CN107492062B - 乘客出行矩阵的压缩方法和系统 - Google Patents
乘客出行矩阵的压缩方法和系统 Download PDFInfo
- Publication number
- CN107492062B CN107492062B CN201610414618.1A CN201610414618A CN107492062B CN 107492062 B CN107492062 B CN 107492062B CN 201610414618 A CN201610414618 A CN 201610414618A CN 107492062 B CN107492062 B CN 107492062B
- Authority
- CN
- China
- Prior art keywords
- matrix
- passenger
- passenger travel
- square
- travel matrix
- 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
- 239000011159 matrix material Substances 0.000 title claims abstract description 175
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000006835 compression Effects 0.000 title claims description 16
- 238000007906 compression Methods 0.000 title claims description 16
- 239000013598 vector Substances 0.000 claims abstract description 18
- 230000001502 supplementing effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及一种乘客出行矩阵的压缩方法和系统,该方法包括:若判断乘客出行矩阵为方阵,则计算所述方阵的特征值和特征向量;其中,所述乘客出行矩阵中第i行第j列的元素为预设数量的乘客中第i个乘客在预设历史时间段内去往所述预设数量的兴趣点中第j个兴趣点的次数;i和j均为小于或等于所述预设数量的任意正整数;对计算得到的所述特征值和所述特征向量进行存储。本发明中,计算整个乘客出行矩阵的特征值和特征向量,然后仅将计算得到的特征值和特征向量进行存储,而并不是存储整个乘客出行矩阵。可见,存储的数据量相对于现有技术中存储整个乘客出行矩阵的方式大大减少存储空间,提高存储效率。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种乘客出行矩阵的压缩方法和系统。
背景技术
近几年来,随着打车平台的出现,越来越多的乘客选择通过打车平台叫车。由于打车平台上有大量的注册用户,且平均每个乘客在每三个月叫车次数为15次,因此会产生大量的数据,其中包括乘客出行矩阵。所谓的乘客出行矩阵是在一段时间内,例如三个月,注册的每一乘客去往各个兴趣点的次数组成的矩阵。由于乘客出行矩阵非常庞大,因此会占用很大的存储空间,而且存储效率也比较低。
发明内容
为此,本发明提供一种乘客出行矩阵的压缩方法和系统,可以减少存储空间,提高存储效率。
第一方面,本发明提供的乘客出行矩阵的压缩方法包括:
若判断乘客出行矩阵为方阵,则计算所述方阵的特征值和特征向量;其中,所述乘客出行矩阵中第i行第j列的元素为预设数量的乘客中第i个乘客在预设历史时间段内去往所述预设数量的兴趣点中第j个兴趣点的次数;i和j均为小于或等于所述预设数量的任意正整数;
对计算得到的所述特征值和所述特征向量进行存储。
可选的,所述方法还包括:若判断乘客出行矩阵为非方阵,则计算所述方阵的特征值和特征向量之前,对所述乘客出行矩阵进行数据处理,得到一个或多个方阵。
可选的,所述对所述乘客出行矩阵进行数据处理,得到一个方阵,包括:对所述乘客出行矩阵进行补充,使所述乘客出行矩阵成为一个方阵。
可选的,所补充的各元素的值为0。
可选的,所述对所述乘客出行矩阵进行数据处理,得到多个方阵,包括:对所述乘客出行矩阵进行分割,得到多个方阵。
可选的,在判断所述乘客出行矩阵是否为方阵之前,所述方法还包括:
获取在所述预设历史时间段内乘客信息和兴趣点信息;
根据所述乘客信息和所述兴趣点信息,构建所述乘客出行矩阵。
第二方面,本发明提供的乘客出行矩阵的压缩系统包括:
计算模块,用于在判断乘客出行矩阵为方阵时,计算所述方阵的特征值和特征向量;其中,所述乘客出行矩阵中第i行第j列的元素为预设数量的乘客中第i个乘客在预设历史时间段内去往所述预设数量的兴趣点中第j个兴趣点的次数;i和j均为小于或等于所述预设数量的任意正整数;
