CN110097318A - 一种车辆按区域汇总油耗里程的算法 - Google Patents

一种车辆按区域汇总油耗里程的算法 Download PDF

Info

Publication number
CN110097318A
CN110097318A CN201910358158.9A CN201910358158A CN110097318A CN 110097318 A CN110097318 A CN 110097318A CN 201910358158 A CN201910358158 A CN 201910358158A CN 110097318 A CN110097318 A CN 110097318A
Authority
CN
China
Prior art keywords
data
waybill
mileage
vehicle
province
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
CN201910358158.9A
Other languages
English (en)
Inventor
刘支伦
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.)
Ji Qi (chengdu) Science And Technology Co Ltd
Original Assignee
Ji Qi (chengdu) Science And Technology Co Ltd
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 Ji Qi (chengdu) Science And Technology Co Ltd filed Critical Ji Qi (chengdu) Science And Technology Co Ltd
Priority to CN201910358158.9A priority Critical patent/CN110097318A/zh
Publication of CN110097318A publication Critical patent/CN110097318A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明涉及交通运输智能算法领域，具体为一种车辆按区域汇总油耗里程的算法，通过利用GPS行驶数据和运单开始时间、结束时间，把运单按省份进行分段得到分段运单，然后用分段运单和数仓底层的里程油耗原始表关联，取得区域分段的百公里油耗信息，巧妙的利用GPS数据的时间连续性和位置信息，从时间和省份角度排序去重，从而进行运单分段。把分段后的省份数据关联里程和油耗数据，然后进行多维度汇总，添加影响百公里油耗的关键因素车辆马力和载位，精确的实现对同类型车辆同样线路省份百公里油耗的分析，从而可以给决策者反映实际的道路水平、不同车辆类型的油耗水平、不同司机驾驶相同类型车辆和相同道路的油耗水平。

Description

一种车辆按区域汇总油耗里程的算法
技术领域
本发明涉及交通运输智能算法领域，具体为一种车辆按区域汇总油耗里程的算法。
背景技术
车辆油耗一般分为等速油耗和道路循环油耗两种，其中等速油耗：等速油耗是指汽车在良好路面上作等速行驶时的燃油经济性指标。由于等速行驶是汽车在公路上运行的一种基本工况，加上这种油耗容易测定，所以得到广泛采用。如法国和德国就把90Km/h和120Km/h的等速油耗作为燃油经济性的主要评价指标。我国也采用这一指标。国产汽车说明书上标明的百公里油耗，一般都是等速油耗。不过，由于汽车在实际行驶中经常出现加速、减速、制动和发动机怠速等多种工作情况，因此等速油耗往往偏低，与实际油耗有较大差别。特别对经常在城市中作短途行驶的汽车，差别就更大。道路循环油耗：道路循环油耗，是汽车在道路上按照规定的车速和时间规范作反复循环行驶时所测定的燃油经济性指标，也叫做多工况道路循环油耗。在车速和时间规范中，规定每个循环包含各种行驶的功况，并规定了每个循环中的换挡时刻、制动与停车时间，以及行驶速度、加速度及制动减速度的数值。因此，用这种方法测定的燃油经济性，比较接近汽车实际的行驶情况。美国汽车工程师学会(SAE)制定了SAEJ10926道路循环试验规范，被广泛采用。这一规范，包括四种不同的循环：市区、郊区、州际(55Mile/h)和州际(70Mile/h)。在了解美国汽车的燃油经济性时，应分清所采用的是哪种循环，才能进行比较。
以上油耗分类均为车辆在理想状态下行驶的时候所产生的油耗，车辆在运行过程中会产生油耗，这个油耗数据由硬件设备进行捕获并上传到大数据平台，同时由硬件捕获并上传的数据还有数据产生的时间，包括开始时间、结束时间和里程值、油耗值、经纬度。一辆车从A地开到B地会经过一些省市，在这些地方都会留下时间连续的GPS信息和油耗信息，我们可以用这些信息计算出车辆经过不同地方产生的里程和油耗。而目前业内对区域油耗的概念并未开发，通常是计算一个车辆运单的总里程和总油耗，并没有根据运单路线经过的城市区域进行汇总分析，所以当分析运单产生的油耗时，并不能定位到区域，也不清楚区域的道路情况，不利于线路优化和高油耗问题的发现。
因此，急需一种车辆按区域汇总油耗里程的算法，可以较为真实的展示不同载位马力的车辆在跑同一个线路时经过的区域百公里油耗，从而可以分析一个区域的道路水平，在确定运输线路时可以作为参考因素之一。
发明内容
本发明的目的在于提供一种车辆按区域汇总油耗里程的算法，把以往对车辆运单时间产生的里程和油耗的粗粒度管理变细，增加了车辆载位和马力因素，并把路线经过城市的百公里油耗做了汇总和平均，可以分析一个区域的道路水平，道路水平越好百公里油耗就相对更低，在确定运输线路时可以作为参考因素之一，甚至百公里油耗明显高于平均值的运单可以筛选出来，取得司机信息，分析是否是司机行为导致了油耗偏高，帮助提升司机素质。
为实现上述目的，本发明提供如下技术方案：
一种车辆按区域汇总油耗里程的算法，所述计算方法的步骤为：
S1分别获取CMS运单数据和OTM运单数据，合并得到运单汇总数据，即数据仓库；
S2在数据仓库中提取分钟级GPS位置数据并与数据仓库进行关联，将运单线路按照省份进行分割拆分；
S3将拆分后的数据与数据仓库秒级里程表进行关联，可以得到运单开始和结束时间范围内的里程数据，得到分段运单的里程和省份；
S4将拆分后的数据与数据仓库秒级油耗表进行关联，可以得到运单开始和结束时间范围内的油耗数据，得到分段运单的油耗和省份；
S5将S3和S4得到的数据进行合并，生成不同路线和省份的里程油耗并计算线路不同省份的百公里油耗。
优选的，所述S1中的CMS运单数据和OTM运单数据是来源于不同系统的车辆运单数据，保存有一个车辆的运单数据，有运单开始时间和运单结束时间和车牌号、GPS设备号，通过车辆和时间区间就能筛选出订单时间产生的里程、油耗的物联网数据。
优选的，所述S2中的分钟级GPS位置数据是按分钟保存的车辆设备的里程和位置数据，每条数据有车牌号、设备号、开始时间、结束时间、省、运行时长、运行里程字段字段。
优选的，所述S3中的数据仓库秒级里程表是GPS设备上传的最原始频率数据，是由经纬度经过加工后得到的最小时间范围的里程和位置数据，没有经过任何汇总，包含车牌号、设备号、开始时间、结束时间、省、运行时长、运行里程等字段。
优选的，所述S4中的数据仓库秒级油耗表是EMS设备上传的最原始频率数据，经过EMS硬件计算的油耗数据，上传保存到数据仓库，有设备号、开始时间、结束时间、油耗，关联机构设备维度表。
与现有技术相比，本发明的有益效果是：
本发明所述的一种车辆按区域汇总油耗里程的算法，利用GPS行驶数据和运单开始时间、结束时间，把运单按省份进行分段得到分段运单，然后用分段运单和数仓底层的里程油耗原始表关联，取得区域分段的百公里油耗信息，巧妙的利用GPS数据的时间连续性和位置信息，从时间和省份角度排序去重，从而进行运单分段。把分段后的省份数据关联里程和油耗数据，然后进行多维度汇总，添加影响百公里油耗的关键因素车辆马力和载位，精确的实现对同类型车辆同样线路省份百公里油耗的分析，从而可以给决策者反映实际的道路水平、不同车辆类型的油耗水平、不同司机驾驶相同类型车辆和相同道路的油耗水平。
把以往对车辆运单时间产生的里程和油耗的粗粒度管理变细，增加了车辆载位和马力因素，并把路线经过城市的百公里油耗做了汇总和平均，可以较为真实的展示不同载位马力的车辆在跑同一个线路时经过的区域百公里油耗，从而可以分析一个区域的道路水平，道路水平越好百公里油耗就相对更低，在确定运输线路时可以作为参考因素之一。甚至百公里油耗明显高于平均值的运单可以筛选出来，取得司机信息，分析是否是司机行为导致了油耗偏高，帮助提升司机素质。
附图说明
图1为本发明一种车辆按区域汇总油耗里程的算法流程图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种车辆按区域汇总油耗里程的算法，所述计算方法的步骤为：
S1分别获取CMS运单数据和OTM运单数据，合并得到运单汇总数据，即数据仓库；
S2在数据仓库中提取分钟级GPS位置数据并与数据仓库进行关联，将运单线路按照省份进行分割拆分；
S3将拆分后的数据与数据仓库秒级里程表进行关联，可以得到运单开始和结束时间范围内的里程数据，得到分段运单的里程和省份；
S4将拆分后的数据与数据仓库秒级油耗表进行关联，可以得到运单开始和结束时间范围内的油耗数据，得到分段运单的油耗和省份；
S5将S3和S4得到的数据进行合并，生成不同路线和省份的里程油耗并计算线路不同省份的百公里油耗。
优选的，所述S1中的CMS运单数据和OTM运单数据是来源于不同系统的车辆运单数据，保存有一个车辆的运单数据，有运单开始时间和运单结束时间和车牌号、GPS设备号，通过车辆和时间区间就能筛选出订单时间产生的里程、油耗的物联网数据。
优选的，所述S2中的分钟级GPS位置数据是按分钟保存的车辆设备的里程和位置数据，每条数据有车牌号、设备号、开始时间、结束时间、省、运行时长、运行里程字段字段。
优选的，所述S3中的数据仓库秒级里程表是GPS设备上传的最原始频率数据，是由经纬度经过加工后得到的最小时间范围的里程和位置数据，没有经过任何汇总，包含车牌号、设备号、开始时间、结束时间、省、运行时长、运行里程等字段。
优选的，所述S4中的数据仓库秒级油耗表是EMS设备上传的最原始频率数据，经过EMS硬件计算的油耗数据，上传保存到数据仓库，有设备号、开始时间、结束时间、油耗，关联机构设备维度表。
工作原理：
第一步、获取CMS运单数据和OTM运单数据，CMS和OTM是来源于不同系统的车辆运单数据，保存有一个车辆的运单数据，有运单开始时间和运单结束时间和车牌号、GPS设备号，通过车辆和时间区间就能筛选出订单时间产生的里程、油耗等物联网数据。
第二步、数据仓库分钟级里程表，是按分钟保存的车辆设备的里程和位置数据，每条数据有车牌号、设备号、开始时间、结束时间、省、运行时长、运行里程字段字段。因为计算是按月为周期，取出一个月的数据，并和汇总后的运单数据做关联，并按照数据产生时间进行排序和去重，如车辆A在2019年2月14号这一天经过了成都->重庆->武汉->上海4个省份。那么在分钟级里程数据里面存在排序后的4段数据分别对应这4个省份，取每一段的第一条数据的开始时间和最后一条数据的结束时间，并带上车辆、省份、运单号生成一条新数据，那么这条运单会重新生成4条数据，并对应有时间段，从而变相的把一条运单由省份拆分为了多个订单。
第三步、数据仓库秒级里程表，是GPS设备上传的最原始频率数据，是由经纬度经过加工后得到的最小时间范围的里程和位置数据，没有经过任何汇总，包含车牌号、设备号、开始时间、结束时间、省、运行时长、运行里程等字段。用上面生成的拆分订单和秒级里程表做关联，取出订单开始和结束时间范围内的里程数据，得到分段运单的里程和省份。
第四步、数据仓库秒级油耗表，是EMS设备上传的最原始频率数据，经过EMS硬件计算的油耗数据，上传保存到数据仓库，有设备号、开始时间、结束时间、油耗，关联机构设备维度表，可以拿到车牌号字段。用拆分订单和秒级油耗表做关联，取出订单开始和结束时间范围内的里程数据，得到分段运单的油耗和省份。
第五步、将分段运单的里程和油耗进行关联，关联条件为运单号和省份，得到里程和油耗都存在的数据。
第六步、把分段运单按照线路、车辆载位、马力进行汇总，例如成都->重庆的所有运单的油耗汇总除以里程汇总再乘以100得到百公里区域油耗。
第七步、配合前端表格进行展示，得到线路、车辆载位、马力和区域分段油耗。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神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，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种车辆按区域汇总油耗里程的算法，其特征在于：所述计算方法的步骤为：
S1分别获取CMS运单数据和OTM运单数据，合并得到运单汇总数据，即数据仓库；
S2在数据仓库中提取分钟级GPS位置数据并与数据仓库进行关联，将运单线路按照省份进行分割拆分；
S3将拆分后的数据与数据仓库秒级里程表进行关联，可以得到运单开始和结束时间范围内的里程数据，得到分段运单的里程和省份；
S4将拆分后的数据与数据仓库秒级油耗表进行关联，可以得到运单开始和结束时间范围内的油耗数据，得到分段运单的油耗和省份；
S5将S3和S4得到的数据进行合并，生成不同路线和省份的里程油耗并计算线路不同省份的百公里油耗。
2.如权利要求1所述的一种车辆按区域汇总油耗里程的算法，其特征在于：所述S1中的CMS运单数据和OTM运单数据是来源于不同系统的车辆运单数据，保存有一个车辆的运单数据，有运单开始时间和运单结束时间和车牌号、GPS设备号，通过车辆和时间区间就能筛选出订单时间产生的里程、油耗的物联网数据。
3.如权利要求1所述的一种车辆按区域汇总油耗里程的算法，其特征在于：所述S2中的分钟级GPS位置数据是按分钟保存的车辆设备的里程和位置数据，每条数据有车牌号、设备号、开始时间、结束时间、省、运行时长、运行里程字段字段。
4.如权利要求1所述的一种车辆按区域汇总油耗里程的算法，其特征在于：所述S3中的数据仓库秒级里程表是GPS设备上传的最原始频率数据，是由经纬度经过加工后得到的最小时间范围的里程和位置数据，没有经过任何汇总，包含车牌号、设备号、开始时间、结束时间、省、运行时长、运行里程等字段。
5.如权利要求1所述的一种车辆按区域汇总油耗里程的算法，其特征在于：所述S4中的数据仓库秒级油耗表是EMS设备上传的最原始频率数据，经过EMS硬件计算的油耗数据，上传保存到数据仓库，有设备号、开始时间、结束时间、油耗，关联机构设备维度表。
CN201910358158.9A 2019-04-30 2019-04-30 一种车辆按区域汇总油耗里程的算法 Pending CN110097318A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910358158.9A CN110097318A (zh) 2019-04-30 2019-04-30 一种车辆按区域汇总油耗里程的算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910358158.9A CN110097318A (zh) 2019-04-30 2019-04-30 一种车辆按区域汇总油耗里程的算法

Publications (1)

Publication Number Publication Date
CN110097318A true CN110097318A (zh) 2019-08-06

Family

ID=67446475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910358158.9A Pending CN110097318A (zh) 2019-04-30 2019-04-30 一种车辆按区域汇总油耗里程的算法

Country Status (1)

Country Link
CN (1) CN110097318A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509470A (zh) * 2011-10-14 2012-06-20 北京掌城科技有限公司 基于动态路径规划实现车辆节能减排的系统和方法
CN103791961A (zh) * 2014-01-16 2014-05-14 观致汽车有限公司 一种预测车辆可行驶里程数的方法
CN103863220A (zh) * 2014-03-27 2014-06-18 北京车云通科技有限公司 机动车数据的监测方法和系统
CN104715605A (zh) * 2015-02-16 2015-06-17 北京交通大学 一种基于vsp分布的交通运行数据与排放数据耦合方法与系统
CN205665558U (zh) * 2016-06-11 2016-10-26 深圳市北斗星车联信息技术有限公司 一种基于车辆obd数据应用的油耗统计的装置
CN206514892U (zh) * 2016-11-09 2017-09-22 安徽天鑫能源科技有限公司 一种用于计算车辆区间油耗的测算装置
CN107239844A (zh) * 2016-03-28 2017-10-10 武汉长江通信智联技术有限公司 一种基于Hadoop的石油运输车辆油耗预测方法
CN107330217A (zh) * 2017-07-13 2017-11-07 北京市交通信息中心 一种基于rbfnn的中观油耗预测方法
CN108230217A (zh) * 2017-12-28 2018-06-29 江苏交科能源科技发展有限公司 一种基于高速公路收费数据的能耗排放总量核算系统及其核算方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509470A (zh) * 2011-10-14 2012-06-20 北京掌城科技有限公司 基于动态路径规划实现车辆节能减排的系统和方法
CN103791961A (zh) * 2014-01-16 2014-05-14 观致汽车有限公司 一种预测车辆可行驶里程数的方法
CN103863220A (zh) * 2014-03-27 2014-06-18 北京车云通科技有限公司 机动车数据的监测方法和系统
CN104715605A (zh) * 2015-02-16 2015-06-17 北京交通大学 一种基于vsp分布的交通运行数据与排放数据耦合方法与系统
CN107239844A (zh) * 2016-03-28 2017-10-10 武汉长江通信智联技术有限公司 一种基于Hadoop的石油运输车辆油耗预测方法
CN205665558U (zh) * 2016-06-11 2016-10-26 深圳市北斗星车联信息技术有限公司 一种基于车辆obd数据应用的油耗统计的装置
CN206514892U (zh) * 2016-11-09 2017-09-22 安徽天鑫能源科技有限公司 一种用于计算车辆区间油耗的测算装置
CN107330217A (zh) * 2017-07-13 2017-11-07 北京市交通信息中心 一种基于rbfnn的中观油耗预测方法
CN108230217A (zh) * 2017-12-28 2018-06-29 江苏交科能源科技发展有限公司 一种基于高速公路收费数据的能耗排放总量核算系统及其核算方法

Similar Documents

Publication Publication Date Title
Ma et al. Real-world driving cycles and energy consumption informed by large-sized vehicle trajectory data
Sun et al. Modeling carbon emissions from urban traffic system using mobile monitoring
CN104715605B (zh) 一种基于vsp分布的交通运行数据与排放数据耦合方法与系统
Ma et al. Effects of driving style on the fuel consumption of city buses under different road conditions and vehicle masses
Choudhary et al. Urban real-world driving traffic emissions during interruption and congestion
Treiber et al. How much does traffic congestion increase fuel consumption and emissions? Applying a fuel consumption model to the NGSIM trajectory data
Samuel et al. Automotive test drive cycles for emission measurement and real-world emission levels-a review
CN106203735A (zh) 一种机动车驾驶员驾驶行为能耗特征测算方法
CN107240264B (zh) 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法
CN111489060B (zh) 一种高时空分辨率交通源排放清单制备方法
CN104112357B (zh) 一种恶劣霾天气的城市区域交通紧急预案方法
Rakha et al. VT-Meso model framework for estimating hot-stabilized light-duty vehicle fuel consumption and emission rates
CN113034930A (zh) 确定路网段上的污染物、噪声排放、道路安全参数的方法
Zhang et al. The impact of socio-demographic characteristics and driving behaviors on fuel efficiency
Seedam et al. Motorcycle On‐Road Driving Parameters Influencing Fuel Consumption and Emissions on Congested Signalized Urban Corridor
Yang et al. Arterial roadway energy/emissions estimation using modal-based trajectory reconstruction
CN113962450B (zh) 一种核算城市道路交通逐日二氧化碳排放量的方法及其系统
CN111047179A (zh) 一种基于频繁模式挖掘的车辆运输效率分析方法
Śmieszek et al. Determining the fuel consumption of a public city bus in urban traffic
Ko et al. Environmentally conscious highway design for crest vertical curves
Averyanov et al. Method for the organization of non-stop passage of public transport through a controlled intersection
CN114023065A (zh) 一种利用视频解析数据智能诊断路口服务等级的算法
Zhang et al. An improved method for evaluating eco-driving behavior based-on speed-specific vehicle-specific power distributions
CN110097318A (zh) 一种车辆按区域汇总油耗里程的算法
CN109990858B (zh) 柴油-甲醇双燃料商用车燃料经济性计算方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190806