CN108303978A - 一种车辆自动驾驶的动态路径与速度确定方法 - Google Patents

一种车辆自动驾驶的动态路径与速度确定方法 Download PDF

Info

Publication number
CN108303978A
CN108303978A CN201711479607.2A CN201711479607A CN108303978A CN 108303978 A CN108303978 A CN 108303978A CN 201711479607 A CN201711479607 A CN 201711479607A CN 108303978 A CN108303978 A CN 108303978A
Authority
CN
China
Prior art keywords
section
path
road
time
speed
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
Application number
CN201711479607.2A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongguan Equity Exchange Center
Original Assignee
Dongguan Equity Exchange Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongguan Equity Exchange Center filed Critical Dongguan Equity Exchange Center
Priority to CN201711479607.2A priority Critical patent/CN108303978A/zh
Publication of CN108303978A publication Critical patent/CN108303978A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明以各路段拥堵的正态分布模型为基础，挖掘利用以往2个月约60天的交通数据，用统计方法估算出各路段的通行时间，进而得到由所取路径驾车由出发地到目的地的时间。车辆可以实现一定程度的自动驾驶。本发明取的数据不多，所以数据的采集通讯以及处理都非常迅速，数据处理方式简单高效，且结果反馈极快，可以实现瞬时处理，成本极低，易于在车载控制系统中推广。

Description

一种车辆自动驾驶的动态路径与速度确定方法
技术领域
本发明涉及考虑路径信息的控制策略技术领域，特别是涉及一种车辆自动驾驶的动态路径与速度确定方法。
背景技术
目前，人们对出行的要求越来越高，希望尽快到达目的地，希望车辆能够自动驾驶或者“傻瓜式”驾驶，而城市尤其是特大型城市如上海、北京越来越大，路越来越多，中心城区各种堵，路况越来越复杂。
对于车载控制系统的路径选择，现有的技术基本流于静态处理或者各种导航的简单的实时选择，结果常常与实际相差太多，数据处理极端粗略，准确率非常低，没有能够很好的发掘以往交通数据，无法在最短时间内到达目的地。本人的申请号为2017111930629的申请提出了一种解决方案，本发明对该方案继续进行优化推广。
很多随机现象可以用正态分布来描述或者近似描述，在观测值足够多时，大量随机现象用正态分布来描述可以做出可靠的预测。
正态分布（Normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布，记为
X∼N(μ,σ2),
其概率密度函数为
正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。
正态分布有些极好的统计性质:
（1）其密度函数关于均值对称，
（2）其数据高度集中于均值附近，P（-σ<x-μ<σ）=68%,也即近70%的数据分布于区间（μ-σ，μ+σ）。
发明内容
本发明的目的是提供一种车辆自动驾驶的动态路径与速度确定方法，发掘利用以往交通数据，给出不同路段的不同道路通行速度，找出从出发地到目的地用时最短的路径以及速度，保证用户在最短的时间内到达目的地。
为实现上述目的，本发明采用以下技术方案：
一种车辆自动驾驶的动态路径与速度确定方法，包括步骤：
（1）获取地理位置信息及时间信息，即获取出发地、目的地的地理位置信息以及出发时间的时间信息；
（2）获取所有可能路径，即根据地理数据库、出发地和目的地的地理位置信息，找出由出发地到目的地所有可能通行路径:路径1, 路径2,…, 路径n；
（4）确定每一路径的具体路段，即确定路径1的具体路段，路径2的具体路段,…,路径n的具体路段；
（5）确定每一路段用时tij，即利用路段拥堵的正态分布模型，计算所有可能通行路径的每一路段所用时间，tij表示路径i的第j路段所用时间，i取值范围为1,…,n,j取值范围为1,…,m；
（6）确定每一路径用时T1，T2，…,Tn，即将每一路径i的各路段所用时间之和算出即：Ti=ti1+ti2+…+tim；
（7）取T1，T2，…,Tn最小值Ta，即得目标路径a路径，也即车辆选取a路径为最终行车路径，并且选取对应的速度即为车行速度。
所述的路段拥堵的正态分布模型，对某一路段，建立方法为:
S01确定时刻信息：e年a月b日c时d分，a,b,c,d,e确定；
S02由地理数据库，获取所述路段长度s；
S03从道路交通数据库中获取前60天中c时d分该路段的机动车平均速度，得到一组60个速度数据；
S04由t=s/v得到机动车行完所述路段所需时间；
S05取μ=(t1+t2+t3+…+t60)/60;σ2=(t1 2 +t2 2+t3 2+…+t60 2)/ 60-μ2 ,记通过路段的时间X，X服从一个数学期望为μ、标准方差为σ2的正态分布，记为：
X∼N(μ,σ2),
S06将μ,σ代入概率密度函数公式;
S07确定t，具体为：由正态分布数据库或者正态分布计算模块求出t0，使得P（x<=t0）=0.7；t0即为在c时d分，机动车行完所述路段预估的所需时间。
所述地理位置信息，可以从地理数据库中获得，地理数据库包括道路经纬度坐标信息、道路名称、道路长度、建筑经纬度坐标、建筑名称等，所述地理数据库是根据现有地理信息建立而成。
所述的通行路径的各路段的确定规则，每一路段的道路名称单一，且包括起始点，不包括终点，最后一条路段包括起点终点。
所述的道路交通数据库，包括道路名、道路长路，每一时刻在双向上各种车辆的平均速度。
所述的确定时刻信息规则为，后续路段的起始时刻为前一路段的起始时刻加上前一路段的通行时间。
所述的60个速度数据分别为前1日、前2日、前3，4，5…60日上述c时d分在所述路段的机动车平均行驶速度v1，v2，…，v60。
路段的机动车平均速度，可以由该路段的速度摄像头获得该路段的所述时刻数种机动车行驶速度，然后取其平均值。
一种车载控制系统，包括车辆指挥系统、车辆控制系统、道路交通数据库、地理数据库、正态分布计算模块、正态分布数据库；车辆控制系统可以调用各数据库、正态分布计算模块，与车辆指挥系统通讯，处理数据；其中正态分布数据库可以由上述概率密度函数以及参数μ,σ2，概率p给出上述t0。
所述的车辆指挥系统，包括输入输出模块，其中输入模块可以录入包括出发地、目的地信息，输出模块可以显示车辆控制系统处理数据的结果，包括建议路径、速度相关信息。
本发明的优点：
本发明以各路段拥堵的正态分布模型为基础，挖掘利用以往2个月约60天的交通数据，具体到特定时刻，特定路段，根据以往的60天的交通数据，用统计方法估算出各路段的通行时间，进而得到由所取路径驾车由出发地到目的地的时间，车辆可以实现一定程度的自动驾驶。
本发明可以让出车有更多的道路选择，而且每一路段的建议速度都会给出，司机按此速度行驶，车会一路通行，因为本发明在计算时间的时候已经将路口计算进去。
本发明尤其注意及时利用算出的前一路段的最新通行时间数据，在路段的时刻选取上实现了动态规划。
本发明确定的路径是由出车时间最短确定的，而非以往简单以静态距离最短先行确定，保证了用时最短，增加了可行性。
另外，本发明取的数据不多，所以数据的采集通讯以及处理都非常迅速，数据处理方式简单高效，且结果反馈极快，可以实现瞬时处理并且给出结果，成本极低，易于在车载控制系统中推广。
具体实施方式
实施例1：
比如车辆指挥系统于2017年3月4日下午5点6分23秒接到指令从中山路8号到延安路7号。
那么车辆控制系统将做如下操作：
（1）根据地理数据库调取延安路7号的建筑名称为黄河大厦、经纬度坐标为（东经8°，北纬9°），调取中山路8号的建筑名称为中山大厦、经纬度坐标为（东经10°，北纬11°）得到出发地、目的地的地理位置信息；
（2）由地理数据库容易得到中山大厦（东经10°，北纬11°）到黄河大厦（东经8°，北纬9°）的7条不同主要路径，具体为路径1，路径2，路径3，路径4，路径5；路径6，路径7；
(3) 我们以路径1为例说明如何确定路径的路段：路径1由3个路段组成具体为：延安1路，延安2路，延安3路；延安1路段，延安2路段包括起点路口，延安3路段包括起点路口和终点路口，这样所有路口都被算到且只算了一次；
利用路段拥堵的正态分布模型，计算路径1的每一路段所用时间t1,1，t1,2，t1,3;
(4)以第 1路段延安1路所化时间t1,1为例说明如何建立某一路段拥堵的正态分布模型，具体方法为：
S01 由出发时间2017年3月4日下午5点6分23秒确定时刻信息2017年3月4日17时6分；也即将6分23秒四舍五入得到6分；
S02 由地理数据库获取路段延安1路长度s=2公里；
s03根据道路交通数据库，获取前1日17时6分即2017年9月3日17时6分段延安1路的机动车平均速度:由延安1路的速度摄像头获得2017年9月3日17时6分四种机动车行驶速度，分别为：50，42，48，40，取其平均值（50+42+48+40）/4=45，所以v1=45公里/小时；获取前2日17时6分即2017年9月2日17时6分路段延安1路的机动车平均行驶速度V2=44公里/小时……获取前60日当日17时6分路段延安1路的机动车平均行驶速度V60=46公里/小时
前n日（1=<n<=50） 机动车17时6分平均行驶速度v公里/小时
前1日 V1=45
前2日 V2=44
. .
. .
前60日 V60=46
S04由t=s/v得t1=2/45小时=2.7分钟，即前1日17时6分机动车开车行完延安1路所需时间,前2日17时6分机动车行完延安1路路段所需时间t2=2.8分钟,如此，得出警情发生前3，4，5，…，60日17时6分机动车行完延安1路所需时间t3,t4,…,t60;
ti t1, t2, t3, t4, t5, … ,t30, …, t 60
时间/分钟2.7, 2.8 , 2.9, 2.2, 2.1, …, 2 , …, 2.6
S05由μ=(t1+t2+t3+…+t60 )/60=(2.7+2.8 +2.9+ …+2.8)/60=2.5，
σ2=(t1 2 +t2 2+t3 2+…+t60 2) /60-μ2=(2.72+2.82 +2.92+ …+2.82)/60-2.52=8.41，
记机动车行完延安1路所需时间为X，X服从一个数学期望为μ=2.5、方差为σ2=8.41的正态分布，即X∼N(2.5,8.41)；
S06将μ=2.5,σ=2.9代入
=得到具体的概率密度函数公式;
S07由P（x<= t0）=0.7求 t0，具体为
使得P（x<= t0）=0.7=
由正态分布计算模块计算得到t0=4分钟，t0即为延安1路在17时6分机动车行完延安1路预估的所需时间，t1,1=4分钟，该预估时间的准确率为70%，也就是机动车在4分钟内行完延安1路的概率为70%，或说确定性为70%。
t1,2,t1,3算法同t1,1，所不同处仅在于时刻：
t1,1 2017年9月4日17时6分,
又t1，1=4分钟，所以：
t1,2 2017年9月4日17时10分，
即利用上述路段拥堵的正态分布模型计算t1,2时，时刻信息取2017年9月4日17时10分，进而算出t1，2=10分钟，那么类似的
t1,3 2017年9月4日17时20分
即利用上述路段拥堵的正态分布模型计算t1,3时，时刻信息取2017年9月4日17时20分，进而算出 t1，3=30分钟；
(7)由第1路段延安1路所化时间t1，1=4分钟，第2段延安2路所化时间t1,2=10分钟，第3段延安3路所化时间t1,3=30分钟;
那么路线1的通行时间T1=t1,1+t1,2+t1,3=4+10+30=44分钟约为44分钟，即T1=44分钟。
因为路线1由3个路段组成，而每一路段的概率为0.7的用时分别为4分钟以内，10分钟以内，30分钟以内，所以整条路线的用时不超过34分钟的概率为0.7*0.7*0.7;
类似的，我们可以算出路径2,…, 路径7的通行时间，T1，T2，…,T7,如下表所示：
TiT1，T2，T3，T4,T5，T6，T7，
单位/分钟 44， 49， 56， 60， 57， 54， 74，
(8) T1=44最小，故取路径1为目标路径，也即选取路径1为最终行车路径，对应的各路段为延安1路，2公里/2.5分钟=48公里/小时，vd=2公里/4分钟=24公里/小时，vd为速度下界，v为车辆在延安1路的行驶速度，其均值为48公里/小时，速度应该不低于24公里/小时；而延安2路，延安3路，相应的速度分别为45公里/小时，速度应该不低于35公里/小时，速度应该不低于29公里/小时；车辆控制系统将这些路径以及速度信息提交车辆指挥系统并且显示给司机。
司机按照车辆提示的路径以及速度从中山大厦出发，即可在44分钟内到达黄河大厦，确定性为0.73。事实上，如果技术可行的话，车辆可以自动驾驶，仅在转弯以及路段转换的时候需要司机的参与。

Claims (10)

1.一种车辆自动驾驶的动态路径与速度确定方法，其特征在于，包括步骤：
（1）获取地理位置信息及时间信息，即获取出发地、目的地的地理位置信息以及出发时间的时间信息；
（2）获取所有可能路径，即根据地理数据库、出发地和目的地的地理位置信息，找出由出发地到目的地所有可能通行路径:路径1, 路径2,…, 路径n；
（4）确定每一路径的具体路段，即确定路径1的具体路段，路径2的具体路段,…,路径n的具体路段；
（5）确定每一路段用时tij，即利用路段拥堵的正态分布模型，计算所有可能通行路径的每一路段所用时间，tij表示路径i的第j路段所用时间，i取值范围为1,…,n,j取值范围为1,…,m；
（6）确定每一路径用时T1，T2，…,Tn，即将每一路径i的各路段所用时间之和算出即：Ti=ti1+ti2+…+tim；
（7）取T1，T2，…,Tn最小值Ta，即得目标路径a路径，也即车辆选取a路径为最终行车路径，并且选取对应的速度即为车行速度。
2.根据权利要求1所述的路段拥堵的正态分布模型，对某一路段，其特征在于，拥堵的正态分布模型建立方法为:
S01确定时刻信息：e年a月b日c时d分，a,b,c,d,e确定；
S02由地理数据库，获取所述路段长度s；
S03从道路交通数据库中获取前60天中c时d分该路段的机动车平均速度，得到一组60个速度数据；
S04由t=s/v得到机动车行完所述路段所需时间；
S05取μ=(t1+t2+t3+…+t60)/60;σ2=(t1 2 +t2 2+t3 2+…+t60 2)/ 60-μ2 ,记通过路段的时间X，X服从一个数学期望为μ、标准方差为σ2的正态分布，记为：
X∼N(μ,σ2),
S06将μ,σ代入概率密度函数公式;
S07确定t，具体为：由正态分布数据库或者正态分布计算模块求出t0，使得P（x<=t0）=0.7；t0即为在c时d分，机动车行完所述路段预估的所需时间。
3.根据权利要求1所述地理位置信息，其特征在于，可以从地理数据库中获得，地理数据库包括道路经纬度坐标信息、道路名称、道路长度、建筑经纬度坐标、建筑名称等，所述地理数据库是根据现有地理信息建立而成。
4.根据权利要求1所述的通行路径的各路段的确定规则，其特征在于：每一路段的道路名称单一，且包括起始点，不包括终点，最后一条路段包括起点终点。
5.根据权利要求2所述的道路交通数据库，其特征在于：包括道路名、道路长路，每一时刻在双向上各种车辆的平均速度。
6.根据权利要求2所述的确定时刻信息规则为，后续路段的起始时刻为前一路段的起始时刻加上前一路段的通行时间。
7.根据权利要求2所述的60个速度数据，其特征在于，60个速度数据分别为前1日、前2日、前3，4，5…60日上述c时d分在所述路段的机动车平均行驶速度v1，v2，…，v60。
8.根据权利要求2所述的该路段的机动车平均速度，其特征在于，可以由该路段的速度摄像头获得该路段的所述时刻数种机动车行驶速度，然后取其平均值。
9.一种车载控制系统，其特征在于，包括车辆指挥系统、车辆控制系统、道路交通数据库、地理数据库、正态分布计算模块、正态分布数据库；车辆控制系统可以调用各数据库、正态分布计算模块，与车辆指挥系统通讯，处理数据；其中正态分布数据库可以由上述概率密度函数以及参数μ,σ2，概率p给出上述t0。
10.权利要求9所述的车辆指挥系统，其特征在于，包括输入输出模块，其中输入模块可以录入包括出发地、目的地信息，输出模块可以显示车辆控制系统处理数据的结果，包括建议路径、速度相关信息。
CN201711479607.2A 2017-12-29 2017-12-29 一种车辆自动驾驶的动态路径与速度确定方法 Pending CN108303978A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711479607.2A CN108303978A (zh) 2017-12-29 2017-12-29 一种车辆自动驾驶的动态路径与速度确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711479607.2A CN108303978A (zh) 2017-12-29 2017-12-29 一种车辆自动驾驶的动态路径与速度确定方法

Publications (1)

Publication Number Publication Date
CN108303978A true CN108303978A (zh) 2018-07-20

Family

ID=62868167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711479607.2A Pending CN108303978A (zh) 2017-12-29 2017-12-29 一种车辆自动驾驶的动态路径与速度确定方法

Country Status (1)

Country Link
CN (1) CN108303978A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110244725A (zh) * 2019-06-13 2019-09-17 腾讯科技（深圳）有限公司 仿真车辆的控制方法和装置、存储介质及电子装置
TWI678305B (zh) * 2018-10-19 2019-12-01 財團法人車輛研究測試中心 具決策診斷之自動駕駛方法及其裝置
CN114822016A (zh) * 2022-03-11 2022-07-29 上海工程技术大学 一种基于gps数据流的路段均速估计系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288193A (zh) * 2011-07-06 2011-12-21 东南大学 一种基于历史数据的机动车出行路径的确定方法
CN102636177A (zh) * 2012-04-01 2012-08-15 北京百度网讯科技有限公司 一种导航路径规划方法和装置、导航系统
CN105571605A (zh) * 2016-01-29 2016-05-11 宇龙计算机通信科技(深圳)有限公司 导航路线规划方法、导航路线规划装置、终端及服务器
CN106382939A (zh) * 2015-12-20 2017-02-08 杭州后博科技有限公司 一种基于历史数据的导航路径行驶时间预测系统及方法
CN106447138A (zh) * 2016-11-25 2017-02-22 上海电机学院 一种基于速度矩阵的电子地图出行时间计算方法
CN108303109A (zh) * 2017-12-21 2018-07-20 东莞产权交易中心 一种安防系统警情处理路线规划系统和正态方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102288193A (zh) * 2011-07-06 2011-12-21 东南大学 一种基于历史数据的机动车出行路径的确定方法
CN102636177A (zh) * 2012-04-01 2012-08-15 北京百度网讯科技有限公司 一种导航路径规划方法和装置、导航系统
CN106382939A (zh) * 2015-12-20 2017-02-08 杭州后博科技有限公司 一种基于历史数据的导航路径行驶时间预测系统及方法
CN105571605A (zh) * 2016-01-29 2016-05-11 宇龙计算机通信科技(深圳)有限公司 导航路线规划方法、导航路线规划装置、终端及服务器
CN106447138A (zh) * 2016-11-25 2017-02-22 上海电机学院 一种基于速度矩阵的电子地图出行时间计算方法
CN108303109A (zh) * 2017-12-21 2018-07-20 东莞产权交易中心 一种安防系统警情处理路线规划系统和正态方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI678305B (zh) * 2018-10-19 2019-12-01 財團法人車輛研究測試中心 具決策診斷之自動駕駛方法及其裝置
CN110244725A (zh) * 2019-06-13 2019-09-17 腾讯科技（深圳）有限公司 仿真车辆的控制方法和装置、存储介质及电子装置
CN114822016A (zh) * 2022-03-11 2022-07-29 上海工程技术大学 一种基于gps数据流的路段均速估计系统

Similar Documents

Publication Publication Date Title
US11340091B2 (en) Storing and accessing traffic data images in a limited bandwidth environment
CN105489043B (zh) 基于车载自组网的实时路径规划方法
US8150611B2 (en) System and methods for providing predictive traffic information
CN106548646A (zh) 基于雾计算的城市堵车时道路信息服务系统及方法
CN103245347A (zh) 基于路况预测的智能导航方法及系统
CN108303978A (zh) 一种车辆自动驾驶的动态路径与速度确定方法
CN108303110A (zh) 一种车载控制系统及路径速度确定方法
Li et al. Traffic signal timing optimization in connected vehicles environment
CN107490384A (zh) 一种基于城市路网的最优静态路径选择方法
CN108305489A (zh) 一种车载控制系统及动态路径速度规划方法
CN109341710A (zh) 不确定环境的交通网上快速抵达目的地的动态规划法
CN105806355A (zh) 一种车辆绿色路径导航系统及方法
CN105260551B (zh) 车联网中节点分布特性分析方法
CN108303109A (zh) 一种安防系统警情处理路线规划系统和正态方法
CN107346610A (zh) 一种路况提醒方法及装置
CN108389419A (zh) 一种车辆动态路径诱导方法
US10930006B2 (en) Other vehicle position estimation apparatus
CN108305484A (zh) 一种车载控制系统及路径与速度确定方法
Duan et al. Revealing taxi driver route choice characteristics based on GPS data
CN108303977A (zh) 一种车辆自动驾驶的路径与速度确定方法
CN108305487A (zh) 一种车载控制系统及路径与速度规划方法
CN108303973A (zh) 一种车辆的动态路径月均控制策略
CN108460981A (zh) 一种安防系统警情处理动态路线规划系统和正态方法
CN108305486A (zh) 一种急救系统的病情处理路径规划方法
CN108303976A (zh) 一种车辆的动态路径与速度控制策略

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180720

WD01 Invention patent application deemed withdrawn after publication