存储模块,用于对计算得到的所述特征值和所述特征向量进行存储。
可选的,所述计算模块还用于在判断乘客出行矩阵为非方阵时,则对所述乘客出行矩阵进行数据处理,得到一个或多个。
可选的,所述计算模块具体用于:对所述乘客出行矩阵进行补充,使所述乘客出行矩阵成为一个方阵。
可选的,所述计算模块具体用于:对所述乘客出行矩阵进行分割,得到多个方阵。
根据以上技术方案,本发明首先计算整个乘客出行矩阵的特征值和特征向量,然后仅将计算得到的特征值和特征向量进行存储,而并不是存储整个乘客出行矩阵。而当需要用到乘客出行矩阵时,提取出存储的特征值和特征向量,然后根据特征值和特征向量对整个乘客出行矩阵还原即可。可见,存储的数据量相对于现有技术中存储整个乘客出行矩阵的方式大大减少存储空间,提高存储效率。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些图获得其他的附图。
图1示出了本公开一实施例中乘客出行矩阵的压缩方法的流程示意图;
图2示出了本公开另一实施例中乘客出行矩阵的压缩方法的流程示意图;
图3示出了本公开又一实施例中乘客出行矩阵的压缩方法的流程示意图;
图4示出了本公开又一实施例中乘客出行矩阵的压缩系统的结构框图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
本公开一实施例提供一种乘客出行矩阵的压缩方法,如图1所示,该方法包括:
S101、若判断乘客出行矩阵为方阵,则计算所述方阵的特征值和特征向量;其中,所述乘客出行矩阵中第i行第j列的元素为预设数量的乘客中第i个乘客在预设历史时间段内去往所述预设数量的兴趣点中第j个兴趣点的次数;i和j均为小于或等于所述预设数量的任意正整数。
可理解的是,所谓的乘客出行矩阵为预设数量的乘客中每一个乘客去往预设数量的兴趣点中每一个兴趣点的次数所组成的矩阵。例如,假设矩阵为则第一行第一列的“10”表示第一个乘客在预设历史时间段内去往第一个兴趣点的次数为10,第一行第二列的“6”表示第一个乘客在预设时间段内去往第二个兴趣点的次数为6。当然,在实际中,乘客出行矩阵比该矩阵大的多,这里仅为解释矩阵中各个元素的含义。
可理解的是,所谓的兴趣点,即Point of Interest。例如,某个火车站,兴趣点主要包括名称、类型、精度和维度等信息。
应当知道的是,由于特征值和特征向量为方阵的特性,因此在计算之前要先判断乘客出行矩阵是否为方阵,若是,则直接进行计算,否则还要进行一定的处理才能进行计算。
举例来说,假设乘客出行矩阵为A,单位矩阵为E,λ为特征值,则特征值λ的计算方程式为|A-λE|=0。计算得到λ后,计算属于该特征值λ的特征向量x,x满足Ax=λx。由于方阵的特征值和特征向量的计算过程为公知的数据求解过程,故本公开不再赘述。
S102、对计算得到的所述特征值和所述特征向量进行存储。
本实施例中,计算整个乘客出行矩阵的特征值和特征向量,然后仅将计算得到的特征值和特征向量进行存储,而并不是存储整个乘客出行矩阵。而当需要用到乘客出行矩阵时,提取出存储的特征值和特征向量,然后根据特征值和特征向量对整个乘客出行矩阵还原即可。可见,存储的数据量相对于现有技术中存储整个乘客出行矩阵的方式大大减少存储空间,提高存储效率。
在具体实施时,还可能存储经判断得知乘客出行矩阵不为方阵的情况,这样的话,需要对乘客出行矩阵进行数据处理,得到一个或多个方阵,然后再计算得到的方阵的特征值和特征向量,最后对特征值和特征向量进行存储即可。对于这种情况通过以下两个实施例进行说明。
本公开另一实施例中提供一种乘客出行矩阵的压缩方法,如图2所示,该方法包括:
S201、若判断乘客出行矩阵为非方阵,则对所述乘客出行矩阵进行补充,使所述乘客出行矩阵成为一个方阵;
在具体实施时,在对矩阵进行补充时,可补充一些无意义的数据,补充这些数据后对整个矩阵的特征值和特征向量没有影响,例如添加0。
S202、计算得到的方阵的特征值和特征向量;
S203、对计算得到的特征值和特征向量进行存储。
通过对比分析可知,本实施例中步骤S202和S203和上一实施例中的S101和S102分别对应相同,不同之处在于本实施例中对乘客出行矩阵进行补充得到一个方阵,因此本实施例提供的方法可适用于乘客出行矩阵不为方阵的情况。
与上一实施例相同的,本实施例中需要存储的数据量相对于现有技术中存储整个乘客出行矩阵的方式也大大减少存储空间,提高存储效率。
本公开又一实施例提供一种乘客出行矩阵的压缩方法,如图3所示,该方法包括:
S301、若判断乘客出行矩阵为非方阵,对所述乘客出行矩阵进行分割,得到多个方阵;
这里,S301对于不为方阵的乘客出行矩阵进行分割的方式得到多个方阵,便于后续的计算。
S302、计算得到的各个方阵的特征值和特征向量;
S303、对计算得到的特征值和特征向量进行存储。
通过对比分析可知,本实施例中步骤S302和S303和上一实施例中的S101和S102分别对应相同,不同之处在于本实施例中对乘客出行矩阵进行分割,得到多个方阵,因此本实施例提供的方法可适用于乘客出行矩阵不为方阵的情况。
与上一实施例相同的,本实施例中需要存储的数据量相对于现有技术中存储整个乘客出行矩阵的方式也大大减少存储空间,提高存储效率。
在上述任一实施例中,若在执行本公开提供的压缩方法之前,若乘客出行矩阵已经存在,则直接执行上述方法即可,但是若不存在乘客出行矩阵,则需要构建该矩阵,具体的构建方法为:
获取在所述预设历史时间段内乘客信息和兴趣点信息;
其中,乘客信息,例如乘客的乘车时间、目的地址等信息。
其中,兴趣点信息,例如多个兴趣点的名称、经纬度等信息。
根据所述乘客信息和所述兴趣点信息,构建所述乘客出行矩阵。
实际上,在进行构建矩阵的过程中,可以首先建立一个数据表,该数据表的第一行为各个兴趣点的编号,第一列为各个乘客的编号,然后第m行第n列的数据为第m-1个乘客去往第n-1个兴趣点的次数。然后从数据表中进行数据提取,得到乘客出行矩阵。
如图4所示,本公开又一实施例提供一种乘客出行矩阵的压缩系统,该系统400包括:
计算模块401,用于在判断乘客出行矩阵为方阵时,计算所述方阵的特征值和特征向量;其中,所述乘客出行矩阵中第i行第j列的元素为预设数量的乘客中第i个乘客在预设历史时间段内去往所述预设数量的兴趣点中第j个兴趣点的次数;i和j均为小于或等于所述预设数量的任意正整数;
存储模块402,用于对计算得到的所述特征值和所述特征向量进行存储。
本实施例为图1对应的实施例的功能架构模块,一些技术特征和术语的理解、举例及技术效果可参见图1对应的实施例,本实施例不再赘述。
本公开又一实施例提供一种乘客出行矩阵的压缩系统,该系统包括计算模块和存储模块。其中,本实施例中计算模块用于在判断乘客出行矩阵为非方阵时,则对所述乘客出行矩阵进行补充,使所述乘客出行矩阵成为一个方阵,计算该方阵的特征值和特征向量。本实施例中存储模块与上一实施例中存储模块的功能相同,这里不再赘述。可见,本实施例与上一实施例的区别在于本实施例中对乘客出行矩阵进行补充得到一个方阵,因此本实施例提供的方法可适用于乘客出行矩阵不为方阵的情况。
本实施例又一实施例提供一种乘客出行矩阵的压缩系统,该系统包括计算模块和存储模块。其中,本实施例中计算模块用于在判断乘客出行矩阵为非方阵,对所述乘客出行矩阵进行分割,得到多个方阵,计算每一方阵的特征值和特征向量;本实施例中存储模块与上一实施例中存储模块的功能相同,这里不再赘述。可见,本实施例与上一实施例的区别在于本实施例中对乘客出行矩阵进行分割,得到多个方阵,因此本实施例提供的方法可适用于乘客出行矩阵不为方阵的情况。
本领域普通技术人员可以理解:实现上述方法实施例的全部或者部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤。
本发明的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种乘客出行矩阵的压缩方法,其特征在于,包括:
若判断乘客出行矩阵为方阵,则计算所述方阵的特征值和特征向量;其中,所述乘客出行矩阵中第i行第j列的元素为预设数量的乘客中第i个乘客在预设历史时间段内去往所述预设数量的兴趣点中第j个兴趣点的次数;i和j均为小于或等于所述预设数量的任意正整数;
对计算得到的所述特征值和所述特征向量进行存储;
在判断所述乘客出行矩阵是否为方阵之前,所述方法还包括:
获取在所述预设历史时间段内乘客信息和兴趣点信息;
根据所述乘客信息和所述兴趣点信息,构建所述乘客出行矩阵;
其中,所述根据所述乘客信息和所述兴趣点信息,构建所述乘客出行矩阵包括:
建立数据表,所述数据表的第一行为所述兴趣点的编号,所述数据表的第一列为所述乘客的编号,所述数据表的第m行第n列的数据为第m-1个所述乘客去往第n-1个所述兴趣点的次数;
从所述数据表中进行数据提取,得到所述乘客出行矩阵。
2.根据权利要求1所述的方法,其特征在于,还包括:
若判断乘客出行矩阵为非方阵,则在计算所述方阵的特征值和特征向量之前,对所述乘客出行矩阵进行数据处理,得到一个或多个方阵。
3.根据权利要求2所述的方法,其特征在于,所述对所述乘客出行矩阵进行数据处理,得到一个方阵,包括:
对所述乘客出行矩阵进行补充,使所述乘客出行矩阵成为一个方阵。
4.根据权利要求3所述的方法,其特征在于,所补充的各元素的值为0。
5.根据权利要求2所述的方法,其特征在于,所述对所述乘客出行矩阵进行数据处理,得到多个方阵,包括:
对所述乘客出行矩阵进行分割,得到多个方阵。
6.一种乘客出行矩阵的压缩系统,其特征在于,包括:
