CN110634309B - 一种基于电警数据的方案选择式的交通信号动态绿波控制方法 - Google Patents
一种基于电警数据的方案选择式的交通信号动态绿波控制方法 Download PDFInfo
- Publication number
- CN110634309B CN110634309B CN201910830040.1A CN201910830040A CN110634309B CN 110634309 B CN110634309 B CN 110634309B CN 201910830040 A CN201910830040 A CN 201910830040A CN 110634309 B CN110634309 B CN 110634309B
- Authority
- CN
- China
- Prior art keywords
- green wave
- scheme
- matching
- road
- intersection
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
- G08G1/083—Controlling the allocation of time between phases of a cycle
Abstract
本发明公开了一种基于电警数据的方案选择式的交通信号动态绿波控制方法,属于智能交通技术领域,建立云服务器,在云服务器中建立数据采集模块、数据分析模块、方案库生成模块、方案匹配模块和方案发送模块,利用上下游电警数据计算绿波平均行驶速度,以此为依据,通过方案选择,自动匹配选择方案库中与绿波当前运行状态相适合的备选方案,完成各路口相位差参数的动态调整。与传统固定绿波或分时段绿波控制方式相比,其具备自主调节能力,能够适应城市道路复杂多变的交通流,实现由人工决策向智能化决策的模式转变。同时,充分利用了已有资源,避免重复建设,降低了投入成本。
Description
技术领域
本发明属于智能交通技术领域,尤其涉及一种基于电警数据的方案选择式的交通信号动态绿波控制方法。
背景技术
随着经济的快速发展,城市规模的不断扩大,汽车保有量的持续增长,交通问题日趋严重。城市道路交通信号控制已成为改善城市交通运行的重要手段,主要包括感应控制、定周期控制、绿波控制等。由于良好的优化效果,绿波控制已经成为许多城市主要采用的交通信号控制方式,具体包括固定绿波控制和分时段绿波控制两种方式,但是本质不变,其缺点是不能适应复杂多变的交通流,是一种被动的控制方式,需要人工定期维护更新。
发明内容
本发明的目的是提供一种基于电警数据的方案选择式的交通信号动态绿波控制方法,解决了利用上下游电警数据计算绿波平均行驶速度,以此为依据,自动匹配选择方案库中与绿波当前运行状态相适合的备选方案,完成各路口相位差参数的动态调整的技术问题。
为实现上述目的,本发明采用如下技术方案:
一种基于电警数据的方案选择式的交通信号动态绿波控制方法,包括如下步骤:
步骤1:建立云服务器,在云服务器中建立数据采集模块、数据分析模块、方案库生成模块、方案匹配模块和方案发送模块;
步骤2:数据采集模块用于通过中间库与电警系统实现对接,定周期提取绿波各路口过车数据;
数据采集模块每15分钟提取绿波各路口每个转向车道的过车数据,过车数据包括车牌号码和过车时间;
步骤3:数据分析模块用于通过上下游车牌匹配、时间差计算,得到各路口每个车辆的到达时间;
数据分析模块利用过车数据,通过上下游车牌匹配,计算同一辆车经过上下游路口的时间差,得到各路口绿波方向上每个车辆的到达时间;
步骤4:数据分析模块通过设计NR_K聚类模型,分别对各路口的车辆到达时间进行聚类分析,并将各聚类质心的最小值作为该路口绿波方向上车辆的平均到达时间;
步骤5:方案库生成模块用于以最高限速值为上限,将绿波设计速度划分若干等级,并依据不同等级,为绿波各路口制定相应的备选方案,形成方案库,同时将备选方案配置到各路口本地信号机;
方案库生成模块以路段最高行驶限速值为上限,将其划分三个等级{V1,V2,V3},依据不同等级,分布别将其作为绿波设计速度,为各路口制定相应的备选方案;
步骤6:方案匹配模块将各个绿波按照由高到低的等级顺序进行方案匹配,其中包含关键路口的绿波等级为高级,其它绿波等级为低级;
方案匹配模块依据设计的Multi_M匹配原则,从方案库中自动匹配选择最适合绿波当前交通状态的控制方案,并记录该控制方案的编号;
步骤7:方案发送模块将生成的控制方案的编号发送至各路口本地信号机,各信号机依据控制方案的编号自动调用本地预存的控制方案。
优选的,在云服务器中还建立优先级管理模块,优先级管理模块采用定时心跳发送机制,云服务器每隔五分钟向本地各信号机发送心跳,如果本地信号机在五分钟内没有接收到心跳,则自动启动本地默认控制方案,确保信号机的安全稳定运行。
优选的,所述本地信号机为部署在城市道路交通信号控制器中的无线或有线通信装置。
优选的,所述Multi_M匹配原则存在两种模式:第一种是主干道实行绿波控制,次干道实行非绿波控制;第二种是主干道实行绿波控制,次干道也实行绿波控制。
本发明所述的一种基于电警数据的方案选择式的交通信号动态绿波控制方法,解决了利用上下游电警数据计算绿波平均行驶速度,以此为依据,自动匹配选择方案库中与绿波当前运行状态相适合的备选方案,完成各路口相位差参数的动态调整的技术问题,本发明其具备自主调节能力,能够适应城市道路复杂多变的交通流,实现由人工决策向智能化决策的模式转变。同时,充分利用了已有资源,避免重复建设,降低了投入成本。
附图说明
图1是城市交通信号动态绿波控制系统逻辑架构图;
图2是路口电警摄像头检测区域说明示意图;
图3是绿波优先级说明示意图;
图4是绿波平均行驶速度计算流程图;
图5是方案库控制方案匹配模式说明示意图;
图6是方案库方案匹配流程说明示意图。
具体实施方式
如图1-图6所示的一种基于电警数据的方案选择式的交通信号动态绿波控制方法,包括如下步骤:
步骤1:建立云服务器,在云服务器中建立数据采集模块、数据分析模块、方案库生成模块、方案匹配模块和方案发送模块;
步骤2:数据采集模块用于通过中间库与电警系统实现对接,定周期提取绿波各路口过车数据;
数据采集模块每15分钟提取绿波各路口每个转向车道的过车数据,过车数据包括车牌号码和过车时间;
本实施例所述的数据采集,需要将路口各转向车道与对应的电警卡口编号进行绑定,绑定信息包括:路口名称、路口编号、路口方向、转向车道、电警编号。
如图2所示本实施例所述的上下游路口是指路口1与路口2的位置关系,路口1的驶入车辆包含来车方向1、来车方向2、来车方向3的车辆。
步骤3:数据分析模块用于通过上下游车牌匹配、时间差计算,得到各路口每个车辆的到达时间;
数据分析模块利用过车数据,通过上下游车牌匹配,根据以下公式计算同一辆车经过上下游路口的时间差,得到各路口绿波方向上每个车辆的到达时间;
ΔTcar=Tlocar-Tupcar;
其中,Tlocar为车辆经过本地路口的过车时间,Tupcar是车辆经过上游路口的过车时间。
步骤4:数据分析模块根据以下公式设计NR_K聚类模型,分别对各路口的车辆到达时间进行聚类分析,并将各聚类质心的最小值作为该路口绿波方向上车辆的平均到达时间;
NR_K聚类模型的初始类质心是由以下公式确定,具有非随机性,能够提高聚类算法的收敛速度,降低聚类结果的随机性:
C′k=Valuemin+valx(2x(k+1)-1)/(2xNc);
其中,Valuemin是样本集中的最小值,val是样本集中最大值与最小值之差,NC是类别个数,k∈[0,NC-1];
步骤5:方案库生成模块用于以最高限速值为上限,将绿波设计速度划分若干等级,并依据不同等级,为绿波各路口制定相应的备选方案,形成方案库,同时将备选方案配置到各路口本地信号机;
方案库生成模块以路段最高行驶限速值为上限,将其划分三个等级{V1,V2,V3},依据不同等级,分布别将其作为绿波设计速度,为各路口制定相应的备选方案;
本实施例所示的方案库生成,以绿波最高限速值为上限,比如50km/h,将其划分三个等级{25,35,45},依据不同等级,分别将其作为设计速度,为各路口制定相应备选方案,其信息包括:方案名称、方案编号、绿波编号、路口名称、路口编号、绿波设计速度、上级绿波设计速度、绝对相位差
绿波整体平均行驶速度是各路段平均行驶速度的算术平均值,绿波整体平均行驶速度通过以下公式计算得到:
备选方案的存储格式如下:
将所有备选方案存储在一起形成系统方案库,并将备选方案配置到各路口本地信号机。
步骤6:考虑到绿波之间发生交叉的可能性,方案匹配模块将各个绿波按照由高到低的等级顺序进行方案匹配,其中包含关键路口的绿波等级为高级,其它绿波等级为低级;
在本实施例中,优先等级用1,2,3....表示,数字越低表示优先级越高。
方案匹配模块依据设计的Multi_M匹配原则,从方案库中自动匹配选择最适合绿波当前交通状态的控制方案,并记录该控制方案的编号;
所述Multi_M匹配原则存在两种模式:第一种是主干道实行绿波控制,次干道实行非绿波控制;第二种是主干道实行绿波控制,次干道也实行绿波控制;
其中,第一种匹配模式是依据当前主干道的平均行驶速度,匹配方案库中最佳设计速度,确定当前主干道各路口的相位差参数;第二种匹配模式是分别依据当前主干道和次干道的平均行驶速度,匹配方案库中最佳设计速度,确定当前主干道各路口的相位差参数。
最佳设计速度的匹配核心算子如以下公式:
如图5所示,本实施例所述的方案匹配存在两种模式:第一种是当前主干道实行绿波控制,次干道实行非绿波控制,依据当前主干道的平均行驶速度,匹配选择方案库中最佳设计速度,确定当前主干道各路口最优控制方案;第二种是当前主干道实行绿波控制,次干道也实行绿波控制,依据当前主干道和次干道的平均行驶速度,匹配选择方案库中最佳设计速度。
步骤7:方案发送模块将生成的控制方案的编号发送至各路口本地信号机,各信号机依据控制方案的编号自动调用本地预存的控制方案。
优选的,在云服务器中还建立优先级管理模块,优先级管理模块采用定时心跳发送机制,云服务器每隔五分钟向本地各信号机发送心跳,如果本地信号机在五分钟内没有接收到心跳,则自动启动本地默认控制方案,确保信号机的安全稳定运行。
优选的,所述本地信号机为部署在城市道路交通信号控制器中的无线或有线通信装置。
本发明所述的一种基于电警数据的方案选择式的交通信号动态绿波控制方法,解决了利用上下游电警数据计算绿波平均行驶速度,以此为依据,自动匹配选择方案库中与绿波当前运行状态相适合的备选方案,完成各路口相位差参数的动态调整的技术问题,本发明将城市道路交通违法抓拍数据(以下称电警数据)与城市道路交通信号控制相结合,采用动态绿波控制区别传统经验决策或驾驶测试手段,提高工作效率;具备自主调节能力,能适应道路交通复杂多变的交通流,当交通流受季节、天气、施工因素影响复杂多变时能及时响应;从传统时间切换向状态变化切换模式转变,提升智能化水平。另外,利用电警数据进行路段旅行时间分析,有效解决了路段平均行驶速度检测难问题,与互联网浮动车数据相比,电警数据不存在稀疏性问题,更加稳定、精确、可靠。同时,充分利用了已有资源,避免重复建设,降低了投入成本,本发明其具备自主调节能力,能够适应城市道路复杂多变的交通流,实现由人工决策向智能化决策的模式转变。同时,充分利用了已有资源,避免重复建设,降低了投入成本。
Claims (4)
1.一种基于电警数据的方案选择式的交通信号动态绿波控制方法,其特征在于:包括如下步骤:
步骤1:建立云服务器,在云服务器中建立数据采集模块、数据分析模块、方案库生成模块、方案匹配模块和方案发送模块;
步骤2:数据采集模块用于通过中间库与电警系统实现对接,定周期提取绿波各路口过车数据;
数据采集模块每15分钟提取绿波各路口每个转向车道的过车数据,过车数据包括车牌号码和过车时间;
步骤3:数据分析模块用于通过上下游车牌匹配、时间差计算,得到各路口每个车辆的到达时间;
数据分析模块利用过车数据,通过上下游车牌匹配,计算同一辆车经过上下游路口的时间差,得到各路口绿波方向上每个车辆的到达时间;
步骤4:数据分析模块通过设计NR_K聚类模型,分别对各路口的车辆到达时间进行聚类分析,并将各聚类质心的最小值作为该路口绿波方向上车辆的平均到达时间;
数据分析模块根据以下公式设计NR_K聚类模型,分别对各路口的车辆到达时间进行聚类分析,并将各聚类质心的最小值作为该路口绿波方向上车辆的平均到达时间;
NR_K聚类模型的初始类质心是由以下公式确定,具有非随机性,能够提高聚类算法的收敛速度,降低聚类结果的随机性:
Ck=Valuemin+val×(2×(k+1)-1)/(2×Nc);
其中,Valuemin是样本集中的最小值,val是样本集中最大值与最小值之差,NC是类别个数,k∈[0,NC-1];
步骤5:方案库生成模块用于以最高限速值为上限,将绿波设计速度划分若干等级,并依据不同等级,为绿波各路口制定相应的备选方案,形成方案库,同时将备选方案配置到各路口本地信号机;
方案库生成模块以路段最高行驶限速值为上限,将其划分三个等级{V1,V2,V3},依据不同等级,分别将其作为绿波设计速度,为各路口制定相应的备选方案;
步骤6:方案匹配模块将各个绿波按照由高到低的等级顺序进行方案匹配,其中包含关键路口的绿波等级为高级,其它绿波等级为低级;
方案匹配模块依据设计的Multi_M匹配原则,从方案库中自动匹配选择最适合绿波当前交通状态的控制方案,并记录该控制方案的编号;
优先等级用1,2,3....表示,数字越低表示优先级越高;
方案匹配模块依据设计的Multi_M匹配原则,从方案库中自动匹配选择最适合绿波当前交通状态的控制方案,并记录该控制方案的编号;
所述Multi_M匹配原则存在两种模式:第一种是主干道实行绿波控制,次干道实行非绿波控制;第二种是主干道实行绿波控制,次干道也实行绿波控制;
其中,第一种匹配模式是依据当前主干道的平均行驶速度,匹配方案库中最佳设计速度,确定当前主干道各路口的相位差参数;第二种匹配模式是分别依据当前主干道和次干道的平均行驶速度,匹配方案库中最佳设计速度,确定当前主干道各路口的相位差参数;
最佳设计速度的匹配核心算子如以下公式:
步骤7:方案发送模块将生成的控制方案的编号发送至各路口本地信号机,各信号机依据控制方案的编号自动调用本地预存的控制方案。
2.如权利要求1所述的一种基于电警数据的方案选择式的交通信号动态绿波控制方法,其特征在于:在云服务器中还建立优先级管理模块,优先级管理模块采用定时心跳发送机制,云服务器每隔五分钟向本地各信号机发送心跳,如果本地信号机在五分钟内没有接收到心跳,则自动启动本地默认控制方案,确保信号机的安全稳定运行。
3.如权利要求2所述的一种基于电警数据的方案选择式的交通信号动态绿波控制方法,其特征在于:所述本地信号机为部署在城市道路交通信号控制器中的无线或有线通信装置。
4.如权利要求1所述的一种基于电警数据的方案选择式的交通信号动态绿波控制方法,其特征在于:所述Multi_M匹配原则存在两种模式:第一种是主干道实行绿波控制,次干道实行非绿波控制;第二种是主干道实行绿波控制,次干道也实行绿波控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910830040.1A CN110634309B (zh) | 2019-09-04 | 2019-09-04 | 一种基于电警数据的方案选择式的交通信号动态绿波控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910830040.1A CN110634309B (zh) | 2019-09-04 | 2019-09-04 | 一种基于电警数据的方案选择式的交通信号动态绿波控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110634309A CN110634309A (zh) | 2019-12-31 |
CN110634309B true CN110634309B (zh) | 2021-01-05 |
Family
ID=68970060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910830040.1A Active CN110634309B (zh) | 2019-09-04 | 2019-09-04 | 一种基于电警数据的方案选择式的交通信号动态绿波控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110634309B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111599193A (zh) * | 2020-06-05 | 2020-08-28 | 江苏广宇科技产业发展有限公司 | 一种基于车路协同的动态自适应绿波方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU396704A1 (ru) * | 1971-05-18 | 1973-08-29 | А. Н. Чепель Специальное конструкторское бюро промышленной автоматики | Устройство для выбора такта в системах управления светофорной сигнализацией |
CN101325008A (zh) * | 2008-07-25 | 2008-12-17 | 浙江大学 | 一种城市交通干线动态双向绿波带智能协调控制方法 |
CN101635089A (zh) * | 2009-05-22 | 2010-01-27 | 上海宝康电子控制工程有限公司 | 一种交通控制诱导协调系统及方法 |
CN102890870A (zh) * | 2012-10-30 | 2013-01-23 | 重庆交通大学 | 交通信号控制机故障自诊断装置和方法 |
CN102982678A (zh) * | 2012-11-28 | 2013-03-20 | 青岛海信网络科技股份有限公司 | 交通数据信息服务系统及实现交通数据信息服务的方法 |
CN103794063A (zh) * | 2012-11-02 | 2014-05-14 | 上海宝康电子控制工程有限公司 | 应用于道路交通绿波带中实现车速诱导的系统及其方法 |
CN103810865A (zh) * | 2012-11-06 | 2014-05-21 | 上海宝康电子控制工程有限公司 | 基于物联网的干道交通信号绿波带控制系统与控制方法 |
CN104732776A (zh) * | 2013-12-23 | 2015-06-24 | 王飞稳 | 一种城市智能交通信号控制系统 |
CN105390000A (zh) * | 2015-12-18 | 2016-03-09 | 天津通翔智能交通系统有限公司 | 一种基于路况交通大数据的交通信号控制系统及方法 |
CN109949586A (zh) * | 2019-03-11 | 2019-06-28 | 华南理工大学 | 一种面向绿波协调控制的路段行驶速度设计方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR930005712B1 (ko) * | 1990-12-29 | 1993-06-24 | 동양정밀공업주식회사 | 교통신호 무선 연동회로 |
CN201465299U (zh) * | 2009-03-12 | 2010-05-12 | 昆明理工大学 | 绿波带显示交通流信号控制装置 |
CN103839409B (zh) * | 2014-02-27 | 2015-09-09 | 南京大学 | 基于多断面视觉传感聚类分析的交通流状态判别方法 |
CN108428348B (zh) * | 2017-02-15 | 2022-03-18 | 阿里巴巴集团控股有限公司 | 一种道路交通优化方法、装置以及电子设备 |
US10850395B2 (en) * | 2017-05-19 | 2020-12-01 | Stc.Unm | System and methods for multiple-place swarm foraging with dynamic depots |
-
2019
- 2019-09-04 CN CN201910830040.1A patent/CN110634309B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU396704A1 (ru) * | 1971-05-18 | 1973-08-29 | А. Н. Чепель Специальное конструкторское бюро промышленной автоматики | Устройство для выбора такта в системах управления светофорной сигнализацией |
CN101325008A (zh) * | 2008-07-25 | 2008-12-17 | 浙江大学 | 一种城市交通干线动态双向绿波带智能协调控制方法 |
CN101635089A (zh) * | 2009-05-22 | 2010-01-27 | 上海宝康电子控制工程有限公司 | 一种交通控制诱导协调系统及方法 |
CN102890870A (zh) * | 2012-10-30 | 2013-01-23 | 重庆交通大学 | 交通信号控制机故障自诊断装置和方法 |
CN103794063A (zh) * | 2012-11-02 | 2014-05-14 | 上海宝康电子控制工程有限公司 | 应用于道路交通绿波带中实现车速诱导的系统及其方法 |
CN103810865A (zh) * | 2012-11-06 | 2014-05-21 | 上海宝康电子控制工程有限公司 | 基于物联网的干道交通信号绿波带控制系统与控制方法 |
CN102982678A (zh) * | 2012-11-28 | 2013-03-20 | 青岛海信网络科技股份有限公司 | 交通数据信息服务系统及实现交通数据信息服务的方法 |
CN104732776A (zh) * | 2013-12-23 | 2015-06-24 | 王飞稳 | 一种城市智能交通信号控制系统 |
CN105390000A (zh) * | 2015-12-18 | 2016-03-09 | 天津通翔智能交通系统有限公司 | 一种基于路况交通大数据的交通信号控制系统及方法 |
CN109949586A (zh) * | 2019-03-11 | 2019-06-28 | 华南理工大学 | 一种面向绿波协调控制的路段行驶速度设计方法 |
Non-Patent Citations (2)
Title |
---|
基于智能时段划分的绿波协调设计及应用;刘南;《信息技术与应用》;20190630(第12期);全文 * |
考虑速度波动区间的城市干线双向绿波协调控制模型;潘媛 等;《科学技术与工程》;20190531;第19卷(第15期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110634309A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109927709B (zh) | 一种车辆行驶路线工况确定方法、能量管理方法及系统 | |
CN100357987C (zh) | 城市路网交通流区间平均速度的获取方法 | |
CN101308604B (zh) | 大范围战略交通协调控制方法 | |
CN106971536A (zh) | 一种融合浮动车与路侧视频的高速公路拥堵状态检测方法 | |
CN105390000A (zh) | 一种基于路况交通大数据的交通信号控制系统及方法 | |
CN109887289A (zh) | 一种城市交通网络模型的网络车流量最大化方法 | |
CN106945530A (zh) | 一种电动汽车及其续驶里程预测方法、系统 | |
CN107248299B (zh) | 一种基于驻站时间的专用道公交优先干线协调控制方法 | |
CN105894842A (zh) | 一种智能交通信号灯系统 | |
CN105788298A (zh) | 一种双向绿波控制的方法及装置 | |
CN103985263A (zh) | 一种能减少路口停车次数的视频跟踪检测方法及系统 | |
CN107564310A (zh) | 一种基于道路交通信息云处理的车路互联系统及方法 | |
CN107818377A (zh) | 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 | |
CN104916142A (zh) | 一种干道优先的交叉口自适应交通信号控制方法 | |
CN111314857B (zh) | 一种基于过车视频数据的车辆实时出行轨迹获取方法 | |
CN107730920A (zh) | 一种基于道钉灯的动态可变车道控制方法 | |
CN205644972U (zh) | 一种城市智能交通控制系统 | |
CN107490384A (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN113299088B (zh) | 基于车联网的区域多方向绿波设计与行车速度引导方法 | |
CN103208180A (zh) | 基于多智能体交互技术的智能交通调度系统及方法 | |
CN110634309B (zh) | 一种基于电警数据的方案选择式的交通信号动态绿波控制方法 | |
CN112017439A (zh) | 一种自动驾驶交叉口行人过街摆渡车控制方法 | |
CN112233434A (zh) | 基于智能体的城市路口交通信号协调控制系统及方法 | |
CN108898856A (zh) | 智能城市交通优化方法与系统 | |
CN108733063B (zh) | 一种自动驾驶车辆的自主协同行驶决策方法 |
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 |