CN112365721B - 一种车辆异常行为识别、预警方法 - Google Patents
一种车辆异常行为识别、预警方法 Download PDFInfo
- Publication number
- CN112365721B CN112365721B CN202010958629.2A CN202010958629A CN112365721B CN 112365721 B CN112365721 B CN 112365721B CN 202010958629 A CN202010958629 A CN 202010958629A CN 112365721 B CN112365721 B CN 112365721B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed
- identified
- abnormal
- suspected
- 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
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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆异常行为识别、预警方法,首先通过阈值筛选疑似异常的车辆,然后通过观测点与车辆速度的函数关系最终确定疑似异常车辆的状态,该函数考虑了不同车道相同位置车辆的速度和当前车辆在观测点最近邻车辆的速度,当新的车辆通过观测点时,将新车辆的速度取代最开始车辆的速度,实现函数的实时更新。本发明针对车辆异常行为的识别更全面,预警更准确。
Description
技术领域
本发明属于交通主动安全领域,尤其是一种车辆异常行为识别、预警方法。
背景技术
由于软件技术的发展以及硬件性能的提高,交通视频检测技术也得到了高速的发展。基于视频的车辆异常行为检测技术能在无人工干预的情况下实现车辆行为的自动检测,且能获取丰富的交通信息,安装和检测不需要破坏路面交通,维护费用低。现有的方法都是通过路段规定车速和会车视距的方法进行车速预警,缺乏对相邻车道车速的考虑,也没有考虑同一时刻最近邻车辆速度的大小,可能造成预警效果不理想。因此,本发明提供一种车速异常预警的方法,该发明以当前时刻车辆最近邻车辆的速度为参考,具有更重要的意义。
发明内容
为了解决现有技术存在的不足,本发明提出了一种车辆异常行为识别、预警方法,考虑了周围邻近车辆的速度变化,能够更及时准确对车速异常的车辆进行识别、预警。
本发明所采用的技术方案如下:
步骤1,将道路有效监控范围平均分成N个监控区间,在每个监控区间的两端设置观测点;
步骤2,将第一个观测点设为车辆开始进入监控区域的点,根据待识别车辆速度判断进入监控区的待识别车辆是否正常,若不正常则开始进行预警,否则基于疑似速度异常阈值判断每个监控区间内的待识别车辆是否疑似异常;
步骤3,若待识别车辆存在疑似异常,则将待识别车辆的速度与同车道中前一辆车进行比较;若待识别车辆的速度与前一辆车车速的速度差大于速度差阈值,则说明待识别车辆为异常行为需要进行预警;若待识别车辆的速度与前一辆车车速的速度差小于速度差阈值,则继续比较待识别车辆的速度与相邻车道相同位置车辆的速度,若速度差大于阈值,则说明待识别车辆为异常行为需要进行预警,若小于阈值;则对待识别车辆离开监控区域时是否安全进行判断。
进一步,步骤2中判断进入监控区的待识别车辆是否正常的方法为:采集近t时间段内进入监控区域的历史车辆速度数据,找出速度的上四分位点和下四分位点;若进入监控区的待识别车辆速度大于上四分位速度或低于下四分位速度,则判断待识别车辆不正常开始进行预警。
进一步,设置疑似速度异常阈值的方法为:
S1、建立整条道路上每辆车平均速度的高斯分布模型,高斯分布模型的横坐标为平均速度,纵坐标为频率;
S2、选取高斯分布模型的阈值±ασ,α为待求变量值,σ为标准差;当V=±ασ时,阈值±ασ与高斯分布模型、横坐标围成的面积等于这条道路事故率时此时V=±ασ与高斯分布模型的两个交点是疑似速度异常点,疑似速度异常点所对应的平均速度分别是疑似危险速度最小值vmin、疑似危险速度最大值vmax,上述疑似危险速度最小值vmin、疑似危险速度最大值vmax即为疑似异常速度阈值点。
进一步,基于疑似异常速度阈值点判断待识别车辆是否疑似异常的方法为:
若待识别车辆的速度v待识别车辆满足v待识别车辆<vmin或者v待识别车辆>vmax时,判断该待识别车辆处于疑似异常状态,反之待识别车辆是正常的。
进一步,步骤3中获得待识别车辆同车道中前一辆车、相邻车道中车辆的速度的方法为:
S3.1,采集第i个观测点处每条车道在测速时间t内经过的所有车辆的车速,通过数据拟合手段分别得到第n条车道第i个观测点与车速函数关系fn(Si,Vij),其中,n=1、2、...、M,M为车道数量,Si为第i个观测点,i=1、2、...、N+1,Vij为测速时间t内经过第i个观测点的第j辆车的车速;
S3.2,根据观测点与车速函数关系fn(Si,Vij),获得待识别车辆所在车道上一辆车的速度v2和邻车道同一位置车辆速度v3;
进一步,对观测点与车速函数关系fn(Si,Vij)进行更新的方法为:将当前车辆的速度代替观测点最开始的车辆的速度数据,不断的更新观测点与速度的函数关系。
进一步,所述速度差阈值为事故车速与疑似异常速度的差值,若待识别车辆存在疑似异常,则将待识别车辆的速度与同车道中前一辆车进行比较;若待识别车辆的速度与前一辆车车速的速度差大于速度差阈值,则说明待识别车辆为异常行为需要进行预警;若待识别车辆的速度与前一辆车车速的速度差小于速度差阈值,则继续比较待识别车辆的速度与相邻车道相同位置车辆的速度,若速度差大于阈值,则说明待识别车辆为异常行为需要进行预警,若小于阈值;则对待识别车辆离开监控区域时是否安全进行判断。
本发明的有益效果:
1、本发明通过高斯分布模型获得疑似异常速度阈值,能够筛选出疑似异常车速的车辆。
2、通过构建观测点与车速函数关系fn(Si,Vij),能够有效的求出待识别车辆的参考车速。
3、考虑了周围邻近车辆的速度变化,更及时准确对车速异常的车辆预警,且具有更重要的参考意义。
附图说明
图1是本发明根据车速高斯分布模型确定疑似异常速度的示意图;
图2是本发明划分道路有效监控范围的示意图;
图3是本发明预警具体流程图。
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用于解释本发明,并不用于限定本发明。
如图1,本发明所提出的一种车辆异常行为识别、预警方法,包括如下步骤:
步骤1,将道路有效监控范围平均分成N个监控区间,在每个监控区间的首尾两端设置为观测点,共N+1个观测点;
步骤2,将第一个观测点设为车辆开始进入监控区域的点,采集近一段时间t内(可以根据实际情况选取,例如一周内)进入监控区域的历史车辆速度数据,把所有车辆速度由小到大排列并分成四等份,找出速度的上四分位点和下四分位点,下四分位点为车辆速度由小到大排列后第25%的车速,上四分位点为车辆速度由小到大排列后第75%的车速。对进入监控区的待识别车辆是否正常进行判断,若待识别车辆速度大于上四分位速度或低于下四分位速度则开始进行预警,否则基于疑似速度异常阈值判断每个监控区间内的待识别车辆是否疑似异常。
在步骤2中,设置疑似速度异常阈值的方法为:
S1、建立整条道路上每辆车平均速度的高斯分布模型,高斯分布模型的横坐标为平均速度,纵坐标为频率(如图1中的曲线);
S2、选取高斯分布模型的阈值±ασ,α为待求变量值,σ为标准差。即V=±ασ时,阈值±ασ与高斯分布模型、横坐标围成的面积等于这条道路事故率时(即图1中面积S1+S2=事故率),此时V=±ασ与高斯分布模型的两个交点是疑似速度异常点,疑似速度异常点所对应的平均速度分别是疑似危险速度最小值vmin、疑似危险速度最大值vmax,上述疑似危险速度最小值vmin、疑似危险速度最大值vmax即为疑似异常速度阈值点。
在步骤2中,基于疑似异常速度阈值点判断待识别车辆是否疑似异常的方法为:
若待识别车辆的速度v待识别车辆满足v待识别车辆<vmin或者v待识别车辆>vmax时,判断该待识别车辆处于疑似异常状态,反之待识别车辆是正常的。
步骤3,若待识别车辆存在疑似异常,则将待识别车辆的速度与同车道中前一辆车进行比较;若待识别车辆的速度与前一辆车车速的速度差大于速度差阈值,则说明待识别车辆为异常行为需要进行预警;若待识别车辆的速度与前一辆车车速的速度差小于速度差阈值,则继续比较待识别车辆的速度与相邻车道相同位置车辆的速度,若速度差大于阈值,则说明待识别车辆为异常行为需要进行预警,若小于阈值;则对待识别车辆离开监控区域时是否安全进行判断,进而完成对整条道路中车辆异常行为识别、预警。速度差阈值为历史事故车速与疑似异常速度值的差。
进一步,获得待识别车辆同车道中前一辆车、相邻车道中车辆的速度的方法为:
S3.1,采集第i个观测点处每条车道在测速时间t内经过的所有车辆的车速,通过数据拟合手段分别得到第n条车道第i个观测点与车速函数关系fn(Si,Vij),其中,n=1、2、...、M,M为车道数量,Si为第i个观测点,i=1、2、...、N+1,Vij为测速时间t内经过第i个观测点的第j辆车的车速;
S3.2,根据观测点与车速函数关系fn(Si,Vij),获得待识别车辆所在车道上一辆车的速度v2和邻车道同一位置车辆速度v3;如图2所示,图中的虚线为测速位置。具体根据道路设置观测点的数量。
进一步,设置速度差阈值,阈值为事故车速与疑似异常速度的差值,当待识别车辆速度与上一辆车速度差大于速度差阈值时,则进行预警。当待识别车辆速度与上一辆车速度差小于速度差阈值时,则计算待识别车辆速度与相邻车道相同位置车辆速度的差值,若差值大于阈值,则进行预警,反之不存在异常行为。
对观测点与车速函数关系fn(Si,Vij)进行更新的方法为:将当前车辆的速度代替观测点最开始的车辆的速度数据,不断的更新观测点与速度的函数关系。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (6)
1.一种车辆异常行为识别、预警方法,其特征在于,包括如下步骤:
步骤1,将道路有效监控范围平均分成N个监控区间,在每个监控区间的两端设置观测点;
步骤2,将第一个观测点设为车辆开始进入监控区域的点,根据待识别车辆速度判断进入监控区的待识别车辆是否正常,若不正常则开始进行预警,否则基于疑似速度异常阈值判断每个监控区间内的待识别车辆是否疑似异常;设置疑似速度异常阈值的方法为:
S1、建立整条道路上每辆车平均速度的高斯分布模型,高斯分布模型的横坐标为平均速度,纵坐标为频率;
S2、选取高斯分布模型的阈值±ασ,α为待求变量值,σ为标准差;当V=±ασ时,阈值±ασ与高斯分布模型、横坐标围成的面积等于这条道路事故率时此时V=±ασ与高斯分布模型的两个交点是疑似速度异常点,疑似速度异常点所对应的平均速度分别是疑似危险速度最小值vmin、疑似危险速度最大值vmax,上述疑似危险速度最小值vmin、疑似危险速度最大值vmax即为疑似异常速度阈值点;
步骤3,若待识别车辆存在疑似异常,则将待识别车辆的速度与同车道中前一辆车进行比较;若待识别车辆的速度与前一辆车车速的速度差大于速度差阈值,则说明待识别车辆为异常行为需要进行预警;若待识别车辆的速度与前一辆车车速的速度差小于速度差阈值,则继续比较待识别车辆的速度与相邻车道相同位置车辆的速度,若速度差大于阈值,则说明待识别车辆为异常行为需要进行预警,若小于阈值;则对待识别车辆离开监控区域时是否安全进行判断。
2.根据权利要求1所述的一种车辆异常行为识别、预警方法,其特征在于,步骤2中判断进入监控区的待识别车辆是否正常的方法为:采集近t时间段内进入监控区域的历史车辆速度数据,找出速度的上四分位点和下四分位点;若进入监控区的待识别车辆速度大于上四分位速度或低于下四分位速度,则判断待识别车辆不正常开始进行预警。
3.根据权利要求1所述的一种车辆异常行为识别、预警方法,其特征在于,基于疑似异常速度阈值点判断待识别车辆是否疑似异常的方法为:
若待识别车辆的速度v待识别车辆满足v待识别车辆<vmin或者v待识别车辆>vmax时,判断该待识别车辆处于疑似异常状态,反之待识别车辆是正常的。
4.根据权利要求1所述的一种车辆异常行为识别、预警方法,其特征在于,步骤3中获得待识别车辆同车道中前一辆车、相邻车道中车辆的速度的方法为:
S3.1,采集第i个观测点处每条车道在测速时间t内经过的所有车辆的车速,通过数据拟合手段分别得到第n条车道第i个观测点与车速函数关系fn(Si,Vij),其中,n=1、2、...、M,M为车道数量,Si为第i个观测点,i=1、2、...、N+1,Vij为测速时间t内经过第i个观测点的第j辆车的车速;
S3.2,根据观测点与车速函数关系fn(Si,Vij),获得待识别车辆所在车道上一辆车的速度v2和邻车道同一位置车辆速度v3。
5.根据权利要求4所述的一种车辆异常行为识别、预警方法,其特征在于,观测点与车速函数关系fn(Si,Vij)进行更新的方法为:将当前车辆的速度代替观测点最开始的车辆的速度数据,不断的更新观测点与速度的函数关系。
6.根据权利要求5所述的一种车辆异常行为识别、预警方法,其特征在于,所述速度差阈值为事故车速与疑似异常速度的差值,当待识别车辆速度与上一辆车速度差大于速度差阈值时,则进行预警;当待识别车辆速度与上一辆车速度差小于速度差阈值时,则计算待识别车辆速度与相邻车道相同位置车辆速度的差值,若差值大于阈值,则进行预警,反之不存在异常行为。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010958629.2A CN112365721B (zh) | 2020-09-14 | 2020-09-14 | 一种车辆异常行为识别、预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010958629.2A CN112365721B (zh) | 2020-09-14 | 2020-09-14 | 一种车辆异常行为识别、预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112365721A CN112365721A (zh) | 2021-02-12 |
CN112365721B true CN112365721B (zh) | 2021-10-12 |
Family
ID=74516750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010958629.2A Active CN112365721B (zh) | 2020-09-14 | 2020-09-14 | 一种车辆异常行为识别、预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112365721B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333325B (zh) * | 2022-01-06 | 2023-06-27 | 李会兵 | 高速公路异常状况检测方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100028279A (ko) * | 2008-09-04 | 2010-03-12 | 주식회사 만도 | 차량의 자동 주행 중 위험 지역을 우회하기 위한 자동 주행시스템 |
CN105438183A (zh) * | 2015-12-21 | 2016-03-30 | 江苏大学 | 一种驾驶员激进驾驶状态的识别装置及方法 |
CN105844904A (zh) * | 2016-04-22 | 2016-08-10 | 北京航空航天大学 | 一种基于dsrc的异常车辆行为检测及追踪方法 |
CN106887054A (zh) * | 2017-01-17 | 2017-06-23 | 福建天泉教育科技有限公司 | 一种标记车辆疑似事故状态的方法和系统 |
CN107331191A (zh) * | 2017-08-15 | 2017-11-07 | 北京汽车集团有限公司 | 异常行驶车辆定位方法、云服务器及系统 |
CN109334564A (zh) * | 2018-09-11 | 2019-02-15 | 南京航空航天大学 | 一种防碰撞的汽车主动安全预警系统 |
CN109615879A (zh) * | 2018-12-28 | 2019-04-12 | 成都路行通信息技术有限公司 | 基于车联网的车速异常预警模型、方法及模型构建方法 |
CN110428638A (zh) * | 2019-08-13 | 2019-11-08 | 中国联合网络通信集团有限公司 | 危险驾驶行为预警方法、网络设备、系统、装置及终端 |
EP3604063A1 (en) * | 2018-07-30 | 2020-02-05 | Alfaevolution Technology S.p.A. | Method for behavioural analysis of driving events of vehicles a road and relative apparatus |
CN111009136A (zh) * | 2019-12-11 | 2020-04-14 | 公安部交通管理科学研究所 | 一种高速公路行驶速度异常车辆检测方法、装置及系统 |
US10625673B2 (en) * | 2016-12-16 | 2020-04-21 | Panasonic Intellectual Property Management Co., Ltd. | Information processing system, information processing method, and readable medium |
CN111191949A (zh) * | 2020-01-03 | 2020-05-22 | 北京三快在线科技有限公司 | 网约车辆异常行驶行为识别方法、装置、电子设备 |
CN111200799A (zh) * | 2018-11-20 | 2020-05-26 | 华为技术有限公司 | 一种车联网的异常行为检测方法、装置和系统 |
CN111325978A (zh) * | 2020-02-27 | 2020-06-23 | 江苏大学 | 一种高速公路车辆异常行为的全程监测警示系统和方法 |
-
2020
- 2020-09-14 CN CN202010958629.2A patent/CN112365721B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100028279A (ko) * | 2008-09-04 | 2010-03-12 | 주식회사 만도 | 차량의 자동 주행 중 위험 지역을 우회하기 위한 자동 주행시스템 |
CN105438183A (zh) * | 2015-12-21 | 2016-03-30 | 江苏大学 | 一种驾驶员激进驾驶状态的识别装置及方法 |
CN105844904A (zh) * | 2016-04-22 | 2016-08-10 | 北京航空航天大学 | 一种基于dsrc的异常车辆行为检测及追踪方法 |
US10625673B2 (en) * | 2016-12-16 | 2020-04-21 | Panasonic Intellectual Property Management Co., Ltd. | Information processing system, information processing method, and readable medium |
CN106887054A (zh) * | 2017-01-17 | 2017-06-23 | 福建天泉教育科技有限公司 | 一种标记车辆疑似事故状态的方法和系统 |
CN107331191A (zh) * | 2017-08-15 | 2017-11-07 | 北京汽车集团有限公司 | 异常行驶车辆定位方法、云服务器及系统 |
EP3604063A1 (en) * | 2018-07-30 | 2020-02-05 | Alfaevolution Technology S.p.A. | Method for behavioural analysis of driving events of vehicles a road and relative apparatus |
CN109334564A (zh) * | 2018-09-11 | 2019-02-15 | 南京航空航天大学 | 一种防碰撞的汽车主动安全预警系统 |
CN111200799A (zh) * | 2018-11-20 | 2020-05-26 | 华为技术有限公司 | 一种车联网的异常行为检测方法、装置和系统 |
CN109615879A (zh) * | 2018-12-28 | 2019-04-12 | 成都路行通信息技术有限公司 | 基于车联网的车速异常预警模型、方法及模型构建方法 |
CN110428638A (zh) * | 2019-08-13 | 2019-11-08 | 中国联合网络通信集团有限公司 | 危险驾驶行为预警方法、网络设备、系统、装置及终端 |
CN111009136A (zh) * | 2019-12-11 | 2020-04-14 | 公安部交通管理科学研究所 | 一种高速公路行驶速度异常车辆检测方法、装置及系统 |
CN111191949A (zh) * | 2020-01-03 | 2020-05-22 | 北京三快在线科技有限公司 | 网约车辆异常行驶行为识别方法、装置、电子设备 |
CN111325978A (zh) * | 2020-02-27 | 2020-06-23 | 江苏大学 | 一种高速公路车辆异常行为的全程监测警示系统和方法 |
Non-Patent Citations (1)
Title |
---|
基于轨迹数据的危险驾驶行为识别方法;薛清文;《中国公路学报》;20200630(第6期);第84-94页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112365721A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108399743B (zh) | 一种基于gps数据的高速公路车辆异常行为检测方法 | |
CN110176139B (zh) | 一种基于dbscan+的道路拥堵识别可视化方法 | |
CN109637158B (zh) | 一种用于快速路入口匝道区域的智能车辆合流预警方法 | |
CN1862620A (zh) | 高速公路汽车行驶智能检测预警方法及其预警系统 | |
JP2013506214A (ja) | 交通標識の識別方法 | |
CN104809878A (zh) | 利用公交车gps数据检测城市道路交通异常状态的方法 | |
CN105160326A (zh) | 一种高速公路上停车的自动检测方法与装置 | |
CN113269042B (zh) | 基于行驶车辆违章识别的智能交通管理方法及系统 | |
CN114454878B (zh) | 车速控制模型训练样本的确定方法及装置 | |
CN111815959A (zh) | 一种车辆违章的检测方法、装置以及计算机可读存储介质 | |
WO2022213542A1 (zh) | 基于激光雷达和轨迹预测的信控交叉口清空方法和系统 | |
CN112365721B (zh) | 一种车辆异常行为识别、预警方法 | |
CN113436432A (zh) | 一种利用路侧观测数据进行路段短时交通风险预测的方法 | |
CN115049993B (zh) | 一种基于深度学习的车辆异常停止监测方法 | |
CN110986994B (zh) | 一种基于高噪音车辆轨迹数据的换道意图自动标注方法 | |
CN115457300A (zh) | 一种基于距离度量和隔离机制的船舶异常行为检测方法 | |
CN113487873A (zh) | 一种公路交通安全智能检测系统 | |
CN110047167B (zh) | 车辆急转弯次数等效统计方法 | |
CN114999181B (zh) | 一种基于etc系统数据的高速公路车辆速度异常识别方法 | |
US10415981B2 (en) | Anomaly estimation apparatus and display apparatus | |
CN112435470A (zh) | 一种交通事件视频检测系统 | |
CN110718064A (zh) | 一种车辆违章检测方法和装置 | |
CN117104255B (zh) | 一种智能驾驶车辆智能感知人车交互系统及方法 | |
CN113470360B (zh) | 一种基于车路协同的车道识别方法 | |
CN115966100B (zh) | 一种行车安全控制方法及系统 |
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 |