CN111737378A - 道路通行方向识别方法、装置、计算机设备和存储介质 - Google Patents
道路通行方向识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111737378A CN111737378A CN202010221491.8A CN202010221491A CN111737378A CN 111737378 A CN111737378 A CN 111737378A CN 202010221491 A CN202010221491 A CN 202010221491A CN 111737378 A CN111737378 A CN 111737378A
- Authority
- CN
- China
- Prior art keywords
- road
- reverse
- value
- flow value
- determining
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Abstract
本申请涉及一种道路通行方向识别方法、装置、计算机设备和存储介质。所述方法包括:基于行驶轨迹大数据,获取最近预设时间段的各车辆的行驶轨迹数据;根据各所述行驶轨迹数据匹配道路,确定所述预设时间段道路网中各道路上车辆的行驶轨迹;根据各道路上所述行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值;基于所述反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果。采用本方法能够无需路测车实地采集道路路况数据,降低了确定当前道路通行方向是否发生变化的成本。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种道路通行方向识别方法、装置、计算机设备和存储介质。
背景技术
随着互联网技术的发展,出现了电子地图,电子地图通常是通过采集地理概况后由电子计算机控制所生成的地图,用户可以通过电子地图进行导航。在现实世界中常会出现随交通规则变更或失效导致的道路方向变更的情况,例如单向道路变双向道路、单向道路变反向或双向道路变单向道路,在地图中,需要获知道路方向发生变更的道路,从而对地图的道路网中发生道路方向变更的道路进行更新。
传统技术中,通常是通过采集车进行实地路测,或通过获取到道路上或路口旁的交通规则限制标志图片,来识别道路通行方向变更的道路,从而对电子地图的道路网的道路通行方向进行更改。
然而,目前识别通行方向变更的方式成本高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够降低识别通行方向变更成本的道路通行方向识别方法、装置、计算机设备和存储介质。
一种道路通行方向识别方法,所述方法包括:
基于行驶轨迹大数据,获取最近预设时间段的各车辆的行驶轨迹数据;
根据各所述行驶轨迹数据匹配道路,确定所述预设时间段道路网中各道路上车辆的行驶轨迹;
根据各道路上所述行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值;
基于所述反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果。
一种道路通行方向识别装置,所述装置包括:
数据获取模块,用于基于行驶轨迹大数据,获取最近预设时间段的各车辆的行驶轨迹数据;
行驶轨迹确定模块,用于根据各所述行驶轨迹数据匹配道路,确定所述预设时间段道路网中各道路上车辆的行驶轨迹;
反方向流量确定模块,用于根据各道路上所述行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值;
通行变化确定模块,用于基于所述反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果。
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,所述处理器执行所述计算机程序时实现道路通行方向识别方法的步骤。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现道路通行方向识别方法的步骤。
上述道路通行方向识别方法、装置、计算机设备和存储介质,通过基于行驶轨迹大数据,获取最近预设时间段的各车辆的行驶轨迹数据,进而基于车量的行驶轨迹数据匹配道路,根据各道路上的行驶轨迹确定与当前道路方向相同的正方向流量和与当前道路方向相反的反方向流量分析,确定当前道路的通行方向是否发生变化。由于通过行驶轨迹大数据获取道路上的车辆的行驶轨迹,基于道路上的车辆的行驶轨迹分析车辆在当前道路的行驶方向,得到的行驶方向是能够反应实际车辆行驶所在道路的真实路况,从而根据行驶方向与当前道路方向的差异能够确定道路方向是否发生变化,该方法无需路测车实地采集道路路况数据,降低了确定当前道路通行方向是否发生变化的成本,且提高了确定当前道路通行方向是否发生变化的效率。
附图说明
图1为一个实施例中道路通行方向识别方法的应用环境图;
图2为一个实施例中道路通行方向识别方法的流程示意图;
图3为一个实施例中轨迹点匹配道路的示意图;
图4为一个实施例中道路方向的分界线的示意图;
图5为另一个实施例中道路通行方向识别方法一个步骤的流程示意图;
图6为一个实施例中单向道路上的流量示意图;
图7为一个实施例中双向道路上的流量示意图;
图8为一个实施例中单向道路上当前通行方向的示意图;
图9为另一个实施例中单向道路上的流量示意图;
图10为另一个实施例中单向道路上的流量示意图;
图11为一个实施例中双向道路上当前通行方向的示意图;
图12为另一个实施例中双向道路上的流量示意图;
图13为一个实施例中道路通行方向识别装置的结构框图;
