CN109523062A - 一种基于海量共享交换平台数据环境下的手持移动端路径优化方法 - Google Patents
一种基于海量共享交换平台数据环境下的手持移动端路径优化方法 Download PDFInfo
- Publication number
- CN109523062A CN109523062A CN201811233053.2A CN201811233053A CN109523062A CN 109523062 A CN109523062 A CN 109523062A CN 201811233053 A CN201811233053 A CN 201811233053A CN 109523062 A CN109523062 A CN 109523062A
- Authority
- CN
- China
- Prior art keywords
- moment
- path
- vehicle
- model
- authentication
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于海量共享交换平台数据环境下的手持移动端路径优化方法,包括以下步骤:S1,服务器端获取行进车辆的终点地理位置和当前地理位置,服务器通过对历史车辆的行进路径进行路径模型生成;S2,对生成的路径模型进行解析,生成行进车辆的优化路径。本发明能够为车辆提供最理想行进路径信息,可以有效地节省时间,提高安全系数。
Description
技术领域
本发明涉及路径优化技术领域,特别是涉及一种基于海量共享交换平台数据环境下的手持移动端路径优化方法。
背景技术
常用的路径规划算法往往是根据当前所在位置与终点之间的距离依次规划出行人的下一步运动路径,没有考虑环境因素,例如雷雨天气、车流量等,路径规划不具有全局性。这样容易出现的导航路径存在因拥堵、视野模糊的问题,导致规划出的导航路径质量较低。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种基于海量共享交换平台数据环境下的手持移动端路径优化方法。
为了实现本发明的上述目的,本发明公开了一种基于海量共享交换平台数据环境下的手持移动端路径优化方法,包括以下步骤:
S1,服务器端获取行进车辆的终点地理位置和当前地理位置,服务器通过对历史车辆的行进路径进行路径模型生成;
S11,生成车辆路线选择模型:
SFront(t)为时刻t时与前方相邻车辆的距离;SRight(t)为时刻t时与右侧相邻车辆的距离;SLeft(t)为时刻t时与左侧相邻车辆的距离;SBack(t)为时刻t时与后方相邻车辆的距离;χm(σ)为第m车辆的行进路线,χm′(σ)为车辆在位置m′处的行进方向;
S12,生成车辆路线选择预测模型:
其中,χm(σ)为第m车辆的行进路线,C(σ)为车辆路线选择模型,μ为当前迭代次数,μmax为最大迭代次数;
S13,生成路径模型:
E(t)=P/(B(t)+D(t)+Γθ(t))2
B(t)为行驶路面预测模型;D(t)为车辆路线选择模型;P为全景地图信息;Γ(t)为时刻t时的运动路径视野清晰度模型
S2,对生成的路径模型进行解析,生成行进车辆的优化路径。
在本发明的一种优选实施方式中,步骤S2中路径模型的解析方法为:
F(t)=C(σ)+E(t),
χm(σ)为第m车辆的行进路线,E(t)为路径模型。
在本发明的一种优选实施方式中,步骤S13中行驶路面预测模型包括:
S21,生成行驶路面模型:
其中,Vi(t-1)为第i车辆在时刻t-1的行驶速度;τ为路面参数因子;hi,t为第i车辆在时刻t时所处位置高度;εt为时刻t时的降雨量;σ为降雨量参数因子;Tt为时刻t时路面开尔文温度;θn为第n路径路面弯曲度;ηt为时刻t时的灰尘度;
S22,生成行驶路面预测模型:
其中,i为车辆序号;Nn为在第n条路径上行驶车辆数量;SFront(t)为时刻t时与前方相邻车辆的距离;εt为时刻t时的降雨量;Tt为时刻t时路面开尔文温度;εt-1为时刻t-1时的降雨量;Tt-1为时刻t-1时路面开尔文温度;A(t)为时刻t时的行驶路面模型;A(t-1)为上一时刻t-1时的行驶路面模型。
在本发明的一种优选实施方式中,在步骤S13中视野清晰度为:
其中,εt为时刻t时的降雨量;tθ为第θ条路径上降雨持续时长;Tt为时刻t时路面开尔文温度;Tt+1为下一时刻t+1时路面开尔文温度;δ为雨量待定因子;ηt为时刻t时的灰尘度;ηt-1为时刻t-1时的灰尘度;Γθ(t)为时刻t时第θ条运动路径上的路径视野清晰度;ω(t)为时刻t时的风量;
视野清晰度模型为:
其中,τ为灰尘度因子;Γ(t)为时刻t时的运动路径视野清晰度模型;Γθ(t)为时刻t时第θ条运动路径上的路径视野清晰度;Γθ(t-1)为上一时刻t-1时第θ条运动路径上的路径视野清晰度。
