CN110944296A - 运动轨迹的伴随确定方法、装置和服务器 - Google Patents
运动轨迹的伴随确定方法、装置和服务器 Download PDFInfo
- Publication number
- CN110944296A CN110944296A CN201911197726.8A CN201911197726A CN110944296A CN 110944296 A CN110944296 A CN 110944296A CN 201911197726 A CN201911197726 A CN 201911197726A CN 110944296 A CN110944296 A CN 110944296A
- Authority
- CN
- China
- Prior art keywords
- motion
- terminal device
- track
- point
- terminal
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Abstract
本发明提供了一种运动轨迹的伴随确定方法、装置和服务器,其中,该方法包括:从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹;其中,预设的数据集中包括多个终端设备的运动轨迹,以及终端设备对应的标识,该运动轨迹通过终端设备的信令数据确定;根据第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系。本发明通过信令数据,得到终端设备的运动轨迹,并基于两个终端设备的运动轨迹,判定两个终端设备是否为伴随关系,该方式无需人工确定伴随关系,从而节省了大量的人力资源,同时,提高了确定伴随关系的效率,有利于该方式规模化应用。
Description
技术领域
本发明涉及数据处理技术领域,尤其是涉及一种运动轨迹的伴随确定方法、装置和服务器。
背景技术
相关技术中,通常卡口记录得到的过车记录中的图像数据分辨车辆上的随行人员和车辆牌照信息,再通过人工对随行人员特征进行辨认、归纳寻找到可能的目标人员,最终将找寻到的目标人员与该车辆确定为伴随关系。该方式得出来的车辆和人员关系,需要消耗大量的人力,且确定伴随关系的效率低,难以规模化应用。
发明内容
本发明的目的在于提供一种运动轨迹的伴随确定方法、装置和服务器,以节省人力资源,提高确定伴随关系的效率,同时可规模化应用。
第一方面,本发明实施例提供一种运动轨迹的伴随确定方法,该方法包括:从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹;其中,该预设的数据集中包括多个终端设备的运动轨迹,以及终端设备对应的标识,该运动轨迹通过终端设备的信令数据确定;根据第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系。
在可选的实施方式中,上述预设的数据集通过下述方法建立:获取终端设备的信令数据和目标区域内的基站数据;根据信令数据,确定终端设备对应的起始点、途径点和终点;根据基站数据,确定起始点、途径点和终点的位置信息;根据起始点、途径点和终点的位置信息,确定终端设备的运动轨迹;将终端设备的运动轨迹保存在数据集中。
在可选的实施方式中,上述根据信令数据,确定终端设备对应的起始点、途径点和终点的步骤,包括:判断终端设备经过起始点和终点的时间间隔是否大于时间阈值;如果大于,保留起始点和终点;如果小于或者等于,删除起始点和终点。
在可选的实施方式中,上述从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹的步骤之前,该方法还包括:通过Hash(哈希)碰撞算法,确定第一终端设备和第二终端设备;根据移动网络的上网用户、移动网络的物联网卡或者预设的第三方数据,确定第一终端设备的第一标识和第二终端设备的第二标识。
在可选的实施方式中,上述从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹的步骤,包括:根据第一终端设备的第一标识和第二终端设备的第二标识,从数据集中获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹。
在可选的实施方式中,上述运动轨迹中包括多个轨迹点,该轨迹点包括起始点、途径点和终点;上述根据第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系的步骤,包括:在同一时间点,判断第一运动轨迹的轨迹点和第二运动轨迹的轨迹点是否相匹配;如果不相匹配,通过插值匹配算法,得到不匹配的轨迹点;如果匹配,判断第一运动轨迹的轨迹点和第二运动轨迹的轨迹点的匹配度,基于匹配度判定第一终端设备和第二终端设备是否为伴随关系。
在可选的实施方式中,上述基于匹配度判定第一终端设备和第二终端设备是否为伴随关系的步骤,包括:在同一时间点,计算第一运动轨迹的轨迹点和第二运动轨迹的轨迹点的距离;在预设时间段内,统计距离小于预设距离阈值的轨迹点数量;通过轨迹点数量和预设时间段内的轨迹点总数的比值,判定第一终端设备和第二终端设备是否为伴随关系。
在可选的实施方式中,上述通过轨迹点数量和预设时间段内的轨迹点总数的比值,判定第一终端设备和第二终端设备是否为伴随关系的步骤,包括:判断轨迹点数量和预设时间段内的轨迹点总数的比值是否大于或者等于预设比例阈值;如果大于或者等于预设比例阈值,确定第一终端设备和第二终端设备为伴随关系。
第二方面,本发明实施例提供一种运动轨迹的伴随确定装置,该装置包括:轨迹确定模块,用于从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹;其中,该预设的数据集中包括多个终端设备的运动轨迹,以及终端设备对应的标识,该运动轨迹通过终端设备的信令数据确定;关系确定模块,用于根据第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系。
第三方面,本发明实施例提供一种服务器,该服务器包括处理器和存储器,该存储器存储有能够被处理器执行的机器可执行指令,该处理器执行所述机器可执行指令以实现上述运动轨迹的伴随确定方法。
本发明实施例带来了以下有益效果:
本发明提供了一种运动轨迹的伴随确定方法、装置和服务器,首先从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹;其中,预设的数据集中包括多个终端设备的运动轨迹,以及终端设备对应的标识,该运动轨迹通过终端设备的信令数据确定;然后根据第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系。本发明通过信令数据,得到终端设备的运动轨迹,并基于两个终端设备的运动轨迹,判定两个终端设备是否为伴随关系,该方式无需人工确定伴随关系,从而节省了大量的人力资源,同时,提高了确定伴随关系的效率,有利于该方式规模化应用。
本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施方式,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种运动轨迹的伴随确定方法的流程图;
图2为本发明实施例提供的另一种运动轨迹的伴随确定方法的流程图;
图3为本发明实施例提供的另一种运动轨迹的伴随确定方法的流程图;
图4为本发明实施例提供的一种运动轨迹的伴随确定装置的结构示意图;
图5为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
考虑到现有的伴随关系确定方法,需要消耗大量的人力,且确定伴随关系的效率低,难以规模化应用,本发明实施例提供一种运动轨迹的伴随确定方法、装置和服务器,该技术可以应用于运动对象的关系确定场景中,尤其是人车关系确定、数据去重等场景。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种运动轨迹的伴随确定方法,进行详细介绍,该方法可以应用于服务器;如图1所示,该方法包括如下步骤:
步骤S102,从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹;其中,预设的数据集中包括多个终端设备的运动轨迹,以及终端设备对应的标识,该运动轨迹通过终端设备的信令数据确定。
上述终端设备可以为移动终端设备,例如手机、平板电脑、只能手环等;也可以为固定在车辆(例如,火车、汽车等)上的通信设备。上述信令数据包括IMSI(InternationalMobile Subscriber Identification Number,国际移动用户识别码)、省标识、终端设备经过的基站ID(Identity document,识别码)以及终端设备经过该基站的时间等;其中经过该基站的时间包括经过基站的开始时间和结束时间。信令数据通常具有样本量大、数据客观、全面、采样不会有很明显的倾向性,并且数据具有较强的时空持续性的特点。
将终端设备的信令数据与运营商(例如,移动、联通、电信等)提供的基站数据相结合,以将终端设备经过的基站ID与基站数据中的基站ID相匹配,得到终端设备经过的基站的经纬度,也即是确定该基站的位置信息,其中终端设备经过的基站的位置通常对应运动轨迹中的轨迹点。再结合信令数据中该轨迹点对应的时间信息,确定终端设备的运动轨迹。
上述预设的数据集中保存有多个终端设备对应的运动轨迹,以及终端设备对应的标识,该标识为可以唯一标识终端设备,该标识可以是信令数据中的IMSI码。上述第一终端设备和第二终端设备是初步判断可能具有伴随关系的两个设备,也即是初步判定两个设备为同时运动的,进而根据第一终端设备的标识和第二终端设备的标识从预设的数据集中查找相应的运行轨迹。
步骤S104,根据上述第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系。
在具体实现时,计算同一时间点时间点上,第一运动轨迹和第二运动轨迹的轨迹点的距离,如果所有时间点上的两个轨迹点的距离都在预设的范围内,或者所有时间点上有指定数量的两个轨迹点的距离在预设的范围内,可以确定第一终端设备和第二终端设备为伴随关系。
本发明提供了一种运动轨迹的伴随确定方法,首先从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹;其中,预设的数据集中包括多个终端设备的运动轨迹,以及终端设备对应的标识,该运动轨迹通过终端设备的信令数据确定;然后根据第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系。本发明通过信令数据,得到终端设备的运动轨迹,并基于两个终端设备的运动轨迹,判定两个终端设备是否为伴随关系,该方式无需人工确定伴随关系,从而节省了大量的人力资源,同时,提高了确定伴随关系的效率,有利于该方式规模化应用。
本发明实施例还提供另一种运动轨迹的伴随确定方法,该方法在上述实施例所述方法的基础上实现;该方法重点描述建立预设的数据集的过程,以及从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹的具体过程;如图2所示,该方法包括如下步骤:
步骤S202,通过Hash碰撞算法,确定第一终端设备和第二终端设备。
上述Hash碰撞算法对输入数据进行哈希运算,得到哈希值,如果输出的两个不同的输入数据,得到的哈希值相同,则称为哈希碰撞(相当于Hash碰撞)。该输入的数据通常是运动主体对应的终端设备的数据,该运动主体通常为运动的物体,该运动的物体可以是人,也可以是其他运动的物体,例如,火车、汽车等。用户将需要判定伴随关系的两个终端设备对应的数据进行哈希运算,如果得到的哈希值相同,则认为两个终端设备配对成功,也即是将上述两个终端设备确定为第一终端设备和第二终端设备。例如,可以通过Hash碰撞算法将人对应的终端设备和车汽车对应的终端设备进行碰撞,以得到人和车辆的匹配结果。
步骤S204,根据移动网络的上网用户、移动网络的物联网卡或者预设的第三方数据,确定第一终端设备的第一标识和第二终端设备的第二标识。
上述移动网络通常是由运营商确定的,由于运营商的信令数据中包含了能联网的终端设备数据、上网用户和物联网卡等,因此可以通过运营商的信令数据确定终端设备的标识。在具体实现时,如果终端设备对应的运动主体为人,那么人的识别可以根据运营商的上网用户确定,例如,可以是IMSI码,如果终端设备对应的于运动主体为火车或者车辆等,其标识可以根据运营商的物联网卡中的识别码或预设的第三方数据提供的识别码确定。
步骤S206,根据上述第一终端设备的第一标识和第二终端设备的第二标识,从数据集中获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹。
由于数据集中包含了所需的所有运动主体对应终端设备的运动轨迹,以及每个终端设备对应的标识,因此,可以根据第一标识和第二标识从数据集中提取出相应的第一运动轨迹和第二运动轨迹。在具体实现时,上述数据集客体通过下述步骤10-14实现:
步骤10,获取终端设备的信令数据和目标区域内的基站数据;该目标区域内通常可以是指定的地区,可以是某个国家,也可以是全球。该基站数据通常包括目标区域内所有的基站的ID和经纬度信息等。
步骤11,根据上述信令数据,确定终端设备对应的起始点、途径点和终点。
按照时间顺序,对信令数据中的基站进行排序,并筛选出信令数据中终端设备经过每个基站时的信息,可以得到终端设备的途径点(Journey Via Point,途径点)数据;该途径点通常为终端设备经过的基站;其中,途径点中包含用户识别码、途经点开始时间、途经点结束时间、信令发生的基站信息、省编码等信息。
根据信令数据可以确定终端设备对应的运动主体的出行记录信息,该出行记录信息中记录有每次出行的起始点和终端的相关信息,该相关信息至少包括用户识别码、停留开始时间、停留结束时间、以及信令发生的基站信息、省编码等信息。
在具体实现时,上述步骤11可以通过下述方式实现:判断终端设备经过起始点和终点的时间间隔是否大于时间阈值;如果大于,保留该起始点和终点;如果小于或者等于,删除该起始点和终点。通常可以根据停留开始时间(起始点对应的时间)和停留结束时间(相当于终点对应的时间),得到起终点和终点的时间间隔,为了选择出运行轨迹较长的轨迹,可以判断该时间间隔是否大于时间阈值,该时间阈值通常是根据用户需求设定的,可以为900秒、1000秒等。
步骤12,根据上述基站数据,确定起始点、途径点和终点的位置信息。
在具体实现时,上述起始点、途径点和终点可以统称为轨迹点,通过轨迹点和基站数据之间的关联信息,该关联信息可以是两者中相匹配的基站ID,利用基站的经纬度信息定位移动点所在的位置信息,得到轨迹点的位置信息。该轨迹点的位置信息数据中至少包含用户标识、轨迹点的位置坐标(也可称为轨迹点的经纬度信息)、终端设备经过轨迹点的时间、和省编码等;其中终端设备经过轨迹点的时间包括经过该轨迹点的开始时间和结束时间。
步骤13,根据上述起始点、途径点和终点的位置信息,确定终端设备的运动轨迹。
按照时间顺序,将起始点、途径点和终点位置信息进行关联,可以得到终端设备对应的运动轨迹。
步骤14,将上述终端设备的运动轨迹保存在数据集中。
步骤S208,根据上述第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系。
上述运动轨迹的伴随确定方法,首先通过Hash碰撞算法,确定第一终端设备和第二终端设备,然后根据移动网络的上网用户、移动网络的物联网卡或者预设的第三方数据,确定第一终端设备的第一标识和第二终端设备的第二标识,进而根据第一终端设备的第一标识和第二终端设备的第二标识,从数据集中获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹,再根据上述第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系。该方式通过信令数据确定数据集,并根据终端设备的标识自动从数据集中确定运动轨迹,该方式节省了人力搜索的成本,而且该方式可以规模化应用。
本发明实施例还提供另一种运动轨迹的伴随确定方法,该方法在上述实施例所述方法的基础上实现;该方法重点描述根据第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系的具体过程;如图3所示,该方法包括如下步骤:
步骤S302,从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹;其中,运动轨迹中包括多个轨迹点,该轨迹点包括起始点、途径点和终点。
步骤S304,在同一时间点,判断第一运动轨迹的轨迹点和第二运动轨迹的轨迹点是否相匹配;如果不相匹配,执行步骤S306;如果相匹配,执行步骤S308。
在第一终端设备和第二终端设备同时运动的前提下,两个终端设备与基站进行交互的时间可能是不一样的,因此,有可能在有一个时间点上出现了第一终端设备的轨迹点,但是没有出现第二终端设备的轨迹点,此时第一轨迹运动轨迹的轨迹点与第二运动轨迹的轨迹点不相匹配,需要进行匹配验证。在具体实现时,如果第一终端设备对应的运动主体为人,第二终端设备对应的运动主体为汽车时,一辆车通常对应有多个人,此时,需要以汽车的轨迹点为基准进行匹配。
步骤S306,通过插值匹配算法,得到不匹配的轨迹点,将得到的不匹配的轨迹点确定为相应的运动轨迹中的轨迹点;执行步骤S308。
通过插值匹配算法,可以得到上述不匹配的轨迹点对应的轨迹点的位置信息,也可以是该轨迹点的经纬度信息,也即是通过在已有的轨迹点对匹配的或者缺失的轨迹点匹配轨迹点的位置信息。该插值匹配算法进行匹配的方式如下:
在T1、T2、T3时刻,按照时间对上述时刻进行顺序,得到T1<T2<T3;第一终端设备对应的轨迹点为A'、B'、C',第二终端设备只在T1和T3出现轨迹点A和C,那么根据第一终端设备的时间点和第二终端设备的前后两个轨迹点,可计算出中间时间T2时刻的第二终端设备的轨迹点B(x2,y2)(相当于上述不匹配的轨迹点),其中x2表示T2时刻的轨迹点对应的经度,y2表示T2时刻的轨迹点对应的纬度。
根据T1、T2、T3时刻可以得到第一时间差Δt1和第二时间差Δt2,如下:
Δt1=T2-T1
Δt2=T3-T1
根据T1和T3时刻第二终端设备对应的轨迹点A(x1,y1)和B(x3,y3)、第一时间差Δt1、第二时间差Δt2,可以的得到经度差值Δx和纬度差值Δy,如下:
Δx=(x3-x1)*Δt1/Δt2
Δy=(y3-y1)*Δt1/Δt2
其中,x1、y1分别表示第二终端设备在T1时刻的轨迹点对应的经度和纬度,x3、y3分别表示第二终端设备在T3时刻的轨迹点对应的经度和纬度。根据T3时刻的轨迹点对应的经度和纬度、经度差值Δx和纬度差值Δy可以得到,上述轨迹点B(x2,y2):
x2=x1+Δx
y2=y1+Δy
最后,将上述轨迹点B(x2,y2)确定为T2时刻第二终端设备的轨迹点。
步骤S308,判断第一运动轨迹的轨迹点和第二运动轨迹的轨迹点的匹配度,基于匹配度判定第一终端设备和第二终端设备是否为伴随关系。
上述匹配度通常包括轨迹点之间距离的匹配度,在具体实现时,上述步骤S308可以通过下述步骤20-22实现:
步骤20,在同一时间点,计算第一运动轨迹的轨迹点和第二运动轨迹的轨迹点的距离。
在具体实现时,需要计算第一运动轨迹的轨迹点和第二运动轨迹的轨迹点中,同一时间点上的两个轨迹点的距离,如果同一时间点上的两个轨迹点的距离小于预设距离阈值,则确定这两个轨迹点验证成功,如果距离大于或者等于预设距离阈值,则确定这两个轨迹点验证失败;然后在验证下一个时间点上,第一运动轨迹和第二运动轨迹上的轨迹点的距离是否小于预设距离阈值,该预设距离阈值可以根据用户需求设置,例如500米。
例如,在T1、T2、T3时刻,第一运动轨迹上对应的轨迹点为A'、B'和C',第二运动轨迹上对应的轨迹点为A、B和C,如果A'和A、B'和B、C'和C的距离都小于500米,说明A'和A、B'和B、C'和C都验证成功;计算两个轨迹点A和A'的距离ΔS的公式为:
ΔS=R·arc cos[cosβ1cosβ2cos(α1-α2)+sinβ1sinβ2]
上式中,轨迹点A'的纬度角为β1,经度角为α1;轨迹点点A的纬度角为β2,经度角为α2;R为球体半径。
步骤21,在预设时间段内,统计上述距离小于预设距离阈值的轨迹点数量。
步骤22,通过上述轨迹点数量和预设时间段内的轨迹点总数的比值,判定第一终端设备和第二终端设备是否为伴随关系。
上述预设时间段是用户根据需求设置的,该预设时间段可以为一天、一周、一个月等。统计该预设时间段内的验证成功的轨迹点数量和轨迹点总数,然后通过轨迹点数量和轨迹点总数,判定第一终端设备和第二终端设备是否为伴随关系。在具体实现时,上述步骤22可以通过下述步骤30-33实现:
步骤30,判断上述轨迹点数量和预设时间段内的轨迹点总数的比值是否大于或者等于预设比例阈值;如果大于或者等于预设比例阈值,执行步骤31;如果小于预设比例阈值,执行步骤32。
步骤31,确定上述第一终端设备和第二终端设备为伴随关系。
步骤32,确定上述第一终端设备和第二终端设备为非伴随关系。
上述预设比例阈值是根据用户需求设定的,该预设比例阈值可以设置为0.3、0.5、0.8等。在具体实现时,如果预设时间段为一天,第一运动轨迹的轨迹点与第二运动轨迹的轨迹点中验证成功的轨迹点数量为N1,该天中轨迹点总数为M1,那么N1与M1的比值为日匹配验证率P1,如果该匹配验证率P1大于或者等于预设比例阈值(例如,0.3),则确定在该天内,第一终端设备和第二终端设备为伴随关系,否则为非伴随关系。
如果预设时间段(相当于一个匹配周期)为一个月,需要计算第一终端设备和第二终端设备一个月内的运动轨迹,如果一个月内第一运动轨迹的轨迹点与第二运动轨迹的轨迹点中验证成功的轨迹点数量为N2,该月中轨迹点总数为M2,那么N2与M2的比值为月匹配验证率P2,如果该月匹配验证率P2大于或者等于预设比例阈值(例如,0.4),则确定该月内第一终端设备和第二终端设备为伴随关系,否则为非伴随关系。
上述运动轨迹的伴随确定方法,可以自动验证两个终端设备在预设时间段内是否为伴随关系,该方式可以规模化应用,也可以节省大量的人力成本。
对应于上述方法实施例,本发明实施例提供了一种运动轨迹的伴随确定装置,如图4所示,该装置包括:
轨迹确定模块40,用于从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹;其中,预设的数据集中包括多个终端设备的运动轨迹,以及终端设备对应的标识,该运动轨迹通过终端设备的信令数据确定。
关系确定模块41,用于根据第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系。
上述运动轨迹的伴随确定装置,首先从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹;其中,预设的数据集中包括多个终端设备的运动轨迹,以及终端设备对应的标识,该运动轨迹通过终端设备的信令数据确定;然后根据第一运动轨迹和第二运动轨迹,判断第一终端设备和第二终端设备是否为伴随关系。该方式通过信令数据,得到终端设备的运动轨迹,并基于两个终端设备的运动轨迹,判定两个终端设备是否为伴随关系,该方式无需人工确定伴随关系,从而节省了大量的人力资源,同时,提高了确定伴随关系的效率,有利于该方式规模化应用。
进一步地,上述装置还包括数据集建立模块,用于:获取终端设备的信令数据和目标区域内的基站数据;根据信令数据,确定终端设备对应的起始点、途径点和终点;根据基站数据,确定起始点、途径点和终点的位置信息;根据起始点、途径点和终点的位置信息,确定终端设备的运动轨迹;将终端设备的运动轨迹保存在数据集中。
具体地,上述数据集建立模块,还用于:判断终端设备经过起始点和终点的时间间隔是否大于时间阈值;如果大于,保留该起始点和终点;如果小于或者等于,删除该起始点和终点。
进一步地,上述装置还包括终端确定模块,用于:通过Hash碰撞算法,确定第一终端设备和第二终端设备;根据移动网络的上网用户、移动网络的物联网卡或者预设的第三方数据,确定第一终端设备的第一标识和第二终端设备的第二标识。
进一步地,上述轨迹确定模块40,用于:根据第一终端设备的第一标识和第二终端设备的第二标识,从数据集中获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹。
进一步地,上述运动轨迹中包括多个轨迹点,该轨迹点包括起始点、途径点和终点;上述关系确定模块41,用于:在同一时间点,判断第一运动轨迹的轨迹点和第二运动轨迹的轨迹点是否相匹配;如果不相匹配,通过插值匹配算法,得到不匹配的轨迹点;如果匹配,判断第一运动轨迹的轨迹点和第二运动轨迹的轨迹点的匹配度,基于匹配度判定第一终端设备和第二终端设备是否为伴随关系。
进一步地,上述关系确定模块41,还用于:在同一时间点,计算第一运动轨迹的轨迹点和第二运动轨迹的轨迹点的距离;在预设时间段内,统计该距离小于预设距离阈值的轨迹点数量;通过轨迹点数量和预设时间段内的轨迹点总数的比值,判定第一终端设备和第二终端设备是否为伴随关系。
进一步地,上述关系确定模块41,还用于:判断轨迹点数量和预设时间段内的轨迹点总数的比值是否大于或者等于预设比例阈值;如果大于或者等于预设比例阈值,确定第一终端设备和第二终端设备为伴随关系。
本发明实施例所提供的运动轨迹的伴随确定装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例还提供了一种服务器,用于运行上述运动轨迹的伴随确定方法,参见图5所示,该服务器包括处理器101和存储器100,该存储器100存储有能够被处理器101执行的机器可执行指令,该处理器101执行机器可执行指令以实现上述运动轨迹的伴随确定方法。
进一步地,图5所示的服务器还包括总线102和通信接口103,处理器101、通信接口103和存储器100通过总线102连接。
其中,存储器100可能包含高速随机存取存储器(RAM,RandomAccessMemory),也可能还包括非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线102可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器100,处理器101读取存储器100中的信息,结合其硬件完成前述实施例的方法的步骤。
本发明实施例所提供的运动轨迹的伴随确定方法、装置和服务器的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种运动轨迹的伴随确定方法,其特征在于,所述方法包括:
从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹;其中,所述预设的数据集中包括多个终端设备的运动轨迹,以及所述终端设备对应的标识,所述运动轨迹通过所述终端设备的信令数据确定;
根据所述第一运动轨迹和所述第二运动轨迹,判断所述第一终端设备和所述第二终端设备是否为伴随关系。
2.根据权利要求1所述的方法,其特征在于,所述预设的数据集通过下述方法建立:
获取所述终端设备的信令数据和目标区域内的基站数据;
根据所述信令数据,确定所述终端设备对应的起始点、途径点和终点;
根据所述基站数据,确定所述起始点、所述途径点和所述终点的位置信息;
根据所述起始点、所述途径点和所述终点的位置信息,确定所述终端设备的运动轨迹;
将所述终端设备的运动轨迹保存在所述数据集中。
3.根据权利要求2所述的方法,其特征在于,根据所述信令数据,确定所述终端设备对应的起始点、途径点和终点的步骤,包括:
判断所述终端设备经过所述起始点和所述终点的时间间隔是否大于时间阈值;
如果大于,保留所述起始点和所述终点;
如果小于或者等于,删除所述起始点和所述终点。
4.根据权利要求1所述的方法,其特征在于,从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹的步骤之前,所述方法还包括:
通过Hash碰撞算法,确定所述第一终端设备和所述第二终端设备;
根据移动网络的上网用户、移动网络的物联网卡或者预设的第三方数据,确定所述第一终端设备的第一标识和所述第二终端设备的第二标识。
5.根据权利要求4所述的方法,其特征在于,从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹的步骤,包括:
根据所述第一终端设备的第一标识和所述第二终端设备的第二标识,从所述数据集中获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹。
6.根据权利要求2所述的方法,其特征在于,所述运动轨迹中包括多个轨迹点,所述轨迹点包括所述起始点、所述途径点和所述终点;
根据所述第一运动轨迹和所述第二运动轨迹,判断所述第一终端设备和所述第二终端设备是否为伴随关系的步骤,包括:
在同一时间点,判断所述第一运动轨迹的轨迹点和所述第二运动轨迹的轨迹点是否相匹配;
如果不相匹配,通过插值匹配算法,得到不匹配的轨迹点;
如果匹配,判断所述第一运动轨迹的轨迹点和所述第二运动轨迹的轨迹点的匹配度,基于匹配度判定所述第一终端设备和所述第二终端设备是否为伴随关系。
7.根据权利要求6所述的方法,其特征在于,基于匹配度判定所述第一终端设备和所述第二终端设备是否为伴随关系的步骤,包括:
在同一时间点,计算所述第一运动轨迹的轨迹点和所述第二运动轨迹的轨迹点的距离;
在预设时间段内,统计所述距离小于预设距离阈值的轨迹点数量;
通过所述轨迹点数量和所述预设时间段内的轨迹点总数的比值,判定所述第一终端设备和所述第二终端设备是否为伴随关系。
8.根据权利要求7所述的方法,其特征在于,通过所述轨迹点数量和所述预设时间段内的轨迹点总数的比值,判定所述第一终端设备和所述第二终端设备是否为伴随关系的步骤,包括:
判断所述轨迹点数量和所述预设时间段内的轨迹点总数的比值是否大于或者等于预设比例阈值;
如果大于或者等于预设比例阈值,确定所述第一终端设备和所述第二终端设备为伴随关系。
9.一种运动轨迹的伴随确定装置,其特征在于,所述装置包括:
轨迹确定模块,用于从预设的数据集中,获取第一终端设备对应的第一运动轨迹和第二终端设备对应的第二运动轨迹;其中,所述预设的数据集中包括多个终端设备的运动轨迹,以及所述终端设备对应的标识,所述运动轨迹通过所述终端设备的信令数据确定;
关系确定模块,用于根据所述第一运动轨迹和所述第二运动轨迹,判断所述第一终端设备和所述第二终端设备是否为伴随关系。
10.一种服务器,其特征在于,所述服务器包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器执行所述机器可执行指令以实现权利要求1至8任一项所述的运动轨迹的伴随确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911197726.8A CN110944296A (zh) | 2019-11-27 | 2019-11-27 | 运动轨迹的伴随确定方法、装置和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911197726.8A CN110944296A (zh) | 2019-11-27 | 2019-11-27 | 运动轨迹的伴随确定方法、装置和服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110944296A true CN110944296A (zh) | 2020-03-31 |
Family
ID=69908552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911197726.8A Pending CN110944296A (zh) | 2019-11-27 | 2019-11-27 | 运动轨迹的伴随确定方法、装置和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110944296A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111586586A (zh) * | 2020-05-14 | 2020-08-25 | 深圳力维智联技术有限公司 | 一种追踪方法和系统 |
CN111586585A (zh) * | 2020-05-07 | 2020-08-25 | 悠尼客(上海)企业管理有限公司 | 一种基于Wifi的位置指纹定位方法 |
CN111624635A (zh) * | 2020-05-21 | 2020-09-04 | 北京红山信息科技研究院有限公司 | 一种移动终端的定位方法、系统、服务器和存储介质 |
CN111667249A (zh) * | 2020-06-15 | 2020-09-15 | 费霁丽 | 一种宠物寄养管理方法、系统、存储介质及终端设备 |
CN111866725A (zh) * | 2020-05-29 | 2020-10-30 | 上海数喆数据科技有限公司 | 一种基于wifi探针技术的人流检测方法 |
CN112040414A (zh) * | 2020-08-06 | 2020-12-04 | 杭州数梦工场科技有限公司 | 相似轨迹计算方法、装置及电子设备 |
CN112040413A (zh) * | 2020-08-06 | 2020-12-04 | 杭州数梦工场科技有限公司 | 用户轨迹计算方法、装置及电子设备 |
CN113163361A (zh) * | 2021-01-08 | 2021-07-23 | 中国联合网络通信集团有限公司 | 车辆信息处理方法、装置及服务器 |
CN113706578A (zh) * | 2021-08-03 | 2021-11-26 | 杭州数梦工场科技有限公司 | 一种基于轨迹的移动对象伴随关系的确定方法和装置 |
WO2022012486A1 (zh) * | 2020-07-13 | 2022-01-20 | 华为技术有限公司 | 一种确定密切接触终端设备的方法及装置 |
CN114071347A (zh) * | 2020-07-28 | 2022-02-18 | 中移(苏州)软件技术有限公司 | 一种多信令轨迹的时空匹配方法及装置 |