图14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。
本申请提供的道路通行方向识别方法,可以应用于如图1所示的应用环境中。其中,车辆行驶记录设备102以及服务器104可以通过无线通信方式进行直接或间接地连接,本申请在此不做限制。车辆行驶记录设备102实时上传车辆行驶的历史轨迹数据至服务器104,获得行驶轨迹大数据,服务器104基于行驶轨迹大数据,获取最近预设时间段的各车辆的行驶轨迹数据;根据各行驶轨迹数据匹配道路,确定预设时间段道路网中各道路上车辆的行驶轨迹;根据各道路上行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值;基于所述反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果。其中,车辆行驶记录设备102可以但不限于是可以是智能手机、汽车行驶记录仪、车载终端等等,但并不局限于此。服务器104可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
在一个实施例中,如图2所示,提供了一种道路通行方向识别方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S220,基于行驶轨迹大数据,获取最近预设时间段的各车辆的行驶轨迹数据。
其中,大数据(Big data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着云时代的来临,大数据也吸引了越来越多的关注,大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。
行驶轨迹大数据是从类似地图APP应用中收集到车辆在行驶过程中轨迹数据,或者是实时从手机或车载终端设备获取车辆在行驶过程中GPS的行驶轨迹数据,轨迹数据是时空环境下,通过对一个或多个移动对象运动过程的采样所获得的数据信息,包括采样点位置、采样时间、速度等,这些采样点数据信息根据采样先后顺序构成了轨迹数据。
最近预设时间段作为道路通行方向识别的识别周期,最近预设时间段可以根据道路通行方向识别的实时性要求确定,最近预设时间段的时间间隔越短实时性越高,可以是以一周甚至一天为一个时间段。当到了识别周期,基于行驶轨迹大数据对道路通行方向是否发生变化进行识别,从行驶轨迹大数据中获取在最近预设时间段内所有被收集车辆的行驶轨迹数据,以一天为一个时间段为例,假设当前时间是2020年01月02号中午12:00,则获取2020年01月01号中午12:00至2020年01月01号中午12:00之间所有被收集车辆的行驶轨迹数据。该被收集车辆可以是在需要进行道路通行方向识别区域内行驶的车辆。
步骤S240,根据各行驶轨迹数据匹配道路,确定预设时间段道路网中各道路上车辆的行驶轨迹。
其中,该道路是道路网中需要进行道路通行方向识别区域内的道路,可以是道路网中的所有道路,也可以是一部分区域的道路。道路网指的是在一定区域内,由各种道路组成的相互联络、交织成网状分布的道路系统。各行驶轨迹数据可以对应到道路网的道路中,形成行驶轨迹。车辆的行驶轨迹数据是该车辆在道路网的道路上行驶过程中,通过采样获得的数据信息,则该行驶轨迹数据形成的行驶轨迹与该道路对应。
在不考虑方向限制的情况下,对各行驶轨迹数据进行道路匹配,各行驶轨迹数据的行驶轨迹与道路网中各道路之间的映射关系。在此不限匹配方法,例如基于几何的匹配方法、基于概率的匹配方法、基于隐马尔科夫过程的匹配方法等均可。不同的匹配方法有匹配准确度方面的差异,但在匹配过程中不能强制限制行驶轨迹必须强制按照当前道路方向的道路方向行驶,即在匹配计算中认为所有道路都是双通路。
在一个实施例中,根据各行驶轨迹数据匹配道路,确定预设时间段道路网中各道路上车辆的行驶轨迹的步骤,包括:
根据各行驶轨迹数据中的采样点位置、采样时间和速度,在道路网中形成对应的行驶轨迹;根据各行驶轨迹中目标轨迹点到临近道路上的垂直距离,及目标轨迹点的轨迹方向与临近道路的夹角,确定预设时间段道路网中各道路上车辆的行驶轨迹。
其中,采样点位置是被采样点所在位置的经纬度信息,采样时间是采集被采样点的时间,速度是该被采样点的运动速度。道路网指的是在一定区域内,由各种道路组成的相互联络、交织成网状分布的道路系统。行驶轨迹是根据采样点位置、采样时间和速度,有各采样点在空间的位置随时间连续变化而形成的曲线。在道路网中形成对应的行驶轨迹指的是根据行驶轨迹数据的采样点位置、采样时间和速度,在道路网的对应位置随时间连续变化而形成的曲线。
目标轨迹点是行驶轨迹中的轨迹点,可以是行驶轨迹中的所有轨迹点,也可以是按照一定规律从行驶轨迹的所有轨迹点选定出来的轨迹点,如:每间隔5个轨迹点取一个目标轨迹点,目标轨迹点可以是两个以上的轨迹点。临近道路可以根据目标轨迹点为圆心,预设距离为半径所覆盖的道路。目标轨迹点的轨迹方向是目标轨迹点的运动方向。
在一个场景中,如图3所示,使用行驶轨迹中的轨迹点p到地图道路的距离d和目标轨迹点的轨迹方向与道路夹角a确定行驶轨迹与道路的最佳匹配,即:目标轨迹点P距离道路l1距离为d1,与道路l2的距离d2,目标轨迹点的轨迹方向与道路l1的夹角为a1,目标轨迹点的轨迹方向与道路l2的夹角为a2,通过加权计算w1*d+w2*cos(a)计算最优匹配度,其中w1和w2分别为归一化权重,假设d1大于d2,且a1小于a2,则轨迹点匹配到l2为最优匹配。
步骤S260,根据各道路上行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值。
其中,道路方向指的是交通规则限定的机动车辆驾驶允许行驶的方向,当前道路方向指的是道路网当前交通规则限定的机动车辆驾驶允许行驶的方向。反方向是与当前道路方向相反的方向,如:当前道路方向是从北向南行驶,则反方向则是从南向北行驶。反方向流量值指的是道路上行驶方向与反方向一致的行驶轨迹的数量。正方向是与当前道路方向相通的方向,如:当前道路方向是从北向南行驶,则正方向是从北向南行驶。正方向流量值指的是道路上行驶方向与正方向一致的行驶轨迹的数量。
在一个实施例中,根据各道路上行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值的步骤,包括:当道路的当前道路类型为单向道路时,将与道路的当前道路方向相反的方向作为反方向,与所道路的当前道路方向相同的方向作为正方向;根据道路上的各行驶轨迹的行驶方向,确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值。
其中,单向道路指的单向可通行的道路,如:道路只能是从北向南行驶,道路只能是从南向北行驶等等。行驶轨迹的行驶方向指的是该轨迹的移动方向。从道路上的各行驶轨迹中,确定出行驶方向与反方向方向一致的行驶轨迹的数量,如:道路的当前道路方向是从北向南行驶,则从南向北行驶为反方向,从道路上的各行驶轨迹中计算出从南向北行驶的行驶轨迹的数量;确定出行驶方向与正方向方向一致的行驶轨迹的数量,如:道路的当前道路方向是从北向南行驶,则从北向南行驶为正方向,从道路上的各行驶轨迹中计算出从北向南行驶的行驶轨迹的数量。与当前道路方向相反的行驶轨迹的数量即为与当前道路方向相反的反方向流量值;与当前道路方向相同的行驶轨迹的数量即为与当前道路方向相同的正方向流量值。
在一个实施例中,根据各道路上行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值的步骤,包括:当道路的当前道路类型为双向道路时,以道路方向的分界线作为象限的横轴,将第一象限和第二象限上的当前道路方向作为反方向,第三象限和第四象限上的当前道路方向作为反方向;根据道路上的各行驶轨迹的行驶方向,确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值。
其中,双向道路指的是双向可通行的道路,如:该道路有从北向南行驶的车道,也有从南向北行驶的车道等等。行驶轨迹的行驶方向指的是该轨迹的移动方向。道路方向的分界线指的是用于分隔对向行驶的线,如图4所示的S1为道路方向的分界线。象限(Quadrant)是平面直角坐标系(笛卡尔坐标系)中里的横轴和纵轴所划分的四个区域,每一个区域叫做一个象限,象限以原点为中心,x,y轴为分界线,右上的称为第一象限,左上的称为第二象限,左下的称为第三象限,右下的称为第四象限。定义第一象限和第二象限上的当前道路方向作为正方向,将第三象限和第四象限上的当前道路方向作为反方向。
从道路上的各行驶轨迹中,确定出行驶方向与反方向方向一致的行驶轨迹的数量,如:以道路的道路方向的分界线为象限的横轴,与道路方向的分界线垂直的线为纵轴,假设该象限的第一象限和第二象限上的行驶方向是从北向南行驶,则从北向南行驶为正方向,第三象限和第四象限上的行驶方向是从南向北行驶,则从南向北行驶为反方向,从道路上的各行驶轨迹中计算出从南向北行驶的行驶轨迹的数量,即与当前道路方向相反的反方向流量值,以及从道路上的各行驶轨迹中计算出从北向南行驶的行驶轨迹的数量,即与当前道路方向相同的正方向流量值。
步骤S280,基于反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果。
其中,反方向流量占比主要用于识别道路方向变更。道路包括单向道路和双行路,当道路是单向道路时,当前道路通行方向可能会从当前的道路方向变为双向通行,也可能会从当前的道路方向变为与当前的道路方向相反的方向通行,即反方向通行,也可能没有发生变化。当道路是双向道路时,当前道路通行方向可能会从当前的道路方向变为单向通行。
在一个实施例中,基于反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果的步骤,包括:当道路的当前道路方向为单向道路时,从道路网的各单向道路的反方向流量集合中获取最大反方向流量值;分析反方向流量值与最大反方向流量值的比值,获得反向流量数量占比;当反向流量数量占比大于等于第一预设阈值时,分析反方向流量值与道路的总流量值的比值,确定反向流量占比,总流量值为反方向流量值与正方向流量值之和;当反向流量占比在第一预设范围内时,确定道路的当前道路通行方向为双向通行;当反向流量占比大于第一预设范围时,确定道路的当前道路通行方向为反方向通行。
其中,道路网的各单向道路的反方向流量集合中包括了道路网的所有的单向道路的反方向流量值。最大反方向流量值是反方向流量集合中最大的值。反向流量数量占比=反方向流量值/最大反方向流量值。如:当前需要识别的单向道路的反方向流量值为R1,最大反方向流量值为max({R1}),反向流量数量占比为:R1/max({R1})。反向流量数量占比主要用于避免较少违规驾驶的行驶轨迹对识别的干扰影响,只有当该反向流量数量占比大于一定阈值(例如20%)时,才将其确认为当前道路通行方向发生变更。第一预设阈值可以根据实际情况设定,如20%、15%、10%等等。当反向流量数量占比大于等于第一预设阈值时,可以确认当前道路通行方向发生变更;当反向流量数量占比小于第一预设阈值时,可以确认是因违规驾驶的行驶轨迹产生的反方向流量。
反向流量占比=反方向流量值/道路的总流量值,总流量值=反方向流量值+正方向流量值。如:当前需要识别的单向道路的反方向流量值为R1,正方向流量值为F1,总流量值为F1+R1,反向流量占比为R1/(F1+R1)。第一预设范围用来识别该道路的当前道路通行方向如何变化,该第一预设范围的值可以根据实际情况设定,如:0.3至0.7、0.2至0.8、0.4至0.6等等。当反向流量占比在第一预设范围内时,确定道路的当前道路通行方向为双向通行,即:道路的当前道路通行方向是否发生变化的识别结果为:该道路变为双向通行;当反向流量占比大于第一预设范围时,确定道路的当前道路通行方向为反方向通行,即:道路的当前道路通行方向是否发生变化的识别结果为:该道路变为反方向通行;当反向流量占比小于第一预设范围内时,确定道路的当前道路通行方向为未改变通行方向,即:道路的当前道路通行方向是否发生变化的识别结果为:该道路未改变通行方向。
在一个实施例中,如图5所示,基于反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果的步骤,包括步骤S312至步骤S322:
步骤S312,当道路的当前道路方向为双向道路时,从道路网的各双向道路的总流量集合中获取最大总流量值。
其中,道路网的各双向道路的总流量集合中包括了道路网的所有的双向道路的总流量值。双向道路的总流量值是两个方向(一个方向为反方向,另一个方向为正方向)上的流量之和,即反方向流量值+正方向流量值,最大总流量值是总流量集合中最大的值。
步骤S314,从反方向流量值和正方向流量值中确定最小流量值。
其中,双向道路的一个方向为反方向,另一个方向为正方向,为反方向的方向上的流量值为反方向流量值,为正方向的方向上的流量值为正方向流量值。从反方向流量值和正方向流量值中确定最小流量值,如:该双向道路的反方向流量值为R2,该双向道路的正方向流量值为F2,假设R2小于F2,则最小流量值为R2。
步骤S316,分析最小流量值与最大总流量值的比值,获得最小流量数量占比。
其中,小流量数量占比=最小流量值/最大总流量值。如:当前需要识别的双向道路的最小流量值为R2,最大总流量值为max({R2+F2}),小流量数量占比为:R2/max({R2+F2})。
步骤S318,当最小流量数量占比大于等于第二预设阈值时,分析反方向流量值与正向流量值的比值,确定正反向流量占比。
其中,最小流量数量占比主要用于避免较少违规驾驶的行驶轨迹对识别的干扰影响,只有当该最小流量数量占比大于一定阈值(例如20%)时,才将其确认为当前道路通行方向发生变更。第二预设阈值可以根据实际情况设定,如20%、15%、10%等等。当反向流量数量占比大于等于第二预设阈值时,可以确认当前道路通行方向发生变更;当反向流量数量占比小于第二预设阈值时,可以确认是因违规驾驶的行驶轨迹产生的反方向流量。正反向流量占比=反方向流量值/正向流量值。如:当前需要识别的双向道路的反方向流量值为R2,正方向流量值为F2,反向流量占比为R2/F2。
步骤S320,当正反向流量占比不在第二预设范围内时,确定道路的当前道路通行方向为单向通行。
其中,第二预设范围用来识别该道路的当前道路通行方向如何变化,该第二预设范围的值可以根据实际情况设定,如:0.4至1.6、0.6至1.4、0.3至1.7等等。当正反向流量占比不在第二预设范围内时,确定道路的当前道路通行方向发生了变化,由双向通行变为了单向通行;当正反向流量占比在第二预设范围内时,确定道路的当前道路通行方向未发生变化。
步骤S322,将反方向流量值和正方向流量值中较大的流量值所对应的方向作为单向通行的通行方向。
其中,双向道路的一个方向为反方向,另一个方向为正方向,为反方向的方向上的流量值为反方向流量值,为正方向的方向上的流量值为正方向流量值。从反方向流量值和正方向流量值中确定出较大的流量值,如:该双向道路的反方向流量值为R2,该双向道路的正方向流量值为F2,假设R2小于F2,则较大的流量值为F2。将较大的流量值所对应的通行方向作为单向通行的通行方向。即:道路的当前道路通行方向是否发生变化的识别结果为:该道路变为较大的流量值所对应的通行方向。
上述道路通行方向识别方法中,通过基于行驶轨迹大数据,获取最近预设时间段的各车辆的行驶轨迹数据,进而基于车量的行驶轨迹数据匹配道路,根据各道路上的行驶轨迹确定与当前道路方向相同的正方向流量和与当前道路方向相反的反方向流量分析,确定当前道路的通行方向是否发生变化。由于通过行驶轨迹大数据获取道路上的车辆的行驶轨迹,基于道路上的车辆的行驶轨迹分析车辆在当前道路的行驶方向,得到的行驶方向是能够反应实际车辆行驶所在道路的真实路况,从而根据行驶方向与当前道路方向的差异能够确定道路方向是否发生变化,该方法无需路测车实地采集道路路况数据,降低了确定当前道路通行方向是否发生变化的成本,且提高了确定当前道路通行方向是否发生变化的效率。
在一个实施例中,在基于反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果的步骤之后,还包括:根据当前道路通行方向是否发生变化的识别结果,对道路网进行更新。
其中,根据当前道路通行方向是否发生变化的识别结果,将道路网中当前道路通行方向发生变化的道路的通行方向进行更新。还可以是将当前道路通行方向是否发生变化的识别结果发送至道路网管理人员,通过道路网管理人员确认后,将道路网中当前道路通行方向发生变化的道路的通行方向进行更新。
本申请还提供一种应用在道路网(地图道路)数据定期自动更新场景,该应用场景应用上述的道路通行方向识别方法。具体地,该道路通行方向识别方法在该应用在道路网(地图道路)数据定期自动更新场景的应用如下:
基于行驶轨迹大数据,获取最近预设时间段的各车辆的行驶轨迹数据。根据各行驶轨迹数据,不考虑方向限制匹配道路,建立行驶轨迹数据与道路网的道路之间的映射关系,确定预设时间段道路网中各道路上车辆的行驶轨迹。道路匹配方法,例如基于几何的匹配方法、基于概率的匹配方法、基于隐马尔科夫过程的匹配方法等均可。在匹配过程中不能强制限制行驶轨迹必须强制按照当前道路方向的道路方向行驶,即在匹配计算中认为所有道路都是双向道路。
根据各道路上行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值,根据道路网中各道路与行驶轨迹的匹配结果,计算每条道路通过的正方向或反方向行驶轨迹的数量,即正方向流量值/反方向流量值。对于单向道路,计算该道路行驶方向的正方向流量值(F1,Forward Flow)和反方向流量值(R1,ReverseFlow);对于双向道路,以道路方向的分界线作为象限的横轴,选择第一象限、二象限方向为正方向,分别计算该道路的正方向流量值/反方向流量值,记为F2和R2。以道路k1和k2的道路为例,在某一时间周期内(如一天、一周或一个月等),统计匹配在该道路上的行驶轨迹总数记为道路的总流量值,对于如图6所示的单向道路k1,其与道路方向一致的行驶轨迹的数量为正方向流量值F1,与之相反的行驶轨迹的数量为反方向流量值R1,对于如图7所示的双向路k2,定义道路方向朝向右方的第一、二象限的行驶轨迹的数量为正方向流量值F2,与之相反的行驶轨迹的数量为反方向流量值R2。
基于反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果。为识别道路方向变更情况,构造关键特征并将其归一化,如:反方向流量占比R1/(F1+R1)、正反向流量占比R2/F2、反向流量数量占比R1/max({R1}),其中,max({R1}指的是道路网的各单向道路的反方向流量集合中最大的值,最小流量数量占比min(R2,F2)/max({R2+F2}),其中,min(R2,F2)指从反方向流量值和正方向流量值中取最小流量值,max({R2+F2})指道路网的各双向道路的总流量集合中最大的值。其中,反方向流量占比或正反向流量占比主要用于识别道路方向变更,而反向流量数量占比或最小流量数量占比主要用于避免较少违规驾驶的车行轨迹对识别的干扰影响,只有当该数量占比大于一定阈值(例如20%)时,才将其确认为道路方向变更。
例如,识别道路方向变更有三类情况,一是单向道路变双向道路,二是单向道路变反方向通行,三是双向道路变单向道路。当该道路为单向道路时,反向流量数量占比R1/max({R1})大于等于第一预设阈值,通过反方向流量占比R1/(F1+R1)指标识别,当该特征在某一预设范围,例如反方向流量占比R1/(F1+R1)在0.3至0.7之间时,判定为单向道路变为双向通行的双向道路,以图8所示的道路为例,图8所示的道路当前的通行方向是从左向右单向通行,而根据行驶轨迹数据确定该道路上行驶轨迹如图9所示,在该道路上车辆从左向右行驶的数量,与从右向左行驶的数量的比值为2/3,可以反映出该道路上车辆可以从左向右行驶,也可以从右向左行驶,则该道路由只能从左向右单向通行的单向道路变为可双向通行的双向道路;例如反方向流量占比R1/(F1+R1)大于0.7时,判定为单向道路的通行方向变为反方向通行,以图8所示的道路为例,图8所示的道路当前的通行方向是从左向右单向通行,而根据行驶轨迹数据确定该道路上行驶轨迹如图10所示,在该道路上车辆从右向左行驶的数量,与从左向右行驶的数量的比值为4/1,可以反映出该道路上大部分车辆都是从右向左行驶,则该道路由只能从左向右单向通行的单向道路变为只能从右向左单向通行的单向道路。当该道路为双向道路时,正反向流量占比R1/max({R1})不在第二预设范围内,通过正反向流量占比R2/F2指标识别,当该特征在某一阈值范围,例如正反向流量占比R2/F2在0.5至1.5之外时,判定为双向道路变单向道路,通行方向根据反方向流量值与正向流量值大小确定,最大流量值对应的通行方向作为可通行方向,以图11所示的道路为例,图11所示的道路当前的通行方向是双向通行,而根据行驶轨迹数据确定该道路上行驶轨迹如图12所示,在该道路上车辆从右向左行驶的数量,与从左向右行驶的数量的比值为10/0,可以反映出该道路上车辆只能从右向左行驶,则该道路由可双向通行的双向道路变为只能从右向左单向通行的单向道路。
上述道路通行方向识别方法,相比传统路测采集识别的方法,成本更低,仅需要行驶轨迹数据存储与识别计算消耗的计算成本,并且时效性更高,可以在一周甚至一天后快速的发现道路方向变更的道路。在此基础上实现地图道路方向数据快速、准确更新,为地图导航等LBS服务提供更好的用户体验保障。也可以结合如在当前道路通行方向是否发生变化的识别结果后,再通过路测车实地采集,可进一步提高道路方向识别的准确率。
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步骤或者多个阶段,这些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中的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13所示,提供了一种道路通行方向识别装置,该装置可以采用软件模块或硬件模块,或者是二者的结合成为计算机设备的一部分,该装置具体包括:数据获取模块310、行驶轨迹确定模块320、反方向流量确定模块330和通行变化确定模块340,其中:
数据获取模块310,用于基于行驶轨迹大数据,获取最近预设时间段的各车辆的行驶轨迹数据;
行驶轨迹确定模块320,用于根据各所述行驶轨迹数据匹配道路,确定所述预设时间段道路网中各道路上车辆的行驶轨迹;
反方向流量确定模块330,用于根据各道路上所述行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值;
通行变化确定模块340,用于基于所述反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果。
在一个实施例中,反方向流量确定模块330还用于:当道路的当前道路类型为单向道路时,将与道路的当前道路方向相反的方向作为反方向,与道路的当前道路方向相同的方向作为正方向;根据道路上的各行驶轨迹的行驶方向,确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值。
在一个实施例中,反方向流量确定模块330还用于:当道路的当前道路类型为双向道路时,以道路方向的分界线作为象限的横轴,将第一象限和第二象限上的当前道路方向作为反方向,第三象限和第四象限上的当前道路方向作为反方向;根据道路上的各行驶轨迹的行驶方向,确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值。
在一个实施例中,通行变化确定模块340还用于:当道路的当前道路方向为单向道路时,从道路网的各单向道路的反方向流量集合中获取最大反方向流量值;分析反方向流量值与最大反方向流量值的比值,获得反向流量数量占比;当反向流量数量占比大于等于第一预设阈值时,分析反方向流量值与道路的总流量值的比值,确定反向流量占比,总流量值为反方向流量值与正方向流量值之和;当反向流量占比在第一预设范围内时,确定道路的当前道路通行方向为双向通行;当反向流量占比大于第一预设范围时,确定道路的当前道路通行方向为反方向通行。
在一个实施例中,通行变化确定模块340还用于:当道路的当前道路方向为双向道路时,从道路网的各双向道路的总流量集合中获取最大总流量值;从反方向流量值和正方向流量值中确定最小流量值;分析最小流量值与最大总流量值的比值,获得最小流量数量占比;当最小流量数量占比大于等于第二预设阈值时,分析反方向流量值与正向流量值的比值,确定正反向流量占比;当正反向流量占比不在第二预设范围内时,确定道路的当前道路通行方向为单向通行;将反方向流量值和正方向流量值中较大的流量值所对应的方向作为单向通行的通行方向。
在一个实施例中,行驶轨迹确定模块320还用于:根据各行驶轨迹数据中的采样点位置、采样时间和速度,在道路网中形成对应的行驶轨迹;根据各行驶轨迹中目标轨迹点到临近道路上的垂直距离,及目标轨迹点的轨迹方向与临近道路的夹角,确定预设时间段道路网中各道路上车辆的行驶轨迹。
在一个实施例中,该道路通行方向识别装置还包括道路网更新模块:用于根据当前道路通行方向是否发生变化的识别结果,对道路网进行更新。
关于道路通行方向识别装置的具体限定可以参见上文中对于道路通行方向识别方法的限定,在此不再赘述。上述道路通行方向识别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14所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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行驶轨迹数据。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道路通行方向识别方法。
在一个实施例中,还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上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)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 (10)
1.一种道路通行方向识别方法,其特征在于,所述方法包括:
基于行驶轨迹大数据,获取最近预设时间段的各车辆的行驶轨迹数据;
根据各所述行驶轨迹数据匹配道路,确定所述预设时间段道路网中各道路上车辆的行驶轨迹;
根据各道路上所述行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值;
基于所述反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果。
2.根据权利要求1所述的方法,其特征在于,所述根据各道路上所述行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值的步骤,包括:
当所述道路的当前道路类型为单向道路时,将与所述道路的当前道路方向相反的方向作为反方向,与所述道路的当前道路方向相同的方向作为正方向;
根据所述道路上的各行驶轨迹的行驶方向,确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值。
3.根据权利要求1所述的方法,其特征在于,所述根据各道路上所述行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值的步骤,包括:
当所述道路的当前道路类型为双向道路时,以道路方向的分界线作为象限的横轴,将第一象限和第二象限上的当前道路方向作为反方向,第三象限和第四象限上的当前道路方向作为反方向;
根据所述道路上的各行驶轨迹的行驶方向,确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值。
4.根据权利要求1所述的方法,其特征在于,所述基于所述反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果的步骤,包括:
当所述道路的当前道路方向为单向道路时,从道路网的各单向道路的反方向流量集合中获取最大反方向流量值;
分析所述反方向流量值与所述最大反方向流量值的比值,获得反向流量数量占比;
当所述反向流量数量占比大于等于第一预设阈值时,分析所述反方向流量值与所述道路的总流量值的比值,确定反向流量占比,所述总流量值为所述反方向流量值与所述正方向流量值之和;
当所述反向流量占比在第一预设范围内时,确定所述道路的当前道路通行方向为双向通行;
当所述反向流量占比大于第一预设范围时,确定所述道路的当前道路通行方向为反方向通行。
5.根据权利要求1所述的方法,其特征在于,所述基于所述反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果的步骤,包括:
当所述道路的当前道路方向为双向道路时,从道路网的各双向道路的总流量集合中获取最大总流量值;
从所述反方向流量值和所述正方向流量值中确定最小流量值;
分析所述最小流量值与所述最大总流量值的比值,获得最小流量数量占比;
当所述最小流量数量占比大于等于第二预设阈值时,分析所述反方向流量值与正向流量值的比值,确定正反向流量占比;
当所述正反向流量占比不在第二预设范围内时,确定所述道路的当前道路通行方向为单向通行;
将所述反方向流量值和正方向流量值中较大的流量值所对应的方向作为所述单向通行的通行方向。
6.根据权利要求1所述的方法,其特征在于,所述根据各所述行驶轨迹数据匹配道路,确定所述预设时间段道路网中各道路上车辆的行驶轨迹的步骤,包括:
根据各所述行驶轨迹数据中的采样点位置、采样时间和速度,在所述道路网中形成对应的行驶轨迹;
根据各所述行驶轨迹中目标轨迹点到临近道路上的垂直距离,及所述目标轨迹点的轨迹方向与临近道路的夹角,确定所述预设时间段道路网中各道路上车辆的行驶轨迹。
7.根据权利要求1所述的方法,其特征在于,在所述基于所述反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果的步骤之后,还包括:
根据所述当前道路通行方向是否发生变化的识别结果,对所述道路网进行更新。
8.一种道路通行方向识别装置,其特征在于,所述装置包括:
数据获取模块,用于基于行驶轨迹大数据,获取最近预设时间段的各车辆的行驶轨迹数据;
行驶轨迹确定模块,用于根据各所述行驶轨迹数据匹配道路,确定所述预设时间段道路网中各道路上车辆的行驶轨迹;
反方向流量确定模块,用于根据各道路上所述行驶轨迹确定与当前道路方向相反的反方向流量值,以及与当前道路方向相同的正方向流量值;
通行变化确定模块,用于基于所述反方向流量值和反方向流量值确定的反方向流量占比,得到当前道路通行方向是否发生变化的识别结果。
9.一种计算机设备,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7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,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7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010221491.8A CN111737378A (zh) | 2020-03-26 | 2020-03-26 | 道路通行方向识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010221491.8A CN111737378A (zh) | 2020-03-26 | 2020-03-26 | 道路通行方向识别方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111737378A true CN111737378A (zh) | 2020-10-02 |
Family
ID=72646833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010221491.8A Pending CN111737378A (zh) | 2020-03-26 | 2020-03-26 | 道路通行方向识别方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111737378A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408149A (zh) * | 2021-07-15 | 2021-09-17 | 中山大学 | 基于路段夹角渐变特征的路网通行方向判别方法和系统 |
CN113823082A (zh) * | 2021-06-07 | 2021-12-21 | 腾讯科技(深圳)有限公司 | 导航数据处理方法、装置、设备及存储介质 |
CN114582125A (zh) * | 2022-03-02 | 2022-06-03 | 北京百度网讯科技有限公司 | 道路通行方向的识别的方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366584A (zh) * | 2013-06-20 | 2013-10-23 | 银江股份有限公司 | 基于实时交通流检测的自适应潮汐车道控制方法 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN104933882A (zh) * | 2015-05-20 | 2015-09-23 | 浙江吉利汽车研究院有限公司 | 一种交通路口驾驶辅助方法及系统 |
CN105241464A (zh) * | 2015-10-16 | 2016-01-13 | 江苏省电力公司苏州供电公司 | 一种吊车轨迹地图快速匹配方法 |
CN106205133A (zh) * | 2016-09-12 | 2016-12-07 | 深圳市海力特科技有限责任公司 | 基于浮动车gps信息识别城市道路行驶方向的方法 |
CN107424410A (zh) * | 2017-07-14 | 2017-12-01 | 中南大学 | 一种基于路径旅行时间计算的交通异常检测方法 |
CN108663065A (zh) * | 2017-03-27 | 2018-10-16 | 高德软件有限公司 | 一种道路类型的识别方法及装置 |
-
2020
- 2020-03-26 CN CN202010221491.8A patent/CN111737378A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366584A (zh) * | 2013-06-20 | 2013-10-23 | 银江股份有限公司 | 基于实时交通流检测的自适应潮汐车道控制方法 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN104933882A (zh) * | 2015-05-20 | 2015-09-23 | 浙江吉利汽车研究院有限公司 | 一种交通路口驾驶辅助方法及系统 |
CN105241464A (zh) * | 2015-10-16 | 2016-01-13 | 江苏省电力公司苏州供电公司 | 一种吊车轨迹地图快速匹配方法 |
CN106205133A (zh) * | 2016-09-12 | 2016-12-07 | 深圳市海力特科技有限责任公司 | 基于浮动车gps信息识别城市道路行驶方向的方法 |
CN108663065A (zh) * | 2017-03-27 | 2018-10-16 | 高德软件有限公司 | 一种道路类型的识别方法及装置 |
CN107424410A (zh) * | 2017-07-14 | 2017-12-01 | 中南大学 | 一种基于路径旅行时间计算的交通异常检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113823082A (zh) * | 2021-06-07 | 2021-12-21 | 腾讯科技(深圳)有限公司 | 导航数据处理方法、装置、设备及存储介质 |
CN113823082B (zh) * | 2021-06-07 | 2023-08-18 | 腾讯科技(深圳)有限公司 | 导航数据处理方法、装置、设备及存储介质 |
CN113408149A (zh) * | 2021-07-15 | 2021-09-17 | 中山大学 | 基于路段夹角渐变特征的路网通行方向判别方法和系统 |
CN114582125A (zh) * | 2022-03-02 | 2022-06-03 | 北京百度网讯科技有限公司 | 道路通行方向的识别的方法、装置、设备及存储介质 |
CN114582125B (zh) * | 2022-03-02 | 2023-08-29 | 北京百度网讯科技有限公司 | 道路通行方向的识别的方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10663305B2 (en) | Map matched aggregation for K-anonymity in trajectory data | |
US10552689B2 (en) | Automatic occlusion detection in road network data | |
US11562168B2 (en) | Clustering for K-anonymity in location trajectory data | |
CN110287276A (zh) | 高精地图更新方法、装置及存储介质 | |
CN111737378A (zh) | 道路通行方向识别方法、装置、计算机设备和存储介质 | |
Song et al. | Enhancing GPS with lane-level navigation to facilitate highway driving | |
AU2018222821A1 (en) | Trajectory analysis through fusion of multiple data sources | |
CN111739323B (zh) | 一种路口信息的采集方法及装置 | |
CN104819726A (zh) | 导航数据处理方法、装置及导航终端 | |
CN112286206B (zh) | 自动驾驶的模拟方法、系统、设备、可读存储介质及平台 | |
CN107871400B (zh) | 路网信息更新方法及装置 | |
CN105910612A (zh) | 一种个性化导航的方法及系统 | |
CN111339802A (zh) | 实时相对地图的生成方法及装置、电子设备和存储介质 | |
TWI763095B (zh) | 泊車引導方法、電子設備及存儲介質 | |
Zhang et al. | Vehicle re-identification for lane-level travel time estimations on congested urban road networks using video images | |
WO2018151672A1 (en) | Trajectory analysis through fusion of multiple data sources | |
CN114511938A (zh) | 一种智慧停车管理方法和平台 | |
CN112748453B (zh) | 道路侧定位方法、装置、设备及存储介质 | |
CN116453371B (zh) | 共享车辆的还车识别方法、装置、计算机设备和存储介质 | |
CN110109159B (zh) | 行驶管理方法、装置、电子设备及存储介质 | |
Singh et al. | Analytical review of map matching algorithms: analyzing the performance and efficiency using road dataset of the indian subcontinent | |
CN110807912A (zh) | 一种道路行车速度预测方法、终端设备及存储介质 | |
CN111504337B (zh) | 一种poi朝向的确定方法及装置 | |
CN111400418B (zh) | 车道的定位方法、装置、车辆、存储介质及地图构建方法 | |
CN108955704A (zh) | 一种道路识别方法及装置以及导航路线规划方法及装置 |
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: 20201002 |