CN111222701B - 一种基于海洋环境图层的船舶航线自动规划与评价方法 - Google Patents
一种基于海洋环境图层的船舶航线自动规划与评价方法 Download PDFInfo
- Publication number
- CN111222701B CN111222701B CN202010018966.3A CN202010018966A CN111222701B CN 111222701 B CN111222701 B CN 111222701B CN 202010018966 A CN202010018966 A CN 202010018966A CN 111222701 B CN111222701 B CN 111222701B
- Authority
- CN
- China
- Prior art keywords
- course
- grid
- route
- ship
- planning
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 33
- 238000011156 evaluation Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000005265 energy consumption Methods 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 238000002986 genetic algorithm method Methods 0.000 claims abstract description 3
- 238000005457 optimization Methods 0.000 claims description 11
- 230000004888 barrier function Effects 0.000 claims description 7
- 230000033001 locomotion Effects 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000008521 reorganization Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Genetics & Genomics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
Abstract
本发明公开一种基于海洋环境图层的船舶航线自动规划与评价方法。该方法综合海洋环境信息和船舶特征进行航线规划，首先提取海洋环境信息，构建网格化海洋地理、水文、气象图层库和数据场模型，完成环境数据有效整编与存储；并根据船舶参数和安全通航要求，确定网格安全等级与碍航区；设计方向函数，提出基于方向函数进行网格自动搜索并实现航线自动规划生成，并利用遗传算法的方法进行航线优化；最后构建航线航程、航线风险度、航行能耗等三个指标模型进行航线评价，给出航线效能值。本方法可有效提升复杂海洋环境中船舶航线自动规划、生成、优化和评价能力，提高航行效率，降低航行风险，并可为新一代智能船舶、无人船舶提供技术支持。
Description
技术领域
本发明涉及船舶航线规划领域，可适用于海上交通、航运。
背景技术
我国是海洋大国，也是“世界工厂”，随着海洋强国战略不断贯彻与深化、世界经济增长和贸易的发展，航运发展日益繁荣。海上交通运输业快速发展，船舶数量在不断的增多，海上运输环境复杂多样，海上风、浪、流和障碍物等会直接或间接影响船舶安全航行，甚至引发了一系列的交通安全、通航效率等问题，直接影响船舶航运的经营效益。面对日益激烈的航运竞争形势，高效、安全、可控地完成航运任务的要求日益突出。
船舶在航行过程中往往会受到各种不同的海洋环境及气象因素的影响，恶劣的海况与天气直接威胁船舶航行安全，导致船舶遇险，船期延误及延伸性经济损失，这对航线规划技术提出了更高的要求。航线规划船舶智能导航系统的关键技术之一，即根据气象、海况等自然条件、船体状态、舰船运动性能、主机性能等，基于一定的评价标准，决定舰船航行的最佳航行计划。
早在20世纪50年代气象定线就已应用，利用船舶航行过程中的海洋水文气象条件，根据航行海区准确的天气与海况预报，并结合被导航船舶的性能、船型、装载情况、航行要求和航海经验制定航线。但是这类航线定制方法相对粗糙，自动化程度不高，难以满足现代化航运需求。随着现代计算技术的发展，航线自动规划方法的研究日益增加并成为主流，基于 A*算法、Dijkstra算法、二叉树算法、遗传算法、蚁群算法、模拟退火算法、粒子群算法等及其它们的组合可实现航线的自动规划，这些算法虽然应用较多，但重点研究理想航线生成，考虑影响航行的因素不够全面，尚未将精细化海洋环境信息纳入航线规划、优化和评价中，影响航线的实际使用。高效、合理的航线规划方法仍在不断研究、完善中。
发明内容
本发明的目的在于提供一种网格化船舶航线智能规划、生成、优化和评价方法。通过对整合海洋环境和船舶参数数据，提出一种网格化船舶航线智能规划与评价方法，将海洋地理、水文、气象数据网格化，构建数据模型、采用基于方向函数的航线生成方法，实现航线自动规划、生成、优化和评价，解决航线自动生成和评价难题，提升船舶航行效率。
实现本发明的解决方案是：构建网格化海洋地理、水文、气象图层库和数据场模型，实现船舶航行的环境数据有效整编与存储，将海洋环境数据深度融合到航线规划；叠加海洋环境图层，并根据船舶参数和通航要求，确定网格安全等级与障碍区；基于方向函数进行网格搜索并实现航线自动规划生成；通过多次航线规划生成多条航线，利用遗传算法的方法进行航线优化；最后构建航线航程、航线风险度、航行能耗等三个指标模型进行航线评价，给出航线效能值；实现船舶航线智能规划、生成、优化和评价。本发明实现步骤如下：
Step 1构建图层库和数据场模型：提取海洋环境信息，构建网格化海洋地理、水文、气象图层库，支持图层叠加，网格边长为d，d可根据海域环境和航线规划需求动态调整；建立环境对象的数据场模型，进行数据整编存储；
Step 2网格安全等级与障碍区确定：根据船舶参数，确定地理图层中静态障碍区以及因恶劣环境影响而不适应航行的动态障碍区；同时根据船舶安全通航要求，计算每个栅格的安全等级；
Step 3航线生成、优化：船舶在网格中移动可近似表达为点P的运动，网格路线不能重复，设计方向函数，并根据方向函数值选取相邻的网格；当点P运行到某一网格没有相邻的可通航网格时，标记当前网格为无效网格，本航线后续点不在进入此网格，并对当前点进行后退处理，重新搜索；直到到达终点D，一次航线规划成功；生成N条航线，并通过遗传算法对航线进行优化，得到最优航线；
Step 4航线评价：设计航线航程、航线风险度、航行能耗的指标体系，构建指标函数，进行航线效能评估。
与传统的航线规划设计技术相比，本发明具有显著优点：
1.自动化航线规划、生成、优化与评价，减少复杂人工劳动。
2.充分利用海洋环境信息，环境信息作为影响船舶航线的重要因素被考虑。
3.通过方向航速进行网格搜索，减少网格搜索的运算量；同时加入随机数为后续航线优化提供条件。
4.传统的优化设计方法是基于经验二次设计，本方法利用对历史航线、系统多次生成的航线，通过遗传算法进行优化。
5.传统的航线评价大多基于航线长度的单一参数评价，本发明构建航线航程、航线风险度、航行能耗等指标体系，并采用决策矩阵的方法，客观与主观相结合，实现航线有效评价。
下面结合附图对本发明作进一步详细描述。
附图说明
附图1是本发明是船舶点的相邻网格示意图；
附图2是本发明航线生成示意图；
附图3是本发明航线规划生成流程图。
具体实施方式
本发明具体实施方法为：
Step 1提取海洋环境信息，构建网格化海洋地理、水文、气象图层库，支持图层叠加，网格边长为d，d可根据海域环境和航线规划需求动态调整。
(1)地理图层：网格顶点的值为负值时代表水深、正值时为岛礁障碍物的海拨高度。
(2)水文图层：(a)大尺度洋流信息，(b)浪流场预测数据，(c)海冰数据；(d)温度、湿度、压强等数据。
(3)气象图层：(a)季风信息；(b)海雾信息；(c)龙卷风等恶劣气象信息。
Step 2建立环境对象U的数据场模型：
U＝g(x,y,z,t,id,layer)
其中，(x,y,z)为网格定点坐标，id是识别不同数据场的标识，layer为图层识别号。可建立多个环境对象的数据场模型，分别存储网格图层相应的数据，可以根据对象的不同可适应性性选用矢量场(如水深、海拔)与标量场(风、浪、流场等)。
Step 3网格安全等级与碍航区确定。根据船舶尺寸、动力、吃水、航速等参数，确定地理图层中水深不够、岛礁等静态碍航区，因风、浪、流等恶劣环境影响而不适应航行的动态碍航区；同时根据船舶安全通航要求，可设置M个安全等级，计算每个栅格的安全等级：rank ＝f(wd,dr,ds,sz,E)。
rank＝αf(wd,dr)+βf(ds,sz)+γf(E),(α+β+γ＝1)
其中wd,dr,ds,sz,E代表水深、吃水、安全距离、实际距离、环境等级。
Step 4设置出发点S和终点D，构建理想航线向量
Step 5航线生成：进行航路搜索，船舶在网格中移动可近似表达为点P的运动，网格路线不能重复，并根据方向函数值选取相邻的网格，值越大优先。方向函数通过计算当前P点周边8个点的方向值确定其移动方向，计算公式如下：
Gd＝erank+cosθ+r
其中：θ是当前点到相邻的网格向量与理想航线向量的夹角，r是[1,Q]的随机数，Q<rank。
Step 6当点P运行到某一网格没有相邻的可通航网格时，标记当前网格为无效网格，本航线后续点不在进入此网格，并对当前点进行后退处理，并返回5再进行航路搜索。
Step 7重复上述步骤，直到到达终点D，一次航线规划成功。
Step 8生成N条航线，并通过遗传算法对航线进行优化，得到最优航线。
Step 9航线评价：构建航线航程、航线风险度、航行能耗等指标体系，进行航线效能评估。
(1)根据历史航迹统计两地航程，并结合N条自动生成航线计算航程，从而的到出发点到目的地最大航程Lmax，两点间的直线距离为Lmin，航线长度为L的航线航程指数为：
(2)航线经过n个网格，则该航线风险指数为：
其中ranki是网格i的安全等级。
(3)船舶在理想平静海面直行跨过一个网格(距离为d)能耗为J，则在海流、海浪、海风等环境因素影响下的单位能耗为(1+k)*J，转弯能耗为w*J，根据水文、气象网格图层，能耗指数为：
其中，k>-1，w>1。
结合专家、船长等人经验构建决策矩阵，得到航线航程、航线风险度、航行能耗的加权向量W。则航线评价指数为：
E＝(EL,ER,EJ)W 。
Claims (3)
1.一种基于海洋环境图层的船舶航线自动规划与评价方法，其特征在于：
Step 1构建图层库和数据场模型：提取海洋环境信息，构建网格化海洋地理、水文、气象图层库，支持图层叠加，网格边长为d，d可根据海域环境和航线规划需求动态调整；建立环境对象的数据场模型，进行数据整编存储；
Step 2网格安全等级与障碍区确定：根据船舶参数，确定地理图层中静态障碍区以及因恶劣环境影响而不适应航行的动态障碍区；同时根据船舶安全通航要求，计算每个栅格的安全等级；
Step 3航线生成、优化：船舶在网格中移动可近似表达为点P的运动，网格路线不能重复，设计方向函数，并根据方向函数值选取相邻的网格；当点P运行到某一网格没有相邻的可通航网格时，标记当前网格为无效网格，本航线后续点不在进入此网格，并对当前点进行后退处理，重新搜索；直到到达终点D，一次航线规划成功；生成N条航线，并通过遗传算法对航线进行优化，得到最优航线；
Step 4航线评价：设计航线航程、航线风险度、航行能耗的指标体系，构建指标函数，进行航线效能评估。
2.一种根据权利要求1所述的基于海洋环境图层的船舶航线自动规划与评价方法，其特征在于：针对航线规划中网格搜索路径选择问题，提出基于方向函数进行网格搜索方法，给出方向函数计算方法，综合考虑了网格安全等级、网格搜索向量与理想航线向量的夹角，并加入随机参数r，为多航线生成与优化提供条件；针对航线优化难题，通过多次航线规划生成多条航线，利用遗传算法的方法进行航线优化。
3.一种根据权利要求1所述的基于海洋环境图层的船舶航线自动规划与评价方法，其特征在于：构建航线航程、航线风险度、航行能耗的三个指标模型，并基于决策矩阵进行航线评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010018966.3A CN111222701B (zh) | 2020-01-08 | 2020-01-08 | 一种基于海洋环境图层的船舶航线自动规划与评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010018966.3A CN111222701B (zh) | 2020-01-08 | 2020-01-08 | 一种基于海洋环境图层的船舶航线自动规划与评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111222701A CN111222701A (zh) | 2020-06-02 |
| CN111222701B true CN111222701B (zh) | 2023-04-07 |
Family
ID=70828181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010018966.3A Active CN111222701B (zh) | 2020-01-08 | 2020-01-08 | 一种基于海洋环境图层的船舶航线自动规划与评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111222701B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861045B (zh) * | 2020-08-06 | 2024-04-09 | 中国科学院地理科学与资源研究所 | 面向海量数字水深模型数据体海上最短航线快速生成方法 |
| CN111930123B (zh) * | 2020-08-13 | 2024-06-18 | 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） | 多目标综合优化决策方法、装置及电子设备 |
| CN112068564B (zh) * | 2020-09-10 | 2022-09-06 | 中国船舶科学研究中心 | 一种基于经济航行优化的船舶智能操控方法 |
| CN113157841A (zh) * | 2021-04-06 | 2021-07-23 | 中国科学院西北生态环境资源研究院 | 航道检测方法、装置、电子设备及可读存储介质 |
| CN113655786B (zh) * | 2021-06-29 | 2023-09-19 | 航天科工深圳（集团）有限公司 | 一种基于非洲蜂智能算法的无人艇艇群控制方法 |
| CN113962473B (zh) * | 2021-11-01 | 2023-11-07 | 中国船舶集团有限公司第七一一研究所 | 船舶航线规划方法、装置、电子设备和存储介质 |
| CN114358527B (zh) * | 2021-12-17 | 2024-07-02 | 中船航海科技有限责任公司 | 一种基于海洋环境信息的远洋航线安全评估方法 |
| CN114820983B (zh) * | 2022-04-27 | 2023-01-17 | 天津大学 | 通航安全评价的动态不规则网格划分方法、设备、介质 |
| CN116774710B (zh) * | 2023-08-09 | 2024-03-01 | 山东经纬海通海洋科技有限公司 | 一种基于人工智能和海洋环境的船舶轨迹最优化方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8798824B2 (en) * | 2009-11-04 | 2014-08-05 | Kawasaki Jukogyo Kabushiki Kaisha | Ship maneuvering control method and ship maneuvering control system |
| CN107798185B (zh) * | 2017-10-20 | 2021-05-04 | 山东交通学院 | 一种基于ecdis的航线自动设计系统及其构建方法 |
| CN108564202B (zh) * | 2018-03-18 | 2022-03-18 | 哈尔滨工程大学 | 一种基于环境预报信息的无人艇航线优化方法 |
| CN110196986A (zh) * | 2019-03-06 | 2019-09-03 | 智慧航海（青岛）科技有限公司 | 基于气象环境信息的无人船舶最短航时航线优化方法 |
| CN110146087B (zh) * | 2019-06-14 | 2022-11-01 | 哈尔滨工程大学 | 一种基于动态规划思想的船舶路径规划方法 |
-
2020
- 2020-01-08 CN CN202010018966.3A patent/CN111222701B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111222701A (zh) | 2020-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111222701B (zh) | 一种基于海洋环境图层的船舶航线自动规划与评价方法 | |
| Wang et al. | Application of real-coded genetic algorithm in ship weather routing | |
| CN108564202B (zh) | 一种基于环境预报信息的无人艇航线优化方法 | |
| CN108459503B (zh) | 一种基于量子蚁群算法的无人水面艇航迹规划方法 | |
| Tsou et al. | An Ant Colony Algorithm for efficient ship routing | |
| Wu et al. | Long-voyage route planning method based on multi-scale visibility graph for autonomous ships | |
| Zhang et al. | Application of improved multi-objective ant colony optimization algorithm in ship weather routing | |
| CN107798185A (zh) | 一种基于ecdis的航线自动设计系统及其构建方法 | |
| CN110906935B (zh) | 一种无人艇路径规划方法 | |
| CN115060264B (zh) | 一种基于ais数据的prm航线规划方法 | |
| CN102980581A (zh) | 基于不规则海岛的无人机覆盖航迹规划方法 | |
| CN108489491A (zh) | 一种水下自主航行器的三维航迹智能规划方法 | |
| CN112819255B (zh) | 多准则船舶航线确定方法、装置、计算机设备及可读存储介质 | |
| CN110525602A (zh) | 一种船舶航迹航速整体规划方法 | |
| CN112859864A (zh) | 一种面向无人船的几何路径规划方法 | |
| Zhao et al. | Multi-objective weather routing algorithm for ships based on hybrid particle swarm optimization | |
| CN111928855A (zh) | 基于ais数据的最短航线自动规划方法 | |
| CN110196059A (zh) | 一种无人艇全局路径规划方法 | |
| Zhang et al. | A method for ship route planning fusing the ant colony algorithm and the A* search algorithm | |
| Charalambopoulos et al. | Efficient ship weather routing using probabilistic roadmaps | |
| Gao et al. | An improved genetic algorithm for island route planning | |
| Yi-Han et al. | Path planning of surface unmanned craft based on variable step-length sparse A-star algorithm | |
| Zhou et al. | Ship weather routing based on hybrid genetic algorithm under complicated sea conditions | |
| Zhang et al. | Density-weighted ant colony algorithm for ship trajectory reconstruction | |
| Larsson et al. | DIRECT optimization algorithm in weather routing of ships |
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 |