CN107879206B - 电梯调度方法、装置、设备及存储介质 - Google Patents
电梯调度方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN107879206B CN107879206B CN201711090808.3A CN201711090808A CN107879206B CN 107879206 B CN107879206 B CN 107879206B CN 201711090808 A CN201711090808 A CN 201711090808A CN 107879206 B CN107879206 B CN 107879206B
- Authority
- CN
- China
- Prior art keywords
- elevator
- prediction
- result
- boarding
- parameter
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000007613 environmental effect Effects 0.000 claims abstract description 55
- 238000012549 training Methods 0.000 claims abstract description 22
- 230000002123 temporal effect Effects 0.000 claims description 11
- 238000012512 characterization method Methods 0.000 claims description 10
- 238000012790 confirmation Methods 0.000 claims description 7
- 230000001537 neural effect Effects 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 2
- 230000004044 response Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 235000013399 edible fruits Nutrition 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 210000003127 knee Anatomy 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010011469 Crying Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/02—Control systems without regulation, i.e. without retroactive action
- B66B1/06—Control systems without regulation, i.e. without retroactive action electric
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
- B66B1/3415—Control system configuration and the data transmission or communication within the control system
- B66B1/3446—Data transmission or communication within the control system
Abstract
本申请公开了一种电梯调度方法、装置、设备及存储介质，属于电梯控制领域。该方法包括：在高峰时间段到达之前获取环境参数；高峰时间段是指电梯的使用频率超过预设频率的时间段；获取预测模型，该预测模型是根据历史呼叫参数训练得到的，历史呼叫参数用于表示呼叫电梯的历史时刻与终端所处的历史环境之间的对应关系；将环境参数输入预测模型，得到预测乘梯结果，预测乘梯结果用于指示预测呼叫电梯的时刻和预测乘坐电梯的楼层；向调度平台发送预测乘梯结果，预测乘梯结果用于供调度平台确定在高峰时间段调度电梯的策略；可以解决调度平台在高峰时间段无法及时确定出调度电梯的策略的问题；提高调度平台响应电梯呼叫请求的及时性。
Description
技术领域
本申请实施例涉及电梯控制领域，特别涉及一种电梯调度方法、装置、设备及存储介质。
背景技术
电梯是一种以电动机为动力的垂直升降机，电梯装有厢状吊舱，可以用于多层建筑乘人或者载运货物。通常用户在乘坐电梯时，首先需要按动电梯旁设置的呼叫按键来呼叫电梯，电梯接收到呼叫后，从当前楼层运行至指定楼层供用户乘坐。
在电梯使用的高峰时间段(比如：早上八点半到九点半、电影放映结束的15分钟内)，电梯到达的楼层可能分布较广。为了尽可能地减少用户等待电梯到来的时长，和/或，尽可能地减少电梯消耗的电能，电梯的调度平台会根据在高峰时间段接收到的电梯呼叫请求和调度算法，确定出在高峰时间段调度电梯的策略。其中，调度平台用于调度其所管理的至少一个电梯，控制该至少一个电梯的运行状态、停留楼层等。高峰时间段是指电梯的使用频率超过预设频率的时间段。
然而，在电梯使用的高峰时间段，调度平台接收到的电梯呼叫请求的数量可能会非常多，此时，调度平台可能无法及时根据调度算法确定出调度策略，导致电梯在高峰时间段响应电梯呼叫请求的及时性不高的问题。
发明内容
本申请实施例提供的电梯调度方法、装置、设备及存储介质，可以解决调度平台响应电梯呼叫请求的及时性不高的问题。所述技术方案如下：
第一方面，提供了一种电梯调度方法，所述方法包括：
在高峰时间段到达之前获取环境参数，所述环境参数用于指示终端的时间特征、地理位置特征和网络特征中的至少一种；所述高峰时间段是指电梯的使用频率超过预设频率的时间段；
