CN108449730A - 一种基于大数据的污水管网智能监测系统 - Google Patents
一种基于大数据的污水管网智能监测系统 Download PDFInfo
- Publication number
- CN108449730A CN108449730A CN201810138501.4A CN201810138501A CN108449730A CN 108449730 A CN108449730 A CN 108449730A CN 201810138501 A CN201810138501 A CN 201810138501A CN 108449730 A CN108449730 A CN 108449730A
- Authority
- CN
- China
- Prior art keywords
- sewage network
- data
- node
- sewage
- sensor node
- 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.)
- Withdrawn
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明提供了一种基于大数据的污水管网智能监测系统,包括多个污水管网监测子系统和大数据处理中心,每个污水管网监测子系统皆连接至大数据处理中心,每个污水管网监测子系统用于采集一个污水管网监测区域内的多个污水管网监测节点的污水管网传感数据;大数据处理中心用于对采集的污水管网传感数据进行处理分析,实现对污水管网的实时监测。本发明基于大数据处理技术,将众多传感器节点采集的数据进行汇总并统一分析处理,可进行数据分析利用,提高对污水管网的监测能力。
Description
技术领域
本发明涉及污水管网信息化领域,具体涉及一种基于大数据的污水管网智能监测系统。
背景技术
污水管网系统是城市建设、环境保护、防洪排涝等市政项目中的重要基础设备,建立城市污水管网的监测系统,为城市排水管理者提供实时观察污水管网的环境信息、分析污水管网动态运行状况的监测管理功能,已经成为了现代城市排水管理的迫切需求。
发明内容
针对上述问题,本发明提供一种基于大数据的污水管网智能监测系统。
本发明的目的采用以下技术方案来实现:
提供了一种基于大数据的污水管网智能监测系统,包括多个污水管网监测子系统和大数据处理中心,每个污水管网监测子系统皆连接至大数据处理中心,每个污水管网监测子系统用于采集一个污水管网监测区域内的多个污水管网监测节点的污水管网传感数据;大数据处理中心用于对采集的污水管网传感数据进行处理分析,实现对污水管网的实时监测。
优选地,每个污水管网监测子系统包括设置于各个污水管网监测节点的传感器节点,还包括基站,传感器节点用于采集所在污水管网监测节点的污水管网传感数据,基站负责传感器节点和大数据处理中心之间的双向信息交互。
本发明的有益效果为:基于大数据处理技术和无线传感器网络技术,将众多传感器节点采集的数据进行汇总并统一分析处理,可进行数据分析利用,提高对污水管网的监测能力。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1本发明一个示例性实施例的污水管网监测系统的结构示意框图;
图2是本发明一个示例性实施例的大数据处理中心的结构示意框图。
附图标记:
污水管网监测子系统1、大数据处理中心2、数据接收模块10、数据显示模块20、数据分析模块30、数据压缩模块40、数据存储模块50。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例提供的一种基于大数据的污水管网智能监测系统,包括多个污水管网监测子系统1和大数据处理中心2,每个污水管网监测子系统1皆连接至大数据处理中心2,每个污水管网监测子系统1用于采集一个污水管网监测区域内的多个污水管网监测节点的污水管网传感数据;大数据处理中心2用于对采集的污水管网传感数据进行处理分析,实现对污水管网的实时监测。
在一个实施例中,每个污水管网监测子系统1包括设置于各个污水管网监测节点的传感器节点,还包括基站,传感器节点用于采集所在污水管网监测节点的污水管网传感数据,基站负责传感器节点和大数据处理中心之间的双向信息交互。
可选地,传感器节点包括传感单元,传感单元包括温度传感器、湿度传感器、水位传感器、流量传感器或一氧化碳传感器。
在一个实施例中,如图2所示,大数据处理中心2包括依次连接的数据接收模块10、数据显示模块20、数据分析模块30。
其中,数据接收模块10用于对接收多个污水管网监测子系统1发送的污水管网传感数据。
其中,数据显示模块20用于对数据接收模块10接收的污水管网传感数据进行显示。
其中,数据分析模块30用于对接收的污水管网传感数据进行分析处理。
在一个实施例中,大数据处理中心2还包括相连接的数据压缩模块40和数据存储模块50,数据压缩模块40与数据接收模块10连接,用于对数据接收模块10接收的多个污水管网监测子系统1发送的污水管网传感数据进行压缩处理,并将压缩处理后的污水管网传感数据发送至数据存储模块50中存储。
在一个实施例中,所述对数据接收模块10接收的多个污水管网监测子系统1发送的污水管网传感数据进行压缩处理,具体为:将一污水管网监测子系统1中的各传感器节点发送的属于同一采集周期内的污水管网传感数据作为一段污水管网传感数据,分别对各段污水管网传感数据进行压缩处理。
其中,各传感器节点通过自组织构建无线传感器网络,且构建的无线传感器网络采用分簇拓扑结构,将分布在污水管网监测区域内的传感器节点根据节点地理位置划分为N个簇,每个簇选择一个传感器节点作为簇头,其余传感器节点为成员节点,其中簇头用于收集其簇内各成员节点采集的污水管网传感数据。
优选地,每个簇选择一个传感器节点作为簇头,具体包括:
(1)基站以最大功率向网络内广播信标信息,网络内传感器节点记录收到基站信标信息的时间和信号强度,基站信标信息包括最大信号强度Pmax、最小信号强度Pmin、保障传感器节点运行的最小能量值Emin、各传感器节点收到基站信标信息的理论时间以及时间差阈值ΔT;
(2)网络内传感器节点计算自身的故障率:
式中,表示传感器节点Sα的实际故障率,为传感器节点Sα收到基站信标信息的时间,为由基站设定的传感器节点Sα收到基站信标信息的理论时间,P为设定的传感器节点标准故障概率;为判断取值函数,当时,当时,
(3)网络内传感器节点以初始设置的概率成为候选簇头,然后以最大功率广播自己是簇头的消息,在发射半径内若收到另外一个权值更大的候选簇头广播的消息,则放弃簇头的竞争,否则自己成为簇头,其中消息包括传感器节点根据自身情况计算的权值信息;
所述的权值的计算公式为:
式中,表示传感器节点Sα的权值,为传感器节点Sα的当前剩余能量,为传感器节点Sα的初始能量,P(Sα,O)为传感器节点Sα收到基站信标信息的信号强度;λ1、λ2为设定的权重系数,满足λ1+λ2=1;
(4)当选为簇头的传感器节点对外广播自己是簇头的消息,其他传感器节点根据信号强度来决定加入某一个簇,并向簇头发送加入消息。
本实施例提出了一种新的簇头竞选机制,该机制中,网络内传感器节点以初始设置的概率成为候选簇头,然后以最大功率广播自己是簇头的消息,在发射半径内若收到另外一个权值更大的候选簇头广播的消息,则放弃簇头的竞争,否则自己成为簇头。
现有技术中在进行候选簇头的竞争时,惯用的手段是直接采用当前剩余能量最大的候选簇头作为簇头,而本实施例通过权值大小进行候选簇头的竞争,并相应地定义了权值的计算公式。该计算公式综合考虑了传感器节点的能量和接收信号强度方面的因素,并创造性地考虑了传感器节点的故障率,相对于直接采用当前剩余能量最大的候选簇头作为簇头的方式,本实施例产生了意想不到的效果:能够选到综合能力更优的簇头,从而提高了分簇拓扑结构的稳定性、延长污水管网传感数据采集和传输的工作周期。
在一个实施例中,形成分簇拓扑结构后,簇头确定簇内的易故障节点,构建易故障节点列表并将该列表发送至基站;基站根据易故障节点列表对易故障节点采集的污水管网传感数据进行异常检测,确定异常污水管网传感数据并标记后发送至监测中心。
本实施例将检测出来的异常污水管网传感数据进行标记后再发送至监测中心,便于监测中心能够直接获取到异常污水管网传感数据,进而有针对性地对异常污水管网传感数据进行分析。本实施例增强了污水管网传感数据分析的鲁棒性,提高了无线传感器网络资源使用的效率。
其中,所述的簇头确定簇内的易故障节点,具体包括:
(1)簇头获取各成员节点的实际故障率,并根据实际故障率计算各成员节点的易故障权值:
式中,为成员节点Sβ的易故障权值,其中 表示簇头CHA所在簇的成员节点集合,为成员节点S2的实际故障率,为成员节点Sγ的实际故障率,D(Sβ,CHA)为成员节点Sβ与其簇头CHA之间的欧式距离,D(Sγ,CHA)为成员节点Sγ与其簇头CHA之间的欧式距离;
(2)若其中为中具有的成员节点数量,则将成员节点S2判定为易故障节点列表。
异常污水管网传感数据包括误差型污水管网传感数据和事件型污水管网传感数据,其中误差型污水管网传感数据指的是污水管网传感数据是不能反映监测对象的真实状态而明显偏离预先定义的正常污水管网传感数据,而事件型污水管网传感数据指的是污水管网传感数据与预先定义的正常污水管网传感数据不一致,但是反映了监测对象的变化状态。
在对异常污水管网传感数据进行检测时,现有技术中的惯用手段是对所有传感器节点采集的异常污水管网传感数据都进行检测,这无疑增加了基站的负担。本实施例由簇头确定簇内的易故障节点并告知基站,进而由基站针对易故障节点采集的污水管网传感数据进行异常检测,大大降低了基站的负担,节省了能量。
其中,本实施例创造性地提出了易故障节点的判定机制,该判定机制中,从传感器节点的实际故障率以及与簇头之间的距离两方面出发设计了易故障权值的计算公式,并根据易故障权值的大小程度来判定簇内成员节点是否为易故障节点,机制简单,易于实现。由于簇内成员节点自身的故障概率能够影响到其采集的污水管网传感数据质量,而其与簇头、基站的距离能够影响到其采集的污水管网传感数据在传输过程中的质量,因此本实施例设定的易故障权值能够在一定程度上反映了簇内成员节点在采集和传输污水管网传感数据方面可能出错的概率。
在一个实施例中,基站根据易故障节点列表对易故障节点采集的污水管网传感数据进行异常检测,具体包括:
(1)基站获取易故障节点Si的所有邻居节点集合Φ(Si),并获取邻居节点集合Φ(Si)中各邻居节点的实际故障率;
(2)接收易故障节点Si在t时刻采集的污水管网传感数据xi(t)和邻居节点集合Φ(Si)中各邻居节点Sj在t时刻采集的污水管网传感数据xj(t),其中j=1,2,…,mi,mi为邻居节点集合Φ(Si)中的邻居节点数量;
(3)计算xi(t)的比较污水管网传感数据值:
式中,xi′(t)表示xi(t)的比较污水管网传感数据值,为邻居节点集合Φ(Si)中邻居节点Sj的实际故障率,其中邻居节点Sj为簇头时其实际故障率设为1,D(Si,Sk)为邻居节点集合Φ(Si)中邻居节点Sk与易故障节点Si之间的距离,D(Si,Sj)邻居节点Sj与易故障节点Si之间的距离;
(4)若|xi(t)-xi′(t)|>ε,ε为设定的误差阈值,则判定该污水管网传感数据xj(t)为异常污水管网传感数据。
本实施例创新性地提出了针对污水管网传感数据的异常检测机制,由于易故障节点采集的污水管网传感数据与其邻居节点采集的污水管网传感数据具有较大的时空关联性,该机制利用这种时空关联性,基于距离和传感器节点先前计算的故障率对邻居节点的污水管网传感数据进行加权,计算出与易故障节点采集的污水管网传感数据相对应的比较污水管网传感数据值,通过计算污水管网传感数据和对应的比较污水管网传感数据值之间的差值是否在一定的阈值范围内,来判断该污水管网传感数据是否异常。本实施例提出的异常检测机制能够较为有效地、准确地判定出异常的污水管网传感数据,有利于增强污水管网传感数据分析的鲁棒性。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (7)
1.一种基于大数据的污水管网智能监测系统,其特征是,包括多个污水管网监测子系统和大数据处理中心,每个污水管网监测子系统皆连接至大数据处理中心,每个污水管网监测子系统用于采集一个污水管网监测区域内的多个污水管网监测节点的污水管网传感数据;大数据处理中心用于对采集的污水管网传感数据进行处理分析,实现对污水管网的实时监测。
2.根据权利要求1所述的一种基于大数据的污水管网智能监测系统,其特征是,每个污水管网监测子系统包括设置于各个污水管网监测节点的传感器节点,还包括基站,传感器节点用于采集所在污水管网监测节点的污水管网传感数据,基站负责传感器节点和大数据处理中心之间的双向信息交互。
3.根据权利要求2所述的一种基于大数据的污水管网智能监测系统,其特征是,传感器节点包括传感器单元,传感单元内设有温度传感器、湿度传感器、水位传感器、流量传感器或一氧化碳传感器。
4.根据权利要求1所述的一种基于大数据的污水管网智能监测系统,其特征是,大数据处理中心包括依次连接的数据接收模块、数据显示模块、数据分析模块,其中数据接收模块用于对接收多个污水管网监测子系统发送的污水管网传感数据;所述数据显示模块用于对数据接收模块接收的污水管网传感数据进行显示;所述的数据分析模块用于对接收的污水管网传感数据进行分析处理。
5.根据权利要求4所述的一种基于大数据的污水管网智能监测系统,其特征是,大数据处理中心还包括相连接的数据压缩模块和数据存储模块,数据压缩模块与数据接收模块连接,用于对数据接收模块接收的多个污水管网监测子系统发送的污水管网传感数据进行压缩处理,并将压缩处理后的污水管网传感数据发送至数据存储模块中存储。
6.根据权利要求2所述的一种基于大数据的污水管网智能监测系统,其特征是,各传感器节点通过自组织构建无线传感器网络,且构建的无线传感器网络采用分簇拓扑结构,将分布在污水管网监测区域内的传感器节点根据节点地理位置划分为N个簇,每个簇选择一个传感器节点作为簇头,其余传感器节点为成员节点,其中簇头用于收集其簇内各成员节点采集的污水管网传感数据。
7.根据权利要求6所述的一种基于大数据的污水管网智能监测系统,其特征是,每个簇选择一个传感器节点作为簇头,具体包括:
(1)基站以最大功率向网络内广播信标信息,网络内传感器节点记录收到基站信标信息的时间和信号强度,基站信标信息包括最大信号强度Pmax、最小信号强度Pmin、保障传感器节点运行的最小能量值Emin、各传感器节点收到基站信标信息的理论时间以及时间差阈值ΔT;
(2)网络内传感器节点计算自身的故障率:
式中,表示传感器节点Sα的实际故障率,为传感器节点Sα收到基站信标信息的时间,为由基站设定的传感器节点Sα收到基站信标信息的理论时间,P为设定的传感器节点标准故障概率;为判断取值函数,当时,当时,
(3)网络内传感器节点以初始设置的概率成为候选簇头,然后以最大功率广播自己是簇头的消息,在发射半径内若收到另外一个权值更大的候选簇头广播的消息,则放弃簇头的竞争,否则自己成为簇头,其中消息包括传感器节点根据自身情况计算的权值信息;
所述的权值的计算公式为:
式中,表示传感器节点Sα的权值,为传感器节点Sα的当前剩余能量,为传感器节点Sα的初始能量,P(Sα,O)为传感器节点Sα收到基站信标信息的信号强度;λ1、λ2为设定的权重系数,满足λ1+λ2=1;
(4)当选为簇头的传感器节点对外广播自己是簇头的消息,其他传感器节点根据信号强度来决定加入某一个簇,并向簇头发送加入消息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810138501.4A CN108449730A (zh) | 2018-02-10 | 2018-02-10 | 一种基于大数据的污水管网智能监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810138501.4A CN108449730A (zh) | 2018-02-10 | 2018-02-10 | 一种基于大数据的污水管网智能监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108449730A true CN108449730A (zh) | 2018-08-24 |
Family
ID=63192242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810138501.4A Withdrawn CN108449730A (zh) | 2018-02-10 | 2018-02-10 | 一种基于大数据的污水管网智能监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108449730A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109164737A (zh) * | 2018-09-06 | 2019-01-08 | 深圳市云传物联技术有限公司 | 一种应用于环境保护的物联网大数据平台 |
CN109362055A (zh) * | 2018-12-04 | 2019-02-19 | 深圳朗昇贸易有限公司 | 一种实时智能的医院监护室环境调控系统 |
CN110852458A (zh) * | 2019-11-08 | 2020-02-28 | 重庆工商职业学院 | 一种基于大数据的城市管网监管方法 |
CN110955212A (zh) * | 2019-12-05 | 2020-04-03 | 河南工业大学 | 一种基于物联网的智慧农业信息处理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013987A (zh) * | 2007-02-05 | 2007-08-08 | 南京邮电大学 | 一种高效的无线传感器网络拓扑控制方法 |
US20130269030A1 (en) * | 2012-04-04 | 2013-10-10 | Empire Technology Development, Llc | Detection of unexpected server operation through physical attribute monitoring |
CN105933932A (zh) * | 2016-06-15 | 2016-09-07 | 苏州大学 | 复杂环境下无线传感器网络的实时故障诊断方法及系统 |
CN106990217A (zh) * | 2017-05-19 | 2017-07-28 | 深圳众厉电力科技有限公司 | 基于无线传感器网络的污水监测系统 |
CN107393267A (zh) * | 2017-07-18 | 2017-11-24 | 陈剑桃 | 一种污水智能监控管理系统 |
-
2018
- 2018-02-10 CN CN201810138501.4A patent/CN108449730A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013987A (zh) * | 2007-02-05 | 2007-08-08 | 南京邮电大学 | 一种高效的无线传感器网络拓扑控制方法 |
US20130269030A1 (en) * | 2012-04-04 | 2013-10-10 | Empire Technology Development, Llc | Detection of unexpected server operation through physical attribute monitoring |
CN105933932A (zh) * | 2016-06-15 | 2016-09-07 | 苏州大学 | 复杂环境下无线传感器网络的实时故障诊断方法及系统 |
CN106990217A (zh) * | 2017-05-19 | 2017-07-28 | 深圳众厉电力科技有限公司 | 基于无线传感器网络的污水监测系统 |
CN107393267A (zh) * | 2017-07-18 | 2017-11-24 | 陈剑桃 | 一种污水智能监控管理系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109164737A (zh) * | 2018-09-06 | 2019-01-08 | 深圳市云传物联技术有限公司 | 一种应用于环境保护的物联网大数据平台 |
CN109362055A (zh) * | 2018-12-04 | 2019-02-19 | 深圳朗昇贸易有限公司 | 一种实时智能的医院监护室环境调控系统 |
CN110852458A (zh) * | 2019-11-08 | 2020-02-28 | 重庆工商职业学院 | 一种基于大数据的城市管网监管方法 |
CN110955212A (zh) * | 2019-12-05 | 2020-04-03 | 河南工业大学 | 一种基于物联网的智慧农业信息处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108449730A (zh) | 一种基于大数据的污水管网智能监测系统 | |
Lorincz et al. | Motetrack: A robust, decentralized approach to rf-based location tracking | |
CN108171954A (zh) | 空气污染智能实时监测系统 | |
Lorincz et al. | MoteTrack: a robust, decentralized approach to RF-based location tracking | |
KR100835174B1 (ko) | 페어 노드를 갖는 무선 센서 네트워크에서의 센싱 정보전송 방법 | |
CN108512901A (zh) | 基于无线传感器网络的建筑桥梁结构安全监测系统 | |
CN108401236A (zh) | 淡水鱼养殖环境智能监控系统 | |
CN105424899A (zh) | 水质检测方法和系统、智能终端及其水质检测方法 | |
CN109030313B (zh) | 用于水利工程的渗流智能监测系统 | |
CN107426683B (zh) | 一种污水智能监测系统 | |
CN103458021B (zh) | 一种事件驱动的随态自适应的传感器组织方法 | |
CN108449729A (zh) | 一种用于智能农业的果园环境监测系统 | |
US20050064871A1 (en) | Data transmission path establishing method, radio communication network system, and sensor network system | |
CN110418391B (zh) | 一种基于支持向量机的水声传感器网络信任模型构建方法 | |
Lorincz et al. | A robust, decentralized approach to rf-based location tracking | |
TWI635756B (zh) | 建立並監控低功耗藍牙無線網絡之方法 | |
CN101854653A (zh) | 一种无线多媒体传感器网络中的目标跟踪方法 | |
CN101442827B (zh) | 一种基于无线传感器网络的移动智能安防监控系统 | |
CN106470396A (zh) | 获取与目标对象的距离信息的方法、装置和摄像机 | |
CN109121225A (zh) | 一种基于wsn的水质监测系统 | |
KR100999533B1 (ko) | 유비쿼터스 기상 정보 서비스를 제공하기 위한 시스템 및 그 방법 | |
CN108171956A (zh) | 一种基于大数据和wsn技术的电力变压器环境监测系统 | |
CN104036623A (zh) | 数据信息误报纠正的方法 | |
CN114241353A (zh) | 一种基于无线感知与图像识别的漏水监测系统 | |
CN108512900A (zh) | 污水管网智能监测系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180824 |