CN112785075A - 一种基于rfid定位的行人行为预测方法及系统 - Google Patents

一种基于rfid定位的行人行为预测方法及系统 Download PDF

Info

Publication number
CN112785075A
CN112785075A CN202110132501.5A CN202110132501A CN112785075A CN 112785075 A CN112785075 A CN 112785075A CN 202110132501 A CN202110132501 A CN 202110132501A CN 112785075 A CN112785075 A CN 112785075A
Authority
CN
China
Prior art keywords
path
historical
action
correlation
behavior
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.)
Granted
Application number
CN202110132501.5A
Other languages
English (en)
Other versions
CN112785075B (zh
Inventor
祁宏宇
张丽
于树科
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.)
Jiangsu Vocational College of Business
Original Assignee
Jiangsu Vocational College of Business
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 Jiangsu Vocational College of Business filed Critical Jiangsu Vocational College of Business
Priority to CN202110132501.5A priority Critical patent/CN112785075B/zh
Publication of CN112785075A publication Critical patent/CN112785075A/zh
Application granted granted Critical
Publication of CN112785075B publication Critical patent/CN112785075B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了本发明提供了一种基于RFID定位的行人行为预测方法及系统，通过获得所述目标行人的第一历史行为路径和周围行人的第二历史行为路径；获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数；基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径；基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径；基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径。按照上述方式预测目标行人在未来设定时间段内的目标行动路径的准确性高。

Description

一种基于RFID定位的行人行为预测方法及系统
技术领域
本发明涉及计算机技术领域，结合体而言，涉及一种基于RFID定位的行人行为预测方法及系统。
背景技术
随着经济与文化的发展，城市规模急剧膨胀，城市人口迅速增长，人群聚集活动越来越多地出现在各种公共场所，当场所内人数增加、密度较高时，行人会相互交织、相互挤压，一个微小的扰动就会使人群进入不稳定的状态，如果不进行有效的控制和管理，很容易造成伤亡事故。为此，城市人口迅速增长的同时给城市安全防控和稳定发展带来了极大的挑战。
为此，对行人的行为进行更深入的研究，分析行人动力学特性，从而制定科学有效的策略具有重要的意义。
发明内容
本发明的目的在于提供了一种基于RFID定位的行人行为预测方法及系统，用以解决现有技术中存在的上述问题。
第一方面，本发明实施例提供了一种基于RFID定位的行人行为预测方法，所述方法包括：
获得所述目标行人的第一历史行为路径和周围行人的第二历史行为路径；所述周围行人为处在以所述目标行人为中心，半径为2米范围内的行人；所述第一历史行为路径包括多个第一历史位置信息，所述第二历史行为路径包括多个第二历史位置信息；所述第一历史位置信息和第二历史位置信息是基于RFID定位获得的；
若仅有一个所述周围行人，获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数；所述相关指数表征所述第一历史行为路径与所述第二历史行为路径之间的相关性，用于判断所述目标行人与所述周围行人是否是同伙；
若所述相关指数大于设定值，确定所述目标行人与所述周围行人是同伙；所述相关指数越大，表示所述周围行人的行为对所述目标行人的行为影响越大；
基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径；
基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径；
基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径。
可选的，所述获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数包括：
将获得所述第一历史行为路径中的所有第一历史位置信息按照先后顺序构成第一词向量；每个所述第一历史位置信息包括横坐标信息和纵坐标信息，在构成第一词向量时，对于同一个第一历史位置信息，将横坐标信息放置在纵坐标信息之前；
将获得所述第二历史行为路径中的所有第二历史位置信息按照先后顺序构成第二词向量；每个所述第二历史位置信息包括横坐标信息和纵坐标信息，在构成第二词向量时，对于同一个第二历史位置信息，将横坐标信息放置在纵坐标信息之前；
获得所述第一词向量与第二词向量之间的第一相关度，所述第一相关度用于衡量第一词向量与第二词向量之间的相似程度，第一相关度越大说明第一词向量与第二词向量的相似程度越高，第一相关度越小，说明第一词向量与第二词向量的相似程度越低；
获得所述第一历史行为路径与所述第二历史行为路径之间的第二相关度，所述第二相关度用于衡量所述第一历史行为路径与所述第二历史行为路径之间的相似程度，第二相关度越大说明所述第一历史行为路径与所述第二历史行为路径的相似程度越高，第二相关度越小，说明所述第一历史行为路径与所述第二历史行为路径的相似程度越低；
以所述第一相关度和第二相关度的均值作为所述第一历史行为路径与所述第二历史行为路径之间的相关指数。
可选的，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径，包括：
在所述第二历史行为路径中截取出第二历史片段路径，所述第二历史片段路径包括所述第二历史行为路径中采集时间在最后的多个第二历史位置信息，第二历史片段路径中采集时间最先的第二历史位置信息与采集时间最后的第二历史位置信息之间的采集时间差为所述设定时间段的长度；
对所述第一历史行为路径进行时间序列预测，得到预测所述目标行人在所述设定时间段内的第一预测行为路径；
将所述第一预测行为路径加上所述相关指数与所述第二历史片段路径之积，得到所述目标行人在未来设定时间段内的第一行动路径。
可选的，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径，包括：
在所述第一历史行为路径中截取出第一历史片段路径，所述第一历史片段路径包括所述第一历史行为路径中采集时间在最后的多个第一历史位置信息，第一历史片段路径中采集时间最先的第一历史位置信息与采集时间最后的第一历史位置信息之间采集时间差为所述设定时间段的长度；
对所述第二历史行为路径进行时间序列预测，得到预测所述周围行人在所述设定时间段内的第二预测行为路径；
将所述第二预测行为路径加上所述相关指数与所述第一历史片段路径之积，得到所述周围行人在未来设定时间段内的第二行动路径。
可选的，基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径，包括：
将第一行动路径加上第二行动路径与所述相关指数之积，得到所述目标行人在未来设定时间段内的目标行动路径。
第二方面，本发明实施例提供了一种基于RFID定位的行人行为预测系统，所述系统包括：
获得模块，用于获得所述目标行人的第一历史行为路径和周围行人的第二历史行为路径；所述周围行人为处在以所述目标行人为中心，半径为2米范围内的行人；所述第一历史行为路径包括多个第一历史位置信息，所述第二历史行为路径包括多个第二历史位置信息；所述第一历史位置信息和第二历史位置信息是基于RFID定位获得的；
预测模块，用于若仅有一个所述周围行人，获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数；所述相关指数表征所述第一历史行为路径与所述第二历史行为路径之间的相关性，用于判断所述目标行人与所述周围行人是否是同伙；若所述相关指数大于设定值，确定所述目标行人与所述周围行人是同伙；所述相关指数越大，表示所述周围行人的行为对所述目标行人的行为影响越大；基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径；基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径；基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径。
可选的，所述获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数包括：
将获得所述第一历史行为路径中的所有第一历史位置信息按照先后顺序构成第一词向量；每个所述第一历史位置信息包括横坐标信息和纵坐标信息，在构成第一词向量时，对于同一个第一历史位置信息，将横坐标信息放置在纵坐标信息之前；
将获得所述第二历史行为路径中的所有第二历史位置信息按照先后顺序构成第二词向量；每个所述第二历史位置信息包括横坐标信息和纵坐标信息，在构成第二词向量时，对于同一个第二历史位置信息，将横坐标信息放置在纵坐标信息之前；
获得所述第一词向量与第二词向量之间的第一相关度，所述第一相关度用于衡量第一词向量与第二词向量之间的相似程度，第一相关度越大说明第一词向量与第二词向量的相似程度越高，第一相关度越小，说明第一词向量与第二词向量的相似程度越低；
获得所述第一历史行为路径与所述第二历史行为路径之间的第二相关度，所述第二相关度用于衡量所述第一历史行为路径与所述第二历史行为路径之间的相似程度，第二相关度越大说明所述第一历史行为路径与所述第二历史行为路径的相似程度越高，第二相关度越小，说明所述第一历史行为路径与所述第二历史行为路径的相似程度越低；