在本发明的一种优选实施方式中,在步骤S1前还包括以下步骤:
在服务器端预设有唯一的鉴权账号及与所述鉴权账号相对应的鉴权密码,判断客户端输入的鉴权账号、鉴权密码和验证码与服务器端上的鉴权账号和鉴权密码及服务器发送的验证码是否一致;
若客户端输入的鉴权账号、鉴权密码和验证码与服务器端上的鉴权账号和鉴权密码及服务器发送的验证码一致,则登录成功;
若客户端输入的鉴权账号与服务器端预设的所有鉴权账号均不一致,则提示输入的鉴权账号不存在,重新输入鉴权账号、鉴权密码和验证码;
若客户端输入的鉴权密码与服务器上预设的鉴权账号所对应的鉴权密码不一致,则提示输入的鉴权密码错误,重新输入鉴权账号、鉴权密码和验证码;
若客户端输入的验证码与服务器端发送的验证码不一致,则提示输入的验证码错误,服务器端重新发送新的验证码,重新输入鉴权账号、鉴权密码和验证码。
在本发明的一种优选实施方式中,验证码为数字、大写字母或小写字母之一或任意组合。
在本发明的一种优选实施方式中,登录成功后,将车辆行进路径上传至服务器端,当下次行驶的终点地理位置与下次行驶的初始地理位置在上传的路径上,则直接使用该上传的路径。
综上所述,由于采用了上述技术方案,本发明的有益效果是:本发明能够为车辆提供最理想行进路径信息,可以有效地节省时间,提高安全系数。
附图说明
图1是本发明流程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
本发明公开了一种基于海量共享交换平台数据环境下的手持移动端路径优化方法,如图1所示,包括以下步骤:
S1,服务器端获取行进车辆的终点地理位置和当前地理位置,服务器通过对历史车辆的行进路径进行路径模型生成;
S11,生成车辆路线选择模型:
SFront(t)为时刻t时与前方相邻车辆的距离;SRight(t)为时刻t时与右侧相邻车辆的距离;SLeft(t)为时刻t时与左侧相邻车辆的距离;SBack(t)为时刻t时与后方相邻车辆的距离;χm(σ)为第m车辆的行进路线,χm′(σ)为车辆在位置m′处的行进方向;
S12,生成车辆路线选择预测模型:
其中,χm(σ)为第m车辆的行进路线,C(σ)为车辆路线选择模型,μ为当前迭代次数,μmax为最大迭代次数;
S13,生成路径模型:
E(t)=P/(B(t)+D(t)+Γθ(t))2
B(t)为行驶路面预测模型;D(t)为车辆路线选择模型;P为全景地图信息;Γ(t)为时刻t时的运动路径视野清晰度模型;
S2,对生成的路径模型进行解析,生成行进车辆的优化路径。
在本发明的一种优选实施方式中,步骤S2中路径模型的解析方法为:
F(t)=C(σ)+E(t),
χm(σ)为第m车辆的行进路线,E(t)为路径模型。
在本发明的一种优选实施方式中,步骤S13中行驶路面预测模型包括:
S21,生成行驶路面模型:
其中,Vi(t-1)为第i车辆在时刻t-1的行驶速度;τ为路面参数因子;hi,t为第i车辆在时刻t时所处位置高度;εt为时刻t时的降雨量;σ为降雨量参数因子;Tt为时刻t时路面开尔文温度;θn为第n路径路面弯曲度;ηt为时刻t时的灰尘度;
S22,生成行驶路面预测模型:
其中,i为车辆序号;Nn为在第n条路径上行驶车辆数量;SFront(t)为时刻t时与前方相邻车辆的距离;εt为时刻t时的降雨量;Tt为时刻t时路面开尔文温度;εt-1为时刻t-1时的降雨量;Tt-1为时刻t-1时路面开尔文温度;A(t)为时刻t时的行驶路面模型;A(t-1)为上一时刻t-1时的行驶路面模型。
在本发明的一种优选实施方式中,在步骤S13中视野清晰度为:
其中,εt为时刻t时的降雨量;tθ为第θ条路径上降雨持续时长;Tt为时刻t时路面开尔文温度;Tt+1为下一时刻t+1时路面开尔文温度;δ为雨量待定因子;ηt为时刻t时的灰尘度;ηt-1为时刻t-1时的灰尘度;Γθ(t)为时刻t时第θ条运动路径上的路径视野清晰度;ω(t)为时刻t时的风量;
视野清晰度模型为:
其中,τ为灰尘度因子;Γ(t)为时刻t时的运动路径视野清晰度模型;Γθ(t)为时刻t时第θ条运动路径上的路径视野清晰度;Γθ(t-1)为上一时刻t-1时第θ条运动路径上的路径视野清晰度。
在本发明的一种优选实施方式中,在步骤S1前还包括以下步骤:
在服务器端预设有唯一的鉴权账号及与所述鉴权账号相对应的鉴权密码,判断客户端输入的鉴权账号、鉴权密码和验证码与服务器端上的鉴权账号和鉴权密码及服务器发送的验证码是否一致;
若客户端输入的鉴权账号、鉴权密码和验证码与服务器端上的鉴权账号和鉴权密码及服务器发送的验证码一致,则登录成功;
若客户端输入的鉴权账号与服务器端预设的所有鉴权账号均不一致,则提示输入的鉴权账号不存在,重新输入鉴权账号、鉴权密码和验证码;
若客户端输入的鉴权密码与服务器上预设的鉴权账号所对应的鉴权密码不一致,则提示输入的鉴权密码错误,重新输入鉴权账号、鉴权密码和验证码;
若客户端输入的验证码与服务器端发送的验证码不一致,则提示输入的验证码错误,服务器端重新发送新的验证码,重新输入鉴权账号、鉴权密码和验证码。
在本发明的一种优选实施方式中,验证码为数字、大写字母或小写字母之一或任意组合。
在本发明的一种优选实施方式中,登录成功后,将车辆行进路径上传至服务器端,当下次行驶的终点地理位置与下次行驶的初始地理位置在上传的路径上,则直接使用该上传的路径。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (7)
1.一种基于海量共享交换平台数据环境下的手持移动端路径优化方法,其特征在于,包括以下步骤:
S1,服务器端获取行进车辆的终点地理位置和当前地理位置,服务器通过对历史车辆的行进路径进行路径模型生成;
S11,生成车辆路线选择模型:
SFront(t)为时刻t时与前方相邻车辆的距离;SRight(t)为时刻t时与右侧相邻车辆的距离;SLeft(t)为时刻t时与左侧相邻车辆的距离;SBack(t)为时刻t时与后方相邻车辆的距离;χm(σ)为第m车辆的行进路线,χm′(σ)为车辆在位置m′处的行进方向;
S12,生成车辆路线选择预测模型:
其中,χm(σ)为第m车辆的行进路线,C(σ)为车辆路线选择模型,μ为当前迭代次数,μmax为最大迭代次数;
S13,生成路径模型:
E(t)=P/(B(t)+D(t)+Γ(t))2
B(t)为行驶路面预测模型;D(t)为车辆路线选择模型;P为全景地图信息;Γ(t)为时刻t时的运动路径视野清晰度模型;
S2,对生成的路径模型进行解析,生成行进车辆的优化路径。
2.根据权利要求1所述的基于海量共享交换平台数据环境下的手持移动端路径优化方法,其特征在于,步骤S2中路径模型的解析方法为:
F(t)=C(σ)+E(t),
χm(σ)为第m车辆的行进路线,E(t)为路径模型。
3.根据权利要求2所述的基于海量共享交换平台数据环境下的手持移动端路径优化方法,其特征在于,步骤S13中行驶路面预测模型包括:
S21,生成行驶路面模型:
其中,Vi(t-1)为第i车辆在时刻t-1的行驶速度;τ为路面参数因子;hi,t为第i车辆在时刻t时所处位置高度;εt为时刻t时的降雨量;σ为降雨量参数因子;Tt为时刻t时路面开尔文温度;θn为第n路径路面弯曲度;ηt为时刻t时的灰尘度;
S22,生成行驶路面预测模型:
其中,i为车辆序号;Nn为在第n条路径上行驶车辆数量;SFront(t)为时刻t时与前方相邻车辆的距离;εt为时刻t时的降雨量;Tt为时刻t时路面开尔文温度;εt-1为时刻t-1时的降雨量;Tt-1为时刻t-1时路面开尔文温度;A(t)为时刻t时的行驶路面模型;A(t-1)为上一时刻t-1时的行驶路面模型。
4.根据权利要求1所述的大数据实时路径优化方法,其特征在于,在步骤S13中视野清晰度为:
其中,εt为时刻t时的降雨量;tθ为第θ条路径上降雨持续时长;Tt为时刻t时路面开尔文温度;Tt+1为下一时刻t+1时路面开尔文温度;δ为雨量待定因子;ηt为时刻t时的灰尘度;ηt-1为时刻t-1时的灰尘度;Γθ(t)为时刻t时第θ条运动路径上的路径视野清晰度;ω(t)为时刻t时的风量;
视野清晰度模型为:
其中,τ为灰尘度因子;Γ(t)为时刻t时的运动路径视野清晰度模型;Γθ(t)为时刻t时第θ条运动路径上的路径视野清晰度;Γθ(t-1)为上一时刻t-1时第θ条运动路径上的路径视野清晰度。
5.根据权利要求1所述的基于海量共享交换平台数据环境下的手持移动端路径优化方法,其特征在于,在步骤S1前还包括以下步骤:
在服务器端预设有唯一的鉴权账号及与所述鉴权账号相对应的鉴权密码,判断客户端输入的鉴权账号、鉴权密码和验证码与服务器端上的鉴权账号和鉴权密码及服务器发送的验证码是否一致;
若客户端输入的鉴权账号、鉴权密码和验证码与服务器端上的鉴权账号和鉴权密码及服务器发送的验证码一致,则登录成功;
若客户端输入的鉴权账号与服务器端预设的所有鉴权账号均不一致,则提示输入的鉴权账号不存在,重新输入鉴权账号、鉴权密码和验证码;
若客户端输入的鉴权密码与服务器上预设的鉴权账号所对应的鉴权密码不一致,则提示输入的鉴权密码错误,重新输入鉴权账号、鉴权密码和验证码;
若客户端输入的验证码与服务器端发送的验证码不一致,则提示输入的验证码错误,服务器端重新发送新的验证码,重新输入鉴权账号、鉴权密码和验证码。
6.根据权利要求5所述的基于海量共享交换平台数据环境下的手持移动端路径优化方法,其特征在于,验证码为数字、大写字母或小写字母之一或任意组合。