获取预测模型，所述预测模型是根据历史呼叫参数训练得到的，所述历史呼叫参数用于表示呼叫所述电梯的历史时刻与所述终端所处的历史环境之间的对应关系；
将所述环境参数输入所述预测模型，得到预测乘梯结果，所述预测乘梯结果用于指示预测呼叫所述电梯的时刻和预测乘坐所述电梯的楼层；
向调度平台发送所述预测乘梯结果，所述预测乘梯结果用于供所述调度平台确定在所述高峰时间段调度所述电梯的策略。
第二方面，提供了一种电梯调度装置，所述装置包括：
参数获取模块，用于在高峰时间段到达之前获取环境参数，所述环境参数用于指示终端的时间特征、地理位置特征和网络特征中的至少一种；所述高峰时间段是指电梯的使用频率超过预设频率的时间段；
模型获取模块，用于获取预测模型，所述预测模型是根据历史呼叫参数训练得到的，所述历史呼叫参数用于表示呼叫所述电梯的历史时刻与所述终端所处的历史环境之间的对应关系；
结果预测模块，用于将所述环境参数输入所述预测模型，得到预测乘梯结果，所述预测乘梯结果用于指示预测呼叫所述电梯的时刻和预测乘坐所述电梯的楼层；
结果发送模块，用于向调度平台发送所述预测乘梯结果，所述预测乘梯结果用于供所述调度平台确定在所述高峰时间段调度所述电梯的策略。
第三方面，提供了一种电梯调度设备，所述电梯调度设备包括处理器、与所述处理器相连的存储器，以及存储在所述存储器上的程序指令，所述处理器执行所述程序指令时实现第一方面提供的电梯调度方法。
第四方面，一种计算机可读介质，其上存储有程序指令，所述程序指令被处理器执行时实现第一方面提供的电梯调度方法的步骤。
本申请实施例提供的技术方案带来的有益效果是：
通过在高峰时间段到达之前，将终端的环境参数输入预测模型，得到预测乘梯结果；将该预测乘梯结果发送至调度平台，由调度平台根据至少一个终端发送的预测乘梯结果，确定出在高峰时间段调度电梯的策略；可以解决调度平台在高峰时间段无法及时确定出调度电梯的策略的问题；由于预测模型是根据用户历史乘梯情况建立的，因此，用户根据该预测模型输出的预测乘梯结果乘坐电梯的概率较大，这样，调度平台可以提前根据预测乘梯结果确定出在高峰时间段调度电梯的策略，无需在高峰时间段内根据电梯呼叫请求确定调度电梯的策略，可以提高调度平台响应电梯呼叫请求的及时性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的电梯调度系统的结构示意图；
图2是本申请另一个实施例提供的电梯调度系统的结构示意图；
图3是本申请一个示例性实施例提供的电梯调度方法的流程图；
图4是本申请一个示例性实施例提供的历史呼叫参数的示意图；
图5是本申请一个示例性实施例提供的呼叫确认信息的示意图；
图6是本申请一个示例性实施例提供的调度结果的示意图；
图7是本申请一个实施例提供的电梯调度装置的结构方框图；
图8是本申请一个实施例提供的电梯调度设备的结构方框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
首先，对本申请涉及的若干名词进行介绍。
预测模型：是一种用于根据输入的数据预测乘坐电梯情况的数学模型。
可选地，预测模型包括但不限于：深度神经网络(Deep Neural Network，DNN)模型、循环神经网络(Recurrent Neural Networks，RNN)模型、嵌入(embedding)模型、梯度提升决策树(Gradient Boosting Decision Tree，GBDT)模型、逻辑回归(LogisticRegression，LR)模型中的至少一种。
DNN模型是一种深度学习框架。DNN模型包括输入层、至少一层隐层(或称，中间层)和输出层。可选地，输入层、至少一层隐层(或称，中间层)和输出层均包括至少一个神经元，神经元用于对接收到的数据进行处理。可选地，不同层之间的神经元的数量可以相同；或者，也可以不同。
RNN模型是一种具有反馈结构的神经网络。在RNN模型中，神经元的输出可以在下一个时间戳直接作用到自身，即，第i层神经元在m时刻的输入，除了(i-1)层神经元在该时刻的输出外，还包括其自身在(m-1)时刻的输出。
embedding模型是基于实体和关系分布式向量表示，将每个三元组实例中的关系看作从实体头到实体尾的翻译。其中，三元组实例包括主体、关系、客体，三元组实例可以表示成(主体，关系，客体)；主体为实体头，客体为实体尾。比如：小明的爸爸是大明，则通过三元组实例表示为(小明，爸爸，大明)。
GBDT模型是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结果累加起来作为最终结果。决策树的每个节点都会得到一个预测值，以年龄为例，预测值为属于年龄对应的节点的所有人年龄的平均值。
LR模型是指在线性回归的基础上，套用一个逻辑函数建立的模型。
图1是本申请的一个示例性实施例示出的电梯调度系统的结构示意图，该系统包括至少一个终端110、调度平台120和至少一部电梯130。
终端110具有通信功能，终端110包括但不限于：手机、平板电脑、可穿戴式设备、智能机器人、智能家居设备、膝上型便携计算机和台式计算机中的至少一种。
终端110用于采集环境参数，该环境参数用于供终端110预测呼叫电梯的时刻和乘坐电梯的楼层。
可选地，环境参数用于指示终端110的时间特征、地理位置特征和网络特征中的至少一种。
可选地，终端110中存储有预测模型，该预测模型用于根据输入的环境参数计算预测乘梯结果，该预测乘梯结果用于指示预测呼叫电梯的时刻和预测乘坐电梯的楼层。
可选地，预测呼叫电梯的时刻可以是当前时刻；或者，也可以是位于当前时刻之后的时刻。
可选地，预测乘梯结果还用于指示预测等待乘梯的时长、预测呼叫电梯的次数和预测到达楼层中的至少一种。
可选地，终端110将预测乘梯结果发送至调度平台120。
可选地，终端110与调度平台120通过无线网络方式或者有线网络方式建立通信连接。
调度平台120通过与终端110之间的通信连接接收预测乘梯结果。
可选地，调度平台120中存储有至少一种调度算法，调度平台120根据调度算法和接收到的预测乘梯结果确定调度电梯的策略。比如：调度电梯1至14楼，调度电梯2-5至1楼。