以所述第一相关度和第二相关度的均值作为所述第一历史行为路径与所述第二历史行为路径之间的相关指数。
可选的，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径，包括：
在所述第二历史行为路径中截取出第二历史片段路径，所述第二历史片段路径包括所述第二历史行为路径中采集时间在最后的多个第二历史位置信息，第二历史片段路径中采集时间最先的第二历史位置信息与采集时间最后的第二历史位置信息之间的采集时间差为所述设定时间段的长度；
对所述第一历史行为路径进行时间序列预测，得到预测所述目标行人在所述设定时间段内的第一预测行为路径；
将所述第一预测行为路径加上所述相关指数与所述第二历史片段路径之积，得到所述目标行人在未来设定时间段内的第一行动路径。
可选的，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径，包括：
在所述第一历史行为路径中截取出第一历史片段路径，所述第一历史片段路径包括所述第一历史行为路径中采集时间在最后的多个第一历史位置信息，第一历史片段路径中采集时间最先的第一历史位置信息与采集时间最后的第一历史位置信息之间采集时间差为所述设定时间段的长度；
对所述第二历史行为路径进行时间序列预测，得到预测所述周围行人在所述设定时间段内的第二预测行为路径；
将所述第二预测行为路径加上所述相关指数与所述第一历史片段路径之积，得到所述周围行人在未来设定时间段内的第二行动路径。
可选的，基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径，包括：
将第一行动路径加上第二行动路径与所述相关指数之积，得到所述目标行人在未来设定时间段内的目标行动路径。
相较于现有技术，本发明实施例达到的有益效果是：
本发明提供了一种基于RFID定位的行人行为预测方法，所述方法包括：获得所述目标行人的第一历史行为路径和周围行人的第二历史行为路径；所述周围行人为处在以所述目标行人为中心，半径为2米范围内的行人；所述第一历史行为路径包括多个第一历史位置信息，所述第二历史行为路径包括多个第二历史位置信息；所述第一历史位置信息和第二历史位置信息是基于RFID定位获得的；若仅有一个所述周围行人，获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数；所述相关指数表征所述第一历史行为路径与所述第二历史行为路径之间的相关性，用于判断所述目标行人与所述周围行人是否是同伙；若所述相关指数大于设定值，确定所述目标行人与所述周围行人是同伙；所述相关指数越大，表示所述周围行人的行为对所述目标行人的行为影响越大；基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径；基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径；基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径。
第一方面，通过路径来判断行人是否是同伴，可以提高行人行为预测的准确性，特别是对于有意假装不是同伴的行人，因为行人社会行为骗不了人，所以通过路径来判断行人确定是否是同伴的准确性高。第二方面，通过基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径，然后基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径，最后基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径，可以排除掉很多干扰因素，同时也考虑到了更多的影响因素，具体的，如果两个人是同伴，那么他们的行动路线必定会受到彼此的行动路线的影响，对于其中一个人的行动路线，其下一步的行动动路线必定与其自身之前的行动路径、行为以及他的同伴的历史行为、行动路径有关，同时还会受到同伴在未来的行动路线、行为的影响，为此，按照上述方式预测目标行人在未来设定时间段内的目标行动路径的准确性高。
附图说明
图1是本发明实施例提供的一种基于RFID定位的行人行为预测方法流程图。
图2是本发明实施例提供的一种机器人的方框结构示意图。
图中标记：总线500；接收器501；处理器502；发送器503；存储器504；总线接口505。
具体实施方式
下面结合附图，对本发明作详细的说明。
实施例
本发明实施例提供了一种基于RFID定位的行人行为预测方法，所述方法包括：
S01：获得所述目标行人的第一历史行为路径和周围行人的第二历史行为路径。
其中，所述周围行人为处在以所述目标行人为中心，半径为2米范围内的行人。所述第一历史行为路径包括多个第一历史位置信息，所述第二历史行为路径包括多个第二历史位置信息。所述第一历史位置信息和第二历史位置信息是基于RFID定位获得的。
S02：若仅有一个所述周围行人，获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数。
其中，所述相关指数表征所述第一历史行为路径与所述第二历史行为路径之间的相关性，用于判断所述目标行人与所述周围行人是否是同伙。
S103：若所述相关指数大于设定值，确定所述目标行人与所述周围行人是同伙。
需要说明的是，所述相关指数越大，表示所述周围行人的行为对所述目标行人的行为影响越大。若所述相关指数小于或者等于设定值，确定所述目标行人与所述周围行人不是同伙。如果是同伙，这执行下述步骤S04～106。
S104：基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径。
S105：基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径。
S106：基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径。
通过采用以上方案，第一方面，通过路径来判断行人是否是同伴，可以提高行人行为预测的准确性，特别是对于有意假装不是同伴的行人，因为行人社会行为骗不了人，所以通过路径来判断行人确定是否是同伴的准确性高。第二方面，通过基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径，然后基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径，最后基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径，可以排除掉很多干扰因素，同时也考虑到了更多的影响因素，具体的，如果两个人是同伴，那么他们的行动路线必定会受到彼此的行动路线的影响，对于其中一个人的行动路线，其下一步的行动动路线必定与其自身之前的行动路径、行为以及他的同伴的历史行为、行动路径有关，同时还会受到同伴在未来的行动路线、行为的影响，为此，按照上述方式预测目标行人在未来设定时间段内的目标行动路径的准确性高。
可选的，所述获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数包括：
将获得所述第一历史行为路径中的所有第一历史位置信息按照先后顺序构成第一词向量；每个所述第一历史位置信息包括横坐标信息和纵坐标信息，在构成第一词向量时，对于同一个第一历史位置信息，将横坐标信息放置在纵坐标信息之前；
将获得所述第二历史行为路径中的所有第二历史位置信息按照先后顺序构成第二词向量；每个所述第二历史位置信息包括横坐标信息和纵坐标信息，在构成第二词向量时，对于同一个第二历史位置信息，将横坐标信息放置在纵坐标信息之前；
获得所述第一词向量与第二词向量之间的第一相关度，所述第一相关度用于衡量第一词向量与第二词向量之间的相似程度，第一相关度越大说明第一词向量与第二词向量的相似程度越高，第一相关度越小，说明第一词向量与第二词向量的相似程度越低；
获得所述第一历史行为路径与所述第二历史行为路径之间的第二相关度，所述第二相关度用于衡量所述第一历史行为路径与所述第二历史行为路径之间的相似程度，第二相关度越大说明所述第一历史行为路径与所述第二历史行为路径的相似程度越高，第二相关度越小，说明所述第一历史行为路径与所述第二历史行为路径的相似程度越低；
以所述第一相关度和第二相关度的均值作为所述第一历史行为路径与所述第二历史行为路径之间的相关指数。
可选的，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径，包括：
在所述第二历史行为路径中截取出第二历史片段路径，所述第二历史片段路径包括所述第二历史行为路径中采集时间在最后的多个第二历史位置信息，第二历史片段路径中采集时间最先的第二历史位置信息与采集时间最后的第二历史位置信息之间的采集时间差为所述设定时间段的长度；
对所述第一历史行为路径进行时间序列预测，得到预测所述目标行人在所述设定时间段内的第一预测行为路径；
将所述第一预测行为路径加上所述相关指数与所述第二历史片段路径之积，得到所述目标行人在未来设定时间段内的第一行动路径。
可选的，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径，包括：
在所述第一历史行为路径中截取出第一历史片段路径，所述第一历史片段路径包括所述第一历史行为路径中采集时间在最后的多个第一历史位置信息，第一历史片段路径中采集时间最先的第一历史位置信息与采集时间最后的第一历史位置信息之间采集时间差为所述设定时间段的长度；
对所述第二历史行为路径进行时间序列预测，得到预测所述周围行人在所述设定时间段内的第二预测行为路径；
将所述第二预测行为路径加上所述相关指数与所述第一历史片段路径之积，得到所述周围行人在未来设定时间段内的第二行动路径。
可选的，基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径，包括：
将第一行动路径加上第二行动路径与所述相关指数之积，得到所述目标行人在未来设定时间段内的目标行动路径。
可选的，所述获得所述第一词向量与第二词向量之间的第一相关度，包括：
获得所述第一词向量与第二词向量之间的夹角的余弦值，以所述余弦值作为所述第一词向量与所述第二词向量之间的第一相关度。
可选的，获得所述第一历史行为路径与所述第二历史行为路径之间的第二相关度，包括：
对所述第一历史行为路径进行直线拟合，得到第一直线；对所述第二历史行为路径进行直线拟合，得到第二直线；
获得所述第一直线与第二直线之间的夹角的余弦值，以所述余弦值作为所述第一历史行为路径与所述第二历史行为路径之间的第二相关度。
针对上述实施例提供一种一种基于RFID定位的行人行为预测方法，本申请实施例还对应提供一种用于执行上述的步骤的执行主体，该执行主体可以为一种基于RFID定位的行人行为预测系统。一种基于RFID定位的行人行为预测系统包括：
获得模块，用于获得所述目标行人的第一历史行为路径和周围行人的第二历史行为路径；所述周围行人为处在以所述目标行人为中心，半径为2米范围内的行人；所述第一历史行为路径包括多个第一历史位置信息，所述第二历史行为路径包括多个第二历史位置信息；所述第一历史位置信息和第二历史位置信息是基于RFID定位获得的；
预测模块，用于若仅有一个所述周围行人，获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数；所述相关指数表征所述第一历史行为路径与所述第二历史行为路径之间的相关性，用于判断所述目标行人与所述周围行人是否是同伙；若所述相关指数大于设定值，确定所述目标行人与所述周围行人是同伙；所述相关指数越大，表示所述周围行人的行为对所述目标行人的行为影响越大；基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径；基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径；基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径。
可选的，所述获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数包括：
将获得所述第一历史行为路径中的所有第一历史位置信息按照先后顺序构成第一词向量；每个所述第一历史位置信息包括横坐标信息和纵坐标信息，在构成第一词向量时，对于同一个第一历史位置信息，将横坐标信息放置在纵坐标信息之前；
将获得所述第二历史行为路径中的所有第二历史位置信息按照先后顺序构成第二词向量；每个所述第二历史位置信息包括横坐标信息和纵坐标信息，在构成第二词向量时，对于同一个第二历史位置信息，将横坐标信息放置在纵坐标信息之前；
获得所述第一词向量与第二词向量之间的第一相关度，所述第一相关度用于衡量第一词向量与第二词向量之间的相似程度，第一相关度越大说明第一词向量与第二词向量的相似程度越高，第一相关度越小，说明第一词向量与第二词向量的相似程度越低；
获得所述第一历史行为路径与所述第二历史行为路径之间的第二相关度，所述第二相关度用于衡量所述第一历史行为路径与所述第二历史行为路径之间的相似程度，第二相关度越大说明所述第一历史行为路径与所述第二历史行为路径的相似程度越高，第二相关度越小，说明所述第一历史行为路径与所述第二历史行为路径的相似程度越低；
以所述第一相关度和第二相关度的均值作为所述第一历史行为路径与所述第二历史行为路径之间的相关指数。
可选的，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径，包括：
在所述第二历史行为路径中截取出第二历史片段路径，所述第二历史片段路径包括所述第二历史行为路径中采集时间在最后的多个第二历史位置信息，第二历史片段路径中采集时间最先的第二历史位置信息与采集时间最后的第二历史位置信息之间的采集时间差为所述设定时间段的长度；
对所述第一历史行为路径进行时间序列预测，得到预测所述目标行人在所述设定时间段内的第一预测行为路径；
将所述第一预测行为路径加上所述相关指数与所述第二历史片段路径之积，得到所述目标行人在未来设定时间段内的第一行动路径。
可选的，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径，包括：
在所述第一历史行为路径中截取出第一历史片段路径，所述第一历史片段路径包括所述第一历史行为路径中采集时间在最后的多个第一历史位置信息，第一历史片段路径中采集时间最先的第一历史位置信息与采集时间最后的第一历史位置信息之间采集时间差为所述设定时间段的长度；
对所述第二历史行为路径进行时间序列预测，得到预测所述周围行人在所述设定时间段内的第二预测行为路径；
将所述第二预测行为路径加上所述相关指数与所述第一历史片段路径之积，得到所述周围行人在未来设定时间段内的第二行动路径。
可选的，基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径，包括：
将第一行动路径加上第二行动路径与所述相关指数之积，得到所述目标行人在未来设定时间段内的目标行动路径。
关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本发明实施例还提供了一种机器人，如图2所示，包括存储器504、处理器502及存储在存储器504上并可在处理器502上运行的计算机程序，所述处理器502执行所述程序时实现前文所述基于RFID定位的行人行为预测方法的任一方法的步骤。
其中，在图2中，总线架构(用总线500来代表)，总线500可以包括任意数量的互联的总线和桥，总线500将包括由处理器502代表的一个或多个处理器和存储器504代表的存储器的各种电路链接在一起。总线500还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进进一步描述。总线接口505在总线500和接收器501和发送器503之间提供接口。接收器501和发送器503可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器502负责管理总线500和通常的处理，而存储器504可以被用于存储处理器502在执行操作时所使用的数据。
在本发明实施例中，基于RFID定位的行人行为预测系统安装在机器人中，具体的可以软件功能模块的形式存储在存储器中并可以被处理器处理运行。在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种基于RFID定位的行人行为预测方法，其特征在于，所述方法包括：
获得所述目标行人的第一历史行为路径和周围行人的第二历史行为路径；所述周围行人为处在以所述目标行人为中心，半径为2米范围内的行人；所述第一历史行为路径包括多个第一历史位置信息，所述第二历史行为路径包括多个第二历史位置信息；所述第一历史位置信息和第二历史位置信息是基于RFID定位获得的；
若仅有一个所述周围行人，获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数；所述相关指数表征所述第一历史行为路径与所述第二历史行为路径之间的相关性，用于判断所述目标行人与所述周围行人是否是同伙；
若所述相关指数大于设定值，确定所述目标行人与所述周围行人是同伙；所述相关指数越大，表示所述周围行人的行为对所述目标行人的行为影响越大；
基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径；
基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径；
基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径。
2.根据权利要求1所述的方法，其特征在于，所述获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数包括：
将获得所述第一历史行为路径中的所有第一历史位置信息按照先后顺序构成第一词向量；每个所述第一历史位置信息包括横坐标信息和纵坐标信息，在构成第一词向量时，对于同一个第一历史位置信息，将横坐标信息放置在纵坐标信息之前；
将获得所述第二历史行为路径中的所有第二历史位置信息按照先后顺序构成第二词向量；每个所述第二历史位置信息包括横坐标信息和纵坐标信息，在构成第二词向量时，对于同一个第二历史位置信息，将横坐标信息放置在纵坐标信息之前；
获得所述第一词向量与第二词向量之间的第一相关度，所述第一相关度用于衡量第一词向量与第二词向量之间的相似程度，第一相关度越大说明第一词向量与第二词向量的相似程度越高，第一相关度越小，说明第一词向量与第二词向量的相似程度越低；
获得所述第一历史行为路径与所述第二历史行为路径之间的第二相关度，所述第二相关度用于衡量所述第一历史行为路径与所述第二历史行为路径之间的相似程度，第二相关度越大说明所述第一历史行为路径与所述第二历史行为路径的相似程度越高，第二相关度越小，说明所述第一历史行为路径与所述第二历史行为路径的相似程度越低；
以所述第一相关度和第二相关度的均值作为所述第一历史行为路径与所述第二历史行为路径之间的相关指数。
3.根据权利要求1所述的方法，其特征在于，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径，包括：
在所述第二历史行为路径中截取出第二历史片段路径，所述第二历史片段路径包括所述第二历史行为路径中采集时间在最后的多个第二历史位置信息，第二历史片段路径中采集时间最先的第二历史位置信息与采集时间最后的第二历史位置信息之间的采集时间差为所述设定时间段的长度；
对所述第一历史行为路径进行时间序列预测，得到预测所述目标行人在所述设定时间段内的第一预测行为路径；
将所述第一预测行为路径加上所述相关指数与所述第二历史片段路径之积，得到所述目标行人在未来设定时间段内的第一行动路径。
4.根据权利要求3所述的方法，其特征在于，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径，包括：
在所述第一历史行为路径中截取出第一历史片段路径，所述第一历史片段路径包括所述第一历史行为路径中采集时间在最后的多个第一历史位置信息，第一历史片段路径中采集时间最先的第一历史位置信息与采集时间最后的第一历史位置信息之间采集时间差为所述设定时间段的长度；
对所述第二历史行为路径进行时间序列预测，得到预测所述周围行人在所述设定时间段内的第二预测行为路径；
将所述第二预测行为路径加上所述相关指数与所述第一历史片段路径之积，得到所述周围行人在未来设定时间段内的第二行动路径。
5.根据权利要求4所述的方法，其特征在于，基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径，包括：
将第一行动路径加上第二行动路径与所述相关指数之积，得到所述目标行人在未来设定时间段内的目标行动路径。
6.一种基于RFID定位的行人行为预测系统，其特征在于，所述系统包括：
获得模块，用于获得所述目标行人的第一历史行为路径和周围行人的第二历史行为路径；所述周围行人为处在以所述目标行人为中心，半径为2米范围内的行人；所述第一历史行为路径包括多个第一历史位置信息，所述第二历史行为路径包括多个第二历史位置信息；所述第一历史位置信息和第二历史位置信息是基于RFID定位获得的；
预测模块，用于若仅有一个所述周围行人，获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数；所述相关指数表征所述第一历史行为路径与所述第二历史行为路径之间的相关性，用于判断所述目标行人与所述周围行人是否是同伙；若所述相关指数大于设定值，确定所述目标行人与所述周围行人是同伙；所述相关指数越大，表示所述周围行人的行为对所述目标行人的行为影响越大；基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径；基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径；基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径。
7.根据权利要求6所述的系统，其特征在于，所述获得所述第一历史行为路径与所述第二历史行为路径之间的相关指数包括：
将获得所述第一历史行为路径中的所有第一历史位置信息按照先后顺序构成第一词向量；每个所述第一历史位置信息包括横坐标信息和纵坐标信息，在构成第一词向量时，对于同一个第一历史位置信息，将横坐标信息放置在纵坐标信息之前；
将获得所述第二历史行为路径中的所有第二历史位置信息按照先后顺序构成第二词向量；每个所述第二历史位置信息包括横坐标信息和纵坐标信息，在构成第二词向量时，对于同一个第二历史位置信息，将横坐标信息放置在纵坐标信息之前；
获得所述第一词向量与第二词向量之间的第一相关度，所述第一相关度用于衡量第一词向量与第二词向量之间的相似程度，第一相关度越大说明第一词向量与第二词向量的相似程度越高，第一相关度越小，说明第一词向量与第二词向量的相似程度越低；
获得所述第一历史行为路径与所述第二历史行为路径之间的第二相关度，所述第二相关度用于衡量所述第一历史行为路径与所述第二历史行为路径之间的相似程度，第二相关度越大说明所述第一历史行为路径与所述第二历史行为路径的相似程度越高，第二相关度越小，说明所述第一历史行为路径与所述第二历史行为路径的相似程度越低；
以所述第一相关度和第二相关度的均值作为所述第一历史行为路径与所述第二历史行为路径之间的相关指数。
8.根据权利要求6所述的系统，其特征在于，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述目标行人在未来设定时间段内的第一行动路径，包括：
在所述第二历史行为路径中截取出第二历史片段路径，所述第二历史片段路径包括所述第二历史行为路径中采集时间在最后的多个第二历史位置信息，第二历史片段路径中采集时间最先的第二历史位置信息与采集时间最后的第二历史位置信息之间的采集时间差为所述设定时间段的长度；
对所述第一历史行为路径进行时间序列预测，得到预测所述目标行人在所述设定时间段内的第一预测行为路径；
将所述第一预测行为路径加上所述相关指数与所述第二历史片段路径之积，得到所述目标行人在未来设定时间段内的第一行动路径。
9.根据权利要求8所述的系统，其特征在于，基于所述第一历史行为路径、所述第二历史行为路径和所述相关指数，预测出所述周围行人在未来设定时间段内的第二行动路径，包括：
在所述第一历史行为路径中截取出第一历史片段路径，所述第一历史片段路径包括所述第一历史行为路径中采集时间在最后的多个第一历史位置信息，第一历史片段路径中采集时间最先的第一历史位置信息与采集时间最后的第一历史位置信息之间采集时间差为所述设定时间段的长度；
对所述第二历史行为路径进行时间序列预测，得到预测所述周围行人在所述设定时间段内的第二预测行为路径；
将所述第二预测行为路径加上所述相关指数与所述第一历史片段路径之积，得到所述周围行人在未来设定时间段内的第二行动路径。
10.根据权利要求9所述的系统，其特征在于，基于所述第一行动路径、第二行动路径和所述相关指数，确定所述目标行人在未来设定时间段内的目标行动路径，包括：
将第一行动路径加上第二行动路径与所述相关指数之积，得到所述目标行人在未来设定时间段内的目标行动路径。
CN202110132501.5A 2021-01-31 2021-01-31 一种基于rfid定位的行人行为预测方法及系统 Active CN112785075B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110132501.5A CN112785075B (zh) 2021-01-31 2021-01-31 一种基于rfid定位的行人行为预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110132501.5A CN112785075B (zh) 2021-01-31 2021-01-31 一种基于rfid定位的行人行为预测方法及系统

Publications (2)

Publication Number Publication Date
CN112785075A true CN112785075A (zh) 2021-05-11
CN112785075B CN112785075B (zh) 2022-11-25

Family

ID=75760152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110132501.5A Active CN112785075B (zh) 2021-01-31 2021-01-31 一种基于rfid定位的行人行为预测方法及系统

Country Status (1)

Country Link
CN (1) CN112785075B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106504266A (zh) * 2016-09-29 2017-03-15 北京市商汤科技开发有限公司 行走行为的预测方法和装置、数据处理装置和电子设备
CN110516888A (zh) * 2019-09-02 2019-11-29 重庆紫光华山智安科技有限公司 轨迹预测方法、装置、电子设备和计算机可读存储介质
CN111401233A (zh) * 2020-03-13 2020-07-10 商汤集团有限公司 轨迹预测方法、装置、电子设备及介质
CN111767475A (zh) * 2020-03-20 2020-10-13 吉利汽车研究院（宁波）有限公司 一种目标行人轨迹预测模型训练方法、装置、电子设备及存储介质
CN111797751A (zh) * 2020-06-29 2020-10-20 中国第一汽车股份有限公司 行人轨迹预测方法、装置、设备及介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106504266A (zh) * 2016-09-29 2017-03-15 北京市商汤科技开发有限公司 行走行为的预测方法和装置、数据处理装置和电子设备
US20190073524A1 (en) * 2016-09-29 2019-03-07 Beijing Sensetime Technology Development Co., Ltd Method and apparatus for predicting walking behaviors, data processing apparatus, and electronic device
CN110516888A (zh) * 2019-09-02 2019-11-29 重庆紫光华山智安科技有限公司 轨迹预测方法、装置、电子设备和计算机可读存储介质
CN111401233A (zh) * 2020-03-13 2020-07-10 商汤集团有限公司 轨迹预测方法、装置、电子设备及介质
CN111767475A (zh) * 2020-03-20 2020-10-13 吉利汽车研究院（宁波）有限公司 一种目标行人轨迹预测模型训练方法、装置、电子设备及存储介质
CN111797751A (zh) * 2020-06-29 2020-10-20 中国第一汽车股份有限公司 行人轨迹预测方法、装置、设备及介质

Also Published As

Publication number Publication date
CN112785075B (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
EP3703033A1 (en) Track prediction method and device for obstacle at junction
CN108256506B (zh) 一种视频中物体检测方法及装置、计算机存储介质
JP2023027777A (ja) 障害物移動軌跡の予測方法、装置及び自動運転車両
Lee et al. Deep learning and control algorithms of direct perception for autonomous driving
CN107103753A (zh) 交通时间预测系统、交通时间预测方法以及交通模型建立方法
CN109791678A (zh) 用于基于分数的动态风险测量并聚合有远程信息处理连接搜索引擎的智能自适应汽车装置及其相应方法
JP2015081083A (ja) 予測的運転者支援システムのための、妥当性規則に基づく信頼度推定
KR20180113447A (ko) 전자 장치, 그의 경고 메시지 제공 방법 및 비일시적 컴퓨터 판독가능 기록매체
CN109255181B (zh) 一种基于多模型的障碍物分布仿真方法、装置以及终端
CN110807924A (zh) 基于全量全样实时交通数据的多参数融合方法及系统
CN105785370A (zh) 物体检测装置和物体检测方法
CN112406904B (zh) 自动驾驶策略的训练方法、自动驾驶方法、设备和车辆
CN112215438B (zh) 一种应急灾害预警分析数据处理方法及系统
Schachner et al. Development and evaluation of potential accident scenarios involving pedestrians and AEB-equipped vehicles to demonstrate the efficiency of an enhanced open-source simulation framework
CN112233428B (zh) 车流量预测方法、装置、存储介质及设备
CN111881243A (zh) 一种出租车轨迹热点区域分析方法及系统
CN113850665A (zh) 基于物流金融知识图谱的防控欺诈方法和系统
CN108171605A (zh) 一种车辆二次抵押报警方法、装置、服务器及存储介质
CN112785075B (zh) 一种基于rfid定位的行人行为预测方法及系统
CN116861262B (zh) 一种感知模型训练方法、装置及电子设备和存储介质
CN114997310A (zh) 一种环保监测数据处理方法及系统
CN114066288A (zh) 一种基于智慧数据中心的营运道路应急检测方法及系统
CN113428178A (zh) 一种自动驾驶车辆控制方法、装置、介质及车辆
CN113483775A (zh) 路径预测方法及装置、电子设备及计算机可读存储介质
Dey et al. Machine learning based perception architecture design for semi-autonomous vehicles

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