上自己的一票,依据投票结果确定道路质量类别。
步骤3具体为:
步骤3.1:在一段未知道路质量的路段上,该路段采集到的每一条数据都进行去噪处理,构成测试集,然后进行特征提取,提取到的特征与所述步骤2.3中道路质量某类别特征相似时,则用相应类别暂时标注未知道路质量的路段;
步骤3.2:计算所有距离<Δd的距离内的标注事件个数与类别,至少k个相同类别事件发生在同一地点,并在同一个方向移动,则把这k个事件聚类为一个标注点;
步骤3.3:根据众包数据集中GPS信息,标注每条路段的道路质量信息。
步骤4具体为:
步骤4.1:在WebGIS上标注出道路减速带和伸缩缝交通设施、道路损毁坑洼地带、市政道路临时作业区域和损坏或者丢失的井盖,并添加语音提醒;
步骤4.2:通过云平台将道路质量信息共享给其他车辆,其他车辆驾驶人员根据获取到的共享信息调整驾驶策略,同时为养路单位制定养路计划提供数据支持。
移动终端为采用内置GPS、加速度、陀螺仪、磁力传感器、重力传感器和线性加速度传感器的移动终端。
本发明的有益效果是:本发明一种基于群智计算的道路质量检测方法,通过移动群智计算技术的道路质量信息的采集与处理,实现了道路质量信息共享,是对现有地图导航系统的补充;在WebGIS上标注出道路减速带等交通设施、道路损毁坑洼地带、市政道路临时作业区域等,方便车辆驾驶人员根据路况进行驾驶策略调整,在一定程度上可以有效提高驾驶安全性,降低交通事故发生率;同时为养路单位制定养路计划提供数据支持,大大降低了建设成本。
附图说明
图1是本发明基于群智计算的道路质量检测方法的流程图;
图2是本发明基于群智计算的道路质量检测方法中数据处理的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于群智计算的道路质量检测方法,具体按照以下步骤实施,如图1所示:
步骤1:基于移动群智技术,在车辆行驶过程中采集道路质量信息,具体为:
步骤1.1:移动终端(移动终端为采用内置GPS、加速度、陀螺仪、磁力传感器、重力传感器和线性加速度传感器等的移动终端)APP通过移动终端内置传感器采集基础数据信息,主要获取4种数据:
①行驶车辆加速度:该数据信息是通过移动终端三轴加速度传感器获取;
②行驶车辆震动幅度:该数据信息通过移动终端重力传感器获取;
③行驶车辆偏移数据:该数据信息通过移动终端加速度和磁力传感器获取;
④行驶车辆位置数据:通过移动终端GPS模块获取路况信息的地理坐标;
步骤1.2:通过激励策略手段将步骤1.1中数据采集APP安装到若干位车辆驾驶人员的移动终端,驾车用户携带装有该APP的移动终端,并将移动终端放置在车内进行道路质量信息采集。
如图2所示,步骤2:基于群智计算技术的信息处理方法,由已标注道路质量类别的数据构造样本集,根据样本集提取道路质量类别特征,具体为:
步骤2.1:数据的上传处理。在车辆行驶过程中,基于3G/4G网络,将移动终端采集的数据实时上传至道路质量监测云服务器,但并非上传所有采集的数据信息,而是上传产生剧烈波动的异常数据,这些信息反映较差的路况质量。具体实现:确定车辆正常行驶时的加速度信息、震动信息、偏移信息等,并分别设定阈值;在数据采集过程中,对超出阈值范围的数据进行上传;
步骤2.2:上传数据的预处理。在道路质量检测中,车辆振幅反映道路平整程度,由于在正常的路面,车辆也有一定的颠簸,车辆振幅是通过重力传感器反映,因此需要对采集的重力传感器数据进行平滑处理,去掉其中的高频噪声数据;
步骤2.3:构造数据样本集。通过对道路的实地观测,确定不同类型道路质量情况的路段,主要包括道路减速带和伸缩缝交通设施、道路损毁坑洼地带、市政规划区域、损坏或者丢失的井盖,并记录其位置,基于移动群智技术采集到的数据,根据记录的位置从数据中提取所有接近该位置的数据,每条数据信息包括:日期、时间、位置、经纬度、加速度信息、震动信息、偏移信息等,所有接近该位置的数据构成数据集,所有的数据集构成样本集,对该样本集中的每个数据集进行特征提取,特征为最小值、最大值、方差、均值和协方差等,通过提取到的特征来区分不同类型不同道路质量状况的路段,不同道路质量状况主要指的是交通设施的损毁程度和道路损毁坑洼地带的大小;
步骤2.4:道路质量信息的分类。根据各类别样本集特征值,采用SVM分类器进行训练分类。样本集有k种类型道路质量情况的路段,从k种类型中选一种类型的数据集作正类样本,然后依次从剩余的k-1种类型中选一个负类样本创建两类分类,再从剩余的k-1种类型中选一种类型的数据集作正类样本,依次从剩余的k-2种类型中选一个负类样本创建两类分类,如此下去,创建两类分类器共k(k-1)/2个。让每一个分类器都投上自己的一票,依据投票结果确定道路质量类别。评估分类器的错误率,测试算法。
步骤3:对采集的数据进行清洗、融合和分类,利用道路质量类别特征标注未知道路质量,得出道路实际的质量信息,具体为:
步骤3.1:在一段未知道路质量的路段上,该路段采集到的每一条数据都进行去噪处理,构成测试集,然后进行特征提取,提取到的特征与步骤2.3中道路质量某类别特征相似时,则用相应类别暂时标注未知道路质量的路段;
步骤3.2:数据进行聚类,去除与空间位置无关的错误分类事件。计算所有距离<Δd的距离内的标注事件个数与类别,至少k个相同类别事件发生在同一地点(不同标注点的距离误差<Δd,近似为同一地点),并在同一个方向移动,则把这k个事件聚类为一个标注点;
步骤3.3:根据众包数据集中GPS信息,标注每条路段的道路质量信息。
步骤4:道路实际的质量信息通过WebGIS为车辆驾驶人员提供服务,车辆驾驶人员可根据接收到的路况信息调整驾驶策略,同时为养路单位制定养路计划提供数据支持。
步骤4.1:在WebGIS上标注出道路减速带和伸缩缝等交通设施、道路损毁坑洼地带、市政道路临时作业区域和损坏或者丢失的井盖,并添加语音提醒;
步骤4.2:通过云平台将道路质量信息共享给其他车辆,其他车辆驾驶人员根据获取到的共享信息(可以为视频或语音或文字或图片等方式获取得到)调整驾驶策略,驾驶策略包括超车、变道、减速、变向或调整路线等行为,同时为养路单位制定养路计划提供数据支持。
Claims (4)
1.一种基于群智计算的道路质量检测方法,其特征在于,具体按照以下步骤实施:
步骤1:基于移动群智技术,在车辆行驶过程中采集道路质量信息;
步骤2:基于群智计算技术的信息处理方法,由已标注道路质量类别的数据构造样本集,根据样本集提取道路质量类别特征;
步骤3:对采集的数据进行清洗、融合和分类,利用道路质量类别特征标注未知道路质量,得出道路实际的质量信息;
步骤4:道路实际的质量信息通过WebGIS为车辆驾驶人员提供服务,车辆驾驶人员可根据接收到的路况信息调整驾驶策略,同时为养路单位制定养路计划提供数据支持;
所述步骤2具体为:
步骤2.1:确定车辆正常行驶时的加速度信息、震动信息、偏移信息,并分别设定阈值;在数据采集过程中,对超出阈值范围的数据通过3G/4G网络上传至道路质量监测云服务器;
步骤2.2:对采集的车辆振幅进行平滑处理,去掉其中的高频噪声数据;
步骤2.3:通过对道路的实地观测,确定不同类型道路质量情况的路段,主要包括道路减速带和伸缩缝交通设施、道路损毁坑洼地带、市政规划区域、损坏或者丢失的井盖,并记录其位置,基于移动群智技术采集到的数据,根据记录的位置从数据中提取所有接近该位置的数据,每条数据信息包括:日期、时间、位置、经纬度、加速度信息、震动信息、偏移信息,所有接近该位置的数据构成数据集,所有的数据集构成样本集,对该样本集中的每个数据集进行特征提取,特征为最小值、最大值、方差、均值和协方差,通过提取到的特征来区分不同类型不同道路质量状况的路段;
步骤2.4:根据各类别样本集特征值,采用SVM分类器进行训练分类;样本集有k种类型道路质量情况的路段,从k种类型中选一种类型的数据集作正类样本,然后依次从剩余的k-1种类型中选一个负类样本创建两类分类,再从剩余的k-1种类型中选一种类型的数据集作正类样本,依次从剩余的k-2种类型中选一个负类样本创建两类分类,如此下去,创建两类分类器共k(k-1)/2个,让每一个分类器都投上自己的一票,依据投票结果确定道路质量类别;
所述步骤3具体为:
步骤3.1:在一段未知道路质量的路段上,该路段采集到的每一条数据都进行去噪处理,构成测试集,然后进行特征提取,提取到的特征与所述步骤2.3中道路质量某类别特征相似时,则用相应类别暂时标注未知道路质量的路段;
步骤3.2:计算所有距离<Δd的距离内的标注事件个数与类别,至少k个相同类别事件发生在同一地点,并在同一个方向移动,则把这k个事件聚类为一个标注点;
步骤3.3:根据众包数据集中GPS信息,标注每条路段的道路质量信息。
2.根据权利要求1所述的一种基于群智计算的道路质量检测方法,其特征在于,所述步骤1具体为:
步骤1.1:移动终端APP通过移动终端内置传感器采集基础数据信息:
①行驶车辆加速度:该数据信息是通过移动终端三轴加速度传感器获取;
②行驶车辆震动幅度:该数据信息通过移动终端重力传感器获取;
③行驶车辆偏移数据:该数据信息通过移动终端加速度和磁力传感器获取;
④行驶车辆位置数据:通过移动终端GPS模块获取路况信息的地理坐标;
步骤1.2:驾车用户将装有步骤1.1中APP的移动终端放置在车内,进行道路质量信息采集。
3.根据权利要求1所述的一种基于群智计算的道路质量检测方法,其特征在于,所述步骤4具体为:
步骤4.1:在WebGIS上标注出道路减速带和伸缩缝交通设施、道路损毁坑洼地带、市政道路临时作业区域和损坏或者丢失的井盖,并添加语音提醒;
步骤4.2:通过云平台将道路质量信息共享给其他车辆,其他车辆驾驶人员根据获取到的共享信息调整驾驶策略,同时为养路单位制定养路计划提供数据支持。
4.根据权利要求2所述的一种基于群智计算的道路质量检测方法,其特征在于,所述移动终端为采用内置GPS、加速度、陀螺仪、磁力传感器、重力传感器和线性加速度传感器的移动终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710350230.4A CN107103775B (zh) | 2017-05-18 | 2017-05-18 | 一种基于群智计算的道路质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710350230.4A CN107103775B (zh) | 2017-05-18 | 2017-05-18 | 一种基于群智计算的道路质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107103775A CN107103775A (zh) | 2017-08-29 |