可选地，调度平台120还可以根据调度算法、接收到的预测乘梯结果和接收到的电梯呼叫请求确定调度电梯的策略。
调度平台120与至少一部电梯130相连，并用于控制与其相连的至少一部电梯130。
可选地，电梯130和调度平台120属于同一电梯群控系统130(Elevator GroupControl System，EGCS)。其中，电梯群控系统130包括一座建筑物内安装的多部电梯130和与每部电梯相连的调度平台120。
可选地，调度平台120可以向电梯130发送调度指令，从而调度电梯130运行至指定楼层。
可选地，终端110可以通过至少一台服务器与调度平台120相连，该至少一台服务器用于为终端110提供电梯调度服务。
图2是本申请的另一个示例性实施例示出的电梯调度系统的结构示意图，该系统包括至少一个终端210、至少一台服务器220、调度平台230和至少一部电梯240。
终端210具有通信功能，终端210包括但不限于：手机、平板电脑、可穿戴式设备、智能机器人、智能家居设备、膝上型便携计算机和台式计算机中的至少一种。
终端210用于采集环境参数，该环境参数用于确定是否向电梯230发送呼叫请求。
可选地，环境参数用于指示终端210的时间特征、地理位置特征和网络特征中的至少一种。
终端210将环境参数发送至服务器220。
可选地，终端210与服务器220通过无线网络方式或者有线网络方式建立通信连接。
服务器220可以是独立的一台服务器，也可以是由至少两台服务器220构成的服务器集群。
服务器220通过与终端210之间的通信连接接收终端210发送的环境参数。
可选地，服务器220中存储有预测模型，该预测模型用于根据输入的环境参数计算预测乘梯结果，该预测乘梯结果用于指示预测呼叫电梯的时刻和预测乘坐电梯的楼层。
可选地，预测呼叫电梯的时刻可以是当前时刻；或者，也可以是位于当前时刻之后的时刻。
可选地，预测乘梯结果还用于指示预测等待乘梯的时长、预测呼叫电梯的次数和预测到达楼层中的至少一种。
可选地，服务器220将预测乘梯结果发送至调度平台230。
可选地，服务器220与调度平台230通过无线网络方式或者有线网络方式建立通信连接。
调度平台230通过与服务器220之间的通信连接接收预测乘梯结果。
可选地，调度平台230中存储有至少一种调度算法，调度平台230根据调度算法和接收到的预测乘梯结果确定调度电梯的策略。比如：调度电梯1至14楼，调度电梯2-5至1楼。
可选地，调度平台230还可以根据调度算法、接收到的预测乘梯结果和接收到的电梯呼叫请求确定调度电梯的策略。
调度平台230与至少一部电梯240相连，并用于控制与其相连的至少一部电梯240。
可选地，电梯240和调度平台230属于同一电梯群控系统240。其中，电梯群控系统240包括一座建筑物内安装的多部电梯240和与每部电梯相连的调度平台230。
可选地，调度平台230可以向电梯240发送调度指令，从而调度电梯240运行至指定楼层。
可选地，本申请中，调度平台可以是由至少一台具有计算能力的设备构成的平台，该具有计算能力的设备可以是手机、平板电脑、可穿戴式设备、智能机器人、智能家居设备、膝上型便携计算机和台式计算机等终端；还可以是服务器；还可以是终端与服务器的组合，本实施例对此不作限定。
可选地，本申请中，无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(HyperText Mark-up Language，HTML)、可扩展标记语言(Extensible MarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Trassport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(Internet ProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
可选地，本申请中各步骤的执行主体为电梯调度设备，该电梯调度设备可以是图1所示的电梯调度系统中的终端110，也可以是图2所示的电梯调度系统中的服务器220。
图3是本申请的一个示例性实施例示出的电梯调度方法的流程图。本实施例以该方法用于电梯调度设备中为例进行说明，该电梯调度设备可以是图1所示的电梯调度系统中的终端110，也可以是图2所示的电梯调度系统中的服务器220，该电梯调度方法包括以下几个步骤。
步骤301，在高峰时间段到达之前获取环境参数。
环境参数用于指示终端的时间特征、地理位置特征和网络特征中的至少一种。
高峰时间段是指电梯的使用频率超过预设频率的时间段。
可选地，电梯调度设备在高峰时间段到达之前获取环境参数，包括：获取高峰时间段；在高峰时间段的起始时刻与当前时刻之间的时间差小于或等于预设时长时，获取环境参数，当前时刻位于起始时刻之前。
可选地，高峰时间段默认设置在电梯调度设备中；或者，高峰时间段是电梯调度设备通过人机交互接口接收到的；或者，高峰时间段是调度平台发送的。
可选地，预设时长默认设置在电梯调度设备中；或者，高峰时间段是电梯调度设备通过人机交互接口接收到的；或者，高峰时间段是调度平台发送的。比如：预设时长为10分钟(min)、15分钟(min)等，本实施例不对预设时长的取值作限定。
可选地，预设时长是根据调度平台响应电梯呼叫请求时的最大延迟时间确定的。电梯呼叫请求用于请求电梯运行至指令楼层。
在一个示例中，电梯调度设备实时或定时获取操作系统的系统时间，将该系统时间作为当前时刻减去高峰时间段的起始时刻，得到时间差；电梯调度设备将该时间差与预设时长进行比较；在时间差小于或等于预设时长时，获取环境参数；在时间差大于预设时长时，电梯调度设备继续执行实时或定时获取操作系统的系统时间的步骤。
在另一个示例中，电梯调度设备中设置有触发事件，该触发事件用于指示获取环境参数的时刻，该时刻位于高峰时间段的起始时刻之前；在该触发事件被触发时，电梯调度设备获取环境参数。