7.根据权利要求5所述的基于海量共享交换平台数据环境下的手持移动端路径优化方法,其特征在于,登录成功后,将车辆行进路径上传至服务器端,当下次行驶的终点地理位置与下次行驶的初始地理位置在上传的路径上,则直接使用该上传的路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811233053.2A CN109523062B (zh) | 2018-10-23 | 2018-10-23 | 一种基于海量共享交换平台数据环境下的手持移动端路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811233053.2A CN109523062B (zh) | 2018-10-23 | 2018-10-23 | 一种基于海量共享交换平台数据环境下的手持移动端路径优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109523062A true CN109523062A (zh) | 2019-03-26 |
CN109523062B CN109523062B (zh) | 2021-04-30 |
Family
ID=65772895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811233053.2A Active CN109523062B (zh) | 2018-10-23 | 2018-10-23 | 一种基于海量共享交换平台数据环境下的手持移动端路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523062B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492799A (zh) * | 2018-10-23 | 2019-03-19 | 重庆扬升信息技术有限公司 | 一种海量共享交换平台数据环境下路径优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012025510A1 (de) * | 2012-12-21 | 2014-06-26 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Routenprädiktionsverfahren |
CN107464018A (zh) * | 2017-08-01 | 2017-12-12 | 北京同城必应科技有限公司 | 一种配送路径优化方法和装置、计算机设备、存储介质 |
CN107704955A (zh) * | 2017-09-26 | 2018-02-16 | 重庆市智权之路科技有限公司 | 云端行进轨迹数据判断安全形势路径的工作方法 |
CN107818377A (zh) * | 2016-09-12 | 2018-03-20 | 法乐第(北京)网络科技有限公司 | 基于云计算平台的车辆全局优化控制方法、系统、车辆和云计算平台 |
-
2018
- 2018-10-23 CN CN201811233053.2A patent/CN109523062B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012025510A1 (de) * | 2012-12-21 | 2014-06-26 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Routenprädiktionsverfahren |
CN107818377A (zh) * | 2016-09-12 | 2018-03-20 | 法乐第(北京)网络科技有限公司 | 基于云计算平台的车辆全局优化控制方法、系统、车辆和云计算平台 |
CN107464018A (zh) * | 2017-08-01 | 2017-12-12 | 北京同城必应科技有限公司 | 一种配送路径优化方法和装置、计算机设备、存储介质 |
CN107704955A (zh) * | 2017-09-26 | 2018-02-16 | 重庆市智权之路科技有限公司 | 云端行进轨迹数据判断安全形势路径的工作方法 |
Non-Patent Citations (1)
Title |
---|
薛明: ""恶劣天气因素下最优车辆路线调度路径选择"", 《计算机仿真》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492799A (zh) * | 2018-10-23 | 2019-03-19 | 重庆扬升信息技术有限公司 | 一种海量共享交换平台数据环境下路径优化方法 |
CN109492799B (zh) * | 2018-10-23 | 2021-12-14 | 重庆扬升信息技术有限公司 | 一种海量共享交换平台数据环境下路径优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109523062B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A traffic prediction enabled double rewarded value iteration network for route planning | |
KR102542772B1 (ko) | 자율주차하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
US10120381B2 (en) | Identifying significant locations based on vehicle probe data | |
CN107389080A (zh) | 一种车辆路径导航方法及电子设备 | |
KR101465493B1 (ko) | 차량 내비게이션 시스템 및 차량의 목적지 경로를 결정하는 방법 | |
CN110832282A (zh) | 基于返程行程延迟向用户提供交通警告 | |
US11514392B2 (en) | Energy-efficient delivery of shipments | |
CN108898866B (zh) | 一种智能车辆控制系统 | |
CN104867329A (zh) | 一种车联网车辆状态预测方法 | |
CN108388268A (zh) | 一种基于云端的无人机航线规划方法 | |
CN109727490A (zh) | 一种基于行车预测场的周边车辆行为自适应矫正预测方法 | |
CN104077928A (zh) | 适用于航路外无规律飞行的通航过点位置信息更新方法 | |
CN105516190A (zh) | 连续位置服务中基于路网的位置隐私保护方法 | |
CN108877263A (zh) | 无人驾驶公交车的控制方法、装置和调度系统 | |
CN115339453B (zh) | 车辆换道决策信息生成方法、装置、设备和计算机介质 | |
Li et al. | Backpressure control with estimated queue lengths for urban network traffic | |
CN109190811A (zh) | 一种基于自适应扩展卡尔曼滤波的车辆速度跟踪方法 | |
US20220153309A1 (en) | Systems and Methods for Motion Forecasting and Planning for Autonomous Vehicles | |
CN109523062A (zh) | 一种基于海量共享交换平台数据环境下的手持移动端路径优化方法 | |
WO2023276420A1 (en) | Distributed multi-task machine learning for traffic prediction | |
Neel et al. | Improving bounds on occluded vehicle states for use in safe motion planning | |
CN114299712A (zh) | 一种数据处理方法、装置、设备以及可读存储介质 | |
Guo et al. | Integrated multistep Markov-based velocity predictor of energy consumption prediction model for battery electric vehicles | |
Mokhtari et al. | Safe deep q-network for autonomous vehicles at unsignalized intersection | |
CN109493168A (zh) | 一种处理订单的方法、装置、设备及存储介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: 401121 No. 19, datagu East Road, Xiantao street, Yubei District, Chongqing Patentee after: Chongqing Yangsheng Technology Group Co.,Ltd. Address before: 400010 No.19 datavalley East Road, Xiantao street, Yubei District, Chongqing Patentee before: CHONGQING YANGSHENG INFORMATION TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |