CN108665706A - 一种城市区域道路分级诱导方法 - Google Patents
一种城市区域道路分级诱导方法 Download PDFInfo
- Publication number
- CN108665706A CN108665706A CN201810497933.4A CN201810497933A CN108665706A CN 108665706 A CN108665706 A CN 108665706A CN 201810497933 A CN201810497933 A CN 201810497933A CN 108665706 A CN108665706 A CN 108665706A
- Authority
- CN
- China
- Prior art keywords
- road
- change rate
- rate signal
- wagon flow
- delay time
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明公开了一种城市区域路况分级诱导方法,包括:将单车延误时间变化率信号和车流变化率信号输入第一模糊控制器,输出为车流拥堵等级;检测路面温度和空气湿度,结合路面宽度得到城市道路路况评价指标;将所述车流拥堵等级和所述路况评价指标变化率信号输入第二模糊控制器,输出为道路通行级别,根据道路通行级别提醒驾驶员绕行或通过,有效利用城市区域道路,避免局部拥堵。
Description
技术领域
本发明涉及交通分级判断领域,尤其涉及一种城市区域道路分级诱导方法。
背景技术
随着城市化进程的不断推进,机动车保有量迅速上升,城市道路拥堵情况日益严重。为保障车辆在城市道路间的正常运行,道路路口的交通信号控制尤其重要。路口的交通信号控制主要通过交通信号控制器来实现。因此,交通信号控制器在日常生活中扮演的角色越来越重要。
现有技术中,对路口的交通信号灯的控制通常是按照预设的时间进行控制,并且路口的每一个方向的绿灯通行时间一经设定在运行中是不改变的。这种情况下,道路路口的交通状况千变万化,当某一个方向拥堵或者多个方向拥堵时,该道路路口仍然按照预定的方式进行交通信号灯的控制,不但没有缓解交通状况,反而常常会到导致拥堵越来越严重。
一些城市潮汐车流现象严重,往往存在着一个方向拥堵严重,另一个方向却没什么车子经过,因此适当进行柔性疏导,可有效缓解特定路口的交通压力,合理利用区域道路资源。
发明内容
本发明设计开发了一种城市区域道路分级诱导方法,采用模糊控制算法对路况进行分级定义,驾驶员可根据分级情况选择驾驶路段,可有效缓解特定路口的交通压力,合理利用区域道路资源。
本发明提供的技术方案为:
一种城市区域路况分级诱导方法,包括:
通过城市道路口摄像装置和路口传感器,检测车流数量;
检测车辆通过路口的行驶速度,加速度,和车流数量估算单车延误时间;
将所述单车延误时间和平均延误时间作比较得到单车延误时间偏差信号,将车流数量与平均车流量作比较得到车流偏差信号;
单车延误时间偏差信号经过微分计算得到单车延误时间变化率信号,车流偏差信号经过微分计算得到车流变化率信号;
将单车延误时间变化率信号和车流变化率信号输入第一模糊控制器,输出为车流拥堵等级;
检测路面温度和空气湿度,结合路面宽度得到城市道路路况评价指标;
将所述路况评价指标与预设指标作比较得到路况评价指标偏差信号,再将所述路况评价指标偏差信号微分计算得到路况评价指标变化率信号;
将所述车流拥堵等级和所述路况评价指标变化率信号输入第二模糊控制器,输出为道路通行级别。
优选的是,所述单车延误时间计算公式为:
其中,ti,j表示第i车辆在第j个路段上的延误时间,lj为第j个路段上的长度,vi,j为车辆实际行驶速度,vi,j表示自由流交通状态时车辆期望行驶速度,ai,j为第i个车辆通过路口的加速度,m为通过路口的车流数量,m为路口平均车流量。
优选的是,所述单车延误时间变化率信号和车流变化率信号的模糊集为{NB,NM,AZ,NS,ZR,PS,PM,PB},PB表示正大,PM表示正中,PS表示正小,ZR表示零,NS表示负小,NM表示负中,NB表示负大,它们的论域为:{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}。
优选的是,所述第一模糊控制器的输入变量隶属度函数为三角隶属度函数。
优选的是,所述城市道路路况评价指标计算公式为:
其中,为城市道路路况评价指标,RH为空气湿度,T为道路温度。
优选的是,所述路况评价指标变化率信号的模糊集为{NB,NM,AZ,NS,ZR,PS,PM,PB},PB表示正大,PM表示正中,PS表示正小,ZR表示零,NS表示负小,NM表示负中,NB表示负大,它们的论域为:{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}。
优选的是,所述路况评价指标变化率信号的模糊集的属度函数为高斯函数。
优选的是,所述高斯函数表达式为:
其中,m(i)为况评价指标变化率信号的模糊集e的隶属函数,e(k)为路况评价指标变化率信号的模糊集,c1(i)为隶属度函数的中心,sigmal(i)为隶属函数的宽度。