可选地，环境参数包括用于指示时间特征的参数时，该环境参数包括当前时刻，或者，当前时刻与历史呼叫时刻之间的时间差。可选地，电梯调度设备通过获取操作系统中的系统时间获取当前时刻。可选地，电梯调度设备通过确定当前时刻所属的时间段，获取所属的时间段与该时间段相同的历史呼叫时刻。
可选地，环境参数包括用于指示地理位置特征的参数时，该环境参数包括：终端的地理位置；或者，终端的地理位置与历史呼叫位置之间的距离。其中，历史呼叫位置所属的区域与地理位置所属的区域存在重叠。可选地，地理位置是终端通过内部安装的定位传感器采集到的，比如：通过全球定位系统(Global Positioning System，GPS)来采集地理位置。可选地，电梯调度设备通过确定终端的地理位置所属的区域，获取所属的区域与该区域存在重叠的历史呼叫位置。可选地，位置(地理位置或者历史呼叫位置)所属的区域是指以该位置为圆心，预设长度为半径的区域。预设长度可以是100m、200等，本实施例不对预设长度的数值作限定。
可选地，环境参数包括用于指示网络特征的参数时，环境参数包括：终端接入的无线网络的名称；或者，终端接入的无线网络的名称与历史网络名称之间的比较结果，其中，历史网络名称是历史呼叫电梯时终端接入的无线网络的网络名称。可选地，电梯调度设备获取到的无线网络的网络名称是终端通过设置的打印接口获取到的。
可选地，历史呼叫时刻、历史呼叫位置和与历史网络名称存储在电梯调度设备中。
步骤302，获取预测模型，该预测模型是根据历史呼叫参数训练得到的，历史呼叫参数用于表示呼叫电梯的历史时刻与终端所处的历史环境之间的对应关系。
可选地，历史呼叫参数和环境参数中具有特征相同的参数，示意性地，当环境参数包括用于指示时间特征的参数时，历史呼叫参数也包括用于指示时间特征的参数；当环境参数包括用于指示地理位置特征的参数时，历史呼叫参数也包括用于指示地理位置特征的参数；当环境参数包括用于指示网络特征的参数时；历史呼叫参数也包括用于指示网络特征的参数。
可选地，历史呼叫参数还包括历史呼叫结果。可选地，历史呼叫结果包括但不限于：历史呼叫电梯的时刻、历史呼叫电梯的楼层、历史到达的楼层、历史等待时长和在同一时间段内呼叫电梯的历史次数中的至少一种。
可选地，历史呼叫参数用于表示呼叫电梯的历史时刻与终端所处的历史环境之间的对应关系。由于对于不同的电梯群控系统中的电梯，用户呼叫该电梯时的参数也有所不同，因此，每个电梯群控系统对应一组历史呼叫参数。
示意性地，参考图4所示的历史呼叫参数，该历史呼叫参数包括历史呼叫电梯时的环境参数401和历史呼叫结果402。
步骤303，将环境参数输入预测模型，得到预测乘梯结果。
预测乘梯结果用于指示预测呼叫电梯的时刻和预测乘坐电梯的楼层。
可选地，为了提高调度平台确定调度策略的准确性，预测乘梯结果还可以指示：预测等待乘梯的时长、预测呼叫电梯的次数和预测到达楼层中的至少一种。
步骤304，向调度平台发送预测乘梯结果，该预测乘梯结果用于供调度平台确定在高峰时间段调度电梯的策略。
电梯调度设备通过与调度平台之间的通信连接，向该调度平台发送预测乘梯结果。
可选地，调度平台接收到预测乘梯结果后，结合其它终端发送的预测乘梯结果和/或已接收到的电梯呼叫请求确定在高峰时间段调度电梯的策略。
可选地，调度平台按照等待电梯到来的时长最短的要求确定调度电梯的策略；和/或，调度平台按照消耗电能最少的要求确定调度电梯的策略。
可选地，在本申请中，调度平台根据预测乘梯结果确定出调度电梯的策略之后，可以存储预测乘梯结果携带的设备标识与电梯标识之间的对应关系，该对应关系中的电梯标识是根据调度电梯的策略确定的。在高峰时间段内接收到电梯呼叫请求时，调度平台可以查找是否存储有与电梯呼叫请求中的设备标识相对应的电梯标识，在存储有该电梯标识时，调度该电梯标识对应的电梯，以响应该电梯呼叫请求。
可选地，设备标识是指电梯调度设备的设备标识，该设备表示可以是设备号、用户身份识别(Subscriber Identification Module，SIM)卡号、调度平台分配的字符串等，本实施例不对设备标识的形式作限定。
综上所述，本实施例提供的电梯调度方法，通过在高峰时间段到达之前，将终端的环境参数输入预测模型，得到预测乘梯结果；将该预测乘梯结果发送至调度平台，由调度平台根据至少一个终端发送的预测乘梯结果，确定出在高峰时间段调度电梯的策略；可以解决调度平台在高峰时间段无法及时确定出调度电梯的策略的问题；由于预测模型是根据用户历史乘梯情况建立的，因此，用户根据该预测模型输出的预测乘梯结果乘坐电梯的概率较大，这样，调度平台可以提前根据预测乘梯结果确定出在高峰时间段调度电梯的策略，无需在高峰时间段内根据电梯呼叫请求确定调度电梯的策略，可以提高调度平台响应电梯呼叫请求的及时性。
可选地，由于在预测乘梯结果指示的预测呼叫电梯的时刻不属于高峰时间段时，调度平台可以及时地响应根据该预测乘梯结果发送的电梯呼叫请求，此时，为了节省电梯调度设备与调度平台之间的传输资源，电梯调度设备可以不向调度平台发送预测乘梯结果。此时，在步骤304中，电梯调度设备向调度平台发送预测乘梯结果，包括：在预测乘梯结果指示的预测呼叫电梯的时刻属于高峰时间段时，向调度平台发送预测乘梯结果。
本实施例通过在预测乘梯结果指示的预测呼叫电梯的时刻属于高峰时间段时，向调度平台发送预测乘梯结果，可以节省电梯调度设备与调度平台之间的传输资源。
可选地，在步骤303之后，即，在将环境参数输入预测模型，得到预测乘梯结果之后，电梯调度设备还可以根据该预测乘梯结果自动地向调度平台发送电梯呼叫请求。
可选地，电梯呼叫请求携带有目的楼层的楼层标识。目的楼层是指乘坐电梯后所到达的楼层。
可选地，楼层表示可以是楼层的编号，比如：14，表示第14层。
由于预测模型是根据用户历史乘坐电梯的情况建立的，因此，用户根据该预测模型输出的预测乘梯结果乘坐电梯的概率较大，本实施例通过根据预测乘梯结果自动发送电梯呼叫请求，该电梯呼叫请求符合用户乘梯需求的概率较大，减少了用户乘坐电梯时所需执行的操作，提高了用户乘坐电梯的效率。
可选地，在步骤303之后，即，在将环境参数输入预测模型，得到预测乘梯结果之后，电梯调度设备还可以根据预测乘梯结果输出呼叫确认信息，该呼叫确认信息用于确认是否根据预测乘梯结果呼叫电梯；在接收到根据呼叫确认信息输入的确认信息，且当前时刻到达预测乘梯结果指示的预测呼叫电梯的时刻时，向调度平台发送电梯呼叫请求。
