CN110807921A - 车辆调度方法、装置、设备和存储介质 - Google Patents
车辆调度方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110807921A CN110807921A CN201911017263.2A CN201911017263A CN110807921A CN 110807921 A CN110807921 A CN 110807921A CN 201911017263 A CN201911017263 A CN 201911017263A CN 110807921 A CN110807921 A CN 110807921A
- Authority
- CN
- China
- Prior art keywords
- scheduled
- current
- area
- driving data
- scheduling
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
Landscapes
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种车辆调度方法、装置、设备和存储介质,服务器根据车辆的实时位置信息,获取待调度区域内车辆的当前数量;然后,在历史行驶数据中,提取与当前调度周期所在时间段以及待调度区域匹配的区域行驶数据;并根据区域行驶数据,预测当前调度周期内待调度区域的需求数量;最后,根据当前数量以及需求数量,确定当前调度周期内待调度区域的调度结果。采用上述方法可以使调度的车辆能更适应该待调度区域在当前调度周期中的需求,提升车辆的使用效率。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种车辆调度方法、装置、设备和存储介质。
背景技术
随着共享经济的发展,共享车辆成为一种重要的出行方式。
传统技术中对共享车辆进行调度时,主要通过调度人员向固定的投放地点投放一定数量的共享车辆,以满足用户的车辆使用需求。
但是,采用上述方法导致投放地点的车辆数量与用户需求不匹配,影响车辆的使用效率。
发明内容
基于此,有必要针对上述技术问题,提供一种用户调度方法、装置、设备和存储介质。
一种车辆调度方法,上述方法包括:
根据车辆的实时位置信息,获取待调度区域内车辆的当前数量;
在历史行驶数据中,提取与当前调度周期所在时间段以及待调度区域匹配的区域行驶数据;
根据区域行驶数据,预测当前调度周期内待调度区域的需求数量;
根据当前数量以及需求数量,确定当前调度周期内待调度区域的调度结果。
在其中一个实施例中,上述根据区域行驶数据,预测当前调度周期内待调度区域的需求数量,包括:
根据区域行驶数据,统计驶出待调度区域的车辆的第一数量,以及驶入待调度区域的车辆的第二数量;
计算第一数量减去第二数量的差值;
根据差值确定需求数量。
在其中一个实施例中,上述区域行驶数据中包括不同日期对应的历史行驶数据;根据差值确定需求数量,包括:
将不同日期中时间段对应的差值进行均值处理,获得需求数量。
在其中一个实施例中,上述在历史行驶数据中,提取与当前调度周期所在时间段以及待调度区域匹配的区域行驶数据,包括:
根据历史行驶数据中的行驶时刻以及行驶路径,提取时间段内驶入或驶出待调度区域的备选行驶数据;
获取与备选行驶数据匹配的历史天气状况;
若当前调度周期的天气状况与历史天气状况相同,则将备选行驶数据确定为区域行驶数据;
若当前调度周期的天气状况与历史天气状况不同,则丢弃备选行驶数据。
在其中一个实施例中,上述根据当前数量以及需求数量,确定当前调度周期内待调度区域的调度结果,包括:
确定需求数量与当前数量的差值是否大于预设阈值;
若是,则根据需求数量与当前数量的差值,确定待调度车辆数量;
将待调度车辆数量以及当前调度周期的截至时刻,确定为调度结果。
在其中一个实施例中,上述确定需求数量与当前数量的差值是否大于预设阈值之后,还包括:
若否,则确定调度结果为不需要调度车辆。
在其中一个实施例中,上述待调度区域为通过Geohash编码表示的矩形区域。
在其中一个实施例中,上述方法还包括:
将调度结果发送至调度人员的终端设备。
一种车辆调度装置,上述装置包括:
获取模块,用于根据车辆的实时位置信息,获取待调度区域内车辆的当前数量;
提取模块,用于在历史行驶数据中,提取与当前调度周期所在时间段以及待调度区域匹配的区域行驶数据;
预测模块,用于根据区域行驶数据,预测当前调度周期内待调度区域的需求数量;
确定模块,用于根据当前数量以及需求数量,确定当前调度周期内待调度区域的调度结果。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述车辆调度方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述车辆调度方法的步骤。
上述车辆调度方法、装置、设备和存储介质,服务器根据车辆的实时位置信息,获取待调度区域内车辆的当前数量;然后,在历史行驶数据中,提取与当前调度周期所在时间段以及待调度区域匹配的区域行驶数据;并根据区域行驶数据,预测当前调度周期内待调度区域的需求数量;最后,根据当前数量以及需求数量,确定当前调度周期内待调度区域的调度结果。由于服务器在历史行驶数据中提取了待调度区域的区域行驶数据,进而可以根据区域行驶数据预测待调度区域的需求数量,并根据需求数量和当前数量确定该待调度区域的调度结果,使得根据上述调度结果调度的车辆能更适应该待调度区域在当前调度周期中的需求,避免该待调度区域中车辆过多或者车辆过少,提升了车辆的使用效率。
附图说明
图1为一个实施例中车辆调度方法的应用环境图;
图2为一个实施例中车辆调度方法的流程示意图;
图3为另一个实施例中车辆调度方法的流程示意图;
图4为另一个实施例中车辆调度方法的流程示意图;
图5为另一个实施例中车辆调度方法的流程示意图;
图6为一个实施例中车辆调度装置的结构框图;
图7为另一个实施例中车辆调度装置的结构框图;
图8为另一个实施例中车辆调度装置的结构框图;
图9为另一个实施例中车辆调度装置的结构框图;
图10为另一个实施例中车辆调度装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的车辆调度方法,可以应用于如图1所示的应用环境中。其中,服务器100与车辆200网络连接;其中,服务器100可以用独立的服务器或者是多个服务器组成的服务器集群来实现;上述车辆200可以但不限于是共享自行车、共享电动车以及共享汽车等。
在一个实施例中,如图2所示,提供了一种车辆调度方法,以该方法应用于图1中的服务器为例进行说明,包括:
S101、根据车辆的实时位置信息,获取待调度区域内车辆的当前数量。
其中,上述车辆可以是共享自行车,也可以是共享电动车,还可以是共享汽车,在此不作限定。
上述待调度区域可以根据城市中的街道划分,例如可以将道路A和道路B之间的区域划分为一个待调度区域;另外,上述待调度区域也可以根据对车辆的需求量进行划分,例如在人口比较密集的地方划分的待调度区域面积较小;对于上述待调度区域的确定方式在此不作限定。
可选地,上述待调度区域可以为通过Geohash编码表示的矩形区域。
其中,上述Geohash编码是指将区域的经纬度根据相应的编码方式转换成字符串,然后通过字符串来表示该区域;例如其中某城市中的区域可以表示为WX4ER,WX4G2、WX4G3等,每一个Geohash编码代表一个矩形区域。上述Geohash编码长度不同则其代表的矩形区域的面积不同;两个Geohash编码的字符串相似时,其表示的两个矩形区域的距离相近。通过Geohash编码表示待调度区域,可以查询与待调度区域相近的其它区域,也便于对调度区域进行缓存。
具体地,服务器在获取待调度区域内车辆的当前数量时,可以接收车辆上的定位模块发送的实时位置信息,然后通过上述实时位置信息确定该车辆是否在该待调度区域中,进一步统计位于待调度区域中的车辆的当前数量。
其中,上述实时位置信息可以是指车辆所在位置的经纬度信息,也可以是指车辆所在Geohash矩形区域的Geohash编码,对于上述实时位置信息的具体形式在此不作限定。
S102、在历史行驶数据中,提取与当前调度周期所在时间段以及待调度区域匹配的区域行驶数据。
其中,上述历史行驶数据用于确定在预设时间段中,哪些车辆与该待调度区域中关联;可以是历史订单,例如在当前调度周期之前10天内的共享自行车的订单信息;另外,还可以是历史订单中的起点位置和终点位置信息,以及车辆的行驶时间信息;可选地,还可以是历史订单中、各车辆的行驶路径、用户查询是否有车辆的查询记录、车辆调度记录等;对于上述历史行驶数据的具体内容在此不作限定。
上述调度周期的时长可以是2个小时,也可以是4个小时;上述时长可以是固定的值,也可以根据当前调度时间动态调整,例如,一天中可以分为多个调度周期,可以设置出行高峰期的调度周期时长较短,其它调度周期的时长较长;对于调度周期的时长在此不作限定。
上述时间段可以按照上午、下午划分,也可以按照等时间间隔划分,例如从上午7点开始,每四个小时为一个时间段;还可以按照对车辆的需求量进行划分,例如上述7点至9点为一个时间段,9点至下午4点为一个时间段,然后下午4点至晚上八点为一个时间段;对于上述时间段的划分方式在此不作限定。
服务器可以在历史行驶数据中提取与当前调度周期所在时间段以及待调度区域匹配的数据,将其确定为该待调度区域的区域行驶数据。
具体地,服务器可以在历史行驶数据中,首先提取与待调度区域匹配的数据,然后再从上述区域匹配的数据中筛选与当前调度周期所在时间段匹配的数据,将其确定为该待调度区域的区域行驶数据;另外,服务器也可以在历史行驶数据中,首先筛选出上述时间段内的数据,然后在该时间段内的数据中进一步提取与待调度区域匹配的数据,将其确定为区域行驶数据,对于上述区域行驶数据的确定方式在此不作限定。
具体地,服务器在提取与待调度区域匹配的数据时,可以查询历史行驶数据中各个订单的起始位置和终点位置是否在该待调度区域中;也可以查看车辆的行驶轨迹是否途径该待调度区域;对于上述提取方式在此不作限定。
服务器在筛选上述时间段内的数据时,可以查看历史行驶数据中各个订单的下单时间以及结单时间是否位于该时间段内,也可以以查看该时间段内哪些车辆属于行驶状态,对于上述筛选方式在此不作限定。
进一步地,服务器还可以对与当前调度周期所在时间段以及待调度区域匹配的数据进行过滤,例如可以过滤行驶时长过短的数据。
S103、根据区域行驶数据,预测当前调度周期内待调度区域的需求数量。
其中,上述需求数量是指该待调度区域在当前调度周期中需要的车辆的总数,例如对于共享自行车,在当前调度周期中预测有200辆车被开锁,并有50辆车驶入该区域并关锁,那么可以确定该调度区域在当前调度周期预计需要150辆车,可以将150确定为需求数量。
具体地,服务器可以根据区域行驶数据,计算该区域在历史该时间段中需求的数量,来预测当前调度周期的需求数量。例如,服务器可以根据区域行驶数据获取历史时间段中,该区域的下单总数量,预测该待调度区域在当前调度周期的下单数量;然后,根据历史时间段中驶入该区域的车辆的数量,预测当前调度周期驶入该区域的车辆的数量,进而预测上述需求数量;进一步地,服务器还可以结合历史时间段中在该区域查询是否存在车辆的查询记录来预测,对于上述预测方式在此不作限定。
S104、根据当前数量以及需求数量,确定当前调度周期内待调度区域的调度结果。
在上述步骤的基础上,服务器可以获得该调度区域的当前数量和需求数量,然后根据当前数量和需求数量,来确定当前调度周期内待调度区域的调度结果。
其中,上述调度结果可以是指需要调度车辆或者不需要调度车辆,也可以包括需要调度车辆的数量以及需要调度车辆的时间;另外,还可以包括车辆的调度路径,可以从第一区域调度车辆至当前调度区域等。
具体地,服务器可以获取当前数量和需求数量的差值,然后将该差值确定需要调度的车辆数量,将其确定为调度结果;另外,服务器还可以在根据上述差值进行取整,例如需求数量为150,而当前数量为105,那么可以将45确定为调度结果,也可以将45取整后的50确定为调度结果;对于上述调度结果的确定方式在此不作限定。
进一步地,服务器可以将调度结果发送至调度人员的终端设备,例如发送至终端设备中的应用程序中,使得调度人员可以根据该调度结果对车辆进行调度,提升了车辆调度的便利性。
上述终端设备可以可以接收到本待调度区域的调度结果,也可以接收到其它区域的调度结果,还可以包括车辆的调度路径。例如本待调度区域的调度结果显示需要调度50辆车,而其它调度区域中第一区域显示不需要调度车辆,并且该第一区域的当前数量大于需求数量,那么服务器可以将第一区域的车辆调度至本待调度区域,可以将调度路径发送给终端设备。
上述车辆调度方法,服务器根据车辆的实时位置信息,获取待调度区域内车辆的当前数量;然后,在历史行驶数据中,提取与当前调度周期所在时间段以及待调度区域匹配的区域行驶数据;并根据区域行驶数据,预测当前调度周期内待调度区域的需求数量;最后,根据当前数量以及需求数量,确定当前调度周期内待调度区域的调度结果。由于服务器在历史行驶数据中提取了待调度区域的区域行驶数据,进而可以根据区域行驶数据预测待调度区域的需求数量,并根据需求数量和当前数量确定该待调度区域的调度结果,使得根据上述调度结果调度的车辆能更适应该待调度区域在当前调度周期中的需求,避免该待调度区域中车辆过多或者车辆过少,提升了车辆的使用效率。
图3为另一个实施例中车辆调度方法的流程示意图,本实施例涉及服务器预测需求数量的具体方式,在上述实施例的基础上,如图3所示,上述S103包括:
S201、根据区域行驶数据,统计驶出待调度区域的车辆的第一数量,以及驶入待调度区域的车辆的第二数量。
具体地,服务器在预测需求数量时,可以根据区域行驶数据中车辆的行驶路径或订单的起始位置,统计驶出待调度区域的车辆的第一数量以及驶入待调度区域的车辆的第二数量。
S202、计算第一数量减去第二数量的差值。
S203、根据差值确定需求数量。
进一步地,服务器可以计算上述第一数量与第二数量的差值,将上述差值确定为需求数量,也可以将上述差值加上预设数量之后确定为需求数量,在此不作限定。
可选地,区域行驶数据中包括不同日期对应的历史行驶数据,服务器可以获得不同日期在该时间段中对应的差值,然后将不同日期中时间段对应的差值进行均值处理,获得需求数量。
具体地,上述不同日期可以时当前调度周期之前连续的多个日期,也可以是在当前调度周期之前随机提取的多个日期,在此不作限定。例如当前调度周期为周六,那么上述区域行驶数据可以从周一至周五对应的历史行驶数据中提取出来的,也可以是在前1一个月的历史行驶数据中随机选择的10天的数据,然后从10天的数据中提取区域行驶数据。
进一步地,服务器可以根据10个日期对应的区域行驶数据获得该时间段对应的10个差值,然后将上述10个差值进行均值处理,可以更准确地确定需求数量。上述均值处理可以是获得算术平均值,也可以是进行加权平均,在此不作限定。
上述车辆调度方法,服务器通过统计上述第一数量和第二数量,可以更准确地根据第一数量的差值和第二数量的差值确定需求数量,进一步地,通过将不同日期的相同时间段的差值进行均值处理,进一步提升了需求数量的准确性。
图4为另一个实施例中车辆调度方法的流程示意图,本实施例涉及服务器提取区域行驶数据的具体方式,在上述实施例的基础上,如图4所示,上述S102包括:
S301、根据历史行驶数据中的行驶时刻以及行驶路径,提取时间段内驶入或驶出待调度区域的备选行驶数据。
具体地,服务器可以对历史行驶数据中的行驶时刻和行驶路径进行筛选,提取当前调度周期所在时间段内,驶入或驶出待调度区域的历史行驶数据,确定为备选行驶数据。
S302、获取与备选行驶数据匹配的历史天气状况。
其中,上述天气状况可以是晴天、雨天,也可以是温度范围,还可以包含风力范围;另外还可以分为适合骑行天气以及不适合骑行天气,或者按照是否适合骑行将天气状况划分为不同等级的状况。
具体地,由于不同的天气状况对出行选择影响较大,例如下雨天气选择共享自行车出行的需求会降低;服务器获得备选行驶数据之后,可以进一步根据上述备选行驶数据的日期以及时间段,在存储的历史天气信息中提取与该日期和时间段匹配的天气信息,然后根据上述天气信息确定该天气信息对应的天气状况的类型。
例如,服务器中可以包括天气信息与天气状况之间的对应关系,例如当一组备选行驶数据对应的天气信息为温度25度、风力三级、无雨,那么服务器可以根据上述对应关系确定天气状况为适合骑行的天气。
S303、若当前调度周期的天气状况与历史天气状况相同,则将备选行驶数据确定为区域行驶数据。
在获取上述天气状况的基础上,服务器还可以接收当前天气信息获取当前调度周期对应的天气状况,进一步将当前调度周期的天气状况与历史天气状况进行对比,若当前调度周期的天气状况与历史天气状况相同,则将备选行驶数据确定为区域行驶数据。
S304、若当前调度周期的天气状况与历史天气状况不同,则丢弃备选行驶数据。
若当前调度周期的天气状况与历史天气状况不同,那么服务器认为不同天气状况的车辆需求不同,可以将不同天气状况对应的备选行驶数据丢弃,不作为预测当前调度周期的需求数量的参考数据。
上述车辆调度方法,服务器根据天气状况对历史行驶数据进行筛选,获得与当前调度周期的天气状况相同的区域行驶数据,使得根据区域行驶数据预测得到的需求数量更准确,提升车辆调度的准确性,从而提升车辆的利用效率。
图5为另一个实施例中车辆调度方法的流程示意图,本实施例涉及服务器确定调度结果的具体方式,在上述实施例的基础上,如图5所示,上述S104包括:
S401、确定需求数量与当前数量的差值是否大于预设阈值。
具体地,服务器获得的该待调度区域在当前调度周期中的需求数量之后,可以计算需求数量与当前数量的差值,以确定当前数量是否能满足车辆需求。进一步地,服务器可以将需求数量与当前数量的差值与预设阈值进行比较,以确定是否需要调度车辆。
S402、若是,则根据需求数量与当前数量的差值,确定待调度车辆数量;
若需求数量与当前数量的差值大于预设阈值,那么服务器认为上述需求数量与当前数量的差值较大;例如当前数量为50,需求数量为150时,其差值100大于预设阈值10,服务器认为车辆远不能满足需求,需要需要向该待调度区域调度车辆。进一步服务器可以根据该差值确定待调度车辆数量,上述待调度车辆数量可以等于上述差值,也可以大于上述差值。
若需求数量与当前数量的差值小于或等于预设阈值,例如上述差值为5,也就是说需求数量和当前数量相差不大,基本可以满足用户的车辆需求;或者上述差值为负数,也就是当前调度周期中该待调度区域中当前数量大于需求数量,完全可以满足用户的车辆需求,可以确定该调度结果为不需要调度车辆。
S403、将待调度车辆数量以及当前调度周期的截至时刻,确定为调度结果。
在确定了待调度车辆数量之后,服务器可以将待调度车辆数量以及当前调度周期的截至时刻,确定为调度结果。
上述车辆调度方法,服务器通过确定需求数量与当前数量的差值是否大于预设阈值,来确定调度结果,可以在待调度区域中需要调度的车辆比较多的优先安排调度,提成了车辆调度效率。
应该理解的是,虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种车辆调度装置,包括:获取模块10、提取模块20、预测模块30和确定模块40,其中:
获取模块10,用于根据车辆的实时位置信息,获取待调度区域内车辆的当前数量;
提取模块20,用于在历史行驶数据中,提取与当前调度周期所在时间段以及待调度区域匹配的区域行驶数据;
预测模块30,用于根据区域行驶数据,预测当前调度周期内待调度区域的需求数量;
确定模块40,用于根据当前数量以及需求数量,确定当前调度周期内待调度区域的调度结果。
本申请实施例提供的车辆调度装置,可以实现上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在一个实施例中,在上述实施例的基础上,如图7所示,上述预测模块30包括:
统计单元301,用于根据区域行驶数据,统计驶出待调度区域的车辆的第一数量,以及驶入待调度区域的车辆的第二数量;
计算单元302,用于计算第一数量减去第二数量的差值;
第一确定单元303,用于根据差值确定需求数量。
在一个实施例中,在上述实施例的基础上,区域行驶数据中包括不同日期对应的历史行驶数据,上述确定单元303具体用于:将不同日期中时间段对应的差值进行均值处理,获得需求数量。
在一个实施例中,在上述实施例的基础上,如图8所示,上述提取模块20包括:
提取单元201,用于根据历史行驶数据中的行驶时刻以及行驶路径,提取时间段内驶入或驶出待调度区域的备选行驶数据;
获取单元202,用于获取与备选行驶数据匹配的历史天气状况;
第二确定单元203,用于在当前调度周期的天气状况与历史天气状况相同三,将备选行驶数据确定为区域行驶数据;
丢弃单元204,用于在当前调度周期的天气状况与历史天气状况不同时,丢弃备选行驶数据。
在一个实施例中,在上述实施例的基础上,如图9所示,确定模块40包括:
第三确定单元401,用于确定需求数量与当前数量的差值是否大于预设阈值;
第四确定单元402,用于在需求数量与当前数量的差值大于预设阈值时,根据需求数量与当前数量的差值,确定待调度车辆数量;
调度单元403,用于将待调度车辆数量以及当前调度周期的截至时刻,确定为调度结果。
在一个实施例中,在上述实施例的基础上,上述调度单元403还用于在需求数量与当前数量的差值小于或等于预设阈值时,确定调度结果为不需要调度车辆。
在一个实施例中,在上述实施例的基础上,待调度区域为通过Geohash编码表示的矩形区域。
在一个实施例中,在上述实施例的基础上,如图10所示,上述装置还包括发送模50,用于将调度结果发送至调度人员的终端设备。
本申请实施例提供的车辆调度装置,可以实现上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于车辆调度装置的具体限定可以参见上文中对于车辆调度方法的限定,在此不再赘述。上述车辆调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车辆调度数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆调度方法。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据车辆的实时位置信息,获取待调度区域内车辆的当前数量;
在历史行驶数据中,提取与当前调度周期所在时间段以及待调度区域匹配的区域行驶数据;
根据区域行驶数据,预测当前调度周期内待调度区域的需求数量;
根据当前数量以及需求数量,确定当前调度周期内待调度区域的调度结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据区域行驶数据,统计驶出待调度区域的车辆的第一数量,以及驶入待调度区域的车辆的第二数量;计算第一数量减去第二数量的差值;根据差值确定需求数量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将不同日期中时间段对应的差值进行均值处理,获得需求数量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据历史行驶数据中的行驶时刻以及行驶路径,提取时间段内驶入或驶出待调度区域的备选行驶数据;获取与备选行驶数据匹配的历史天气状况;若当前调度周期的天气状况与历史天气状况相同,则将备选行驶数据确定为区域行驶数据;若当前调度周期的天气状况与历史天气状况不同,则丢弃备选行驶数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:确定需求数量与当前数量的差值是否大于预设阈值;若是,则根据需求数量与当前数量的差值,确定待调度车辆数量;将待调度车辆数量以及当前调度周期的截至时刻,确定为调度结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若否,则确定调度结果为不需要调度车辆。
在一个实施例中,待调度区域为通过Geohash编码表示的矩形区域。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将调度结果发送至调度人员的终端设备。
本实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据车辆的实时位置信息,获取待调度区域内车辆的当前数量;
在历史行驶数据中,提取与当前调度周期所在时间段以及待调度区域匹配的区域行驶数据;
根据区域行驶数据,预测当前调度周期内待调度区域的需求数量;
根据当前数量以及需求数量,确定当前调度周期内待调度区域的调度结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据区域行驶数据,统计驶出待调度区域的车辆的第一数量,以及驶入待调度区域的车辆的第二数量;计算第一数量减去第二数量的差值;根据差值确定需求数量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将不同日期中时间段对应的差值进行均值处理,获得需求数量。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据历史行驶数据中的行驶时刻以及行驶路径,提取时间段内驶入或驶出待调度区域的备选行驶数据;获取与备选行驶数据匹配的历史天气状况;若当前调度周期的天气状况与历史天气状况相同,则将备选行驶数据确定为区域行驶数据;若当前调度周期的天气状况与历史天气状况不同,则丢弃备选行驶数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定需求数量与当前数量的差值是否大于预设阈值;若是,则根据需求数量与当前数量的差值,确定待调度车辆数量;将待调度车辆数量以及当前调度周期的截至时刻,确定为调度结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若否,则确定调度结果为不需要调度车辆。
在一个实施例中,待调度区域为通过Geohash编码表示的矩形区域。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将调度结果发送至调度人员的终端设备。
本实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种车辆调度方法,其特征在于,所述方法包括:
根据车辆的实时位置信息,获取待调度区域内车辆的当前数量;
在历史行驶数据中,提取与当前调度周期所在时间段以及所述待调度区域匹配的区域行驶数据;
根据所述区域行驶数据,预测当前调度周期内所述待调度区域的需求数量;
根据所述当前数量以及所述需求数量,确定当前调度周期内所述待调度区域的调度结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述区域行驶数据,预测当前调度周期内所述待调度区域的需求数量,包括:
根据所述区域行驶数据,统计驶出所述待调度区域的车辆的第一数量,以及驶入所述待调度区域的车辆的第二数量;
计算所述第一数量减去所述第二数量的差值;
根据所述差值确定所述需求数量。
3.根据权利要求2所述的方法,其特征在于,所述区域行驶数据中包括不同日期对应的历史行驶数据;所述根据所述差值确定所述需求数量,包括:
将所述不同日期中所述时间段对应的所述差值进行均值处理,获得所述需求数量。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述在历史行驶数据中,提取与当前调度周期所在时间段以及所述待调度区域匹配的区域行驶数据,包括:
根据历史行驶数据中的行驶时刻以及行驶路径,提取所述时间段内驶入或驶出所述待调度区域的备选行驶数据;
获取与所述备选行驶数据匹配的历史天气状况;
若当前调度周期的天气状况与所述历史天气状况相同,则将所述备选行驶数据确定为所述区域行驶数据;
若当前调度周期的天气状况与所述历史天气状况不同,则丢弃所述备选行驶数据。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述当前数量以及所述需求数量,确定当前调度周期内所述待调度区域的调度结果,包括:
确定所述需求数量与所述当前数量的差值是否大于预设阈值;
若是,则根据所述需求数量与所述当前数量的差值,确定待调度车辆数量;
将所述待调度车辆数量以及当前调度周期的截至时刻,确定为所述调度结果。
6.根据权利要求5所述的方法,其特征在于,所述确定所述需求数量与所述当前数量的差值是否大于预设阈值之后,还包括:
若否,则确定所述调度结果为不需要调度车辆。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述待调度区域为通过Geohash编码表示的矩形区域。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述调度结果发送至调度人员的终端设备。
9.一种车辆调度装置,其特征在于,所述装置包括:
获取模块,用于根据车辆的实时位置信息,获取待调度区域内车辆的当前数量;
提取模块,用于在历史行驶数据中,提取与当前调度周期所在时间段以及所述待调度区域匹配的区域行驶数据;
预测模块,用于根据所述区域行驶数据,预测当前调度周期内所述待调度区域的需求数量;
确定模块,用于根据所述当前数量以及所述需求数量,确定当前调度周期内所述待调度区域的调度结果。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911017263.2A CN110807921A (zh) | 2019-10-24 | 2019-10-24 | 车辆调度方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911017263.2A CN110807921A (zh) | 2019-10-24 | 2019-10-24 | 车辆调度方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110807921A true CN110807921A (zh) | 2020-02-18 |
Family
ID=69489124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911017263.2A Pending CN110807921A (zh) | 2019-10-24 | 2019-10-24 | 车辆调度方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110807921A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553579A (zh) * | 2020-04-22 | 2020-08-18 | 国电南瑞科技股份有限公司 | 一种移动电餐车群调度方法及系统 |
CN111784126A (zh) * | 2020-06-15 | 2020-10-16 | 杭州海康威视系统技术有限公司 | 车辆调度方法、装置、电子设备及机器可读存储介质 |
CN112330956A (zh) * | 2020-10-13 | 2021-02-05 | 西安艾润物联网技术服务有限责任公司 | 车辆自动调度的控制方法及装置 |
CN112419729A (zh) * | 2020-11-23 | 2021-02-26 | 北京嘀嘀无限科技发展有限公司 | 一种根据预测车流量确定决策策略的方法和系统 |
CN112669604A (zh) * | 2020-12-17 | 2021-04-16 | 广东南方通信建设有限公司 | 城市交通调度方法及装置 |
CN113128900A (zh) * | 2021-04-30 | 2021-07-16 | 北京阿帕科蓝科技有限公司 | 一种调度方法、调度系统及电子设备 |
CN113269364A (zh) * | 2021-06-01 | 2021-08-17 | 上海汽车集团股份有限公司 | 一种共享车辆的调度方法及装置 |
CN113487108A (zh) * | 2021-07-28 | 2021-10-08 | 南京领行科技股份有限公司 | 一种车辆充电调度方法、装置、设备及存储介质 |
CN113610321A (zh) * | 2021-08-23 | 2021-11-05 | 宁波小遛共享信息科技有限公司 | 一种停车点的共享车辆调度方法、装置及计算机设备 |
CN113822709A (zh) * | 2021-09-15 | 2021-12-21 | 摩拜(北京)信息技术有限公司 | 一种出行数据的处理方法、装置及服务器 |
CN114819536A (zh) * | 2022-04-02 | 2022-07-29 | 北京阿帕科蓝科技有限公司 | 一种车辆调度方法 |
CN116612640A (zh) * | 2023-07-14 | 2023-08-18 | 之江实验室 | 一种车辆调度方法、装置、存储介质及电子设备 |
CN116682254A (zh) * | 2023-08-03 | 2023-09-01 | 深圳市新乐数码科技有限公司 | 基于巡游出租车订单和gps数据的司机接单路线规划方法 |
CN117217466A (zh) * | 2023-09-12 | 2023-12-12 | 北京阿帕科蓝科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719019A (zh) * | 2016-01-21 | 2016-06-29 | 华南理工大学 | 一种考虑用户预约数据的公共自行车高峰期需求预测方法 |
CN106296350A (zh) * | 2016-08-04 | 2017-01-04 | 杭州电子科技大学 | 一种可视化分析城市公共自行车系统借还模式的方法 |
CN106372776A (zh) * | 2016-08-19 | 2017-02-01 | 北京恒天易开科技股份有限公司 | 电动汽车租赁行业无人值守租赁点车辆调度系统及其方法 |
CN107330586A (zh) * | 2017-06-16 | 2017-11-07 | 东南大学 | 一种基于改进蚁群算法的公共自行车动态调度方法 |
CN107480807A (zh) * | 2017-07-06 | 2017-12-15 | 中山大学 | 基于时空感知神经网络的共享单车目的地预测方法及装置 |
CN107766994A (zh) * | 2017-12-04 | 2018-03-06 | 长沙理工大学 | 一种共享自行车调度方法与调度系统 |
CN107909811A (zh) * | 2017-12-05 | 2018-04-13 | 北京摩拜科技有限公司 | 车辆调度方法、服务器、客户端及系统 |
CN108776852A (zh) * | 2018-06-22 | 2018-11-09 | 北京京东金融科技控股有限公司 | 无桩车辆调度方法和系统 |
CN108876056A (zh) * | 2018-07-20 | 2018-11-23 | 广东工业大学 | 一种共享自行车需求量预测方法、装置、设备及存储介质 |
CN109815306A (zh) * | 2019-01-25 | 2019-05-28 | 上海钧正网络科技有限公司 | 一种车辆查询方法、装置、系统及服务器 |
CN109829649A (zh) * | 2019-01-31 | 2019-05-31 | 北京首汽智行科技有限公司 | 一种车辆调度方法 |
CN109978227A (zh) * | 2019-01-30 | 2019-07-05 | 郑州大学 | 一种基于遗传蚁群融合算法的共享单车优化调度方法 |
CN110033161A (zh) * | 2019-02-27 | 2019-07-19 | 山东开创云软件有限公司 | 一种共享汽车的调度方法及系统 |
CN110047279A (zh) * | 2019-04-04 | 2019-07-23 | 东南大学 | 一种基于订单数据确定共享单车调度量的方法 |
-
2019
- 2019-10-24 CN CN201911017263.2A patent/CN110807921A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719019A (zh) * | 2016-01-21 | 2016-06-29 | 华南理工大学 | 一种考虑用户预约数据的公共自行车高峰期需求预测方法 |
CN106296350A (zh) * | 2016-08-04 | 2017-01-04 | 杭州电子科技大学 | 一种可视化分析城市公共自行车系统借还模式的方法 |
CN106372776A (zh) * | 2016-08-19 | 2017-02-01 | 北京恒天易开科技股份有限公司 | 电动汽车租赁行业无人值守租赁点车辆调度系统及其方法 |
CN107330586A (zh) * | 2017-06-16 | 2017-11-07 | 东南大学 | 一种基于改进蚁群算法的公共自行车动态调度方法 |
CN107480807A (zh) * | 2017-07-06 | 2017-12-15 | 中山大学 | 基于时空感知神经网络的共享单车目的地预测方法及装置 |
CN107766994A (zh) * | 2017-12-04 | 2018-03-06 | 长沙理工大学 | 一种共享自行车调度方法与调度系统 |
CN107909811A (zh) * | 2017-12-05 | 2018-04-13 | 北京摩拜科技有限公司 | 车辆调度方法、服务器、客户端及系统 |
CN108776852A (zh) * | 2018-06-22 | 2018-11-09 | 北京京东金融科技控股有限公司 | 无桩车辆调度方法和系统 |
CN108876056A (zh) * | 2018-07-20 | 2018-11-23 | 广东工业大学 | 一种共享自行车需求量预测方法、装置、设备及存储介质 |
CN109815306A (zh) * | 2019-01-25 | 2019-05-28 | 上海钧正网络科技有限公司 | 一种车辆查询方法、装置、系统及服务器 |
CN109978227A (zh) * | 2019-01-30 | 2019-07-05 | 郑州大学 | 一种基于遗传蚁群融合算法的共享单车优化调度方法 |
CN109829649A (zh) * | 2019-01-31 | 2019-05-31 | 北京首汽智行科技有限公司 | 一种车辆调度方法 |
CN110033161A (zh) * | 2019-02-27 | 2019-07-19 | 山东开创云软件有限公司 | 一种共享汽车的调度方法及系统 |
CN110047279A (zh) * | 2019-04-04 | 2019-07-23 | 东南大学 | 一种基于订单数据确定共享单车调度量的方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553579A (zh) * | 2020-04-22 | 2020-08-18 | 国电南瑞科技股份有限公司 | 一种移动电餐车群调度方法及系统 |
CN111784126A (zh) * | 2020-06-15 | 2020-10-16 | 杭州海康威视系统技术有限公司 | 车辆调度方法、装置、电子设备及机器可读存储介质 |
CN112330956B (zh) * | 2020-10-13 | 2023-03-07 | 西安艾润物联网技术服务有限责任公司 | 车辆自动调度的控制方法及装置 |
CN112330956A (zh) * | 2020-10-13 | 2021-02-05 | 西安艾润物联网技术服务有限责任公司 | 车辆自动调度的控制方法及装置 |
CN112419729A (zh) * | 2020-11-23 | 2021-02-26 | 北京嘀嘀无限科技发展有限公司 | 一种根据预测车流量确定决策策略的方法和系统 |
CN112669604A (zh) * | 2020-12-17 | 2021-04-16 | 广东南方通信建设有限公司 | 城市交通调度方法及装置 |
CN113128900A (zh) * | 2021-04-30 | 2021-07-16 | 北京阿帕科蓝科技有限公司 | 一种调度方法、调度系统及电子设备 |
CN113269364A (zh) * | 2021-06-01 | 2021-08-17 | 上海汽车集团股份有限公司 | 一种共享车辆的调度方法及装置 |
CN113487108A (zh) * | 2021-07-28 | 2021-10-08 | 南京领行科技股份有限公司 | 一种车辆充电调度方法、装置、设备及存储介质 |
CN113487108B (zh) * | 2021-07-28 | 2023-12-26 | 南京领行科技股份有限公司 | 一种车辆充电调度方法、装置、设备及存储介质 |
CN113610321A (zh) * | 2021-08-23 | 2021-11-05 | 宁波小遛共享信息科技有限公司 | 一种停车点的共享车辆调度方法、装置及计算机设备 |
CN113822709A (zh) * | 2021-09-15 | 2021-12-21 | 摩拜(北京)信息技术有限公司 | 一种出行数据的处理方法、装置及服务器 |
CN114819536A (zh) * | 2022-04-02 | 2022-07-29 | 北京阿帕科蓝科技有限公司 | 一种车辆调度方法 |
CN116612640A (zh) * | 2023-07-14 | 2023-08-18 | 之江实验室 | 一种车辆调度方法、装置、存储介质及电子设备 |
CN116612640B (zh) * | 2023-07-14 | 2023-12-26 | 之江实验室 | 一种车辆调度方法、装置、存储介质及电子设备 |
CN116682254A (zh) * | 2023-08-03 | 2023-09-01 | 深圳市新乐数码科技有限公司 | 基于巡游出租车订单和gps数据的司机接单路线规划方法 |
CN116682254B (zh) * | 2023-08-03 | 2023-10-20 | 深圳市新乐数码科技有限公司 | 基于巡游出租车订单和gps数据的司机接单路线规划方法 |
CN117217466A (zh) * | 2023-09-12 | 2023-12-12 | 北京阿帕科蓝科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807921A (zh) | 车辆调度方法、装置、设备和存储介质 | |
Luo et al. | A new framework of intelligent public transportation system based on the internet of things | |
CN109559512B (zh) | 一种区域交通流量预测方法及装置 | |
Wang et al. | A big data approach for smart transportation management on bus network | |
WO2019237522A1 (zh) | 车辆租赁方法、装置、计算机设备和存储介质 | |
CN112789193B (zh) | 用于预测性地控制机动车辆的电能存储器的充电过程的方法和后端设备 | |
CN108346010B (zh) | 基于用户需求分析的共享汽车调度方法 | |
CN110245558B (zh) | 基于人脸识别的公交车辆调度方法、装置及计算机设备 | |
CN111564053B (zh) | 车辆调度方法、装置、车辆调度设备和存储介质 | |
CN110363319B (zh) | 资源分配方法、服务器、资源申领方法和客户端 | |
CN111476442B (zh) | 坐席服务输出方式确定方法、装置、计算机设备和介质 | |
CN111210056A (zh) | 电价方案确定方法、装置、计算机设备和存储介质 | |
US11250031B2 (en) | Method of predicting a traffic behaviour in a road system | |
CN108281033A (zh) | 一种停车诱导系统及方法 | |
Iliopoulou et al. | Identifying spatio-temporal patterns of bus bunching in urban networks | |
Zhang et al. | Feeder: supporting last-mile transit with extreme-scale urban infrastructure data | |
CN111091215A (zh) | 车辆识别方法、装置、计算机设备和存储介质 | |
Yan et al. | Performance evaluation of bus routes using automatic vehicle location data | |
CN111915209A (zh) | 共享交通工具的调度方法、装置、计算机设备和存储介质 | |
CN103366224A (zh) | 一种基于公交网络的乘客需求预测系统和方法 | |
WO2020254418A1 (en) | System and method for populating a database with occupancy data of parking facilities | |
CN110969299A (zh) | 交通路线生成的方法、装置、计算机设备及存储介质 | |
Chen et al. | Historical travel time based bus-arrival-time prediction model | |
US20220156660A1 (en) | System and method for automatic identification of events for transport and event management | |
JP4764744B2 (ja) | 巡回計画作成プログラムおよび巡回計画作成装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200218 |
|
RJ01 | Rejection of invention patent application after publication |