CN113191657A - 一种传感器数据的上传方法和装置 - Google Patents
一种传感器数据的上传方法和装置 Download PDFInfo
- Publication number
- CN113191657A CN113191657A CN202110528117.7A CN202110528117A CN113191657A CN 113191657 A CN113191657 A CN 113191657A CN 202110528117 A CN202110528117 A CN 202110528117A CN 113191657 A CN113191657 A CN 113191657A
- Authority
- CN
- China
- Prior art keywords
- driver
- sensor data
- driving
- uploading
- score
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013461 design Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 239000002826 coolant Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010061296 Motor dysfunction Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- G06Q50/40—
-
- 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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Abstract
本申请实施例提供了一种传感器数据的上传方法和装置,该方法包括:基于车辆的驾驶环境信息和用户信息确定当前的驾驶风险;驾驶环境信息包括如下至少一项:当前时段、车内的温度及当前的路况;用户信息包括如下至少一项:驾驶员的年龄、驾驶员的病史及副驾驶座是否有人;基于驾驶风险,确定将传感器数据上传至服务器的上传频率;基于该上传频率向服务器上传传感器数据。由此,可以根据驾驶风险自适应地调整传感器数据的上传频率,例如在驾驶风险较高时,提高上传频率,提高安全性;在驾驶风险较低时,降低上传频率,降低服务器CPU的占用率,节省上传流量。
Description
技术领域
本申请涉及车载通信终端领域,并且更具体地,涉及一种传感器数据的上传方法和装置。
背景技术
随着生活水平的提高,汽车在日常生活中越来越普遍。随着汽车的增多以及用户的增多,用户也越来越重视驾驶汽车的安全性。
据统计,交通事故中由于驾驶员和汽车自身原因导致的车祸发生的占比越来越重,因此,汽车可以通过传感器来检测驾驶员和汽车的状态,提高了驾驶汽车的安全性,但由于传感器数量多,传感器数据也就多,传感器实时上传数据到服务器,会导致服务器中央处理器(central processing unit,CPU)的占比过高,并且上传数据时占用的流量也会较高。而事实上,在有些情况下,比如驾驶环境较安全的情况下,传感器数据可能并不需要频繁上传。
因此,希望提供一种方法,能够自适应地调整传感器数据的上传频率。
发明内容
本申请实施例提供了一种传感器数据的上传方法,以期自适应地调整传感器数据的上传频率。
第一方面,本申请提供了一种传感器数据的上传方法,该方法包括:基于车辆的驾驶环境信息和用户信息确定当前的驾驶风险;所述驾驶环境信息包括如下一项或者多项:当前时段、车内的温度以及当前的路况;所述用户信息包括如下一项或者多项:驾驶员的年龄、驾驶员的病史以及副驾驶座是否有人;基于所述驾驶风险,确定将传感器数据上传至服务器的上传频率;基于所述上传频率向所述服务器上传所述传感器数据。
基于上述方案,通过获取驾驶车辆的驾驶环境信息以及用户信息,根据这些信息获得当前的驾驶风险的高低,根据驾驶风险的高低决定传感器数据的上传频率。从而可以根据驾驶风险来自适应地调整传感器数据的上传频率,例如在驾驶风险较高时,提高上传频率,提高安全性;在驾驶风险较低时,降低上传频率,降低服务器CPU的占用率,节省上传流量。
可选地,所述基于车辆驾驶环境信息和用户信息确定当前的驾驶风险,包括:基于预设的规则对所述驾驶环境信息和所述用户信息分别进行评分,得到对应于所述驾驶环境信息的评分和对应于所述用户信息的评分;根据所述对应于所述驾驶环境信息的评分和所述对应于所述用户信息的评分的总和,确定所述当前的驾驶风险;其中,所述总和越高,所述驾驶风险越高;所述总和越低,所述驾驶风险越低。
可选地,所述驾驶风险越高,所述传感器数据的上传频率越高;所述驾驶风险越低,所述传感器数据的上传频率越低。
可选地,所述预设的评分规则包括:驾驶员有影响驾驶的病史较驾驶员无影响驾驶的病史的评分更高。
可选地,所述预设的评分规则包括:副驾驶座无人较副驾驶座有人的评分更高。
可选地,所述预设的评分规则包括:一天中的多个时间区间对应不同的评分,所述多个时间区间包括:早上、中午、下午、夜间、深夜,其中,所述深夜的评分最高,所述中午和所述夜间的评分次之,所述早上和所述下午的评分最低。
可选地,所述预设的评分规则包括:不同的温度区间对应不同的评分。其中,温度高或低时的评分较温度适中时的评分更高。
可选地,所述预设的评分规则包括:道路拥挤较道路顺畅的评分更高。
可选地,所述预设的评分规则包括:驾驶员不同的年龄区间对应不同的评分。其中,老年人的评分较中年人和青年人的评分更高。
可选地,所述方法还包括:获取所述驾驶员的人脸图像;基于所述驾驶员的人脸图像和人脸识别算法,识别所述驾驶员的年龄。
可选地,所述方法还包括:获取所述驾驶员的人脸图像;基于所述驾驶员的人脸图像和人脸识别算法识别出所述驾驶员的身份信息;基于所述驾驶员的身份信息,从服务器获取所述驾驶员驾驶的病史。
可选地,所述方法还包括:获取车内图像;基于所述车内图像和图像识别算法,判断所述车辆的副驾驶座是否有人。
第二方面,提供了一种传感器数据的上传装置,包括用于实现第一方面和第一方面任一项中所述的传感器数据的上传方法的模块或单元。应理解,各个模块或单元可通过执行计算机程序来实现相应的功能。
第三方面,提供了一种传感器数据的上传装置,包括处理器,所述处理器用于执行第一方面和第一方面任一项中所述传感器数据的上传方法。
所述装置还可以包括存储器,用于存储指令和数据。所述存储器与所述处理器耦合,所述处理器执行所述存储器中存储的指令时,可以实现上述第一方面描述的方法。所述装置还可以包括通信接口,所述通信接口用于该装置与其它设备进行通信,示例性的,通信接口可以是收发器、电路、总线、模块或其它类型的通信接口。
第四方面,提供了一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机实现第一方面和第一方面任一项中所述的方法。
第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序(也可以称为代码,或指令),当所述计算机程序被运行时,使得计算机执行第一方面以及第一方面任一项中所述的方法。
应当理解的是,本申请的第二方面至第五方面与本申请的第一方面的技术方案相对应,各方面及对应的可行实施方式所取得的有益效果相似,不再赘述。
附图说明
图1是本申请实施例提供的方法的场景的示意图;
图2是本申请实施例提供的传感器数据的上传方法的示意性流程图;
图3是本申请实施例提供的传感器数据的上传装置的示意性框图;
图4是本申请实施例提供的传感器数据的上传装置的另一示意性框图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
近年来,随着汽车的广泛使用,人们也越来越重视驾驶汽车的安全性。通过一些传感器数据实时监测汽车以及驾驶员的状态,提高了驾驶汽车的安全性。
其中,传感器数据包括汽车中各传感器检测到的可用于反映汽车状态、驾驶环境或驾驶员身体状态的数据,例如可以为冷却液温度传感器检测到的冷却液的温度、车速传感器检测到的车速、加速度传感器检测到的用于表示车辆的位置和朝向变化的惯性加速度、车内温度传感器检测到的车内气温、车内湿度传感器检测到的车内湿度、自动驾驶传感器检测到的表示道路情况、温度传感器检测到的反映驾驶员的体温或压力传感器等检测到的反映驾驶员的血压等。
应理解,其中,自动驾驶传感器包括一系列的传感器,例如可以包括但不限于,视觉类摄像机和雷达类测距传感器。其中,视觉类摄像机包括但不限于,单目传感器、双目传感器、多目立体视觉传感器、全景视觉传感器及红外相机等。雷达类测距传感器包括但不限于,激光雷达、毫米波雷达及超声波雷达等。
还应理解,前面列举的传感器数据仅为示例,不应对本申请实施例构成限定。
由于传感器数量较多,因此对应的传感器数据也较多,若实时将传感器数据上传到服务器,会导致服务器的CPU占比过高,并且上传数据时占用的流量也会较高。而事实上,在有些情况下,比如驾驶环境信息较安全的情况下,传感器数据并不需要如此频繁地上传至服务器。因此,希望提供一种方法,能够自适应地调整传感器数据的上传频率。
基于上述问题,本申请提出一种传感器数据的上传方法,能够根据车辆的驾驶环境信息以及用户信息自适应地调整传感器数据的上传频率。
为方便理解本申请实施例,下面首先结合图1对适用于本申请实施例提供的方法的场景做简单说明。如图1所示,该场景包括车辆100和服务器200。
其中,车辆100中配置有通信盒子(telematics-box,T-BOX)、汽车中控、实时时钟(real_time clock,RTC)、摄像头、以及多种传感器,例如包括但不限于,冷却液温度传感器、车速传感器、加速度传感器、车内温度传感器、车内湿度传感器、自动驾驶传感器、温度传感器或压力传感器等。
其中,汽车中控可以控制传感器数据的上传频率。所述传感器数据的上传频率具体是指,将传感器数据上传至服务器的频率。例如,汽车中控可用于接收来自传感器或者从其他硬件(比如,RTC或摄像头等)的数据,基于这些数据计算传感器数据的上传频率,并基于计算的上传频率向T-BOX发送待上传给服务器的传感器数据。
T-BOX可以与汽车中控通信,以将从汽车中控接收到的车内信号发送至车外设备,比如服务器。在本申请实施例中,T-BOX可用于从汽车中控接收传感器数据,并将接收到的传感器数据上传至服务器。该T-BOX例如可采用无线通信技术,向服务器上传传感器数据。
其中,服务器例如可以由汽车远程服务提供商(telematics service provider,TSP)提供,以为车主提供导航、娱乐、资讯、安防、社交网络服务(social network service,SNS)、远程保养等服务。该服务器例如可以是部署在云端的云服务器。本申请实施例对此不作限定。
需要说明的是,图1所示的车辆100仅是本申请提供的车辆的一种示例,本申请提供的车辆可以包括更少或更多的元器件,例如还可以包括其它类型的传感器或控制器,本申请实施例对此不作限定。
图2为本申请实施例提供的传感器数据的上传方法的示意性流程图。该方法例如可以是由传感器数据的上传装置来执行。所述传感器数据的上传装置例如可以是图1中所示的汽车中控,也可以是能够从各个传感器获取传感器数据,并能够与服务器通信的其他设备。本申请实施例对此不作限定。
如图2所示,该方法可以包括步骤210至240。下面对该方法中的各个步骤做详细说明。
在步骤210中,获取车辆的驾驶环境信息和用户信息。
其中,驾驶环境信息包括如下一项或者多项:当前时段、车内的温度以及当前的路况。用户信息包括如下一项或者多项:驾驶员的年龄、驾驶员的病史以及副驾驶座是否有人。下面结合示例说明驾驶环境信息和用户信息的获取方式。
示例性地,传感器数据的上传装置可以根据汽车内置的RTC芯片获取当前时间,根据所设置的时钟区间,判断当前时间所属的时间区间或时段。基于一天内不同的时间区间,可将一天划分为早上、中午、下午、夜间和深夜。为方便说明,后文将当前时间所属的时间区间简称为当前时段。
传感器数据的上传装置可以从车内的温度传感器获取当前车内的温度,根据所设置的温度区间来判断当前车内温度是属于冷、适中、热中的哪一种。
传感器数据的上传装置可以根据自动驾驶传感器来实时分析当前前方道路是否拥挤,以及当前道路路况是否平整,或者从一些地图应用软件中获取当前道路是否拥挤或者顺畅,从而来判断当前驾驶员的驾驶体验。
传感器数据的上传装置可以根据车内驾驶位的摄像头来获取当前驾驶员的人脸,通过人脸识别算法来获取当前驾驶员的大致年龄,从而来判断当前驾驶员是属于:青年、中年、老年人中的哪一种。其中,人脸识别算法可以为深度神经网络算法,例如卷积神经网络,具体实现过程可参考现有技术,此处不再赘述。
进一步地,该装置还可以使用人脸识别算法识别驾驶员,从服务器中获取该驾驶员的身份信息,并根据该驾驶员的身份信息获取该驾驶员的个人病史,以此来判断驾驶员是否存在影响驾驶的相关病史。
传感器数据的上传装置可以通过车内摄像头获取当前车内的图像,然后基于图像识别算法,判断副驾驶座是否有人。其中,图像识别算法可以为深度神经网络算法,例如卷积神经网络,具体实现过程可参考现有技术,此处不再赘述。
在步骤220中,基于驾驶环境信息和用户信息确定当前的驾驶风险。
具体地,基于驾驶环境信息和用户信息确定当前的驾驶风险,可以包括下述步骤2201至步骤2202,下面对步骤2201至步骤2202进行详细说明。
在步骤2201中,基于预设的评分规则对驾驶环境信息和用户信息分别进行评分,得到对应于驾驶环境信息的评分和对应于用户信息的评分。
对于上文所列举的驾驶环境信息和用户信息中的每一项可以分别予以评分,得到对应于驾驶环境信息的评分和对应于用户信息的评分。对每一项的评分可以基于预设的评分规则而得到。具体来说,评分越高代表驾驶风险越高,评分越低代表驾驶风险越低。下文所列举的评分规则均可以基于上述规律而定义。下面示例性地给出基于预设的规则对驾驶环境信息和用户信息进行评分的过程。
可选地,上述预设的评分规则为:一天中的多个时间区间对应不同的评分,多个时间区间包括:早上、中午、下午、夜间、深夜,其中,深夜的评分最高,中午和夜间的评分次之,早上和下午的评分最低。
示例性地,基于预设的规则对当前时段进行评分的一种可能的设计为:将一天24小时划分为5个时间区间,然后针对5个时间区间分别设置相应的评分,获取得到当前的时间处于哪个时间区间,则得到相应的评分。5个时间区间可以例如分别为早上(6:01~11:00)、中午(11:01~14:00)、下午(14:01~18:00)、夜间(18:01~23:00)和深夜(23:01~6:00)。若当前时间落入以上5个时段中的某一个时间区间内,则其相应的评分则为该时段所对应的评分。比如,落入早上这一时间区间,则评分为1;落入中午这一时间区间,则评分为2;等等。为了简洁,此处不一一举例。5个时间区间与其相应的评分的对应关系如表1所示。
表1
时间区间 | 评分S<sub>1</sub> |
早上 | 1分 |
中午 | 2分 |
下午 | 1分 |
夜间 | 2分 |
深夜 | 3分 |
应理解,上述过程时间区间的划分及其对应的评分仅为一种可能的设计,不应对本申请实施例构成限定。