可选地，电梯呼叫请求包括预测乘梯结果指示的预测乘坐电梯的楼层。
可选地，电梯呼叫请求还包括：目的楼层的楼层标识和呼叫时间中的至少一种。
可选地，电梯呼叫请求携带有电梯调度设备的设备标识。
可选地，呼叫确认信息可以是语音、文本、视频、动画、震动等形式，本实施例对此不作限定。
示意性地，参考图5，在预测乘梯结果指示发送呼叫请求时输出呼叫确认信息501，该呼叫确认信息501中包括预测乘坐电梯的楼层的楼层标识、目的楼层的楼层标识和呼叫时间。电梯调度设备还输出确认选项502和拒绝选项503，在接收到作用于确认选项502上的操作时，生成确认信息，终端向电梯发送呼叫请求。
本实施例中，通过在向电梯发送呼叫请求之前输出呼叫确认信息，供用户确认是否根据预测乘梯结果发送电梯呼叫请求，使得电梯调度设备可以在用户确认发送该电梯呼叫请求时发送呼叫请求，可以避免电梯调度设备自动发送电梯呼叫请求但是用户并不需要乘坐电梯，导致浪费电梯所消耗的资源的问题，可以节省电梯所消耗的资源。
可选地，调度平台确定出调度电梯的策略后，还可以根据该策略向电梯调度设备推荐待乘坐的电梯。此时，调度平台根据确定出的调度电梯的策略生成调度结果，将该调度结果发送至电梯调度设备，该调度结果用于推荐待乘坐电梯的电梯；相应地，电梯调度设备接收该调度结果，并输出该调度结果。
可选地，调度结果包括调度平台推荐的待乘坐电梯的电梯标识。
可选地，电梯调度设备可以以语音、文本、视频、动画、震动等形式输出调度结果。
示意性地，参考图6，电梯调度设备输出的调度结果600包括调度平台推荐的待乘坐电梯的电梯标识“2”。
本实施例中，通过输出调度平台推荐的待乘坐电梯的电梯标识，使得用户可以根据调度平台的调度策略直接乘坐该待乘坐电梯，在建筑物中的电梯数量较多时，可以避免用户无法确定应该乘坐哪一部电梯，需要从多个电梯中查找待乘坐电梯，乘坐电梯的效率不高的问题，由于用户可以直接乘坐调度平台推荐的待乘坐电梯，因此，可以提高用户乘坐电梯的效率。
可选地，在步骤304之后，电梯调度设备还会获取实际乘梯结果，该实际乘梯结果用于指示实际呼叫电梯的时刻和实际乘坐电梯的楼层；存储环境参数和实际乘梯结果，得到更新后的历史呼叫参数；根据更新后的历史呼叫参数对预测模型进行训练，得到更新后的预测模型，更新后的预测模型用于根据之后采集到的环境参数确定预测乘梯结果。
示意性地，预测模型是根据神经网络模型建立的，比如：预测模型是根据DNN模型或者RNN模型建立的，终端根据更新后的历史呼叫参数对预测模型进行训练，得到更新后的预测模型，包括以下几个步骤：
1、根据更新后的历史呼叫参数创建至少一组输入输出对。
其中，每组输入输出对包括输出参数和至少一个特征不同的输入参数。
每组输入输出对中的输入参数是根据环境参数确定的，每组输入输出对中的输出参数是根据预测乘梯结果确定的。
可选地，同一组输入输出对中的输入参数和输出参数是在同一次呼叫电梯过程中的参数。
比如：终端创建的输入输出对为：(8：23，位置x，无线网络y)->(呼叫电梯的时间1，呼叫电梯的楼层14)；其中，(8：23，位置x，无线网络y)为输出参数，(呼叫电梯的时间1，呼叫电梯的楼层14)为输出参数。
可选地，输入输出对通过特征向量表示。
2、对于至少一组输入输出对中的每组输入输出对，将输入参数输入预测模型，得到训练结果。
3、将每组输入输出对对应的训练结果与输入输出对中的输出参数进行比较，得到计算损失，该计算损失用于指示训练结果与输出参数之间的误差。
可选地，计算损失通过交叉商(cross-entropy)来表示。
可选地，本步骤通过下述公式表示：
其中，H(p，q)表示推理损失，p(x)和q(x)是长度相等的离散分布向量，p(x)表示表示训练结果；q(x)表示输出参数；x为训练结果或输出参数中的一个向量。
4、根据计算损失更新预测模型，得到更新后的预测模型。
可选地，终端通过反向传播算法根据计算损失确定预测模型的梯度方向，从预测模型的输出层逐层向前更新预测模型中的模型参数。
综上所述，本实施例中，通过不断更新历史呼叫参数，再根据更新后的历史呼叫参数训练预测模型，使得终端可以根据用户电梯调度习惯不断提高预测模型的精度，提高终端确定是否向电梯发送呼叫请求的准确性。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
请参考图7，其示出了本申请一个实施例提供的电梯调度装置的结构方框图，该电梯调度装置可通过软件、硬件或者两者的结合实现成为电梯调度设备的部分或者全部。该装置可以包括：参数获取模块710、模型获取模块720、结果预测模块730和结果发送模块740。
参数获取模块710，用于在高峰时间段到达之前获取环境参数，所述环境参数用于指示终端的时间特征、地理位置特征和网络特征中的至少一种；所述高峰时间段是指电梯的使用频率超过预设频率的时间段；
模型获取模块720，用于获取预测模型，所述预测模型是根据历史呼叫参数训练得到的，所述历史呼叫参数用于表示呼叫所述电梯的历史时刻与所述终端所处的历史环境之间的对应关系；
结果预测模块730，用于将所述环境参数输入所述预测模型，得到预测乘梯结果，所述预测乘梯结果用于指示预测呼叫所述电梯的时刻和预测乘坐所述电梯的楼层；
结果发送模块740，用于向调度平台发送所述预测乘梯结果，所述预测乘梯结果用于供所述调度平台确定在所述高峰时间段调度所述电梯的策略。
可选地，所述参数获取模块710，用于：
获取所述高峰时间段；
在所述高峰时间段的起始时刻与当前时刻之间的时间差小于或等于预设时长时，获取所述环境参数，所述当前时刻位于所述起始时刻之前。
可选地，所述结果发送模块740，用于：
在所述预测乘梯结果指示的预测呼叫所述电梯的时刻属于所述高峰时间段时，向所述调度平台发送所述预测乘梯结果。
可选地，所述装置，还包括：第一输出模块和电梯呼叫模块。
第一输出模块，用于在将所述环境参数输入所述预测模型，得到预测乘梯结果之后，根据所述预测乘梯结果输出呼叫确认信息，所述呼叫确认信息用于确认是否根据所述预测乘梯结果呼叫所述电梯；