CN107103775B true CN107103775B (zh) | 2020-01-14 |
Family
ID=59669921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710350230.4A Active CN107103775B (zh) | 2017-05-18 | 2017-05-18 | 一种基于群智计算的道路质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107103775B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108682150A (zh) * | 2018-05-22 | 2018-10-19 | 郑州光之源电子科技有限公司 | 基于大数据采集分析路况路线的方法 |
CN110636468B (zh) * | 2018-06-22 | 2024-02-06 | 博泰车联网科技(上海)股份有限公司 | 一种路况检测方法、系统、存储介质及车机 |
CN109167818B (zh) * | 2018-08-06 | 2021-03-16 | 长安大学 | 基于智能手机众包采集的道路平整度检测系统 |
CN109191840A (zh) * | 2018-09-13 | 2019-01-11 | 电子科技大学 | 一种基于智能终端的实时交通状况判定方法 |
CN109459045B (zh) * | 2018-09-29 | 2020-10-09 | 杭州电子科技大学 | 一种针对低频gps轨迹的改进交互式投票匹配方法 |
CN109629379B (zh) * | 2018-11-27 | 2021-08-03 | 上海炬宏信息技术有限公司 | 一种基于手机传感器数据的路面检测方法 |
CN109671183A (zh) * | 2018-12-25 | 2019-04-23 | 广州通易科技有限公司 | 一种基于智能车载盒子的众包模式道路维修养护方法 |
CN110047283B (zh) * | 2019-04-15 | 2021-04-09 | 桂林电子科技大学 | 一种基于众包的道路动态规划数据评测与车辆分流的方法 |
JP7377154B2 (ja) * | 2020-04-14 | 2023-11-09 | カヤバ株式会社 | 路面性状判定装置 |
CN111613060B (zh) * | 2020-05-30 | 2021-08-24 | 腾讯科技(深圳)有限公司 | 一种数据处理方法以及设备 |
CN113159577B (zh) * | 2021-04-22 | 2022-05-03 | 电子科技大学 | 基于群智感知的城市道路规划方法 |
CN113743466B (zh) * | 2021-08-02 | 2024-04-05 | 南斗六星系统集成有限公司 | 一种基于决策树的道路类型识别方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE375585T1 (de) * | 2003-03-14 | 2007-10-15 | Liwas Aps | Einrichtung zur detektion eines strassenoberflächenzustands |
US8428856B2 (en) * | 2007-10-29 | 2013-04-23 | At&T Intellectual Property I, L.P. | Methods, systems, devices, and computer program products for implementing condition alert services |
US8423255B2 (en) * | 2008-01-30 | 2013-04-16 | Microsoft Corporation | System for sensing road and traffic conditions |
CN202306831U (zh) * | 2011-09-27 | 2012-07-04 | 北京腾瑞万里科技有限公司 | 路况发布系统 |
CN103903463A (zh) * | 2012-12-28 | 2014-07-02 | 观致汽车有限公司 | 一种路况预报系统、方法及该路况预报系统中的车辆子系统和服务器 |
CN103903435B (zh) * | 2012-12-30 | 2016-08-10 | 王方淇 | 一种路况信息获取方法及移动终端 |
KR101543342B1 (ko) * | 2015-02-23 | 2015-08-11 | 한국건설기술연구원 | 차량통신 네트워크를 이용한 도로포장의 포트홀 데이터 처리 시스템 및 그 방법 |
-
2017
- 2017-05-18 CN CN201710350230.4A patent/CN107103775B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107103775A (zh) | 2017-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107103775B (zh) | 一种基于群智计算的道路质量检测方法 | |
CN109415043B (zh) | 一种基于舒适度的自动驾驶行驶规划方法 | |
El-Wakeel et al. | Towards a practical crowdsensing system for road surface conditions monitoring | |
CN109215347B (zh) | 一种基于众包轨迹数据的交通数据质量控制方法 | |
CN107782564B (zh) | 一种自动驾驶车辆测评系统及方法 | |
US20150178572A1 (en) | Road surface condition classification method and system | |
CN110176139A (zh) | 一种基于dbscan+的道路拥堵识别可视化方法 | |
Masino et al. | Learning from the crowd: Road infrastructure monitoring system | |
US11170639B2 (en) | Transportation threat detection system | |
CN102737510A (zh) | 一种基于移动智能终端的实时交通路况采集方法 | |
CN103299302A (zh) | 用于区分从探测器车辆获得的交通数据的方法 | |
CN100466010C (zh) | 异类交通信息实时融合方法 | |
CN103903438A (zh) | 客运车辆违规停车地点识别方法及系统 | |
US20200355515A1 (en) | Method, apparatus, and computer program product for on-street parking localization | |
Liu et al. | Evaluation of floating car technologies for travel time estimation | |
CN103903439A (zh) | 客运车辆违规停车地点识别方法及系统 | |
Sabir et al. | Threshold based efficient road monitoring system using crowdsourcing approach | |
Thiruppathiraj et al. | Automatic pothole classification and segmentation using android smartphone sensors and camera images with machine learning techniques | |
Chhabra et al. | A survey on state-of-the-art road surface monitoring techniques for intelligent transportation systems | |
Singh et al. | Road pothole detection from smartphone sensor data using improved LSTM | |
Piao et al. | Detecting the road surface condition by using mobile crowdsensing with drive recorder | |
Kandoi et al. | Pothole detection using accelerometer and computer vision with automated complaint redressal | |
Struţu et al. | Accelerometer based road defects identification system | |
CN116092037A (zh) | 融合轨迹空间-语义特征的车辆类型识别方法 | |
WO2019055465A1 (en) | SYSTEMS AND METHODS FOR DATA COLLECTION AND PERFORMANCE MONITORING OF TRANSPORT INFRASTRUCTURE |
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 |