WO2023029413A1 (zh) * | 2021-09-02 | 2023-03-09 | 北京锐安科技有限公司 | 伴随信息的确定方法、装置、设备及存储介质 |
CN116056067A (zh) * | 2023-01-09 | 2023-05-02 | 中国联合网络通信集团有限公司 | 一种终端识别方法、装置、服务器及存储介质 |
CN116186549A (zh) * | 2023-05-04 | 2023-05-30 | 深圳前海中电慧安科技有限公司 | 模型的训练方法、装置、设备和介质 |
CN117648556A (zh) * | 2024-01-29 | 2024-03-05 | 深圳市名通科技股份有限公司 | 基于时空大数据的家庭成员关系识别的方法 |
CN117648556B (zh) * | 2024-01-29 | 2024-05-10 | 深圳市名通科技股份有限公司 | 基于时空大数据的家庭成员关系识别的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796468A (zh) * | 2015-04-14 | 2015-07-22 | 蔡宏铭 | 实现同行人即时通讯及同行信息共享的方法和系统 |
CN107229940A (zh) * | 2016-03-25 | 2017-10-03 | 阿里巴巴集团控股有限公司 | 数据伴随分析方法及装置 |
CN109325429A (zh) * | 2018-09-11 | 2019-02-12 | 深圳前海中电慧安科技有限公司 | 一种关联特征数据的方法、装置、存储介质及终端 |
CN109635059A (zh) * | 2018-11-23 | 2019-04-16 | 武汉烽火众智数字技术有限责任公司 | 基于轨迹相似度匹配的人车关联分析方法及系统 |
CN109947793A (zh) * | 2019-03-20 | 2019-06-28 | 深圳市北斗智能科技有限公司 | 伴随关系的分析方法、装置和存储介质 |
CN109977109A (zh) * | 2019-04-03 | 2019-07-05 | 深圳市甲易科技有限公司 | 一种轨迹数据清洗方法及伴随分析方法 |
US20190333232A1 (en) * | 2018-04-30 | 2019-10-31 | Uber Technologies, Inc. | Object Association for Autonomous Vehicles |
-
2019
- 2019-11-27 CN CN201911197726.8A patent/CN110944296A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796468A (zh) * | 2015-04-14 | 2015-07-22 | 蔡宏铭 | 实现同行人即时通讯及同行信息共享的方法和系统 |
CN107229940A (zh) * | 2016-03-25 | 2017-10-03 | 阿里巴巴集团控股有限公司 | 数据伴随分析方法及装置 |
US20190333232A1 (en) * | 2018-04-30 | 2019-10-31 | Uber Technologies, Inc. | Object Association for Autonomous Vehicles |
CN109325429A (zh) * | 2018-09-11 | 2019-02-12 | 深圳前海中电慧安科技有限公司 | 一种关联特征数据的方法、装置、存储介质及终端 |
CN109635059A (zh) * | 2018-11-23 | 2019-04-16 | 武汉烽火众智数字技术有限责任公司 | 基于轨迹相似度匹配的人车关联分析方法及系统 |
CN109947793A (zh) * | 2019-03-20 | 2019-06-28 | 深圳市北斗智能科技有限公司 | 伴随关系的分析方法、装置和存储介质 |
CN109977109A (zh) * | 2019-04-03 | 2019-07-05 | 深圳市甲易科技有限公司 | 一种轨迹数据清洗方法及伴随分析方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111586585A (zh) * | 2020-05-07 | 2020-08-25 | 悠尼客(上海)企业管理有限公司 | 一种基于Wifi的位置指纹定位方法 |
CN111586586A (zh) * | 2020-05-14 | 2020-08-25 | 深圳力维智联技术有限公司 | 一种追踪方法和系统 |
CN111624635A (zh) * | 2020-05-21 | 2020-09-04 | 北京红山信息科技研究院有限公司 | 一种移动终端的定位方法、系统、服务器和存储介质 |
CN111866725A (zh) * | 2020-05-29 | 2020-10-30 | 上海数喆数据科技有限公司 | 一种基于wifi探针技术的人流检测方法 |
CN111866725B (zh) * | 2020-05-29 | 2022-07-01 | 上海数喆数据科技有限公司 | 一种基于wifi探针技术的人流检测方法 |
CN111667249A (zh) * | 2020-06-15 | 2020-09-15 | 费霁丽 | 一种宠物寄养管理方法、系统、存储介质及终端设备 |
CN111667249B (zh) * | 2020-06-15 | 2024-03-01 | 费霁丽 | 一种宠物寄养管理方法、系统、存储介质及终端设备 |
WO2022012486A1 (zh) * | 2020-07-13 | 2022-01-20 | 华为技术有限公司 | 一种确定密切接触终端设备的方法及装置 |
CN114071347A (zh) * | 2020-07-28 | 2022-02-18 | 中移(苏州)软件技术有限公司 | 一种多信令轨迹的时空匹配方法及装置 |
CN114071347B (zh) * | 2020-07-28 | 2024-04-09 | 中移(苏州)软件技术有限公司 | 一种多信令轨迹的时空匹配方法及装置 |
CN112040414A (zh) * | 2020-08-06 | 2020-12-04 | 杭州数梦工场科技有限公司 | 相似轨迹计算方法、装置及电子设备 |
CN112040413B (zh) * | 2020-08-06 | 2023-06-20 | 杭州数梦工场科技有限公司 | 用户轨迹计算方法、装置及电子设备 |
CN112040413A (zh) * | 2020-08-06 | 2020-12-04 | 杭州数梦工场科技有限公司 | 用户轨迹计算方法、装置及电子设备 |
CN113163361A (zh) * | 2021-01-08 | 2021-07-23 | 中国联合网络通信集团有限公司 | 车辆信息处理方法、装置及服务器 |
CN113706578A (zh) * | 2021-08-03 | 2021-11-26 | 杭州数梦工场科技有限公司 | 一种基于轨迹的移动对象伴随关系的确定方法和装置 |
WO2023029413A1 (zh) * | 2021-09-02 | 2023-03-09 | 北京锐安科技有限公司 | 伴随信息的确定方法、装置、设备及存储介质 |
CN116056067A (zh) * | 2023-01-09 | 2023-05-02 | 中国联合网络通信集团有限公司 | 一种终端识别方法、装置、服务器及存储介质 |
CN116056067B (zh) * | 2023-01-09 | 2024-04-19 | 中国联合网络通信集团有限公司 | 一种终端识别方法、装置、服务器及存储介质 |
CN116186549A (zh) * | 2023-05-04 | 2023-05-30 | 深圳前海中电慧安科技有限公司 | 模型的训练方法、装置、设备和介质 |
CN116186549B (zh) * | 2023-05-04 | 2023-08-08 | 深圳前海中电慧安科技有限公司 | 模型的训练方法、装置、设备和介质 |
CN117648556A (zh) * | 2024-01-29 | 2024-03-05 | 深圳市名通科技股份有限公司 | 基于时空大数据的家庭成员关系识别的方法 |
CN117648556B (zh) * | 2024-01-29 | 2024-05-10 | 深圳市名通科技股份有限公司 | 基于时空大数据的家庭成员关系识别的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110944296A (zh) | 运动轨迹的伴随确定方法、装置和服务器 | |
CN104111073A (zh) | 一种识别地图数据中不准确路段的方法和装置 | |
CN107026845B (zh) | 任务作弊行为识别方法及装置 | |
CN110570652A (zh) | 车辆套牌检测提醒方法及相关产品 | |
CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
CN110645999A (zh) | 导航方法、装置、服务器、终端及存储介质 | |
CN107545318B (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
CN110595499A (zh) | 变道提醒方法、装置和系统 | |
CN106961632A (zh) | 视频质量分析方法及装置 | |
CN111476107A (zh) | 一种图像处理方法及装置 | |
CN114743165A (zh) | 车辆轨迹线的确定方法、装置、存储介质及电子装置 | |
CN109996188B (zh) | 一种出行信息异常的提醒方法、装置及设备 | |
CN113963316A (zh) | 目标事件的确定方法、装置、存储介质及电子装置 | |
CN109951809B (zh) | 一种用户状态提醒方法、装置及设备 | |
CN112532929A (zh) | 路况信息确定方法及装置、服务器、存储介质 | |
CN112738725A (zh) | 半封闭区域目标人群的实时识别方法、装置、设备和介质 | |
CN110633343A (zh) | 移动路径的显示方法及装置 | |
CN105792211B (zh) | 一种伪基站识别方法及装置 | |
CN114913470B (zh) | 一种事件检测方法及装置 | |
CN110443653A (zh) | 订单处理方法、装置及电子设备 | |
CN113327336B (zh) | 人车关系的识别方法、装置和电子设备 | |
CN114462563A (zh) | 一种交易处理方法、装置、设备及存储介质 | |
CN111010599B (zh) | 一种处理多场景视频流的方法、装置及计算机设备 | |
CN110121143B (zh) | 位置确定方法、装置、电子设备及可读存储介质 | |
CN114241752A (zh) | 场端拥堵提示方法、装置、设备及计算机可读存储介质 |
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: 20200331 |