电梯呼叫模块，用于在接收到根据所述呼叫确认信息输入的确认信息，且当前时刻到达所述预测乘梯结果指示的预测呼叫所述电梯的时刻时，向所述调度平台发送所述电梯呼叫请求，所述电梯呼叫请求包括所述预测乘梯结果指示的预测乘坐所述电梯的楼层。
可选地，所述装置还包括：结果获取模块、参数更新模块和模型训练模块。
结果获取模块，用于在向调度平台发送所述预测乘梯结果之后，获取实际乘梯结果，所述实际乘梯结果用于指示实际呼叫所述电梯的时刻和实际乘坐所述电梯的楼层；
参数更新模块，用于存储所述环境参数和所述实际乘梯结果，得到更新后的历史呼叫参数；
模型训练模块，用于根据所述更新后的历史呼叫参数对所述预测模型进行训练，得到更新后的预测模型，所述更新后的预测模型用于根据之后采集到的环境参数确定预测乘梯结果。
可选地，所述预测模型是根据神经网络模型建立的，所述模型训练模块，用于：
根据所述更新后的历史呼叫参数创建至少一组输入输出对；其中，每组所述输入输出对包括输出参数和特征不同的至少一个输入参数；每组所述输入输出对中的输入参数是根据环境参数确定的，每组所述输入输出对中的输出参数是根据实际乘梯结果确定的；
对于所述至少一组输入输出对中的每组输入输出对，将输入参数输入所述预测模型，得到训练结果；
将每组输入输出对对应的训练结果与所述输入输出对中的输出参数进行比较，得到计算损失，所述计算损失用于指示所述训练结果与所述输出参数之间的误差；
根据所述计算损失更新所述预测模型，得到更新后的预测模型。
可选地，所述装置，还包括：接收模块和第二输出模块。
接收模块，用于在向调度平台发送所述预测乘梯结果之后，接收所述调度平台发送的调度结果，所述调度结果用于推荐待乘坐电梯的电梯；
第二输出模块，用于输出所述调度结果。
本申请还提供一种计算机可读介质，其上存储有程序指令，程序指令被处理器执行时实现上述各个方法实施例提供的电梯调度方法。
本申请还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个实施例所述的电梯调度方法。
参考图8，其示出了本申请一个示例性实施例提供的电梯调度设备的结构方框图。本申请中的电梯调度设备可以包括一个或多个如下部件：处理器810和存储器820。
处理器810可以包括一个或者多个处理核心。处理器810利用各种接口和线路连接整个电梯调度设备内的各个部分，通过运行或执行存储在存储器820内的指令、程序、代码集或指令集，以及调用存储在存储器820内的数据，执行电梯调度设备的各种功能和处理数据。可选地，处理器810可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(ProgrammableLogic Array，PLA)中的至少一种硬件形式来实现。处理器810可集成中央处理器(CentralProcessing Unit，CPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统和应用程序等；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器810中，单独通过一块芯片进行实现。
可选地，处理器810执行存储器820中的程序指令时实现下上述各个方法实施例提供的电梯调度方法。
存储器820可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选地，该存储器820包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器820可用于存储指令、程序、代码、代码集或指令集。存储器820可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令、用于实现上述各个方法实施例的指令等；存储数据区可存储根据电梯调度设备的使用所创建的数据等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种电梯调度方法，其特征在于，所述方法包括：
在高峰时间段到达之前获取环境参数，所述环境参数用于指示终端的时间特征、地理位置特征和网络特征中的至少一种；所述高峰时间段是指电梯的使用频率超过预设频率的时间段；
获取预测模型，所述预测模型是根据历史呼叫参数训练得到的，所述历史呼叫参数用于表示呼叫所述电梯的历史时刻与所述终端所处的历史环境之间的对应关系；
将所述环境参数输入所述预测模型，得到预测乘梯结果，所述预测乘梯结果用于指示预测呼叫所述电梯的时刻和预测乘坐所述电梯的楼层；
向调度平台发送所述预测乘梯结果，所述预测乘梯结果用于供所述调度平台确定在所述高峰时间段调度所述电梯的策略。
2.根据权利要求1所述的方法，其特征在于，所述在高峰时间段到达之前获取环境参数，包括：
获取所述高峰时间段；
在所述高峰时间段的起始时刻与当前时刻之间的时间差小于或等于预设时长时，获取所述环境参数，所述当前时刻位于所述起始时刻之前。
3.根据权利要求1所述的方法，其特征在于，所述向调度平台发送所述预测乘梯结果，包括：
在所述预测乘梯结果指示的预测呼叫所述电梯的时刻属于所述高峰时间段时，向所述调度平台发送所述预测乘梯结果。
4.根据权利要求1所述的方法，其特征在于，所述将所述环境参数输入所述预测模型，得到预测乘梯结果之后，还包括：
根据所述预测乘梯结果输出呼叫确认信息，所述呼叫确认信息用于确认是否根据所述预测乘梯结果呼叫所述电梯；
在接收到根据所述呼叫确认信息输入的确认信息，且当前时刻到达所述预测乘梯结果指示的预测呼叫所述电梯的时刻时，向所述调度平台发送电梯呼叫请求，所述电梯呼叫请求包括所述预测乘梯结果指示的预测乘坐所述电梯的楼层。
5.根据权利要求1至4任一所述的方法，其特征在于，所述向调度平台发送所述预测乘梯结果之后，还包括：
获取实际乘梯结果，所述实际乘梯结果用于指示实际呼叫所述电梯的时刻和实际乘坐所述电梯的楼层；
存储所述环境参数和所述实际乘梯结果，得到更新后的历史呼叫参数；
