CN112163716A - 一种基于大数据的旅客绝对关系预测方法 - Google Patents

一种基于大数据的旅客绝对关系预测方法 Download PDF

Info

Publication number
CN112163716A
CN112163716A CN202011120009.8A CN202011120009A CN112163716A CN 112163716 A CN112163716 A CN 112163716A CN 202011120009 A CN202011120009 A CN 202011120009A CN 112163716 A CN112163716 A CN 112163716A
Authority
CN
China
Prior art keywords
passenger
relationship
score
data
relation
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
Application number
CN202011120009.8A
Other languages
English (en)
Inventor
陈思恩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tech Valley Xiamen Information Technology Co ltd
Original Assignee
Tech Valley Xiamen Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tech Valley Xiamen Information Technology Co ltd filed Critical Tech Valley Xiamen Information Technology Co ltd
Priority to CN202011120009.8A priority Critical patent/CN112163716A/zh
Publication of CN112163716A publication Critical patent/CN112163716A/zh
Pending legal-status Critical Current

Links

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"
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的旅客绝对关系预测方法，包括以下步骤：获取旅客出行数据；基于旅客出行数据计算同订单关系得分、同行值机关系得分、同行座位关系得分；归一化处理，计算出旅客关系总得分；确定出旅客关系系数；基于旅客关系总得分和旅客关系系数，计算出旅客绝对关系总得分值。本发明利用民航旅客出行数据，计算出旅客绝对关系总得分值，进而提高旅客全流程的服务质量，增强旅客服务体验和满意度。