还应理解,表1所示的时间区间与评分的对应关系可视为上述预设的规则的一例。当然,该对应关系也可通过其他形式来体现,本申请实施例对此不作限定。
可选地,上述预设的评分规则为:不同的温度区间对应不同的评分。其中,温度高或低时的评分较温度适中时的评分更高。
示例性地,基于预设的规则对车内的温度进行评分的一种可能的设计为:将温度设置为冷、适中、热三个温度区间,若温度传感器采集的温度落入三个温度区间中时会得到三个不同的评分。三个温度区间例如可以是冷(15摄氏度以下)、适中(15摄氏度到25摄氏度之间)、热(25摄氏度以下),其对应的评分例如可以分别为:2分、1分和2分。3个温度区间与其相应的评分的对应关系如表2所示。
表2
温度区间 | 评分S<sub>2</sub> |
冷 | 2分 |
适中 | 1分 |
热 | 2分 |
应理解,上述过程温度区间的划分及其对应的评分仅为一种可能的设计,不应对本申请实施例构成限定。
还应理解,表2所示的温度区间与评分的对应关系可视为上述预设的规则的另一例。当然,该对应关系也可通过其他形式来体现,本申请实施例对此不作限定。
可选地,上述预设的评分规则为:道路拥挤较道路顺畅的评分更高。
示例性地,基于预设的规则对当前的路况进行评分的一种可能的设计为:道路拥挤和道路顺畅,其对应的评分例如可以分别为:2分和1分。当前的路况与其相应的评分的对应关系如表3所示。
表3
当前路况 | 评分S<sub>3</sub> |
道路拥挤 | 2分 |
道路顺畅 | 1分 |
应理解,道路拥挤时车辆数量较多,驾驶风险也相对较高,因此,评分设置的高于道路顺畅时的评分。
还应理解,上述过程不同的道路状况对应的评分仅为一种可能的设计,不应对本申请实施例构成限定。
还应理解,表3所示的路况与评分的对应关系可视为上述预设的规则的又一例。当然,该对应关系也可通过其他形式来体现,本申请实施例对此不作限定。
可选地,上述预设的评分规则为:驾驶员不同的年龄区间对应不同的评分。其中,老年人的评分较中年人和青年人的评分更高。
示例性地,基于预设的规则对驾驶员的年龄进行评分的一种可能的设计为:将不同年龄的人划分为青年人、中年人、老年人,若识别出的驾驶员的年龄落入三个年龄区间时会得到三个不同的评分。三个年龄区间例如可以是18岁至30岁(青年人)、30岁至50岁(中年人)、50岁以上(老年人),其对应的评分例如可以分别为:1分、1分和2分。3个年龄区间与其相应的评分的对应关系如表4所示。
表4
驾驶员的年龄 | 评分S<sub>4</sub> |
青年人 | 1分 |
中年人 | 1分 |
老年人 | 2分 |
应理解,上述过程年龄区间的划分及其对应的评分仅为一种可能的设计,不应对本申请实施例构成限定。
还应理解,表4所示的驾驶员的年龄与评分的对应关系可视为上述预设的规则的又一例。当然,该对应关系也可通过其他形式来体现,本申请实施例对此不作限定。
示例性地,基于预设的规则对驾驶员是否有影响驾驶的相关病史进行评分。其中,影响驾驶的相关病史可参考驾驶员体检的相关体检项,例如可以包括但不限于,心脑血管疾病、神经系统疾病、精神障碍、视力问题、辨色力问题、听力问题、运动功能障碍等。
可选地,上述预设的评分规则为:驾驶员有影响驾驶的相关病史较驾驶员无影响驾驶的相关病史的评分更高。
一种可能的设计为:驾驶员有相关病史和无相关病史,其对应的评分例如可以分别为:3分和1分。驾驶员是否有相关病史与其相应的评分的对应关系如表5所示。
表5
是否有相关病史 | 评分S<sub>5</sub> |
有相关病史 | 3分 |
无相关的病史 | 1分 |
应理解,如果驾驶员有相关的影响驾驶的病史,相比较而言,有相关病史的驾驶员驾驶车辆时的驾驶风险更高,因此赋予一个较大的评分。
还应理解,上述过程是否有相关病史对应的评分仅为一种可能的设计,不应对本申请实施例构成限定。
还应理解,表5所示的驾驶员是否有相关病史与评分的对应关系可视为上述预设的规则的又一例。当然,该对应关系也可通过其他形式来体现,本申请实施例对此不作限定。
可选地,上述预设的评分规则为:副驾驶座无人较副驾驶座有人的评分更高。
示例性地,基于预设的规则对副驾驶座是否有人进行评分,一种可能的设计为:副驾驶座有人和副驾驶座无人,其对应的评分例如可以分别为:1分和2分。副驾驶座是否有人与其相应的评分的对应关系如表6所示。
表6
副驾驶座是否有人 | 评分S<sub>6</sub> |
副驾驶座有人 | 1分 |
副驾驶座无人 | 2分 |
应理解,副驾驶座有人,则可以帮助驾驶员发现一些影响驾驶的信息,提醒驾驶员,因此可以减少驾驶的风险,提高驾驶的安全性,因此副驾驶座有人的评分低于副驾驶座无人的评分。
还应理解,上述过程副驾驶座是否有人对应的评分仅为一种可能的设计,不应对本申请实施例构成限定。
还应理解,表6所示的副驾驶座是否有人与评分的对应关系可视为上述预设的规则的又一例。当然,该对应关系也可通过其他形式来体现,本申请实施例对此不作限定。
在步骤2202中,根据对应于驾驶环境信息的评分和对应于用户信息的评分,确定当前的驾驶风险。
在一种可能的实现方式中,传感器数据的上传装置根据对应于驾驶环境信息的评分和对应于用户信息的评分的总和,确定当前的驾驶风险;其中,总和越高,驾驶风险越高;总和越低,驾驶风险越低。
应理解,参考步骤2201,可以分别得出当前时段所处的时间区间的评分S1、车内的温度评分S2、当前路况的评分S3、驾驶员的年龄评分S4、驾驶员是否有影响驾驶的相关病史的评分S5以及副驾驶座是否有人的评分S6,因此可以将这些评分相加即可得到评分的总和。
基于上文所列举的规则得到的评分的总和S可表示为:
S=S1+S2+S3+S4+S5+S6。
在另一种可能的实现方式中,可以根据驾驶环境信息和用户信息的重要程度进行区分,根据重要程度赋予这些信息不同的权重a1、a2、a3、a4、a5和a6,然后再将加权后的评分结果相加,得到评分的总和。由此得到评分的总和S可表示为:
S=a1S1+a2S2+a3S3+a4S4+a5S5+a6S6。
应理解,上文列举的驾驶环境信息和用户信息的具体内容仅为示例,基于上文所列举的驾驶环境信息和用户信息所确定的评分的总和的计算公式也仅为示例。基于相同的构思,本领域的技术人员可以对驾驶环境信息和/或用户信息中的具体内容进行补充或删减,并基于补充或删减后的内容得出与上文所示相似的评分总和S的计算公式。这些变形均应落入本申请的保护范围内。
在步骤230中,基于驾驶风险,确定将传感器数据上传至服务器的上传频率。
应理解,评分的总和越高,代表驾驶风险越高,则可以设置传感器数据的上传频率越高;评分的总和越低,代表驾驶风险越低,则可以设置传感器数据的上传频率越低。
一种可能的设计为:传感器数据的上传装置基于步骤120对驾驶环境信息的评分和用户信息的评分,计算得到评分的总和,若评分的总和S小于或等于6分,则可以设置传感器数据上传频率为30分钟上传一次;若评分的总和S处于(6,9]的范围,则可以设置传感器数据上传频率为10分钟上传一次;若评分的总和S大于9分,则可以设置传感器数据上传频率为2分钟上传一次。
应理解,上述过程评分的总和对应的阈值的设定仅为一种可能的设计,不应对本申请实施例构成限定。可以理解,上传频率可以与用于表征驾驶风险的评分总和呈正比。评分总和越高,上传频率越高;评分总和越低,上传频率也越低。基于这样的关系,本领域的技术人员可以定义其他规则或阈值来确定传感器数据的上传频率。
还应理解,上述评分规则也可以与驾驶风险呈反比。比如,驾驶风险越高,评分越低;驾驶风险越低,评分越高。此情况下,上传频率可以与评分总和呈反比。评分总和越高,上传频率越低;评分总和越低,上传频率越高。为了简洁,这里不做详述。
在步骤240中,基于上传频率向服务器上传传感器数据。
由步骤230可知,传感器数据的上传装置计算得到评分的总和即可得到相应的上传频率,即可根据上传频率上传传感器数据。
应理解,对应于图1中的汽车中控,步骤240基于上传频率向服务器上传传感器数据,具体可以包括,汽车中控基于上传频率向T-BOX发送传感器数据,以通过T-BOX基于该上传频率向服务器上传该传感器数据。
基于上述方案,通过考虑驾驶环境信息和用户信息,来评价当前的驾驶风险的高低,并基于驾驶风险来确定传感器数据的上传频率。因此,可以根据驾驶风险来自适应地调整传感器数据的上传频率。例如在驾驶风险较高时,提高上传频率,提高安全性;在驾驶风险较低时,降低上传频率,降低服务器CPU的占用率,节省上传流量。
图3是本申请实施例提供的传感器数据的上传装置的示意性框图。如图3所示,该装置300可以包括:处理模块310和发送模块320。其中,该处理模块310,可用于基于车辆的驾驶环境信息和用户信息确定当前的驾驶风险;所述驾驶环境信息包括如下一项或者多项:当前时段、车内的温度以及当前的路况;所述用户信息包括如下一项或者多项:驾驶员的年龄、驾驶员的病史以及副驾驶座是否有人;该处理模块310还可用于基于所述驾驶风险,确定将传感器数据上传至服务器的上传频率;发送模块320可用于基于所述上传频率向所述服务器上传所述传感器数据。
可选地,处理模块310还可用于基于预设的规则对所述驾驶环境信息和所述用户信息分别进行评分,得到对应于所述驾驶环境信息的评分和对应于所述用户信息的评分;根据所述对应于所述驾驶环境信息的评分和所述对应于所述用户信息的评分的总和,确定所述当前的驾驶风险;其中,所述总和越高,所述驾驶风险越高;所述总和越低,所述驾驶风险越低。
可选地,所述预设的评分规则包括:驾驶员有影响驾驶的病史较驾驶员无影响驾驶的病史的评分更高。
可选地,所述预设的评分规则包括:副驾驶座无人较副驾驶座有人的评分更高。
可选地,所述预设的评分规则包括:一天中的多个时间区间对应不同的评分,所述多个时间区间包括:早上、中午、下午、夜间、深夜,其中,所述深夜的评分最高,所述中午和所述夜间的评分次之,所述早上和所述下午的评分最低。
可选地,所述驾驶风险越高,所述传感器数据的上传频率越高;所述驾驶风险越低,所述传感器数据的上传频率越低。
可选地,处理模块310还可用于获取所述驾驶员的人脸图像;基于所述驾驶员的人脸图像和人脸识别算法,识别所述驾驶员的年龄。
可选地,处理模块310还可用于获取所述驾驶员的人脸图像;基于所述驾驶员的人脸图像和人脸识别算法识别出所述驾驶员的身份信息;基于所述驾驶员的身份信息,从服务器获取所述驾驶员驾驶的病史。
可选地,处理模块310还可用于获取车内图像;基于所述车内图像和图像识别算法,判断所述车辆的副驾驶座是否有人。
应理解,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能模块可以集成在一个处理器中,也可以是单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
图4是本申请实施例提供的传感器数据的上传装置的另一示意性框图。该装置可用于实现上述方法中传感器数据的上传装置的功能。其中,该装置可以为芯片系统。本申请实施例中,芯片系统可以由芯片构成,也可以包含芯片和其他分立器件。
如图4所示,该装置400可以包括至少一个处理器410,用于实现本申请实施例提供的方法中传感器数据的上传装置的功能。示例性地,处理器410可用于基于车辆的驾驶环境信息和用户信息确定当前的驾驶风险;所述驾驶环境信息包括如下一项或者多项:当前时段、车内的温度以及当前的路况;所述用户信息包括如下一项或者多项:驾驶员的年龄、驾驶员的病史以及副驾驶座是否有人;基于所述驾驶风险,确定将传感器数据上传至服务器的上传频率;基于所述上传频率向所述服务器上传所述传感器数据。具体参见方法示例中的详细描述,此处不做赘述。
该装置400还可以包括至少一个存储器420,用于存储程序指令和/或数据。存储器420和处理器410耦合。本申请实施例中的耦合是装置、单元或模块之间的间接耦合或通信连接,可以是电性,机械或其它的形式,用于装置、单元或模块之间的信息交互。处理器410可能和存储器420协同操作。处理器410可能执行存储器420中存储的程序指令。所述至少一个存储器中的至少一个可以包括于处理器中。
该装置400还可以包括通信接口430,用于通过传输介质和其它设备进行通信,从而用于装置400中的装置可以和其它设备进行通信。示例性地,所述通信接口430例如可以是收发器、接口、总线、电路或者能够实现收发功能的装置。处理器410可利用通信接口430收发数据和/或信息,并用于实现图2对应的实施例中所述的传感器数据的上传装置所执行的方法。
本申请实施例中不限定上述处理器410、存储器420以及通信接口430之间的具体连接介质。本申请实施例在图4中以处理器410、存储器420以及通信接口430之间通过总线440连接。总线440在图4中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
本申请还提供一种计算机程序产品,所述计算机程序产品包括:计算机程序(也可以称为代码,或指令),当所述计算机程序被运行时,使得计算机执行图2所示实施例中的方法。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序(也可以称为代码,或指令)。当所述计算机程序被运行时,使得计算机执行图2所示实施例中的方法。
应理解,本申请实施例中的处理器可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(digitalsignal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
还应理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(directrambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本说明书中使用的术语“单元”、“模块”等,可用于表示计算机相关的实体、硬件、固件、硬件和软件的组合、软件、或执行中的软件。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各种说明性逻辑块(illustrative logical block)和步骤(step),能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。在本申请所提供的几个实施例中,应该理解到,所揭露的装置、设备和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在上述实施例中,各功能单元的功能可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令(程序)。在计算机上加载和执行所述计算机程序指令(程序)时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种传感器数据的上传方法,其特征在于,包括:
基于车辆的驾驶环境信息和用户信息确定当前的驾驶风险;所述驾驶环境信息包括如下一项或者多项:当前时段、车内的温度以及当前的路况;所述用户信息包括如下一项或者多项:驾驶员的年龄、驾驶员的病史以及副驾驶座是否有人;
基于所述驾驶风险,确定将传感器数据上传至服务器的上传频率;
基于所述上传频率向所述服务器上传所述传感器数据。
2.如权利要求1所述的方法,其特征在于,所述基于车辆的驾驶环境信息和用户信息确定当前的驾驶风险,包括:
基于预设的评分规则对所述驾驶环境信息和所述用户信息分别进行评分,得到对应于所述驾驶环境信息的评分和对应于所述用户信息的评分;
根据所述对应于所述驾驶环境信息的评分和所述对应于所述用户信息的评分的总和,确定所述当前的驾驶风险;其中,所述总和越高,所述驾驶风险越高;所述总和越低,所述驾驶风险越低。
3.如权利要求2所述的方法,其特征在于,所述预设的评分规则包括:驾驶员有影响驾驶的病史较驾驶员无影响驾驶的病史的评分更高。
4.如权利要求2所述的方法,其特征在于,所述预设的评分规则包括:副驾驶座无人较副驾驶座有人的评分更高。
5.如权利要求2所述的方法,其特征在于,所述预设的评分规则包括:一天中的多个时间区间对应不同的评分,所述多个时间区间包括:早上、中午、下午、夜间、深夜,其中,所述深夜的评分最高,所述中午和所述夜间的评分次之,所述早上和所述下午的评分最低。
6.如权利要求1至5中任一项所述的方法,其特征在于,所述驾驶风险越高,所述传感器数据的上传频率越高;所述驾驶风险越低,所述传感器数据的上传频率越低。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述驾驶员的人脸图像;
基于所述驾驶员的人脸图像和人脸识别算法,识别所述驾驶员的年龄。
8.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述驾驶员的人脸图像;
基于所述驾驶员的人脸图像和人脸识别算法识别出所述驾驶员的身份信息;
基于所述驾驶员的身份信息,从服务器获取所述驾驶员的病史。
9.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取车内图像;
基于所述车内图像和图像识别算法,判断所述车辆的副驾驶座是否有人。
10.一种计算机程序产品,其特征在于,包括计算机程序,当计算机运行所述计算机程序时,使得所述计算机执行如权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110528117.7A CN113191657A (zh) | 2021-05-14 | 2021-05-14 | 一种传感器数据的上传方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110528117.7A CN113191657A (zh) | 2021-05-14 | 2021-05-14 | 一种传感器数据的上传方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191657A true CN113191657A (zh) | 2021-07-30 |
Family
ID=76981793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110528117.7A Pending CN113191657A (zh) | 2021-05-14 | 2021-05-14 | 一种传感器数据的上传方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191657A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023225973A1 (zh) * | 2022-05-26 | 2023-11-30 | 广东逸动科技有限公司 | 数据处理方法、装置、系统、安全终端、船舶及监控装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130338914A1 (en) * | 2012-06-14 | 2013-12-19 | Wavemarket Inc. | System and method for notifying vehicle driver of localized driving conditions |
CN107833312A (zh) * | 2017-01-25 | 2018-03-23 | 问众智能信息科技(北京)有限公司 | 基于多模态信息的驾驶危险系数评估方法和装置 |
CN111353471A (zh) * | 2020-03-17 | 2020-06-30 | 北京百度网讯科技有限公司 | 安全驾驶监测方法、装置、设备和可读存储介质 |
CN111882382A (zh) * | 2020-06-30 | 2020-11-03 | 上海万位科技有限公司 | 基于数据和风险关联模型的共享汽车数据存储管理方法 |
-
2021
- 2021-05-14 CN CN202110528117.7A patent/CN113191657A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130338914A1 (en) * | 2012-06-14 | 2013-12-19 | Wavemarket Inc. | System and method for notifying vehicle driver of localized driving conditions |
CN107833312A (zh) * | 2017-01-25 | 2018-03-23 | 问众智能信息科技(北京)有限公司 | 基于多模态信息的驾驶危险系数评估方法和装置 |
CN111353471A (zh) * | 2020-03-17 | 2020-06-30 | 北京百度网讯科技有限公司 | 安全驾驶监测方法、装置、设备和可读存储介质 |
CN111882382A (zh) * | 2020-06-30 | 2020-11-03 | 上海万位科技有限公司 | 基于数据和风险关联模型的共享汽车数据存储管理方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023225973A1 (zh) * | 2022-05-26 | 2023-11-30 | 广东逸动科技有限公司 | 数据处理方法、装置、系统、安全终端、船舶及监控装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106618524B (zh) | 丧失驾驶能力的检测和预防 | |
CN104656503B (zh) | 自主车辆中的可穿戴计算机 | |
US11282019B2 (en) | Risk information processing method and server device | |
JP6748210B2 (ja) | 車両内のセンサベースのデータ取得および信号処理を制御するためのシステムおよび方法。 | |
CN104079554B (zh) | 车载中继装置以及通信系统 | |
CN110341620B (zh) | 车辆预后和补救响应 | |
US20130073122A1 (en) | Driving assist system, in-vehicle apparatus, server, and driving assist method | |
US20190158581A1 (en) | System and method for balancing processing of sensor-based data and signals in a vehicle | |
MX2014015331A (es) | Interfaz de usuario afectiva en un vehiculo autonomo. | |
US11150665B2 (en) | Smart vehicle | |
CN110462697A (zh) | 信息管理装置、信息处理装置、系统及信息管理方法 | |
JP5712712B2 (ja) | 車載機能制御装置 | |
CN111152788A (zh) | 一种车辆油门踏板误踩预防方法和系统 | |
CN113191657A (zh) | 一种传感器数据的上传方法和装置 | |
KR101497988B1 (ko) | 안전 운행 지수 산정 시스템에서 차량의 안전 운행 지수 산정 방법, 안전 운행 지수 산정 시스템을 이용한 자동차 보험료 산정 방법, 및 이를 적용한 안전 운행 지수 산정 시스템 | |
CN108025669B (zh) | 提供增强的弯道通过指示的系统和方法 | |
CN106183986A (zh) | 一种智能化行车安全系统及方法 | |
CN111243233A (zh) | 用于管理疲劳驾驶的设备、系统和方法 | |
JP2020086907A (ja) | 漫然運転判定装置 | |
CN111483463B (zh) | 基于车载单元和路侧单元的预判超车方法、存储介质 | |
CN111612140B (zh) | 基于路侧单元的自动驾驶安全判别方法、设备、存储介质 | |
CN113658426A (zh) | 一种车辆事故识别方法及装置 | |
CN113256364A (zh) | 信息处理设备、信息处理方法和非暂态存储介质 | |
WO2018002825A1 (en) | Systems and methods for controlling sensor-based data acquisition and signal processing in vehicles | |
JP7118268B2 (ja) | 眠気検出用の閾値変更装置および眠気検出用の閾値変更方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210730 |
|
WD01 | Invention patent application deemed withdrawn after publication |