根据所述更新后的历史呼叫参数对所述预测模型进行训练，得到更新后的预测模型，所述更新后的预测模型用于根据之后采集到的环境参数确定预测乘梯结果。
6.根据权利要求5所述的方法，其特征在于，所述预测模型是根据神经网络模型建立的，所述根据所述更新后的历史呼叫参数对所述预测模型进行训练，得到更新后的预测模型，包括：
根据所述更新后的历史呼叫参数创建至少一组输入输出对；其中，每组所述输入输出对包括输出参数和特征不同的至少一个输入参数；每组所述输入输出对中的输入参数是根据环境参数确定的，每组所述输入输出对中的输出参数是根据实际乘梯结果确定的；
对于所述至少一组输入输出对中的每组输入输出对，将输入参数输入所述预测模型，得到训练结果；
将每组输入输出对对应的训练结果与所述输入输出对中的输出参数进行比较，得到计算损失，所述计算损失用于指示所述训练结果与所述输出参数之间的误差；
根据所述计算损失更新所述预测模型，得到更新后的预测模型。
7.根据权利要求1至4任一所述的方法，其特征在于，所述向调度平台发送所述预测乘梯结果之后，还包括：
接收所述调度平台发送的调度结果，所述调度结果用于推荐待乘坐电梯的电梯；
输出所述调度结果。
8.一种电梯调度装置，其特征在于，所述装置包括：
参数获取模块，用于在高峰时间段到达之前获取环境参数，所述环境参数用于指示终端的时间特征、地理位置特征和网络特征中的至少一种；所述高峰时间段是指电梯的使用频率超过预设频率的时间段；
模型获取模块，用于获取预测模型，所述预测模型是根据历史呼叫参数训练得到的，所述历史呼叫参数用于表示呼叫所述电梯的历史时刻与所述终端所处的历史环境之间的对应关系；
结果预测模块，用于将所述环境参数输入所述预测模型，得到预测乘梯结果，所述预测乘梯结果用于指示预测呼叫所述电梯的时刻和预测乘坐所述电梯的楼层；
结果发送模块，用于向调度平台发送所述预测乘梯结果，所述预测乘梯结果用于供所述调度平台确定在所述高峰时间段调度所述电梯的策略。
9.一种电梯调度设备，其特征在于，所述电梯调度设备包括处理器、与所述处理器相连的存储器，以及存储在所述存储器上的程序指令，所述处理器执行所述程序指令时实现如权利要求1至7任一所述的电梯调度方法。
10.一种计算机可读存储介质，其特征在于，其上存储有程序指令，所述程序指令被处理器执行时实现如权利要求1至7任一所述的电梯调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711090808.3A CN107879206B (zh) | 2017-11-08 | 2017-11-08 | 电梯调度方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711090808.3A CN107879206B (zh) | 2017-11-08 | 2017-11-08 | 电梯调度方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107879206A CN107879206A (zh) | 2018-04-06 |
| CN107879206B true CN107879206B (zh) | 2019-07-23 |
Family
ID=61779548
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711090808.3A Expired - Fee Related CN107879206B (zh) | 2017-11-08 | 2017-11-08 | 电梯调度方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107879206B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110127464B (zh) * | 2019-05-16 | 2021-09-17 | 永大电梯设备（中国）有限公司 | 一种基于动态优化的多目标电梯调度系统及方法 |
| CN110182655B (zh) * | 2019-06-06 | 2021-10-08 | 上海三菱电梯有限公司 | 用于单梯的预测乘客乘梯需求的电梯控制方法 |
| CN111776896B (zh) * | 2019-11-18 | 2022-09-06 | 北京京东尚科信息技术有限公司 | 电梯调度方法和装置 |
| CN111071872A (zh) * | 2020-01-09 | 2020-04-28 | 广东卓梅尼技术股份有限公司 | 基于通勤人流量测算的智能梯控方法及系统 |
| CN111598211B (zh) * | 2020-04-13 | 2023-07-04 | 北京百度网讯科技有限公司 | 电梯调度模型训练方法、装置、电子设备和存储介质 |
| CN113291939B (zh) * | 2021-04-08 | 2023-02-10 | 上海新时达电气股份有限公司 | 电梯调度方法、装置、电子设备及存储介质 |
| CN113321082B (zh) * | 2021-06-15 | 2023-08-18 | 上海有个机器人有限公司 | 一种可移动设备乘坐电梯的控制系统 |
| CN113526272B (zh) * | 2021-07-08 | 2023-01-24 | 日立楼宇技术（广州）有限公司 | 电梯群控系统和电梯群控设备 |
| CN115504341A (zh) * | 2022-09-29 | 2022-12-23 | 深圳市明源云科技有限公司 | 电梯运行方法、装置、终端设备以及存储介质 |
| CN117068896B (zh) * | 2023-10-13 | 2024-01-26 | 南京瑞永城市更新研究院有限公司 | 一种基于人脸识别与语音指示的电梯智能控制方法及系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8220591B2 (en) * | 2005-04-15 | 2012-07-17 | Otis Elevator Company | Group elevator scheduling with advance traffic information |
| CN100462295C (zh) * | 2006-09-29 | 2009-02-18 | 浙江工业大学 | 基于图像识别技术的群控电梯智能调度装置 |
| JP2010222074A (ja) * | 2009-03-19 | 2010-10-07 | Toshiba Corp | エレベータ群管理システムおよびその方法 |
| JP6038690B2 (ja) * | 2013-03-08 | 2016-12-07 | 株式会社東芝 | エレベータ交通需要予測装置 |
| CN107207194B (zh) * | 2015-02-24 | 2019-09-06 | 通力股份公司 | 用于预测目的地呼叫的楼层信息的方法和设备 |
-
2017
- 2017-11-08 CN CN201711090808.3A patent/CN107879206B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN107879206A (zh) | 2018-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107879206B (zh) | 电梯调度方法、装置、设备及存储介质 | |
| CN106315319B (zh) | 一种电梯智能预调度方法及系统 | |
| CN109658928A (zh) | 一种家庭服务机器人云端多模态对话方法、装置及系统 | |
| Liu et al. | A reinforcement learning-based resource allocation scheme for cloud robotics | |
| CN109032356A (zh) | 手语控制方法、装置及系统 | |
| Song et al. | Networking systems of AI: On the convergence of computing and communications | |
| CN107079050A (zh) | 服务层会话迁移和共享 | |
| Rahman et al. | A cloud robotics framework of optimal task offloading for smart city applications | |
| CN112698925B (zh) | 一种服务器集群的容器混合运行处理方法 | |
| CN111526193B (zh) | 基于雾计算和区块链平台的分布式气象站系统及工作方法 | |
| CN108545556A (zh) | 基于神经网络的信息处理装置及方法 | |
| Guo et al. | An energy sensitive computation offloading strategy in cloud robotic network based on ga | |
| CN107113572A (zh) | 针对无线网络的地理信息 | |
| CN115310936B (zh) | 基于数字孪生的智慧物流工厂可视化与数据服务技术系统 | |
| Laili et al. | Parallel scheduling of large-scale tasks for industrial cloud–edge collaboration | |
| Shah | Recent advances in mobile grid and cloud computing | |
| Muccini et al. | Leveraging machine learning techniques for architecting self-adaptive iot systems | |
| CN116382843A (zh) | 一种基于Kubernetes容器技术的工业AI算力PaaS平台 | |
| CN107902503B (zh) | 呼叫电梯的方法、装置、设备及存储介质 | |
| CN107809493A (zh) | 一种基于多智能体的物联网操作系统原型 | |
| Mu et al. | Deep reinforcement learning based adaptive threshold multi-tasks offloading approach in mec | |
| CN111199440A (zh) | 事件预估方法、装置以及电子设备 | |
| CN106325515B (zh) | 一种面向服务的人机交互系统以及实现方法 | |
| CN110764833B (zh) | 一种基于边缘计算的任务卸载方法、装置及系统 | |
| US11212189B2 (en) | Operation information system based on pervasive computing |
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 | ||
| CB02 | Change of applicant information |
Address after: 523860 No. 18, Wu Sha Beach Road, Changan Town, Dongguan, Guangdong Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: 523860 No. 18, Wu Sha Beach Road, Changan Town, Dongguan, Guangdong Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190723 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |