CN110060004A - 物流配送异常检测方法及系统 - Google Patents
物流配送异常检测方法及系统 Download PDFInfo
- Publication number
- CN110060004A CN110060004A CN201910209517.4A CN201910209517A CN110060004A CN 110060004 A CN110060004 A CN 110060004A CN 201910209517 A CN201910209517 A CN 201910209517A CN 110060004 A CN110060004 A CN 110060004A
- Authority
- CN
- China
- Prior art keywords
- orbit segment
- standard deviation
- deviation sigma
- distance
- logistics distribution
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 32
- 230000005856 abnormality Effects 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000013450 outlier detection Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 7
- 230000032258 transport Effects 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0833—Tracking
Abstract
本发明公开了一种物流配送异常检测方法及系统,涉及物流运送领域,获取某轨迹段的起点和终点,并且获取由起点直到终点轨迹内,每间隔标准距离的平均速度v;计算所获取平均速度v的标准差σ;若计算所得的标准差σ小于基准s,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。在轨迹段内,获取物流运送设备从起点至终点每间隔预设距离的平均速度v,之后根据公式计算平均速度v的标准差σ,若标准差σ小于基准s,则判断运送设备轨迹内配送速度正常,若标准差σ大于或等于基准s,则判断运送设备在该轨迹段内速度异常,整个方法简单,检测和计算量少。
Description
技术领域
本发明涉及物流运送领域,更具体地说,它涉及一种物流配送异常检测方法及系统。
背景技术
随着电子商务的发展及物流行业的迅速崛起,人们已经习惯在各种电商网站上购物,然后通过各种快递公司进行配送,获得物品。快递配送成为供应商和客户之间的纽带。
以共同配送为发展方向的现代规模化快递物流配送模式,由于其实行的是不区分货主与商品的大规模集载配送方式,车辆多、路线复杂,这必然在一定程度上导致配送时间延迟、路径错误、终点错误等异常配送问题的发生。因此,如何快速发现异常配送问题并反馈给快递物流企业进行及时处理,是现代规模化快递物流配送模式非常重要的组成部分。
传统的异常检测方法无法适用于具有多属性特点的快递物流配送轨迹数据。因此迫切需要提供一种适用于快递物流配送轨迹多属性特点的异常检测方法,以发现快递物流在配送过程中出现的异常情况,为现代规模化快递物流配送模式的发展提供技术支撑。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种物流配送异常检测方法及系统,具有精确检测物流配送异常的优点。
为实现上述目的,本发明提供了如下技术方案:
第一方面,提供一种物流配送异常检测方法,包括
获取某轨迹段的起点和终点,并且获取由起点直到终点轨迹内,每间隔标准距离的平均速度v;
计算所获取平均速度v的标准差σ;
若计算所得的标准差σ小于基准s,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
采用上述技术方案,在轨迹段内,获取物流运送设备从起点至终点每间隔预设距离的平均速度v,之后根据公式计算平均速度v的标准差σ,若标准差σ小于基准s,则判断运送设备轨迹内配送速度正常,若标准差σ大于或等于基准s,则判断运送设备在该轨迹段内速度异常,整个方法简单,检测和计算量少。
进一步,获取由终点直到起点的轨迹内,每间隔标准距离的平均速度v’;
计算所获取平均速度v’的标准差σ’;
若计算所得的标准差σ’小于基准s’,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
采用上述技术方案,从轨迹段内的终点到起点角度计算运送设备是否异常,多方位监测,更为全面。
进一步,所获取的轨迹段不包含物流配送所需的停留点。
采用上述技术方案,停留点停留时间对速度测算影响较大,因此规避停留点在轨迹段外,增强检测精度。
进一步,还包括
运用线段Hausdorff距离公式计算轨迹段与其邻域子段集合N(s)中各个子段之间的距离,然后利用基于距离的异常检测算法的DB(p,d)准则与设定的距离阈值来获得轨迹段的距离异常因子值;运用基于角度的异常检测算法的异常因子公式对轨迹段的终端点与其邻域子段集合N(s)中所有子段的终端点进行分析计算,获得轨迹段的角度异常因子值;
若距离异常因子值与角度异常因子值均小于对应的标准阈值,则判断该轨迹段轨迹正常,否则判断该轨迹段轨迹异常。
采用上述技术方案,通过各个子段之间的距离计算距离异常因子值,通过各个子段之间的角度计算距离异常因子值,从而从多个方面测算轨迹移动是否异常。
第二方面,提供一种物流配送异常检测系统,包括处理器与存储器,所述存储器存储有指令集供所述处理器调用以实现如下功能:
获取某轨迹段的起点和终点,并且获取由起点直到终点轨迹内,每间隔标准距离的平均速度v;
计算所获取平均速度v的标准差σ;
若计算所得的标准差σ小于基准s,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
采用上述技术方案,在轨迹段内,获取物流运送设备从起点至终点每间隔预设距离的平均速度v,之后根据公式计算平均速度v的标准差σ,若标准差σ小于基准s,则判断运送设备轨迹内配送速度正常,若标准差σ大于或等于基准s,则判断运送设备在该轨迹段内速度异常,整个方法简单,检测和计算量少。
进一步,所述指令集还供所述处理器调用以实现如下功能:
获取由终点直到起点的轨迹内,每间隔标准距离的平均速度v’;
计算所获取平均速度v’的标准差σ’;
若计算所得的标准差σ’小于基准s’,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
采用上述技术方案,从轨迹段内的终点到起点角度计算运送设备是否异常,多方位监测,更为全面。
进一步,所获取的轨迹段不包含物流配送所需的停留点。
采用上述技术方案,停留点停留时间对速度测算影响较大,因此规避停留点在轨迹段外,增强检测精度。
进一步,所述指令集还供所述处理器调用以实现如下功能:运用线段Hausdorff距离公式计算轨迹段与其邻域子段集合N(s)中各个子段之间的距离,然后利用基于距离的异常检测算法的DB(p,d)准则与设定的距离阈值来获得轨迹段的距离异常因子值;运用基于角度的异常检测算法的异常因子公式对轨迹段的终端点与其邻域子段集合N(s)中所有子段的终端点进行分析计算,获得轨迹段的角度异常因子值;
若距离异常因子值与角度异常因子值均小于对应的标准阈值,则判断该轨迹段轨迹正常,否则判断该轨迹段轨迹异常。
采用上述技术方案,通过各个子段之间的距离计算距离异常因子值,通过各个子段之间的角度计算距离异常因子值,从而从多个方面测算轨迹移动是否异常。
综上所述,本发明具有以下有益效果:
1.在轨迹段内,获取物流运送设备从起点至终点每间隔预设距离的平均速度v,之后根据公式计算平均速度v的标准差σ,若标准差σ小于基准s,则判断运送设备轨迹内配送速度正常,若标准差σ大于或等于基准s,则判断运送设备在该轨迹段内速度异常,整个方法简单,检测和计算量少;
2.规避停留点在轨迹段外,增强检测精度;
3.通过各个子段之间的距离计算距离异常因子值,通过各个子段之间的角度计算距离异常因子值,从而从多个方面测算轨迹移动是否异常。
附图说明
图1为本发明中物流配送异常检测方法的流程框图;
图2为本发明中物流配送异常检测方法的原理框图。
图中:1、处理器;2、存储器。
具体实施方式
下面结合附图及实施例,对本发明进行详细描述。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
实施例1
一种物流配送异常检测方法,参照图1,包括步骤S101至步骤S107。
步骤S101:获取某轨迹段的起点和终点,并且获取由起点直到终点轨迹内,每间隔标准距离的平均速度v。
轨迹点为物流运送设备移动的轨迹,停留点停留时间对速度测算影响较大,因此规避停留点在轨迹段外。
步骤S102:计算所获取平均速度v的标准差σ。
步骤S103:若计算所得的标准差σ小于基准s,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
将对配送时间的异常检测转化为对配送过程的平均速度的检测,利用
平均速度与标准差公式计算得出邻域子段集合N(s)中子段的平均速度与速度标准差。平均速度与速度标准差计算公式如下:
公式(1)中的Vsegi为邻域子段segi的速度属性,n为集合N(s)中子段的数目。公式(2)中的σv为速度标准差。
同样的,还获取由终点直到起点的轨迹内,每间隔标准距离的平均速度v’。计算所获取平均速度v’的标准差σ’。若计算所得的标准差σ’小于基准s’,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
步骤S104:运用线段Hausdorff距离公式计算轨迹段与其邻域子段集合N(s)中各个子段之间的距离,然后利用基于距离的异常检测算法的DB(p,d)准则与设定的距离阈值来获得轨迹段的距离异常因子值;运用基于角度的异常检测算法的异常因子公式对轨迹段的终端点与其邻域子段集合N(s)中所有子段的终端点进行分析计算,获得轨迹段的角度异常因子值;
利用线段Hausdorff距离公式来度量子段s与其邻域子段集合N(s)中所有子段的距离,然后利用基于距离的异常检测算法的DB(p,d)准则与设定的距离阈值来分析得出子段s的距离异常因子值。线段Hausdorff距离公式如下:
d//(Li,Lj)=min(l//1,l//2) (4)
dist(Li,Lj)=ω//·d//(Li,Lj)+ω⊥·d⊥(Li,Lj)+ωθ·dθ(Li,Lj) (7)
步骤S105:若距离异常因子值与角度异常因子值均小于对应的标准阈值,则判断该轨迹段轨迹正常,否则判断该轨迹段轨迹异常。
其中,公式(4)为子段间平行距离计算公式,l//1与l//2分别为较短子段的端点00000000在较长子段上的投影点与长子段的两端点之间的较小的欧式距离。公式(5)为子段间垂直距离计算公式,l⊥1与l⊥2分别为较短子段的端点与其在较长子段上的投影点之间的欧式距离。公式(6)为子段间角度距离计算公式,Lj为两条子段中的较短子段,θ为两条子段中较小的夹角。公式(7)为线段Hausdorff距离度量公式,ω//,ω⊥与ωθ分别为平行距离,垂直距离,角度距离的权值参数。
运用基于角度的异常检测算法的异常因子公式对子段s的终端点p与其邻域子段集合N(s)中所有子段的终端点进行分析计算,获得子段s的角度异常因子值。角度异常因子公式如下:
其中,公式(8)中的VOA(p)表示端点p的异常因子值。公式(9)中的θ apb 表示向量
与向量构成的角度,点p与点a,点b互异,n表示子段集合N(s)中子段的数目。
通过各个子段之间的距离计算距离异常因子值,通过各个子段之间的角度计算距离异常因子值,从而从多个方面测算轨迹移动是否异常。
实施例2
一种物流配送异常检测系统,参照图2,包括处理器1与存储器2,存储器2存储有指令集供处理器1调用以实现如下功能:
获取某轨迹段的起点和终点,并且获取由起点直到终点轨迹内,每间隔标准距离的平均速度v;
计算所获取平均速度v的标准差σ;
若计算所得的标准差σ小于基准s,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
获取由终点直到起点的轨迹内,每间隔标准距离的平均速度v’;
计算所获取平均速度v’的标准差σ’;
若计算所得的标准差σ’小于基准s’,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
所获取的轨迹段不包含物流配送所需的停留点。
运用线段Hausdorff距离公式计算轨迹段与其邻域子段集合N(s)中各个子段之间的距离,然后利用基于距离的异常检测算法的DB(p,d)准则与设定的距离阈值来获得轨迹段的距离异常因子值;运用基于角度的异常检测算法的异常因子公式对轨迹段的终端点与其邻域子段集合N(s)中所有子段的终端点进行分析计算,获得轨迹段的角度异常因子值;
若距离异常因子值与角度异常因子值均小于对应的标准阈值,则判断该轨迹段轨迹正常,否则判断该轨迹段轨迹异常。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种物流配送异常检测方法,其特征在于:包括
获取某轨迹段的起点和终点,并且获取由起点直到终点轨迹内,每间隔标准距离的平均速度v;
计算所获取平均速度v的标准差σ;
若计算所得的标准差σ小于基准s,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
2.根据权利要求1所述的物流配送异常检测方法,其特征在于:获取由终点直到起点的轨迹内,每间隔标准距离的平均速度v’;
计算所获取平均速度v’的标准差σ’;
若计算所得的标准差σ’小于基准s’,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
3.根据权利要求1或2所述的物流配送异常检测方法,其特征在于:所获取的轨迹段不包含物流配送所需的停留点。
4.根据权利要求1或2所述的物流配送异常检测方法,其特征在于:还包括
运用线段Hausdorff距离公式计算轨迹段与其邻域子段集合N(s)中各个子段之间的距离,然后利用基于距离的异常检测算法的DB(p,d)准则与设定的距离阈值来获得轨迹段的距离异常因子值;运用基于角度的异常检测算法的异常因子公式对轨迹段的终端点与其邻域子段集合N(s)中所有子段的终端点进行分析计算,获得轨迹段的角度异常因子值;
若距离异常因子值与角度异常因子值均小于对应的标准阈值,则判断该轨迹段轨迹正常,否则判断该轨迹段轨迹异常。
5.一种物流配送异常检测系统,其特征在于:包括处理器(1)与存储器(2),所述存储器(2)存储有指令集供所述处理器(1)调用以实现如下功能:
获取某轨迹段的起点和终点,并且获取由起点直到终点轨迹内,每间隔标准距离的平均速度v;
计算所获取平均速度v的标准差σ;
若计算所得的标准差σ小于基准s,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
6.根据权利要求5所述的物流配送异常检测系统,其特征在于:所述指令集还供所述处理器(1)调用以实现如下功能:
获取由终点直到起点的轨迹内,每间隔标准距离的平均速度v’;
计算所获取平均速度v’的标准差σ’;
若计算所得的标准差σ’小于基准s’,则判断该轨迹段内配送速度正常,否则判断该轨迹段内配送速度异常。
7.根据权利要求5或6所述的物流配送异常检测系统,其特征在于:所获取的轨迹段不包含物流配送所需的停留点。
8.根据权利要求5或6所述的物流配送异常检测系统,其特征在于:所述指令集还供所述处理器(1)调用以实现如下功能:运用线段Hausdorff距离公式计算轨迹段与其邻域子段集合N(s)中各个子段之间的距离,然后利用基于距离的异常检测算法的DB(p,d)准则与设定的距离阈值来获得轨迹段的距离异常因子值;运用基于角度的异常检测算法的异常因子公式对轨迹段的终端点与其邻域子段集合N(s)中所有子段的终端点进行分析计算,获得轨迹段的角度异常因子值;
若距离异常因子值与角度异常因子值均小于对应的标准阈值,则判断该轨迹段轨迹正常,否则判断该轨迹段轨迹异常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910209517.4A CN110060004A (zh) | 2019-03-19 | 2019-03-19 | 物流配送异常检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910209517.4A CN110060004A (zh) | 2019-03-19 | 2019-03-19 | 物流配送异常检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110060004A true CN110060004A (zh) | 2019-07-26 |
Family
ID=67317119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910209517.4A Pending CN110060004A (zh) | 2019-03-19 | 2019-03-19 | 物流配送异常检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110060004A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110553649A (zh) * | 2019-08-19 | 2019-12-10 | 广东中凯智慧政务软件有限公司 | 一种轨迹优化算法及储存介质、监管系统 |
CN110796757A (zh) * | 2019-10-22 | 2020-02-14 | 恒大智慧科技有限公司 | 智慧社区内巡逻舞弊的自动检测方法、设备及存储介质 |
CN112465439A (zh) * | 2021-02-02 | 2021-03-09 | 红石阳光(北京)科技股份有限公司 | 基于智慧大脑控制机器人的物流配送方法及系统 |
CN113011666A (zh) * | 2021-03-29 | 2021-06-22 | 上海寻梦信息技术有限公司 | 时效预测模型的训练方法、时效预测方法及相关设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593430A (zh) * | 2013-11-11 | 2014-02-19 | 胡宝清 | 一种基于移动对象时空信息轨迹分段聚类的方法 |
CN103745083A (zh) * | 2013-12-11 | 2014-04-23 | 深圳先进技术研究院 | 轨迹数据清洗方法及装置 |
CN104657424A (zh) * | 2015-01-21 | 2015-05-27 | 段炼 | 一种多时空特征融合下的兴趣点轨迹聚类方法 |
CN106227889A (zh) * | 2016-08-15 | 2016-12-14 | 华云科技有限公司 | 一种轨迹停留点分析提取方法 |
CN107153931A (zh) * | 2016-03-03 | 2017-09-12 | 重庆邮电大学 | 一种快递物流配送异常检测方法 |
-
2019
- 2019-03-19 CN CN201910209517.4A patent/CN110060004A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593430A (zh) * | 2013-11-11 | 2014-02-19 | 胡宝清 | 一种基于移动对象时空信息轨迹分段聚类的方法 |
CN103745083A (zh) * | 2013-12-11 | 2014-04-23 | 深圳先进技术研究院 | 轨迹数据清洗方法及装置 |
CN104657424A (zh) * | 2015-01-21 | 2015-05-27 | 段炼 | 一种多时空特征融合下的兴趣点轨迹聚类方法 |
CN107153931A (zh) * | 2016-03-03 | 2017-09-12 | 重庆邮电大学 | 一种快递物流配送异常检测方法 |
CN106227889A (zh) * | 2016-08-15 | 2016-12-14 | 华云科技有限公司 | 一种轨迹停留点分析提取方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110553649A (zh) * | 2019-08-19 | 2019-12-10 | 广东中凯智慧政务软件有限公司 | 一种轨迹优化算法及储存介质、监管系统 |
CN110796757A (zh) * | 2019-10-22 | 2020-02-14 | 恒大智慧科技有限公司 | 智慧社区内巡逻舞弊的自动检测方法、设备及存储介质 |
CN112465439A (zh) * | 2021-02-02 | 2021-03-09 | 红石阳光(北京)科技股份有限公司 | 基于智慧大脑控制机器人的物流配送方法及系统 |
CN113011666A (zh) * | 2021-03-29 | 2021-06-22 | 上海寻梦信息技术有限公司 | 时效预测模型的训练方法、时效预测方法及相关设备 |
CN113011666B (zh) * | 2021-03-29 | 2024-04-26 | 上海寻梦信息技术有限公司 | 时效预测模型的训练方法、时效预测方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110060004A (zh) | 物流配送异常检测方法及系统 | |
US10802056B2 (en) | Updating a topology of a distribution network by successive reallocation of the meters | |
CN107153931A (zh) | 一种快递物流配送异常检测方法 | |
CN105793678A (zh) | 车辆过载管理系统 | |
CN108052628A (zh) | 道岔启动电流检测方法、系统及终端设备 | |
CN110238879A (zh) | 一种定位方法、装置和机器人 | |
CN112395120A (zh) | 异常点检测方法、装置、设备及存储介质 | |
CN108895968A (zh) | 车辆测量装置和方法 | |
CN111998918A (zh) | 一种误差校正方法、误差校正装置及流量传感系统 | |
CN110109165B (zh) | 行驶轨迹中异常点的检测方法及装置 | |
CN103412091B (zh) | pH值测量方法及装置 | |
CN104240530A (zh) | 公交车辆离线检测方法 | |
CN113126015A (zh) | 多通道电能质量监测装置测量精度的检测方法及装置 | |
CN110441727B (zh) | 一种对电能表现校仪进行状态评价的方法及装置 | |
JP2013075711A (ja) | ボトルの液状収容物の入味検査方法及びボトル入味検査システム | |
CN109543877B (zh) | 一种同一馈线线路下多用户窃电漏计甄别方法及装置 | |
US20080206903A1 (en) | Adaptive threshold wafer testing device and method thereof | |
CN112833983A (zh) | 一种基于激光扫描的煤量检测方法 | |
EP3186684A1 (en) | Method for state estimation of a distribution network based on real time measurement values | |
CN112858725B (zh) | 一种车速一致性检测方法、终端设备及存储介质 | |
CN115184373A (zh) | 校准方法及相关装置 | |
CN106813703B (zh) | 一种测试产品功能的方法和装置 | |
CN104134623A (zh) | 量测群组设备及量测方法 | |
KR101290169B1 (ko) | 검침 데이터 관리 방법 | |
CN104134054B (zh) | 一种射频识别标签运动状态的识别方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |
|
RJ01 | Rejection of invention patent application after publication |