计算模块,用于在判断乘客出行矩阵为方阵时,计算所述方阵的特征值和特征向量;其中,所述乘客出行矩阵中第i行第j列的元素为预设数量的乘客中第i个乘客在预设历史时间段内去往所述预设数量的兴趣点中第j个兴趣点的次数;i和j均为小于或等于所述预设数量的任意正整数;
存储模块,用于对计算得到的所述特征值和所述特征向量进行存储;
所述计算模块还用于在不存在乘客出行矩阵时,构建所述乘客出行矩阵,所述构建所述乘客出行矩阵包括:
获取在所述预设历史时间段内乘客信息和兴趣点信息,根据所述乘客信息和所述兴趣点信息建立数据表;
从所述数据表中进行数据提取,得到所述乘客出行矩阵,
其中,所述数据表的第一行为所述兴趣点的编号,所述数据表的第一列为所述乘客的编号,所述数据表的第m行第n列的数据为第m-1个所述乘客去往第n-1个所述兴趣点的次数。
7.根据权利要求6所述的系统,其特征在于,所述计算模块还用于在判断乘客出行矩阵为非方阵时,则对所述乘客出行矩阵进行数据处理,得到一个或多个。
8.根据权利要求7所述的系统,其特征在于,所述计算模块具体用于:对所述乘客出行矩阵进行补充,使所述乘客出行矩阵成为一个方阵。
9.根据权利要求7所述的系统,其特征在于,所述计算模块具体用于:对所述乘客出行矩阵进行分割,得到多个方阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610414618.1A CN107492062B (zh) | 2016-06-13 | 2016-06-13 | 乘客出行矩阵的压缩方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610414618.1A CN107492062B (zh) | 2016-06-13 | 2016-06-13 | 乘客出行矩阵的压缩方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107492062A CN107492062A (zh) | 2017-12-19 |
CN107492062B true CN107492062B (zh) | 2021-05-04 |
Family
ID=60643009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610414618.1A Active CN107492062B (zh) | 2016-06-13 | 2016-06-13 | 乘客出行矩阵的压缩方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107492062B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784018A (zh) * | 2019-04-03 | 2020-10-16 | 北京嘀嘀无限科技发展有限公司 | 一种资源调度方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011155288A1 (ja) * | 2010-06-11 | 2011-12-15 | 国立大学法人豊橋技術科学大学 | データのインデックスの次元削減方法及びそれを利用したデータ検索方法並びに装置 |
CN103605734A (zh) * | 2013-11-19 | 2014-02-26 | 广东电网公司电力科学研究院 | 基于特征向量的数据传输压缩方法及其系统 |
CN103886050A (zh) * | 2014-03-12 | 2014-06-25 | 佛山科学技术学院 | 基于压缩感知的图像特征存储方法、图像检索方法和装置 |
CN104504015A (zh) * | 2014-12-11 | 2015-04-08 | 中国科学院遥感与数字地球研究所 | 一种基于动态增量式字典更新的学习算法 |
-
2016
- 2016-06-13 CN CN201610414618.1A patent/CN107492062B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011155288A1 (ja) * | 2010-06-11 | 2011-12-15 | 国立大学法人豊橋技術科学大学 | データのインデックスの次元削減方法及びそれを利用したデータ検索方法並びに装置 |
CN103605734A (zh) * | 2013-11-19 | 2014-02-26 | 广东电网公司电力科学研究院 | 基于特征向量的数据传输压缩方法及其系统 |
CN103886050A (zh) * | 2014-03-12 | 2014-06-25 | 佛山科学技术学院 | 基于压缩感知的图像特征存储方法、图像检索方法和装置 |
CN104504015A (zh) * | 2014-12-11 | 2015-04-08 | 中国科学院遥感与数字地球研究所 | 一种基于动态增量式字典更新的学习算法 |
Also Published As
Publication number | Publication date |
---|---|
CN107492062A (zh) | 2017-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111476588B (zh) | 订单需求预测方法、装置、电子设备及可读存储介质 | |
CN110458165B (zh) | 一种引入注意力机制的自然场景文本检测方法 | |
EP3509305B1 (en) | Intra-prediction video coding method and device | |
CN112382099A (zh) | 交通路况预测方法、装置、电子设备及存储介质 | |
CN110789520B (zh) | 行驶控制方法、装置及电子设备 | |
CN107492062B (zh) | 乘客出行矩阵的压缩方法和系统 | |
CN111709415A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
WO2023000261A1 (zh) | 一种区域交通的预测方法以及设备 | |
Kahraman et al. | On the distribution of the number stranded in bulk-arrival, bulk-service queues of the M/G/1 form | |
CN111221827B (zh) | 基于图形处理器的数据库表连接方法、装置、计算机设备和存储介质 | |
US20160345018A1 (en) | Video encoding and decoding | |
CN111886605B (zh) | 针对多个输入数据集的处理 | |
CN111292104B (zh) | 一种信息推送方法、装置、电子设备及存储介质 | |
CN107783050B (zh) | 电池寿命预测方法及装置 | |
CN113271606B (zh) | 云原生移动网络稳定性保障的业务调度方法及电子设备 | |
CN106101731B (zh) | 图像无损压缩方法及装置 | |
US20060015362A1 (en) | Spatial data analyzing apparatus, spatial data analyzing method and spatial data analyzing program | |
CN112633156B (zh) | 车辆检测方法、图像处理装置以及计算机可读存储介质 | |
CN110245231A (zh) | 一种针对乱码的训练样本特征提取方法、装置及设备 | |
CN112182050B (zh) | 一种用户查询请求的处理方法、装置及电子设备 | |
CN111831927B (zh) | 信息推送装置、方法、电子设备和计算机可读存储介质 | |
CN110430270B (zh) | 载具数据的同步方法及装置 | |
EP4354858A1 (en) | Encoding method and apparatus using inter-frame prediction, device, and readable storage medium | |
CN112633156A (zh) | 车辆检测方法、图像处理装置以及计算机可读存储介质 | |
CN113743852A (zh) | 一种路由方法及装置、设备、存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201204 Address after: 100193, No. 34, building No. 8, West flourishing road, Haidian District, Beijing Applicant after: BEIJING DIDI INFINITY TECHNOLOGY AND DEVELOPMENT Co.,Ltd. Address before: Office building D comprehensive service district Nangang Industrial Zone 300480 in Tianjin Binhai Economic and Technological Development Zone of Tianjin City 2 219-23 room Applicant before: Didi (China) Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |