CN110533274A - 一种轨道交通系统运营风险点辨识方法 - Google Patents
一种轨道交通系统运营风险点辨识方法 Download PDFInfo
- Publication number
- CN110533274A CN110533274A CN201910594846.5A CN201910594846A CN110533274A CN 110533274 A CN110533274 A CN 110533274A CN 201910594846 A CN201910594846 A CN 201910594846A CN 110533274 A CN110533274 A CN 110533274A
- Authority
- CN
- China
- Prior art keywords
- group
- partial node
- node
- association
- rail transit
- 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
- 238000012850 discrimination method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 abstract 1
- 230000002776 aggregation Effects 0.000 abstract 1
- 230000006855 networking Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种轨道交通系统运营风险点辨识方法。该方法包括：根据轨道交通系统运营过程中组分节点所属的运营结构，对组分节点进行分类；将选取的组分节点sk的累计故障次数与整个辨识系统中所涉及到的组分节点数的平均值比对；计算组分节点sk的关联重要度Fk，并与整个辨识系统中所涉及到的组分节点数的倒数比对；计算组分节点sk的功能重要度并与数值1比对；根据轨道交通系统运营过程中组分节点sk的累计故障次数、关联重要度和融合功能性三个属性的比对结果确定组分节点sk是否为风险点。本发明提出的轨道交通系统运营风险点辨识方法实现了对不同专业专家的经验和实际运营数据综合考虑，对轨道交通所有组分节点进行全面、有效、精确的分析。
Description
技术领域
本发明涉及轨道交通系统运营管理及安全保障领域，尤其涉及一种轨道交通系统运营风险点辨识方法。
背景技术
我国城市化发展增加了城市道路交通拥挤，拥有相对地面交通更快捷、输送能力大(可承受大客流的冲击)、准时性好(不受地面交通干扰)、不占用宝贵的中心区土地资源、较地面交通更为舒适等多项优势的城市轨道交通系统正成为解决大城市中心城区道路交通供给不足的一种普遍选择。
随着城市轨道交通的发展，我国很多城市的轨道交通已经完成了从单一线路到交通网的转变，其运输能力不仅大幅提升，而且运营管理也更加复杂。鉴于这一现状，轨道交通网络化运营是轨道交通发展的必然趋势，网络化运营是指在由多线路组成的城市轨道交通线网上建立的、旨在有效满足出行者需要的安全、可持续的运输组织方法与运营行为的总称，如何建立合理、高效的网络化运营安全保障体系是实现安全、可靠、高效的轨道交通网络化运营的重要前提和基础。其中对于风险辨识是风险评价和风险管控的基础,为更加科学准确地做好轨道交通运营风险辨识,学者们进行了深入的探索和研究。
目前常用的风险辨识方法有安全检查表法、层次分析法(AHP)、失效模式与影响分析法 (FMEA)和危险与可操作性研究法(HAZOP)等，这些定性和定量方法从“人-机-环-管”四个方面找出了影响城市轨道交通安全运营的影响要素，但现有的风险辨识方法停留在较为理论化和经验化的程度上，无法既考虑专家经验又考虑实际运营数据，无法对整个轨道交通系统进行综合考虑、统筹分析的风险辨识。
发明内容
本发明的目的是解决目前轨道交通系统中运营风险点辨识范围不够全面的问题，提出了一种综合考虑不同专业专家的经验和实际运营数据的对轨道交通所有组分节点进行全面、有效、精确分析的轨道交通系统运营风险点辨识方法。本发明专利综合考虑组分节点的累计故障次数、关联重要度和功能重要度，有助于提高风险点的辨识能力。
为了解决上述技术问题，本发明的技术方案是：
一种轨道交通系统运营风险点辨识方法，包括以下步骤：
步骤1、根据轨道交通系统运营过程中组分节点所属的运营结构，对组分节点进行分类；
步骤2、根据轨道交通系统运营过程中组分节点的实际运营情况，将选取的组分节点sk的累计故障次数与整个辨识系统中所涉及到的组分节点数的平均值比对；
步骤3、根据轨道交通系统运营过程中组分节点sk与其他节点的关联性，计算组分节点sk的关联重要度Fk，并与整个辨识系统中所涉及到的组分节点数的倒数比对；
步骤4、根据轨道交通系统运营过程中组分节点sk对整个系统的功能所起的作用，计算组分节点sk的功能重要度并与数值1比对；
步骤5、根据轨道交通系统运营过程中组分节点sk的累计故障次数、关联重要度和融合功能性三个属性的比对结果确定组分节点sk是否为风险点；
步骤6、重新选取组分节点重复步骤2-5确定其是否为风险点，直至整个辨识系统中所涉及到的所有类的组分节点均已检查完。
进一步地，所述步骤1具体为：
从组分节点所属结构属性出发，将组分节点分为物理结构类组分节点、外部环境类组分节点和人因类组分节点。
进一步地，所述步骤2具体为：
将选取的组分节点sk的累计故障次数ck与整个辨识系统中所涉及到的组分节点数的平均值比对，当ck满足下列公式时，认为组分节点sk属于风险点：
式中ck为当前正在辨识的组分节点sk的累计故障次数；ci为组分节点si的累计故障次数； n为整个辨识系统中所涉及到的组分节点数。
进一步地，所述步骤3具体为：
计算所述组分节点sk的关联重要度Fk，计算公式为：
式中Fk为组分节点sk的关联重要度；Θk为组分节点sk的关联强度；
当组分节点sk的关联重要度Fk满足以下公式时，组分节点sk被判定为风险点，
式中n为整个辨识系统中所涉及到的组分节点数。
进一步地，所述组分节点sk的关联强度Fk无法通过实际数据获取，故采用专家评价法获取，不同专家参考关联强度评分依据对关联强度作出判断，分别计算整个辨识系统中所涉及到的组分节点数的关联强度评分值；
组分节点sk的关联强度Θk计算公式为：
式中：Nj——第j个专家的关联强度评分值；
m——专家人数。
进一步地，所述关联强度评分依据为：当组分节点sk与其他节点关联性很强，其关联强度评分值为10；当组分节点sk与其他节点关联性强，其关联强度评分值为7；当组分节点sk与其他节点关联性弱，其关联强度评分值为4；当组分节点sk与其他节点关联性很弱，其关联强度评分值为1。
进一步地，所述步骤4具体为：计算所述组分节点sk的功能重要度计算公式为：
式中为组分节点sk的功能重要度；Wk为组分节点sk的功能性评分；为专家评分的平均值；
当组分节点sk的功能重要度满足时，组分节点sk被判定为风险点。
进一步地，所述组分节点sk的功能性评分Wk计算公式为：
式中Wk为组分节点sk的功能性评分；为第a组第b个专家的评分值；s为专家的组数； t为每组中专家人数。
进一步地，所述组分节点sk的功能性评分Wk是融合不同专家的十分制评分结果进行计算得来的，将专家按专业分为不同组，相同专业的专家为一组。
本发明弥补了现有轨道交通风险辨识方法无法对整个轨道交通系统进行综合考虑、统筹分析的缺陷，创新性的提出了一种综合考虑不同专业专家的经验和实际运营数据的对轨道交通所有组分节点进行全面、有效、精确分析的风险点辨识方法，充分将理论研究与实际运营相结合，为加强对轨道交通运营网络化过程中对运营风险的提前预判和重点监控做出了突出的贡献。
附图说明
图1为风险点辨识流程图。
具体实施方式
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
实施例一：
本发明实施例提供了一种轨道交通系统运营风险点辨识方法，该方法的处理流程如图1 所示，包括以下处理步骤：
步骤1、根据轨道交通系统运营过程中组分节点所属的运营结构，对组分节点进行分类：从组分节点所属结构属性出发，将组分节点分为物理结构类组分节点、外部环境类组分节点和人因类组分节点。
步骤2、根据轨道交通系统运营过程中组分节点的实际运营情况，将选取的组分节点sk的累计故障次数与整个辨识系统中所涉及到的组分节点数的平均值比对。
步骤2具体为：
将选取的组分节点sk的累计故障次数ck与整个辨识系统中所涉及到的组分节点数的平均值比对，当ck满足下列公式时，认为组分节点sk属于风险点：
式中ck为当前正在辨识的组分节点sk的累计故障次数；ci为组分节点si的累计故障次数； n为整个辨识系统中所涉及到的组分节点数。
步骤3、根据轨道交通系统运营过程中组分节点sk与其他节点的关联性，计算组分节点sk的关联重要度Fk，并与整个辨识系统中所涉及到的组分节点数的倒数比对。
步骤3具体为：
计算所述组分节点sk的关联重要度Fk，计算公式为：
式中Fk为组分节点sk的关联重要度；Θk为组分节点sk的关联强度；
当组分节点sk的关联重要度Fk满足以下公式时，组分节点sk被判定为风险点，
式中n为整个辨识系统中所涉及到的组分节点数。
其中组分节点sk的关联强度Fk无法通过实际数据获取，故采用专家评价法获取，不同专家参考参考表1中评分依据对结构强度作出判断。
表1关联强度评分值
分别计算整个辨识系统中所涉及到的组分节点数的关联强度评分值；
组分节点sk的关联强度Θk计算公式为：
式中：Nj——第j个专家的关联强度评分值；
m——专家人数。
步骤4、根据轨道交通系统运营过程中组分节点sk对整个系统的功能所起的作用，计算组分节点sk的功能重要度并与数值1比对；
步骤4具体为：计算所述组分节点sk的功能重要度计算公式为：
式中为组分节点sk的功能重要度；Wk为组分节点sk的功能性评分；为专家评分的平均值；
其中组分节点sk的功能性评分Wk计算公式为：
式中Wk为组分节点sk的功能性评分；为第a组第b个专家的评分值；s为专家的组数； t为每组中专家人数。
所述组分节点sk的功能性评分Wk是融合不同专家的十分制评分结果进行计算得来的，将专家按专业分为不同组，相同专业的专家为一组。
当组分节点sk的功能重要度满足时，组分节点sk被判定为风险点。
步骤5、根据轨道交通系统运营过程中组分节点sk的累计故障次数、关联重要度和融合功能性三个属性的比对结果确定组分节点sk是否为风险点；
步骤6、重新选取组分节点重复步骤2-5确定其是否为风险点，直至整个辨识系统中所涉及到的所有类的组分节点均已检查完。
实施例二：
该实施例以风源模块为例，首先将组分节点划分为物理结构类、外部环境类和人因类，选取制动场景下的“风源模块”这一组分节点，其中制动场景下所有风险点的全年平均失效次数为12.52，“风源模块”的累计故障次数为73次，所以该“风源模块”是风险点。
实施例三：
选取“雪”这一组分节点，首先将其累计故障次数与所有组分节点全年平均故障次数作对比，“雪”的累计故障次数为3，远小于12.52，故进入下一步判定，邀请10位专家对其关联强度进行评分，评分结果如下：
表2“雪”节点的关联强度评分
则“雪”节点的关联强度为：
所有节点的关联强度总和为125.3，则“雪”的关联重要度为：
所以无法判断“雪”是否属于风险点，进入下一步判定，计算该节点的功能重要度。由 12位专家对“雪”组分节点的功能性评分如表3所示。
表3“雪”组分节点的功能性评分
则“雪”节点的功能重要度评分为：
评分值大于1，所以该节点是风险点。
以上具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明原理及实质的情况下，可对上述方法细节进行各种省略、替换和改变。本发明范围由所附权利要求书限定。
Claims (9)
1.一种轨道交通系统运营风险点辨识方法，其特征在于，包括以下步骤：
步骤1、根据轨道交通系统运营过程中组分节点所属的运营结构，对组分节点进行分类；
步骤2、根据轨道交通系统运营过程中组分节点的实际运营情况，将选取的组分节点sk的累计故障次数与整个辨识系统中所涉及到的组分节点数的平均值比对；
步骤3、根据轨道交通系统运营过程中组分节点sk与其他节点的关联性，计算组分节点sk的关联重要度Fk，并与整个辨识系统中所涉及到的组分节点数的倒数比对；
步骤4、根据轨道交通系统运营过程中组分节点sk对整个系统的功能所起的作用，计算组分节点sk的功能重要度并与数值1比对；
步骤5、根据轨道交通系统运营过程中组分节点sk的累计故障次数、关联重要度和融合功能性三个属性的比对结果确定组分节点sk是否为风险点；
步骤6、重新选取组分节点重复步骤2-5确定其是否为风险点，直至整个辨识系统中所涉及到的所有类的组分节点均已检查完。
2.根据权利要求1所述的轨道交通系统运营风险点辨识方法，其特征在于，所述步骤1具体为：
从组分节点所属结构属性出发，将组分节点分为物理结构类组分节点、外部环境类组分节点和人因类组分节点。
3.根据权利要求1所述的轨道交通系统运营风险点辨识方法，其特征在于，所述步骤2具体为：
将选取的组分节点sk的累计故障次数ck与整个辨识系统中所涉及到的组分节点数的平均值比对，当ck满足下列公式时，认为组分节点sk属于风险点：
式中ck为当前正在辨识的组分节点sk的累计故障次数；ci为组分节点si的累计故障次数；n为整个辨识系统中所涉及到的组分节点数。
4.根据权利要求1所述的轨道交通系统运营风险点辨识方法，其特征在于，所述步骤3具体为：
计算所述组分节点sk的关联重要度Fk，计算公式为：
式中Fk为组分节点sk的关联重要度；Θk为组分节点sk的关联强度；
当组分节点sk的关联重要度Fk满足以下公式时，组分节点sk被判定为风险点，
式中n为整个辨识系统中所涉及到的组分节点数。
5.根据权利要求4所述的轨道交通系统运营风险点辨识方法，其特征在于，所述组分节点sk的关联强度Fk无法通过实际数据获取，故采用专家评价法获取，不同专家参考关联强度评分依据对关联强度作出判断，分别计算整个辨识系统中所涉及到的组分节点数的关联强度评分值；
组分节点sk的关联强度Θk计算公式为：
式中：Nj——第j个专家的关联强度评分值；
m——专家人数。
6.根据权利要求5所述的轨道交通系统运营风险点辨识方法，其特征在于，所述关联强度评分依据为：当组分节点sk与其他节点关联性很强，其关联强度评分值为10；当组分节点sk与其他节点关联性强，其关联强度评分值为7；当组分节点sk与其他节点关联性弱，其关联强度评分值为4；当组分节点sk与其他节点关联性很弱，其关联强度评分值为1。
7.根据权利要求1所述的轨道交通系统运营风险点辨识方法，其特征在于，所述步骤4具体为：计算所述组分节点sk的功能重要度计算公式为：
式中为组分节点sk的功能重要度；Wk为组分节点sk的功能性评分；为专家评分的平均值；
当组分节点sk的功能重要度满足时，组分节点sk被判定为风险点。
8.根据权利要求7所述的轨道交通系统运营风险点辨识方法，其特征在于，所述组分节点sk的功能性评分Wk计算公式为：
式中Wk为组分节点sk的功能性评分；为第a组第b个专家的评分值；s为专家的组数；t为每组中专家人数。
9.根据权利要求8所述的轨道交通系统运营风险点辨识方法，其特征在于，所述组分节点sk的功能性评分Wk是融合不同专家的十分制评分结果进行计算得来的，将专家按专业分为不同组，相同专业的专家为一组。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910594846.5A CN110533274B (zh) | 2019-07-03 | 2019-07-03 | 一种轨道交通系统运营风险点辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910594846.5A CN110533274B (zh) | 2019-07-03 | 2019-07-03 | 一种轨道交通系统运营风险点辨识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110533274A true CN110533274A (zh) | 2019-12-03 |
| CN110533274B CN110533274B (zh) | 2022-08-05 |
Family
ID=68659867
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910594846.5A Active CN110533274B (zh) | 2019-07-03 | 2019-07-03 | 一种轨道交通系统运营风险点辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110533274B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106910002A (zh) * | 2017-01-12 | 2017-06-30 | 同济大学 | 地铁隧道结构安全评估的方法 |
| CN108038591A (zh) * | 2017-11-22 | 2018-05-15 | 同济大学 | 一种钢筋混凝土排水箱涵的风险评估方法 |
| US20180349817A1 (en) * | 2017-06-01 | 2018-12-06 | Autodesk, Inc. | Architecture, engineering and construction (aec) risk analysis system and method |
| CN109767075A (zh) * | 2018-12-17 | 2019-05-17 | 同济大学 | 一种城市轨道交通网络列车运营可靠性评估方法 |
-
2019
- 2019-07-03 CN CN201910594846.5A patent/CN110533274B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106910002A (zh) * | 2017-01-12 | 2017-06-30 | 同济大学 | 地铁隧道结构安全评估的方法 |
| US20180349817A1 (en) * | 2017-06-01 | 2018-12-06 | Autodesk, Inc. | Architecture, engineering and construction (aec) risk analysis system and method |
| CN108038591A (zh) * | 2017-11-22 | 2018-05-15 | 同济大学 | 一种钢筋混凝土排水箱涵的风险评估方法 |
| CN109767075A (zh) * | 2018-12-17 | 2019-05-17 | 同济大学 | 一种城市轨道交通网络列车运营可靠性评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 候晓丽: "城市轨道交通运营安全风险预控的研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
| 徐田坤: "城市轨道交通网络运营安全风险评估理论与方法研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110533274B (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105788260B (zh) | 一种基于智能公交系统数据的公交乘客od推算方法 | |
| Hajduk | Bibliometric analysis of publications on city logistics in international scientific literature | |
| CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
| CN103886507B (zh) | 应急预案数字化生成方法 | |
| CN104240030B (zh) | 一种轨道交通路网动态安全风险评价方法 | |
| CN107689158A (zh) | 一种基于图像处理的智能交通控制方法 | |
| CN113362299A (zh) | 一种基于改进YOLOv4的X光安检图像检测方法 | |
| CN103761589A (zh) | 一种城市轨道交通清分方法 | |
| CN103824450B (zh) | 基于交通状态规则的大型活动专用行车线路规划方法 | |
| CN108009973A (zh) | 一种全息城市轨道交通对象时空化建模方法 | |
| Boyer et al. | Trends over two decades of transportation research: a machine learning approach | |
| CN107316094A (zh) | 一种通勤线路挖掘方法及装置 | |
| CN116681305B (zh) | 一种基于知识图谱的突发事件应急决策方法 | |
| CN112884179A (zh) | 基于机器故障和文本主题分析的城轨折返故障诊断方法 | |
| Sun et al. | Demand Prediction of Railway Emergency Resources Based on Case‐Based Reasoning | |
| Stoma et al. | Selected aspects of the road traffic safety management system | |
| Patlins et al. | The new approach for passenger counting in public transport system | |
| CN110533274A (zh) | 一种轨道交通系统运营风险点辨识方法 | |
| Solecka | Electre III method in assessment of variants of integrated urban public transport system in Cracow | |
| CN116187762A (zh) | 一种基于Anylogic的轨道交通枢纽站瓶颈风险识别方法 | |
| CN116090836A (zh) | 应用于轨道交通的全局风险确定方法、装置、设备及介质 | |
| CN115936541A (zh) | 一种安全道路推荐方法及设备 | |
| Zhang et al. | Public transportation analysis based on social media data | |
| CN103077312A (zh) | 一种城市轨道交通线路建设时序的自动判定方法 | |
| Rodrigues et al. | Hybrid context-aware multimodal routing |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240605 Address after: 100094 building 11, yard 9, FengHao East Road, Haidian District, Beijing Patentee after: BEIJING TELESOUND ELECTRONICS Co.,Ltd. Country or region after: China Address before: 100044 Beijing city Haidian District Xizhimen Shangyuan Village No. 3 Patentee before: Beijing Jiaotong University Country or region before: China |