CN108120991A - 一种行车轨迹优化方法 - Google Patents
一种行车轨迹优化方法 Download PDFInfo
- Publication number
- CN108120991A CN108120991A CN201711273722.4A CN201711273722A CN108120991A CN 108120991 A CN108120991 A CN 108120991A CN 201711273722 A CN201711273722 A CN 201711273722A CN 108120991 A CN108120991 A CN 108120991A
- Authority
- CN
- China
- Prior art keywords
- location data
- satellite
- satellite positioning
- satellite location
- wheelpath
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种行车轨迹优化方法,包括以下步骤:获取卫星定位数据并进行异常点检测预处理;根据预处理后的卫星定位数据进行聚类检测;对卫星定位数据进行平滑处理;抽取关键行驶特征。本发明对采集到的卫星定位数据进行滤波预处理,减小错误的卫星定位数据点对驾驶行为检测产生的影响。本发明对预处理后的卫星定位数据进行聚类检测,去除静止时的卫星定位漂移的影响,同时减少数据量,减少流量和服务器存储成本。本发明对卫星定位数据进行Kalman滤波处理,有效降低数据中的噪声的影响,得到的轨迹更加平滑。本发明对卫星定位数据进行抽析,减少数据量同时保留轨迹的关键信息。
Description
技术领域
本发明涉及轨迹优化领域,具体是一种行车轨迹优化方法。
背景技术
现代生活中,自驾出行已经成为了人们最重要的交通手段之一。随着车载智能设备与智能手机的发展,越来越多的设备具备卫星定位能力,使得记录行车轨迹成为可能。在驾驶行为分析、基于用户使用的保险、政府交通监控等方面的应用场景越来越多。
由于行车轨迹是根据卫星定位得到的位置点信息生成,而卫星定位技术在应用时,会受到环境因素的影响,存在一定的误差,导致轨迹存在漂移等问题。现有的行车轨迹优化方法主要是采用平均滤波方法实现,如中值滤波等。现有的方法优化后的行车轨迹不够准确,与实际轨迹差距较大,且会损失轨迹中的原始特征。
发明内容
本发明的目的在于提供一种行车轨迹优化方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种行车轨迹优化方法,包括以下步骤:
一、获取卫星定位数据并进行异常点检测预处理;
二、根据预处理后的卫星定位数据进行聚类检测;
三、对卫星定位数据进行平滑处理;抽取关键行驶特征。
作为本发明进一步的方案:所述卫星定位数据是设定固定采样频率的卫星定位数据,包含卫星定位纬度、卫星定位经度、卫星定位时间、卫星定位方向、卫星定位速度、当前定位使用卫星数与卫星定位水平精度。
作为本发明进一步的方案:所述步骤一中,进行异常点检测预处理是对所取得的卫星定位数据进行过滤,去除卫星定位精度差、卫星定位时间错误、卫星定位经纬度错误、卫星定位方向错误和卫星定位速度错误的数据点。
作为本发明进一步的方案:所述步骤二中,根据预处理后的卫星定位数据进行聚类检测的步骤包括:在规定时间内,连续卫星定位数据点的速度与距离没有超过速度预设阈值与距离预设阈值的数据点,统一聚类为一个数据点。
作为本发明进一步的方案:所述步骤二中,速度预设阈值为3m/s。
作为本发明进一步的方案:所述步骤三中,对卫星定位数据进行平滑处理的步骤包括:使用卡尔曼滤波器降低卫星定位数据中的噪声的影响,对卫星定位的位置和速度的状态进行估计,修正观测值。
作为本发明进一步的方案:所述步骤三中,抽取关键行驶特征的步骤包括:在规定时间内,连续的卫星定位数据点的速度大于速度预设阈值,且方位角变动值小于方位角预设阈值的数据点,只保留中间的数据点。
作为本发明进一步的方案:所述步骤三中,速度预设阈值为5m/s,方位角预设阈值为20度。
与现有技术相比,本发明的有益效果是:
本发明对采集到的卫星定位数据进行滤波预处理,减小错误的卫星定位数据点对驾驶行为检测产生的影响。进一步地,本发明预处理后的卫星定位数据进行聚类检测,去除静止位置附近的漂移点的影响,同时减少数据量,减少流量和服务器存储成本。进一步地,本发明对卫星定位数据进行Kalman滤波处理,利用之前的位置和速度信息估计下一个数据的位置和速度信息,修正下一个数据的观测值,有效减低数据中的噪声的影响,得到的轨迹更加平滑。进一步地,本发明对卫星定位数据进行抽析,减少数据量同时保留轨迹的关键信息。
附图说明
图1为本发明实施例1中实施行车轨迹优化的流程示意图;
图2为本发明实施例1中根据预处理后的卫星定位数据进行聚类检测的流程示意图;
图3为本发明实施例1中对卫星定位数据进行平滑去噪处理的流程示意图。
具体实施方式
下面将结合本发明实施例,对本发明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。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例1
请参阅图1,本发明实施例中,一种行车轨迹优化方法,包括以下步骤:
步骤S10,启动卫星定位模块
在本实施例中,卫星定位模块可以位于以下多个位置中的任意一个:驾驶车辆内部、车载智能设备(如车载后视镜)、智能手机等。卫星定位模块可以配置外接天线以增强信号接收。天线的安装位置以不妨碍车辆驾驶位条件。在车辆开始行驶,系统自动或用户手动开始行为检测过程之后,开启卫星定位模块。
步骤S20,获取卫星定位数据
上述卫星定位模块可与计算终端,如车辆内部计算机、车载智能设备、智能手机等设备建立数据连接。在卫星定位模块开启后,上述计算终端通过数据连接,接收模块产生的卫星定位数据并进行处理。值得一提的是,卫星定位模块和计算终端可以位于不同的位置,例如智能手机可通过数据连接,接收位于车载智能设备之中的卫星定位模块产生的卫星定位数据,并进行处理。
步骤S30,异常点检测预处理。
在本实施例中,对所取得的卫星定位数据进行过滤,去除卫星定位水平精度差、卫星定位时间错误、卫星定位经纬度错误、卫星定位方向错误和卫星定位速度错误的数据点。具体定义的上述错误数据包括:
1)卫星定位时间小于等于0;
2)当前数据点与上一数据点的卫星定位时间差小于0;
3)卫星定位纬度和经度同时等于0;
4)卫星定位方向小于0或大于等于360;
5)卫星定位速度小于0m/s或大于速度预设阈值,优选地速度预设阈值为110m/s。
6)卫星定位水平精度大于水平精度预设阈值,优选地水平精度预设阈值为50m。
7)相邻两数据点间的加速度值大于加速度预设阈值,优选地加速度预设阈值为15m/s^2。
8)Dis>MaxSpd*TimeInterval+30。
其中,Dis表示待检测位置点与前一个位置点的距离;TimeInterval表示待检测位置点与前一个位置点的时间差;MaxSpd表示允许的最大速度。优选地MaxSpd可取。
步骤S40,根据预处理后的卫星定位数据进行聚类检测。
如图2所示,所述根据预处理后的卫星定位数据进行聚类检测的方法包含如下步骤:
S4001:判断预处理后的卫星定位数据是否静止点。若是,则跳过步骤S4002,直接执行步骤S4003;若否,则顺序执行步骤S4002。所述静止判断规则为:卫星定位速度,即实际车辆速度的测量值,小于速度预设阈值。优选地,该速度预设阈值为3m/s。
S4002:使用当前卫星定位数据与待聚类列表中的数据判断距离是否大于距离预设阈值。若是,则跳过步骤S4003,直接执行步骤S4004;若否,则顺序执行步骤S4003。
S4003:将当前卫星定位数据加入待聚类列表,等待聚类。读取下一个卫星定位数据,重新执行S4001。
S4004:判断待聚类列表是否为空。若是,则读取下一个卫星定位数据,直接执行步骤S4001;否则,顺序执行步骤S4005。
S4005:取待聚类列表中的所有卫星定位数据的聚类中心点作为输出数据。所述聚类中心点为卫星定位数据位置信息的均值,其他数据取首个数据点的信息。
步骤S50,对卫星定位数据进行平滑去噪处理
如图2所示,在本实施例中所述平滑去噪处理使用卡尔曼滤波,状态更新方程为xk=Fkxk-1+wk,其中lk为K时刻的平面位置的状态此处为经纬度,mk为速度状态,Fk为状态转换矩阵,wk为过程噪声。观测方程为zk=Hkxk+vk,其中Hk为观测矩阵,vk为观测噪声。
步骤S60,抽取关键行驶特征
所述抽取关键行驶特征是指对车辆直线行驶中的轨迹进行抽取,以直线行驶段的中间点代表整段轨迹。
具体规则为:找到行车轨迹中的所有卫星定位数据点的速度大于速度预设阈值且卫星方位角的变动值小于方位角预设阈值的连续数据点,对此部分进行降采样。优选地,速度预设阈值为5m/s,方位角预设阈值为20度,降采样率为20%。
所述卫星方位角的变动值指该段数据卫星定位方向变动的最大值,表示行车方向变动范围的大小。
在本实施例中的行车轨迹优化方法,首先按照设定的采样频率采集车辆运动的卫星定位数据点信息,然后对采集到的所述卫星定位数据信息进行过滤预处理,去除异常点,之后进行聚类、平滑与行驶特征抽取,得到最终的行车轨迹。与现有技术相比,本实施例中的行车轨迹优化方法去除了数据异常点,修正观测误差的影响,去掉了静止时的漂移数据影响,同时大大减少结果数据量。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种行车轨迹优化方法,其特征在于,包括以下步骤:
一、获取卫星定位数据并进行异常点检测预处理;
二、根据预处理后的卫星定位数据进行聚类检测;
三、对卫星定位数据进行平滑处理;抽取关键行驶特征。
2.根据权利要求1所述的行车轨迹优化方法,其特征在于,所述卫星定位数据是设定固定采样频率的卫星定位数据,包含卫星定位纬度、卫星定位经度、卫星定位时间、卫星定位方向、卫星定位速度、当前定位使用卫星数与卫星定位水平精度。
3.根据权利要求1所述的行车轨迹优化方法,其特征在于,所述步骤一中,进行异常点检测预处理是对所取得的卫星定位数据进行过滤,去除卫星定位精度差、卫星定位时间错误、卫星定位经纬度错误、卫星定位方向错误和卫星定位速度错误的数据点。
4.根据权利要求1所述的行车轨迹优化方法,其特征在于,所述步骤二中,根据预处理后的卫星定位数据进行聚类检测的步骤包括:在规定时间内,连续卫星定位数据点的速度与距离没有超过速度预设阈值与距离预设阈值的数据点,统一聚类为一个数据点。
5.根据权利要求4所述的行车轨迹优化方法,其特征在于,所述步骤二中,速度预设阈值为3m/s。
6.根据权利要求1所述的行车轨迹优化方法,其特征在于,所述步骤三中,对卫星定位数据进行平滑处理的步骤包括:使用卡尔曼滤波器降低卫星定位数据中的噪声的影响,对卫星定位的位置和速度的状态进行估计,修正观测值。
7.根据权利要求1所述的行车轨迹优化方法,其特征在于,所述步骤三中,抽取关键行驶特征的步骤包括:在规定时间内,连续的卫星定位数据点的速度大于速度预设阈值,且方位角变动值小于方位角预设阈值的数据点,只保留中间的数据点。
8.根据权利要求7所述的行车轨迹优化方法,其特征在于,所述步骤三中,速度预设阈值为5m/s,方位角预设阈值为20度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711273722.4A CN108120991A (zh) | 2017-12-06 | 2017-12-06 | 一种行车轨迹优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711273722.4A CN108120991A (zh) | 2017-12-06 | 2017-12-06 | 一种行车轨迹优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108120991A true CN108120991A (zh) | 2018-06-05 |
Family
ID=62228851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711273722.4A Pending CN108120991A (zh) | 2017-12-06 | 2017-12-06 | 一种行车轨迹优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108120991A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109669199A (zh) * | 2018-12-12 | 2019-04-23 | 拉扎斯网络科技(上海)有限公司 | 一种定位方法、终端和计算机和存储介质 |
CN110160539A (zh) * | 2019-05-28 | 2019-08-23 | 北京百度网讯科技有限公司 | 地图匹配方法、装置、计算设备和介质 |
CN111464949A (zh) * | 2020-03-24 | 2020-07-28 | 拉扎斯网络科技(上海)有限公司 | 一种位置校正的方法、装置、可读存储介质和电子设备 |
CN111899327A (zh) * | 2020-07-07 | 2020-11-06 | 北京三快在线科技有限公司 | 轨迹点数据优化方法、装置、电子设备和存储介质 |
CN112017314A (zh) * | 2020-09-28 | 2020-12-01 | 河北中岗通讯工程有限公司 | 一种基于卫星定位的低功耗高速公路收费装置及工作步骤 |
CN112614345A (zh) * | 2020-12-15 | 2021-04-06 | 平安国际智慧城市科技股份有限公司 | 车辆速度的计算方法、装置、设备及存储介质 |
CN112731505A (zh) * | 2020-12-09 | 2021-04-30 | 深圳市锐驰曼科技发展有限公司 | 一种基于车载视频终端环境过滤突变gps速度的方法 |
CN112835080A (zh) * | 2021-01-21 | 2021-05-25 | 成都路行通信息技术有限公司 | 车辆静止状态的轨迹修复方法、装置及电子设备 |
CN116386339A (zh) * | 2023-06-06 | 2023-07-04 | 中路高科交通科技集团有限公司 | 一种省际客运未按线路行驶违法行为智能检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104391888A (zh) * | 2014-11-11 | 2015-03-04 | 福建星海通信科技有限公司 | 一种异常定位数据的过滤方法 |
CN104464028A (zh) * | 2014-12-04 | 2015-03-25 | 江苏天安智联科技股份有限公司 | 一种车辆行驶轨迹数据的采集方法 |
CN104952248A (zh) * | 2015-06-08 | 2015-09-30 | 浙江大学 | 一种基于欧氏空间的车辆汇聚预测方法 |
CN105509753A (zh) * | 2015-12-28 | 2016-04-20 | 北京握奇智能科技有限公司 | 一种基于浮动车卫星定位数据的地图匹配方法及系统 |
CN105718939A (zh) * | 2016-01-13 | 2016-06-29 | 北京中交兴路信息科技有限公司 | 基于增量聚类的车辆停靠轨迹漂移去除方法及装置 |
CN106649709A (zh) * | 2016-12-20 | 2017-05-10 | 北京航空航天大学 | 一种基于数据挖掘的车辆停留行为模式预测与评估方法 |
-
2017
- 2017-12-06 CN CN201711273722.4A patent/CN108120991A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104391888A (zh) * | 2014-11-11 | 2015-03-04 | 福建星海通信科技有限公司 | 一种异常定位数据的过滤方法 |
CN104464028A (zh) * | 2014-12-04 | 2015-03-25 | 江苏天安智联科技股份有限公司 | 一种车辆行驶轨迹数据的采集方法 |
CN104952248A (zh) * | 2015-06-08 | 2015-09-30 | 浙江大学 | 一种基于欧氏空间的车辆汇聚预测方法 |
CN105509753A (zh) * | 2015-12-28 | 2016-04-20 | 北京握奇智能科技有限公司 | 一种基于浮动车卫星定位数据的地图匹配方法及系统 |
CN105718939A (zh) * | 2016-01-13 | 2016-06-29 | 北京中交兴路信息科技有限公司 | 基于增量聚类的车辆停靠轨迹漂移去除方法及装置 |
CN106649709A (zh) * | 2016-12-20 | 2017-05-10 | 北京航空航天大学 | 一种基于数据挖掘的车辆停留行为模式预测与评估方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020119747A1 (zh) * | 2018-12-12 | 2020-06-18 | 拉扎斯网络科技(上海)有限公司 | 一种定位方法、终端和计算机和存储介质 |
CN109669199A (zh) * | 2018-12-12 | 2019-04-23 | 拉扎斯网络科技(上海)有限公司 | 一种定位方法、终端和计算机和存储介质 |
CN110160539A (zh) * | 2019-05-28 | 2019-08-23 | 北京百度网讯科技有限公司 | 地图匹配方法、装置、计算设备和介质 |
CN111464949A (zh) * | 2020-03-24 | 2020-07-28 | 拉扎斯网络科技(上海)有限公司 | 一种位置校正的方法、装置、可读存储介质和电子设备 |
CN111899327A (zh) * | 2020-07-07 | 2020-11-06 | 北京三快在线科技有限公司 | 轨迹点数据优化方法、装置、电子设备和存储介质 |
CN112017314A (zh) * | 2020-09-28 | 2020-12-01 | 河北中岗通讯工程有限公司 | 一种基于卫星定位的低功耗高速公路收费装置及工作步骤 |
CN112731505A (zh) * | 2020-12-09 | 2021-04-30 | 深圳市锐驰曼科技发展有限公司 | 一种基于车载视频终端环境过滤突变gps速度的方法 |
CN112614345A (zh) * | 2020-12-15 | 2021-04-06 | 平安国际智慧城市科技股份有限公司 | 车辆速度的计算方法、装置、设备及存储介质 |
CN112614345B (zh) * | 2020-12-15 | 2023-01-10 | 平安国际智慧城市科技股份有限公司 | 车辆速度的计算方法、装置、设备及存储介质 |
CN112835080A (zh) * | 2021-01-21 | 2021-05-25 | 成都路行通信息技术有限公司 | 车辆静止状态的轨迹修复方法、装置及电子设备 |
CN112835080B (zh) * | 2021-01-21 | 2024-03-19 | 成都路行通信息技术有限公司 | 车辆静止状态的轨迹修复方法、装置及电子设备 |
CN116386339A (zh) * | 2023-06-06 | 2023-07-04 | 中路高科交通科技集团有限公司 | 一种省际客运未按线路行驶违法行为智能检测方法 |
CN116386339B (zh) * | 2023-06-06 | 2023-08-15 | 中路高科交通科技集团有限公司 | 一种省际客运未按线路行驶违法行为智能检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108120991A (zh) | 一种行车轨迹优化方法 | |
Aly et al. | semMatch: Road semantics-based accurate map matching for challenging positioning data | |
CN103593974B (zh) | 一种基于定位信息的公交载客量采集方法 | |
CN107103775A (zh) | 一种基于群智计算的道路质量检测方法 | |
CN110377682B (zh) | 轨迹类型确定方法、装置、计算设备和存储介质 | |
CN109703492A (zh) | 车辆颠簸的确定处理方法及装置 | |
CN112885099B (zh) | 用于确定车辆轨迹关键点的方法、装置及设备 | |
CN108646261B (zh) | 一种车辆gps数据集的数据处理方法和装置 | |
CN113553482B (zh) | 停留点识别和出行链构建系统、算法、设备及存储介质 | |
WO2019047597A1 (zh) | 一种识别光照驾驶场景的方法和装置 | |
CN112528859B (zh) | 车道线检测方法、装置、设备及存储介质 | |
CN110532546B (zh) | 一种融合地理位置和文本相似性的警情自动下发方法 | |
CN109766793A (zh) | 数据处理方法和装置 | |
CN112562330A (zh) | 评估道路运行指数的方法和装置、电子设备、存储介质 | |
CN114647705A (zh) | 一种基于ais数据的船舶航线提取与轨迹分类方法 | |
CN112818792A (zh) | 车道线检测方法、装置、电子设备及计算机存储介质 | |
CN111163419B (zh) | 车辆协作动态追踪中基于状态均值的恶意用户检测方法 | |
CN111562605B (zh) | 自适应的gps错误观测值识别方法 | |
CN109085624A (zh) | 基于定位信号强度的室内外定位方法、装置及计算机设备 | |
CN112883236A (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
CN117332207A (zh) | 一种基于深度学习的长时间航迹预测方法、介质及装置 | |
CN109270566B (zh) | 导航方法、导航效果测试方法、装置、设备和介质 | |
CN112182132A (zh) | 一种地铁用户的识别方法、系统、设备和存储介质 | |
CN108760239B (zh) | 车辆识别装置检测方法及系统 | |
CN104121917A (zh) | 一种自动发现新建桥梁的方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180605 |
|
RJ01 | Rejection of invention patent application after publication |