本发明所述的有益效果
本发明设计开发了一种城市区域道路分级诱导方法,采用模糊控制算法对路况进行分级定义,驾驶员可根据分级情况选择驾驶路段,可有效缓解特定路口的交通压力,合理利用区域道路资源。
附图说明
图1为本发明所述的城市区域路况分级诱导方法的流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供的城市区域路况分级诱导方法,包括:
步骤一、通过城市道路口摄像装置和路口传感器,检测车流数量m;
步骤二、检测车辆通过路口的行驶速度vi,加速度ai,和车流数量m估算单车延误时间;
其中,ti,j表示第i车辆在第j个路段上的延误时间,lj为第j个路段上的长度,vi,j为车辆实际行驶速度,表示自由流交通状态时车辆期望行驶速度,ai,j为第i个车辆通过路口的加速度,m为通过路口的车流数量;为路口平均车流量。
步骤三、将单车延误时间和平均延误时间0.314作比较得到单车延误时间偏差信号,将车流数量与平均车流量6作比较得到车流偏差信号;
步骤四、单车延误时间偏差信号经过微分计算得到单车延误时间变化率信号,车流偏差信号经过微分计算得到车流变化率信号;
将单车延误时间变化率信号ti,j和车流变化率信号ω输入第一模糊控制器,输出为车流拥堵等级;
其中,ti,j、ω的实际变化范围分别为[-0.5,0.5],[-30,30];ti,j、ω的离散论域均为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}
则比例因子k1=6/0.5,k2=6/30,
定义模糊子集及隶属函数
把单车延误时间变化率信号ti,j分为七个模糊状态:PB(正大),PM(正中),PS(正小),0(零),NS(负小),NM(负中),NB(负大),结合经验得出单车延误时间变化率信号ti,j的隶属度函数表,如表1所示。
表1单车延误时间变化率信号ti,j的隶属度函数表
车流变化率信号ω分为七个模糊状态:PB(正大),PM(正中),PS(正小),0(零),NS(负小),NM(负中),NB(负大),车流变化率信号ω的隶属度函数表,如表2所示。
表2车流变化率信号ω的隶属度函数表
ω | -6 | -5 | -4 | -3 | -2 | -1 | -0 | +1 | +2 | +3 | +4 | +5 | +6 |
PB | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0.2 | 0.7 | 1.0 |
PM | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0.2 | 0.8 | 1.0 | 0.8 | 0.2 |
PS | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0.8 | 1.0 | 0.8 | 0.2 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0.5 | 1.0 | 0.5 | 0 | 0 | 0 | 0 | 0 |
NB | 0 | 0 | 0.2 | 0.8 | 1.0 | 0.8 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
NM | 0.2 | 0.8 | 1.0 | 0.8 | 0.2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
NS | 1.0 | 0.7 | 0.2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
模糊推理过程必须执行复杂的矩阵运算,计算量非常大,在线实施推理很难满足控制系统实时性的要求,本发明采用查表法进行模糊推理运算,模糊推理决策采用三输入单输出的方式。
通过经验可以总结出模糊控制器的初步控制规则,其中参数q控制规则见表3。
表3为模糊控制规则表
检测路面温度和空气湿度,结合路面宽度得到城市道路路况评价指标;
其中,为城市道路路况评价指标,RH为空气湿度,T为道路温度。
路况评价指标与预设指标0.165作比较得到路况评价指标偏差信号,再将所述路况评价指标偏差信号微分计算得到路况评价指标变化率信号;
将车流拥堵等级和所述路况评价指标变化率信号输入第二模糊控制器,
路况评价指标变化率信号的模糊集的属度函数为高斯函数。
高斯函数表达式为:
其中,m(i)为况评价指标变化率信号的模糊集e的隶属函数,e(k)为路况评价指标变化率信号的模糊集,c1(i)为隶属度函数的中心,sigmal(i)为隶属函数的宽度。
路况评价指标变化率信号G分为七个模糊状态:PB(正大),PM(正中),PS(正小),0(零),NS(负小),NM(负中),NB(负大),结合经验得出路况评价指标变化率信号G的隶属度函数表,
表4路况评价指标变化率信号G的隶属度函数表
G | -6 | -5 | -4 | -3 | -2 | -1 | -0 | +1 | +2 | +3 | +4 | +5 | +6 |
PB | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0.2 | 0.7 | 1.0 |
PM | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0.2 | 0.8 | 1.0 | 0.8 | 0.2 |
PS | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0.8 | 1.0 | 0.8 | 0.2 | 0 | 0 |
0 | 0 | 0 | 0 | 0 | 0 | 0.5 | 1.0 | 0.5 | 0 | 0 | 0 | 0 | 0 |
NB | 0 | 0 | 0.2 | 0.8 | 1.0 | 0.8 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
NM | 0.2 | 0.8 | 1.0 | 0.8 | 0.2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
NS | 1.0 | 0.7 | 0.2 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
模糊推理过程必须执行复杂的矩阵运算,计算量非常大,在线实施推理很难满足控制系统实时性的要求,本发明采用查表法进行模糊推理运算,模糊推理决策采用三输入单输出的方式。
通过经验可以总结出模糊控制器的初步控制规则,其中参数t2控制规则见表5。
表5为模糊控制规则表
Q为输出为道路通行级别:PB(Ⅰ级),PM(Ⅱ级),PS(Ⅲ级),ZR(Ⅳ级),NS(Ⅴ级),NM(Ⅵ级),NB(Ⅶ级)。
当输出道路通行级别为Ⅰ级时,道路为畅通,车辆顺畅通过。
当输出道路通行级别为Ⅱ级时,道路有少量车,车辆可顺畅通过。
当输出道路通行级别为Ⅲ级时,道路车辆较多,但并未造成拥堵。
当输出道路通行级别为Ⅳ级时,道理车辆轻度拥堵,提示驾驶员缓行通过。
当输出道路通行级别为Ⅴ级时,道路拥堵,提示驾驶员可选择其他道路绕行。
当输出道路通行级别为Ⅵ级时,道路不通,提示驾驶员绕行。
当输出道路通行级别为Ⅶ级时,道路可能出现突发状况,通行条件差,提示驾驶员不要驶入。
本发明采用模糊控制算法对路况进行分级定义,驾驶员可根据分级情况选择驾驶路段,可有效缓解特定路口的交通压力,合理利用区域道路资源。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (8)
1.一种城市区域路况分级诱导方法,其特征在于,包括:
通过城市道路口摄像装置和路口传感器,检测车流数量;
检测车辆通过路口的行驶速度,加速度,和车流数量估算单车延误时间;
将所述单车延误时间和平均延误时间作比较得到单车延误时间偏差信号,将车流数量与平均车流量作比较得到车流偏差信号;
单车延误时间偏差信号经过微分计算得到单车延误时间变化率信号,车流偏差信号经过微分计算得到车流变化率信号;
将单车延误时间变化率信号和车流变化率信号输入第一模糊控制器,输出为车流拥堵等级;
检测路面温度和空气湿度,结合路面宽度得到城市道路路况评价指标;
将所述路况评价指标与预设指标作比较得到路况评价指标偏差信号,再将所述路况评价指标偏差信号微分计算得到路况评价指标变化率信号;
将所述车流拥堵等级和所述路况评价指标变化率信号输入第二模糊控制器,输出为道路通行级别。
2.根据权利要求1所述的城市区域路况分级诱导方法,其特征在于,所述单车延误时间计算公式为:
其中,ti,j表示第i车辆在第j个路段上的延误时间,lj为第j个路段上的长度,vi,j为车辆实际行驶速度,表示自由流交通状态时车辆期望行驶速度,ai,j为第i个车辆通过路口的加速度,m为通过路口的车流数量,为路口平均车流量。
3.根据权利要求1或2所述的城市区域路况分级诱导方法,其特征在于,所述单车延误时间变化率信号和车流变化率信号的模糊集为{NB,NM,AZ,NS,ZR,PS,PM,PB},PB表示正大,PM表示正中,PS表示正小,ZR表示零,NS表示负小,NM表示负中,NB表示负大,它们的论域为:{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}。
4.根据权利要求3所述的城市区域路况分级诱导方法,其特征在于,所述第一模糊控制器的输入变量隶属度函数为三角隶属度函数。
5.根据权利要求1所述的城市区域路况分级诱导方法,其特征在于,所述城市道路路况评价指标计算公式为:
其中,为城市道路路况评价指标,RH为空气湿度,T为道路温度。
6.根据权利要求5所述的城市区域路况分级诱导方法,其特征在于,所述路况评价指标变化率信号的模糊集为{NB,NM,AZ,NS,ZR,PS,PM,PB},PB表示正大,PM表示正中,PS表示正小,ZR表示零,NS表示负小,NM表示负中,NB表示负大,它们的论域为:{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}。
7.根据权利要求6所述的城市区域路况分级诱导方法,其特征在于,所述路况评价指标变化率信号的模糊集的属度函数为高斯函数。
8.根据权利要求7所述的城市区域路况分级诱导方法,其特征在于,所述高斯函数表达式为:
其中,m(i)为况评价指标变化率信号的模糊集e的隶属函数,e(k)为路况评价指标变化率信号的模糊集,c1(i)为隶属度函数的中心,sigmal(i)为隶属函数的宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810497933.4A CN108665706B (zh) | 2018-05-23 | 2018-05-23 | 一种城市区域道路分级诱导方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810497933.4A CN108665706B (zh) | 2018-05-23 | 2018-05-23 | 一种城市区域道路分级诱导方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108665706A true CN108665706A (zh) | 2018-10-16 |
CN108665706B CN108665706B (zh) | 2020-05-05 |
Family
ID=63776471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810497933.4A Expired - Fee Related CN108665706B (zh) | 2018-05-23 | 2018-05-23 | 一种城市区域道路分级诱导方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108665706B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110085027A (zh) * | 2019-03-28 | 2019-08-02 | 中国公路工程咨询集团有限公司 | 一种大规模路网群体车流诱导任务的分解方法 |
CN110136443A (zh) * | 2019-05-24 | 2019-08-16 | 辽宁工业大学 | 一种基于车辆行驶状态的交通信号灯优化方法 |
CN111243295A (zh) * | 2019-11-28 | 2020-06-05 | 广州市高科通信技术股份有限公司 | 基于汽车尾气检测的信号机、信号灯控制方法及存储介质 |
CN114999164A (zh) * | 2022-08-05 | 2022-09-02 | 深圳支点电子智能科技有限公司 | 智能交通预警处理方法及相关设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0628597A (ja) * | 1992-07-10 | 1994-02-04 | Toshiba Corp | 道路交通流制御装置 |
CN101266718A (zh) * | 2008-04-24 | 2008-09-17 | 山东大学 | 基于路口组的交通流优化控制方法 |
CN103927887A (zh) * | 2014-03-18 | 2014-07-16 | 西北工业大学 | 结合离散速度模型的阵列式fpga交通状态预测及控制系统 |
CN106781509A (zh) * | 2017-03-06 | 2017-05-31 | 长安大学 | 一种基于v2v的协作式城市道路拥堵检测方法 |
CN106971566A (zh) * | 2017-05-04 | 2017-07-21 | 无锡安邦电气股份有限公司 | 基于遗传算法的自适应控制方法 |
-
2018
- 2018-05-23 CN CN201810497933.4A patent/CN108665706B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0628597A (ja) * | 1992-07-10 | 1994-02-04 | Toshiba Corp | 道路交通流制御装置 |
CN101266718A (zh) * | 2008-04-24 | 2008-09-17 | 山东大学 | 基于路口组的交通流优化控制方法 |
CN103927887A (zh) * | 2014-03-18 | 2014-07-16 | 西北工业大学 | 结合离散速度模型的阵列式fpga交通状态预测及控制系统 |
CN106781509A (zh) * | 2017-03-06 | 2017-05-31 | 长安大学 | 一种基于v2v的协作式城市道路拥堵检测方法 |
CN106971566A (zh) * | 2017-05-04 | 2017-07-21 | 无锡安邦电气股份有限公司 | 基于遗传算法的自适应控制方法 |
Non-Patent Citations (2)
Title |
---|
戴红: "基于模糊理论的交通信息处理技术研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
李华成: "基于模糊综合评判的高等级公路安全评价方法", 《长春理工大学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110085027A (zh) * | 2019-03-28 | 2019-08-02 | 中国公路工程咨询集团有限公司 | 一种大规模路网群体车流诱导任务的分解方法 |
CN110136443A (zh) * | 2019-05-24 | 2019-08-16 | 辽宁工业大学 | 一种基于车辆行驶状态的交通信号灯优化方法 |
CN110136443B (zh) * | 2019-05-24 | 2020-09-29 | 辽宁工业大学 | 一种基于车辆行驶状态的交通信号灯优化方法 |
CN111243295A (zh) * | 2019-11-28 | 2020-06-05 | 广州市高科通信技术股份有限公司 | 基于汽车尾气检测的信号机、信号灯控制方法及存储介质 |
CN114999164A (zh) * | 2022-08-05 | 2022-09-02 | 深圳支点电子智能科技有限公司 | 智能交通预警处理方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108665706B (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108665706A (zh) | 一种城市区域道路分级诱导方法 | |
Khayyam et al. | Adaptive cruise control look-ahead system for energy management of vehicles | |
CN108399763B (zh) | 一种基于神经网络的交叉路口交通信号灯控制算法 | |
Hamad et al. | Developing a measure of traffic congestion: Fuzzy inference approach | |
CN113312732B (zh) | 一种结合预先决策与动态调整的无信控交叉口仿真控制方法及装置 | |
CN106128095A (zh) | 一种快速道路孤立瓶颈路段的可变限速控制方法 | |
CN110989568B (zh) | 一种基于模糊控制器的自动驾驶车辆安全通行方法及系统 | |
CN107437339A (zh) | 一种信息引导下的可变信息情报板协调控制方法及系统 | |
CN113781788A (zh) | 基于稳定性与安全性的自动驾驶车辆管理方法 | |
Stojčić | Application of ANFIS model in road traffic and transportation: a literature review from 1993 to 2018 | |
CN112249008A (zh) | 针对复杂动态环境的无人驾驶汽车预警方法 | |
CN114333364B (zh) | 一种自动驾驶车辆通过信号交叉口生态驾驶方法 | |
CN108711285B (zh) | 一种基于道路路口的混合交通模拟方法 | |
CN105786895A (zh) | 道路交叉口的排放量的测算方法和装置 | |
Alam et al. | Intellegent traffic light control system for isolated intersection using fuzzy logic | |
Ding et al. | Integrated control for a large-scale mixed network of arterials and freeways | |
CN114863708B (zh) | 一种面向营运车辆的道路合流区路侧实时精准诱导方法 | |
CN114913684B (zh) | 一种融合多模型与数据驱动的瓶颈路段交通流控制方法 | |
CN110610611B (zh) | 面向混行交通流中智能网联车辆的行车安全性评价方法 | |
CN106529118A (zh) | 一种基于二元语义ahp的智能汽车仿人转向操纵性能评价方法 | |
Ghaffari et al. | Longitudinal and lateral movement control of car following maneuver using fuzzy sliding mode control | |
Hua | A new car-following model considering recurrent neural network | |
Wang et al. | Evaluation of Freeway Traffic Management and Control Measures Based on SUMO | |
Aggarwal | Fuzzy model for estimation of passenger car unit | |
CN114973660B (zh) | 一种模型线性化迭代更新法的交通决策方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200505 Termination date: 20210523 |