Description

一种基于大数据的旅客绝对关系预测方法
技术领域
本发明涉及大数据技术领域，特别涉及一种基于大数据的旅客绝对关系预测方法。
背景技术
随着社会现代化建设高速发展，人民群众对于美好生活的追求日益增加，对于出行服务与体验的需求也更加多样化。越来越多的旅客选择搭乘飞机这一方便快捷的出行方式，因此各大航空公司的各类信息系统中存储的大量旅客出行数据呈现出爆发性增长。如何充分利用这些数据资源深耕旅客价值、拓展旅客资源，挖掘旅客潜在需求、为旅客提供优质个性化服务从而刺激收益提升，是现今民航业面临的一个巨大的机遇与挑战。
民航旅客通过订票、值机等共同出行行为中，在一定程度上体现了旅客之间的社交关系。针对现有的民航数据，如何暂时没有特定记录旅客关系。如何利用现有的民航数据，分析出旅客间的关系，进而提高旅客全流程的服务质量，增强旅客服务体验和满意度，越来越受到人们的关注。
发明内容
为解决上述问题，本发明提供了一种基于大数据的旅客绝对关系预测方法。
本发明采用以下技术方案：
一种基于大数据的旅客绝对关系预测方法，包括以下步骤：
S1、获取旅客出行数据，所述旅客出行数据包括出行订单信息、值机信息、座位信息及旅客关系信息；
S2、基于出行订单信息计算同订单关系得分，基于值机信息计算同行值机关系得分，基于座位信息计算同行座位关系得分；
S3、针对同订单关系得分、同行值机关系得分及同行座位关系得分，进行归一化处理后，计算出旅客关系总得分，旅客关系总得分通过以下公式计算：
Vi在＝βp×P′ij+βb×B′ij+βs×S′ij
其中，Vij为旅客关系总得分，P′ij为同订单关系得分归一化处理后的结果，B′ij为同行值机关系得分归一化处理后的结果，S′ij为同行座位关系得分归一化处理后的结果，βp为同订单关系得分权重，βb为同行值机关系得分权重，βs为同行座位关系得分权重；
S4、基于旅客关系信息确定出旅客关系系数；
S5、基于旅客关系总得分和旅客关系系数，通过以下公式计算出旅客绝对关系总得分值：
Wi在＝Vi在×ci在÷1.1
其中，Wij为旅客绝对关系总得分值，cij为旅客关系系数。
优选地，所述同行值机关系得分通过以下方法计算：
Figure BDA0002731664870000021
其中，Bij为同行值机关系得分，dci[k]为旅客i和旅客j第k次同行的登机牌序号差值，t′k为旅客i和旅客j第k次同行时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间。
优选地，所述同行值机关系得分通过以下方法计算：
Figure BDA0002731664870000022
其中，Bij为同行值机关系得分，D[k]为旅客i和旅客j第k次同值机编组的旅客数量，t′k为旅客i和旅客j第k次同行时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间。
优选地，所述同行座位关系得分通过以下方法计算：
Figure BDA0002731664870000031
dseat[k]＝αdp[k]+βdh[k]
其中，Sij为同行座位关系得分，dseat[k]为旅客i和旅客j第k次同行时座位的曼哈顿距离，t′k为旅客i和旅客j第k次同行时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间，dp[k]为旅客i和旅客j第k次同行的座位纵向距离，dh[k]为旅客i和旅客j第k次同行的座位横向距离，α为纵向距离权重，β为横向距离权重。
优选地，所述同订单关系得分通过以下方法计算：
Figure BDA0002731664870000032
其中，S1[k]为旅客i和旅客j第k次机票同订单的订单旅客数量，S2[k]为旅客i和旅客j第k次CC平台同票号的订单旅客数量，S3[k]为旅客i和旅客j第k次旅游度假同订单的订单旅客数量，S4[k]为旅客i和旅客j第k次假期平台同订单的订单旅客数量，t1k为旅客i和旅客j第k次机票同订单的订单时间，t2k为旅客i和旅客j第k次CC平台同票号的订单时间，t3k为旅客i和旅客j第k次旅游度假同订单的订单时间，t4k为旅客i和旅客j第k次假期平台同订单的订单时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间。
优选地，所述步骤S3中的归一化处理通过以下方法计算得到归一化结果：
Figure BDA0002731664870000033
其中，xcenter为得分数据的中位数，所述中位数为将所有得分数据进行排序，选取的排序在中间的得分数据的值。
优选地，若得分数据的总数量是偶数，则xcenter取中间两个得分数据的平均值。
优选地，若中位数为0，则xcenter取非0的最小值。
优选地，所述旅客关系信息包含旅客关系类型，所述旅客关系类型至少包括直系亲属、配偶、近亲属、亲戚、朋友、同学、同事、其他、无关系中的一种或多种，每种旅客关系类型唯一对应一旅客关系系数。
优选地，所述旅客关系系数取值范围为1～1.1。
采用上述技术方案后，本发明与背景技术相比，具有如下优点：
本发明利用民航旅客出行数据，基于出行订单信息、值机信息、座位信息及旅客关系信息，计算出旅客绝对关系总得分值，进而提高旅客全流程的服务质量，增强旅客服务体验和满意度。
附图说明
图1为本发明的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一
参考图1所示，本发明公开了一种基于大数据的旅客绝对关系预测方法，包括以下步骤：
S1、获取旅客出行数据，旅客出行数据包括出行订单信息、值机信息、座位信息及旅客关系信息。
S2、基于出行订单信息计算同订单关系得分，基于值机信息计算同行值机关系得分，基于座位信息计算同行座位关系得分。
同行值机关系得分通过以下方法计算：
Figure BDA0002731664870000051
其中，Bij为同行值机关系得分，dci[k]为旅客i和旅客j第k次同行的登机牌序号差值，t′k为旅客i和旅客j第k次同行时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间。
同行座位关系得分通过以下方法计算：
Figure BDA0002731664870000052
dseat[k]＝αdp[k]+βdh[k]
其中，Sij为同行座位关系得分，dseat[k]为旅客i和旅客j第k次同行时座位的曼哈顿距离，t′k为旅客i和旅客j第k次同行时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间，dp[k]为旅客i和旅客j第k次同行的座位纵向距离，dh[k]为旅客i和旅客j第k次同行的座位横向距离，α为纵向距离权重，β为横向距离权重。
同订单关系得分通过以下方法计算：
Figure BDA0002731664870000053
其中，S1[k]为旅客i和旅客j第k次机票同订单的订单旅客数量，S2[k]为旅客i和旅客j第k次CC平台同票号的订单旅客数量，S3[k]为旅客i和旅客j第k次旅游度假同订单的订单旅客数量，S4[k]为旅客i和旅客j第k次假期平台同订单的订单旅客数量，t1k为旅客i和旅客j第k次机票同订单的订单时间，t2k为旅客i和旅客j第k次CC平台同票号的订单时间，t3k为旅客i和旅客j第k次旅游度假同订单的订单时间，t4k为旅客i和旅客j第k次假期平台同订单的订单时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间。
S3、针对同订单关系得分、同行值机关系得分及同行座位关系得分，进行归一化处理后，计算出旅客关系总得分，旅客关系总得分通过以下公式计算：
Vi在＝βp×P′ij+βb×B′ij+βs×S′ij
其中，Vij为旅客关系总得分，P′ij为同订单关系得分归一化处理后的结果，B′ij为同行值机关系得分归一化处理后的结果，S′ij为同行座位关系得分归一化处理后的结果，βp为同订单关系得分权重，βb为同行值机关系得分权重，βs为同行座位关系得分权重。
归一化处理通过以下方法计算得到归一化结果：
Figure BDA0002731664870000061
其中，xcenter为得分数据的中位数，中位数为将所有得分数据进行排序，选取的排序在中间的得分数据的值。若得分数据的总数量是偶数，则xcenter取中间两个得分数据的平均值。若中位数为0，则xcenter取非0的最小值。
S4、基于旅客关系信息确定出旅客关系系数。旅客关系信息包含旅客关系类型，旅客关系类型至少包括直系亲属、配偶、近亲属、亲戚、朋友、同学、同事、其他、无关系中的一种或多种，每种旅客关系类型唯一对应一旅客关系系数。旅客关系系数取值范围为1～1.1。
S5、基于旅客关系总得分和旅客关系系数，通过以下公式计算出旅客绝对关系总得分值：
Wi在＝Vi在×ci在÷1.1
其中，Wij为旅客绝对关系总得分值，cij为旅客关系系数。
实施例二
本实施例与实施例一的区别在于，同行值机关系得分的计算方式不同。
在本实施例中，同行值机关系得分通过以下方法计算：
Figure BDA0002731664870000062
其中，Bij为同行值机关系得分，D[k]为旅客i和旅客j第k次同值机编组的旅客数量，t′k为旅客i和旅客j第k次同行时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种基于大数据的旅客绝对关系预测方法，其特征在于，包括以下步骤：
S1、获取旅客出行数据，所述旅客出行数据包括出行订单信息、值机信息、座位信息及旅客关系信息；
S2、基于出行订单信息计算同订单关系得分，基于值机信息计算同行值机关系得分，基于座位信息计算同行座位关系得分；
S3、针对同订单关系得分、同行值机关系得分及同行座位关系得分，进行归一化处理后，计算出旅客关系总得分，旅客关系总得分通过以下公式计算：
Vij＝βp×P′ij+βb×B′ij+βs×S′ij
其中，Vij为旅客关系总得分，P′ij为同订单关系得分归一化处理后的结果，B′ij为同行值机关系得分归一化处理后的结果，S′ij为同行座位关系得分归一化处理后的结果，βp为同订单关系得分权重，βb为同行值机关系得分权重，βs为同行座位关系得分权重；
S4、基于旅客关系信息确定出旅客关系系数；
S5、基于旅客关系总得分和旅客关系系数，通过以下公式计算出旅客绝对关系总得分值：
Wij＝Vij×cij÷1.1
其中，Wij为旅客绝对关系总得分值，cij为旅客关系系数。
2.如权利要求1所述的一种基于大数据的旅客绝对关系预测方法，其特征在于，所述同行值机关系得分通过以下方法计算：
Figure FDA0002731664860000011
其中，Bij为同行值机关系得分，dci[k]为旅客i和旅客j第k次同行的登机牌序号差值，t′k为旅客i和旅客j第k次同行时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间。
3.如权利要求1所述的一种基于大数据的旅客绝对关系预测方法，其特征在于，所述同行值机关系得分通过以下方法计算：
Figure FDA0002731664860000021
其中，Bij为同行值机关系得分，D[k]为旅客i和旅客j第k次同值机编组的旅客数量，t′k为旅客i和旅客j第k次同行时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间。
4.如权利要求2或3所述的一种基于大数据的旅客绝对关系预测方法，其特征在于，所述同行座位关系得分通过以下方法计算：
Figure FDA0002731664860000022
dseat[k]＝αdp[k]+βdh[k]
其中，Sij为同行座位关系得分，dseat[k]为旅客i和旅客j第k次同行时座位的曼哈顿距离，t′k为旅客i和旅客j第k次同行时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间，dp[k]为旅客i和旅客j第k次同行的座位纵向距离，dh[k]为旅客i和旅客j第k次同行的座位横向距离，α为纵向距离权重，β为横向距离权重。
5.如权利要求4所述的一种基于大数据的旅客绝对关系预测方法，其特征在于，所述同订单关系得分通过以下方法计算：
Figure FDA0002731664860000023
其中，S1[k]为旅客i和旅客j第k次机票同订单的订单旅客数量，S2[k]为旅客i和旅客j第k次CC平台同票号的订单旅客数量，S3[k]为旅客i和旅客j第k次旅游度假同订单的订单旅客数量，S4[k]为旅客i和旅客j第k次假期平台同订单的订单旅客数量，t1k为旅客i和旅客j第k次机票同订单的订单时间，t2k为旅客i和旅客j第k次CC平台同票号的订单时间，t3k为旅客i和旅客j第k次旅游度假同订单的订单时间，t4k为旅客i和旅客j第k次假期平台同订单的订单时间，t′为旅客出行数据对应时间窗口的开始时间，T为旅客出行数据对应时间窗口的结束时间。
6.如权利要求5所述的一种基于大数据的旅客绝对关系预测方法，其特征在于，所述步骤S3中的归一化处理通过以下方法计算得到归一化结果：
Figure FDA0002731664860000031
其中，xcenter为得分数据的中位数，所述中位数为将所有得分数据进行排序，选取的排序在中间的得分数据的值。
7.如权利要求6所述的一种基于大数据的旅客绝对关系预测方法，其特征在于，若得分数据的总数量是偶数，则xcenter取中间两个得分数据的平均值。
8.如权利要求7所述的一种基于大数据的旅客绝对关系预测方法，其特征在于，若中位数为0，则xcenter取非0的最小值。
9.如权利要求1所述的一种基于大数据的旅客绝对关系预测方法，其特征在于，所述旅客关系信息包含旅客关系类型，所述旅客关系类型至少包括直系亲属、配偶、近亲属、亲戚、朋友、同学、同事、其他、无关系中的一种或多种，每种旅客关系类型唯一对应一旅客关系系数。
10.如权利要求9所述的一种基于大数据的旅客绝对关系预测方法，其特征在于，所述旅客关系系数取值范围为1～1.1。
CN202011120009.8A 2020-10-19 2020-10-19 一种基于大数据的旅客绝对关系预测方法 Pending CN112163716A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011120009.8A CN112163716A (zh) 2020-10-19 2020-10-19 一种基于大数据的旅客绝对关系预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011120009.8A CN112163716A (zh) 2020-10-19 2020-10-19 一种基于大数据的旅客绝对关系预测方法

Publications (1)

Publication Number Publication Date
CN112163716A true CN112163716A (zh) 2021-01-01

Family

ID=73867473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011120009.8A Pending CN112163716A (zh) 2020-10-19 2020-10-19 一种基于大数据的旅客绝对关系预测方法

Country Status (1)

Country Link
CN (1) CN112163716A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021189A (zh) * 2014-06-13 2014-09-03 中国民航信息网络股份有限公司 一种民航旅客网络生成方法
CN105631750A (zh) * 2015-12-25 2016-06-01 中国民航信息网络股份有限公司 民航旅客团体发现方法
CN105654337A (zh) * 2015-12-25 2016-06-08 中国民航信息网络股份有限公司 民航旅客价值评估方法
CN107886372A (zh) * 2017-12-06 2018-04-06 中国南方航空股份有限公司 客户价值发现方法
KR20190125124A (ko) * 2018-04-27 2019-11-06 (주) 케이씨넷 빅데이터를 활용한 여행자 및 동행자 패턴분석 시스템 및 방법
CN110751523A (zh) * 2019-10-21 2020-02-04 中国民航信息网络股份有限公司 一种潜在高价值旅客的发现方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021189A (zh) * 2014-06-13 2014-09-03 中国民航信息网络股份有限公司 一种民航旅客网络生成方法
CN105631750A (zh) * 2015-12-25 2016-06-01 中国民航信息网络股份有限公司 民航旅客团体发现方法
CN105654337A (zh) * 2015-12-25 2016-06-08 中国民航信息网络股份有限公司 民航旅客价值评估方法
CN107886372A (zh) * 2017-12-06 2018-04-06 中国南方航空股份有限公司 客户价值发现方法
KR20190125124A (ko) * 2018-04-27 2019-11-06 (주) 케이씨넷 빅데이터를 활용한 여행자 및 동행자 패턴분석 시스템 및 방법
CN110751523A (zh) * 2019-10-21 2020-02-04 中国民航信息网络股份有限公司 一种潜在高价值旅客的发现方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
丁建立 等: "一种融合个体属性与社交关系的民航旅客价值度量方法", 《航空学报》, vol. 39, no. 02, pages 1 - 12 *
丁建立 等: "融合个体属性与社交关系的民航旅客价值度量方法", 《航空学报》, vol. 38, 3 November 2017 (2017-11-03), pages 1 - 14 *
冯霞 等: "民航旅客社会网络构建方法研究", 《计算机仿真》, vol. 30, no. 06, pages 51 - 54 *
林友芳 等: "一种基于社交网络的民航新旅客成长性预测方法", 《北京交通大学学报》, vol. 38, no. 06, pages 40 - 46 *

Similar Documents

Publication Publication Date Title
US20200265502A1 (en) Methods and systems for order processing
CN110334959B (zh) 一种航班舱位资源分配方法及装置
EP3252705A1 (en) Order allocation system and method
CN108304974B (zh) 一种基于优化C5.0和Apriori的民航NOSHOW预测及强因子分析方法
Canelas et al. Human capital, labour market outcomes, and horizontal inequality in Guatemala
CN112308616B (zh) 一种航司旅客的群体划分方法及装置
CN114595850A (zh) 基于机器学习的政务预约服务推荐方法
CN111949848B (zh) 一种基于特定事件的跨平台传播态势评估及分级方法
CN110688888B (zh) 一种基于深度学习的行人属性识别方法和系统
CN112270427A (zh) 一种推荐上车点的方法和系统
CN112800210B (zh) 基于海量公交数据的人群画像算法
CN112200625A (zh) 一种航班资源推荐方法及装置
CN114782114A (zh) 一种基于CNN-GRU和SSA-GWO-LightGBM的机票价格预测方法
CN110796315A (zh) 基于时效信息和深度学习的离港航班延误预测方法
CN111859179A (zh) 一种上车点推荐方法、系统、装置及存储介质
CN112163716A (zh) 一种基于大数据的旅客绝对关系预测方法
EP2104061A1 (en) Selecting accommodations on a travel conveyance
CN112163787B (zh) 一种基于大数据的旅客相对关系预测方法
CN111581522B (zh) 一种基于用户身份辨别的社交分析方法
CN112163786B (zh) 一种基于大数据和pagerank算法的民航旅客个人影响力评估方法
CN112163785B (zh) 一种基于大数据和神经网络的民航旅客个人影响力评估方法
Karl et al. Mapping destination choice: set theory as a methodological tool.
CN112836996B (zh) 一种识别乘客潜在购票需求的方法
CN113569901A (zh) 一种航空企业满意度质量评价分析方法及系统
US20200149901A1 (en) Course proposal device, course proposal method, and program

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